[发明专利]使用遗传算法、惩罚函数、加权和嵌入的内燃机控制系统中的预定的线性控制算法的校准系统和方法

说明书

相关申请的交叉引用

本申请要求2007年9月10日提交的美国临时专利申请No.60/971,074的权 益。上述申请的内容在此全部引入作为参考。

技术领域

本发明涉及用于车辆的发动机控制系统，更具体而言，涉及用于车辆的发 动机控制系统的校准。

背景技术

这部分的说明只是提供与本发明相关的背景信息，可能并不构成现有技术。

车辆制造商通常在内燃机(ICE)控制系统中运用动态补偿。例如包括汽 缸空气流率预测、燃料动态补偿、空转速度控制、以及闭环燃料控制。一些制 造商使用来源于控制过程的预定的线性模型或者在它们执行时的特性预定的线 性模型的控制系统。例如，参见Dudek等的美国专利No.7246004的“Nonlinear Fuel Dynamics Control with Lost Fuel Compensation”(“具有燃料损失补偿的非线 性燃料动态特性控制”)。

从模型中获得控制系统的分析方法通常需要校准模型。校准模型可以被个 性化为使用控制系统的特定产品。有许多校准这些模型的方法。大多数方法包 括一些优化形式。例如，参见Dudek的美国专利No.7212915的“Application of Linear Splines to Internal Combustion Engine Control”(“线性样条应用于内燃机控 制”)，其使用了最小二乘法。或者，可以使用任何其它的多元优化方法。

发明内容

一种用于校准发动机控制系统的方法，包括：识别发动机校准中的发动机 校准子问题；以已知/优良的个体为一个发动机校准子问题播种初始代；使用遗 传算法在参数/系数调度空间内优化所述一个发动机校准子问题的自由参数；使 用惩罚函数；确认包括一个之前的发动机校准子问题的下一个发动机校准子问 题；以已知/优良的个体为所述下一个发动机校准子问题播种初始种群；重复步 骤直到解决了包括发动机校准子问题的发动机校准为止；以及使用发动机校准 操作车辆的发动机控制系统。

通过上面的描述，更多的应用领域将变得显而易见。应该理解描述和具体 实施例只是出于阐述的目的，而不能意图限制本发明的范围。

附图说明

这里的附图描述只是出于阐述的目的，而并非企图以任何方式限制本发明 的范围。

图1是示范性的车辆发动机控制系统的功能框图；以及

图2是利用本发明校准车辆的方法步骤流程图。

具体实施方式

下面的描述实质上只是示例，而不是企图限制本发明的公开、应用或者使 用。应该理解，所有附图中相应的附图标记表示相同或者相应的部分和特征。 这里所使用的，术语模块指的是专用集成电路(ASIC)、电子电路、执行一个或 者多个软件或者固件程序的处理器(共享的、专用的或者成组的)和存储器、 组合逻辑电路、和/或提供所描述功能的其它相配的元件。

本发明涉及校准预定的线性模型和控制系统的系统和方法，所述线性模型 和控制系统日益增加地被用于内燃机(ICE)控制系统中。大多数优化方法适合 于本发明描述的嵌入方法。一些标准方法，例如通过最小二乘法的回归，不能 保证模型(以及它们的逆(inverse))稳定和非振荡。最小二乘法的主要好处是 计算解的有效数值方法。

例如多元优化和相似梯度搜索方法的其它方法，可以和适当选择的惩罚函 数一起使用，以确保稳定和非振荡状态。然而，这些方法很容易在局部最优上 受阻而不能找到最优解。这些方法也对启动点敏感，因此完全靠近最优解的启 动可以是令人满意的。

即可以在最优解附近启动时，附加的一个或者多个惩罚函数能够让代价函 数表现不正常，并且引起梯度搜索方法失败。在下面的实施例中，现有技术企 图使用由该原因导致失败的梯度搜索方法。

对于具有少数参数的小问题，遗传算法(GA’s)执行顺利，因为即使在没 有初始估计值时GA’s也能够找到最优解。在这些情况下，标准过程使GA以从 所有可能的解随机选择的初始种群启动。而且，因为GA’s很少在局部极小值上 受阻(对于具有较少参数的小问题)，如果GA’s有充足的时间，GA’s经常收敛 到真实最优解。

对于高阶问题，这些理想特征失效。特别地，必须使用这里示出的额外步 骤，以减少问题规模和在初始种群中提供一些个体，这些个体足够好以至少满 足惩罚函数施加的约束条件。