内燃机的点火正时控制装置

    公开(公告)号:CN112629648A

    公开(公告)日:2021-04-09

    申请号:CN202010932405.4

    申请日:2020-09-08

    Abstract: 内燃机的点火正时控制装置包括存储装置和处理器。所述存储装置存储第1已学习神经网络和第2已学习神经网络。所述处理器构成为:在点火正时被延迟了的下一周期中,基于使用所述第2已学习神经网络算出的代表所述爆震强度的值的推定值的预测值与使用所述第1已学习神经网络算出的代表所述爆震强度的值的推定值之差,进行再下一周期中的所述点火正时的延迟控制。所述处理器构成为:在所述差比预先确定的设定值大时,不进行使所述再下一周期中的所述点火正时延迟的控制。

    内燃机的点火正时控制装置

    公开(公告)号:CN112629649A

    公开(公告)日:2021-04-09

    申请号:CN202010938991.3

    申请日:2020-09-09

    Abstract: 内燃机的点火正时控制装置具备多个带通滤波器、存储有多个第1已学习神经网络的存储装置以及处理器,该多个带通滤波器分别仅使爆震传感器的输出值的各自不同的频带通过,该多个第1已学习神经网络构成为分别被输入频带的带通滤波器的输出值。各神经网络被事先进行学习以使得在被输入了滤波后的带通滤波器的输出值时输出代表爆震强度的值的推定值。处理器使用从所取得的推定值除去了特异的推定值后的一部分推定值来算出最佳推定值,基于所算出的最佳推定值来进行点火正时的延迟控制。

    用于内燃机的点火正时控制设备

    公开(公告)号:CN109253014A

    公开(公告)日:2019-01-22

    申请号:CN201810763119.2

    申请日:2018-07-12

    Abstract: 本发明涉及一种用于内燃机的点火正时控制设备。用于内燃机的点火正时控制设备包括电子控制单元,该电子控制单元被构造成:i)执行关于是否在发动机中已经发生爆震的判定;ii)当判定出已经发生爆震时,更新第一学习值和第二学习值,使得点火正时被延迟;并且iii)将通过基于第一和第二学习值来延迟基础点火正时而获得的正时推导为要求点火正时。该电子控制单元被构造成当更新第二学习值时,在预先设定的规定期间内的第二学习值的更新量不超过规定量的范围内更新第二学习值。

    用于内燃机的爆震判定设备和方法

    公开(公告)号:CN101467017A

    公开(公告)日:2009-06-24

    申请号:CN200780021277.0

    申请日:2007-06-05

    CPC classification number: G01L23/225

    Abstract: 发动机ECU执行的程序包括以下步骤:根据将包括发动机的共振频率的频带的振动波形与作为当发动机发生爆震时产生的振动波形的、预先产生的爆震波形模型的比较结果来计算相关系数(K)(S112);由不包括发动机的共振频率的频带的振动强度来计算爆震强度(N)(S114);如果爆震强度(N)大于基准值且相关系数大于阈值(S116为“是”),则判定发动机发生爆震(S118);如果爆震强度(N)小于基准值并/或相关系数(K)小于阈值,则判定发动机未发生爆震(S122)。

    内燃机的点火正时控制装置

    公开(公告)号:CN112629650B

    公开(公告)日:2023-01-17

    申请号:CN202010945152.4

    申请日:2020-09-10

    Abstract: 内燃机的点火正时控制装置包括:存储装置,其存储有正常信号生成模型和第1已学习神经网络,所述正常信号生成模型构成为将爆震传感器的输出值作为输入,输出从该输出值除去了噪声成分值后的爆震成分值,所述第1已学习神经网络事先被进行了学习以使得在将爆震的输出值和所述已除去噪声输出值中的任一方作为输入,输出代表爆震强度的值的推定值;和处理器,其将爆震传感器的输出值输入到正常信号生成模型,并且,将已除去噪声输出值输入到第1已学习神经网络,取得所述推定值,基于所取得的所述推定值来进行点火正时的延迟控制。

    内燃机的爆震检测装置及爆震检测方法

    公开(公告)号:CN111551368A

    公开(公告)日:2020-08-18

    申请号:CN202010082534.9

    申请日:2020-02-07

    Abstract: 内燃机的爆震检测装置及爆震检测方法,根据爆震传感器的输出值来推定压力传感器的输出值。具备检测内燃机主体(1)的振动的爆震传感器(18)和检测燃烧室(5)内的压力的压力传感器(19)。根据压力传感器(19)的输出值来取得代表爆震强度的值。将由爆震传感器(18)检测到的表示内燃机主体(1)的振动的值作为神经网络的输入值,并且将所取得的代表爆震强度的值作为教师数据,学习神经网络的权重。使用已学习的神经网络,根据爆震传感器(18)的输出值来推定代表爆震强度的值。

Patent Agency Ranking