PROCEDE ET UN DISPOSITIF DE CONTROLE MOTEUR

Domaine technique

[1]L’invention se rapporte à un procédé et un dispositif de contrôle moteur d’un véhicule comportant un moteur à combustion interne, une unité électronique de contrôle dudit moteur à combustion interne, ce dernier comportant un vilebrequin, un capteur de position du vilebrequin émettant un signal de position du vilebrequin, au moins des actuateurs de commande de la quantité d’air admise dans le moteur et de la quantité de carburant injecté dans le moteur.

Technique antérieure

[2]Le contrôle d’un moteur à combustion interne peut être réalisé en boucle ouverte qui correspond à une mise au point des réglages des différents actuateurs d’un moteur à combustion interne pour chaque régime de fonctionnement donné, ou en boucle fermée avec un asservissement utilisant les informations en provenance de divers capteurs.

[3] Ces deux types de contrôle sont réalisées par une unité de contrôle moteur ECU (pour

« Engine Contrôle Unit » en anglais) en utilisant des indicateurs de combustion qui ont une réalité physique, par exemple :

La pression maximale dans le cylindre définie comme suit : Pmax = max(P(t)), avec P la pression dans la chambre de combustion, et t temps évalué sur un cycle moteur, par exemple deux tours de rotation pour un moteur à quatre temps ;

La durée pour brûler une quantité donnée de X% de carburant pendant la phase de combustion, définie par X% de la quantité injectée de carburant dans le cycle moteur considéré, et nommée durée MFBX ;

La pression moyenne indiquée IMEP (pour « Indicated Mean Effective Pressure » en anglais) pendant une plage de temps donnée, définie comme suit : IMEP = — PdV Avec : Vs le volume balayé sur la plage de temps donnée, P la pression dans le cylindre, et dV la variation de volume instantané dans la chambre de combustion ;

La covariance CovJMEP de la pression moyenne indiquée IMEP pendant N cycles moteur, définie comme suit : CovJMEP = STDEV(IMEP) * 100 / IMEP, avec STDEV la déviation standard.

[4]La pression maximale Pmax doit être limitée à une valeur maximale pour garantir la résistance du cylindre moteur à une casse.

[5]La durée MFB10 ou MFB20, représentant respectivement la durée pour brûler 10% ou 20% de la masse de carburant injectée dans un cycle moteur, permet de caractériser la rapidité de l’allumage et de la formation initiale du noyau de flamme. Ce paramètre MFBX permet de caractériser la qualité de la combustion. Le MFB80 ou MFB90 représentant respectivement la durée pour brûler 80% ou 90% de la masse de carburant injectée dans un cycle moteur, permet quant à lui de caractériser si la combustion est complète dans le temps moteur requis, et sa valeur doit être gardée dans des limites acceptables pour minimiser les combustions partielles. Le paramètre MFB50 représentant la durée pour brûler 50% de la masse de carburant injectée dans un cycle moteur, est utilisé usuellement pour estimer la demi-période de combustion. Ces estimateurs permettent de se comparer à une combustion thermodynamique parfaite, modélisée ou tabulée. La fraction de masse brûlée va générer une augmentation de pression mesurable par la pression moyenne indiquée IMEP après soustraction des pertes thermiques.

[6]La pression moteur va générer le couple moteur après soustraction des pertes de frottement dans la chaine de traction. Connaissant la quantité de carburant injecté par le système de contrôle moteur, la valeur de la pression moyenne indiquée IMEP permet de caractériser l’efficacité de la combustion, donc la consommation de carburant. La covariance de la pression moyenne indiquée IMEP est un indicateur de la stabilité de combustion et doit être maintenue en dessous d’un niveau acceptable pour limiter les émissions polluantes et les vibrations parasites du moteur.

[7]En fonctionnement stabilisé, la moyenne et la covariance de la pression moyenne indiquée IMEP et du paramètre MFBX vont converger progressivement vers leurs valeurs uniques avec le nombre de cycles mesuré N.

[8]Une roue dentée est de manière connue utilisée pour estimer la vitesse de rotation du moteur. Elle est fixée sur l’arbre de rotation du moteur et comporte M dents : une dent longue qui correspond par exemple à l’absence d’une dent, et M-1 dents courtes ou normales. Les dents sont mesurées à travers un capteur inductif qui retourne le temps d’observation du passage de chaque dent à l’unité de contrôle moteur ECU.

[9]La méthode directe d’estimation des indicateurs de combustion est l’évaluation via un ou des capteurs moteurs standards, par exemple capteur de richesse en carburant, capteur de débit d’air, ... en conjonction avec un ou plusieurs capteurs de pression cylindre par exemple comme décrit dans le document W02011003540A2, à raison d’un capteur de pression cylindre par cylindre. A l’heure actuelle, ces capteurs de pression cylindre sont peu utilisés pour les applications embarquées, en raison de problèmes liés à la faisabilité et à l’augmentation importante du coût. Pour réduire le coût, un seul capteur de pression cylindre peut être utilisé sur un seul cylindre moteur, mais au prix d’une perte d’information sur les autres cylindres. En cas de fonctionnement différent cylindre à cylindre, l’information manquante est perdue. D’autres types de capteurs peuvent être utilisés comme décrit par exemple dans le document US2006069493, mais toujours à un prix important. [10]En conséquence différentes méthodes alternatives ont été proposées.

[11]On connait une première méthode qui consiste à évaluer une partie des indicateurs, par exemple l’indicateur MFB50 tel que décrit plus haut, via des algorithmes d’estimation basés sur une tabulation ou modèle physique, sans utiliser de capteur de pression cylindre. Les modèles physiques doivent être suffisamment simplifiés pour pouvoir être inversés et être utilisés dans une boucle de contrôle. A cause de cette simplification nécessaire, ils ne peuvent donc représenter qu’une partie de la physique et des indicateurs de combustion ; ils ne peuvent par exemple pas représenter avec précision les instabilités de combustion caractérisées par l’indicateur de covariance CovJMEP de la pression moyenne indiquée IMEP. Les indicateurs peuvent alors être tabulés, mais au prix d’un effort de calibration et de stockage de fonctions multivariables, important ou approximatif. Dans tous les cas, cette évaluation de certains indicateurs est basée sur une approximation nominale. Cette approche est difficile à appliquer dans le cadre de combustion pauvre c’est-à-dire une combustion dans laquelle le rapport massique air/carburant est plus important que le rapport stoechiométrique, ou d’une combustion diluée c’est-à-dire une combustion dans laquelle la quantité de gaz résiduelle est importante, affectant l’allumage et la propagation de la flamme.

[12]On connaît une deuxième méthode qui consiste à modifier la méthode précédente via un réseau de neurones artificiels en utilisant en entrée le taux d’ouverture d’une vanne RGE (pour Recirculation des Gaz d’Echappement - ou EGR en anglais pour « Exhaust Gas Recirculation ») ou d’autres actuateurs et des indicateurs de combustion en sortie, comme décrit par exemple dans le document EP2431595B1. Il s’agit cependant d’un modèle global qui ne fournit pas d’informations détaillées sur les processus physiques et chimiques qui se déroulent à l’intérieur de la chambre de combustion, mais additionne toutes les incertitudes et toutes les erreurs d’évaluation.

[13]On connaît une troisième méthode qui consiste en une évaluation des indicateurs de combustion via une analyse du signal de la roue dentée mesuré par le capteur de position du vilebrequin. Une analyse de Fourier a été proposée par exemple dans le document EP2022967A mais cette analyse de Fourier doit faire l’objet de régressions mathématiques et tabulations afin de retourner les indicateurs voulus, mobilisant une importante capacité de calcul et de mémoire du calculateur de contrôle moteur.

[14]Une analyse par réseau de neurones a été proposée dans le document KR20030060703A par exemple, mais cette méthode doit être sous-discrétisée tous les 20 degrés de rotation du vilebrequin pour être calculable sur un système embarqué, ce qui empêche une précision suffisante pour la majorité des applications. La taille du signal de la roue dentée va être typiquement de l’ordre d’une centaine de données pour les 4 temps d’un cycle moteur à quatre temps par exemple. Le traitement par réseau de neurones va nécessiter l’ajout et le surcoût d’une électronique de calcul dédiée ou va devoir être calculé progressivement, ce qui va ralentir le temps de réponse du système au-delà d’un temps acceptable. En conséquence, l’analyse par réseau de neurones a été réduite à sa plus simple expression, ne permettant d’estimer que la pression maximale dans le cylindre Pmax.

Exposé de l’invention

[15]La présente invention permet de pallier tout ou partie de ces inconvénients. Plus précisément, elle consiste en un procédé de contrôle moteur d’un véhicule comportant un moteur à combustion interne, une unité électronique de contrôle (ECU) dudit moteur à combustion interne, ce dernier comportant un vilebrequin, un capteur de position du vilebrequin émettant un signal de position du vilebrequin, au moins des actuateurs de commande de la quantité d’air admise dans le moteur et de la quantité de carburant injecté dans le moteur, caractérisé en ce que le procédé comprend les étapes suivantes :

Déterminer l’accélération instantanée du vilebrequin à partir du signal de position du vilebrequin, par plages de temps associées à chaque cylindre ou groupe de cylindres,

Compresser les données issues de la détermination de ladite accélération instantanée selon un procédé de compression utilisant une base orthogonale,

Adresser les données compressées d’accélération instantanée du vilebrequin à au moins un réseau de neurones afin que ce dernier détermine en résultats au moins un indicateur de qualité de combustion,

Adresser ledit au moins un indicateur de qualité de combustion à l’unité de contrôle moteur afin qu’elle modifie en fonction de celui-ci les commandes transmises aux dits au moins actuateurs, dans le but de minimiser la consommation spécifique de carburant et les polluants pour une même commande de couple.

[16]Selon une caractéristique avantageuse, le capteur de position du vilebrequin comporte une roue dentée fixée au vilebrequin et dotée de 60 dents et d’au moins une référence au tour, permettant au dit capteur de position du vilebrequin de fournir un signal de position tous les 360° / nombre de dents, soit dans l’exemple tous les 6° de déplacement angulaire du vilebrequin pour un moteur à quatre temps.

[17]Selon une caractéristique avantageuse, les données issues de la détermination de ladite accélération instantanée sont compressées selon un procédé de compression utilisant une base orthogonale, suivant un procédé de décomposition en valeur singulières, tronquée aux premiers éléments.

[18]Selon une caractéristique avantageuse, ledit au moins un réseau de neurones comprend un réseau de neurones profond de type parcimonieux.

[19]Selon une autre caractéristique avantageuse, lesdits résultats issus dudit au moins un réseau de neurones sont moyennés sur un nombre déterminé de cycles moteur afin que ces résultats soient stabilisés, de préférence un nombre déterminé de cycles moteur inférieur ou égal à 50. [20]Selon une autre caractéristique avantageuse, on sélectionne un nombre limité de cycles moteur pour adresser les données compressées d'accélération instantanée du vilebrequin au dit au moins un réseau de neurones, selon une fréquence prédéterminée.

[21]Selon une autre caractéristique avantageuse, ledit au moins un indicateur de la qualité de combustion comprend au moins un indicateur de combustion choisi parmi les indicateurs suivants : la pression moyenne indiquée moteur et sa covariance, le temps de combustion correspondant par exemple à 10, 20, 50, 80, ou 100% de la masse de carburant brûlée.

[22]Selon une autre caractéristique avantageuse, ledit au moins un indicateur de la qualité de combustion comprend au moins en outre un indicateur du rapport de dilution de gaz brûlés recirculant dans le moteur, ou la richesse qui indique la valeur de proportion entre l'air et le carburant du mélange admis dans la chambre de combustion.

[23]Selon une autre caractéristique avantageuse, lesdits actuateurs comprennent en outre au moins un actuateur choisi parmi la liste suivante : actuateur de commande de l'allumage, actuateur de délai d'injection, actuateur de quantité de carburant injecté, actuateur de délai des ouvertures et fermetures des soupapes, actuateur de niveau de levée des soupapes, vanne papillon d'admission d'entrée d'air, et vanne de contrôle d'une unité de turbo chargement.

[24]L’invention se rapporte en outre à un dispositif de contrôle moteur d'un véhicule comportant un moteur à combustion interne, une unité électronique de contrôle (ECU) dudit moteur à combustion interne, ce dernier comportant un vilebrequin, un capteur de position du vilebrequin émettant un signal de position du vilebrequin, au moins des actuateurs de commande de la quantité d'air admise dans le moteur et de la quantité de carburant injecté dans le moteur, caractérisé en ce que le dispositif comprend des moyens pour mettre en œuvre les étapes d'un procédé selon l’invention tel que défini précédemment.

[25]La présente invention apporte les avantages suivants :

Le signal Crank de la roue est mesuré par un capteur déjà intégré au système et exploitable dans l’ECU, aucune instrumentation ou système d’acquisition supplémentaire n’est donc nécessaire ;

Un réseau de neurones parcimonieux est plus simple que les réseaux de neurones classiques en raison de sa petite taille et de la compression linéaire en amont du réseau qui réduit considérablement le nombre d’opération. Il pourrait être codé sur un ECU (opérations réduites à des additions et multiplications) ; ce type de réseaux de neurones parcimonieux est plus résistant aux perturbations qu’une autre approche (type réseau de neurones redondant par exemple) : il sera moins soumis aux bruits parasites pouvant affecter le système de mesure ; Un réseau de neurones peut utiliser de façon connue des fonctions sigmoïdes qui peuvent être tabulées ou des fonctions max x = (0 si x<0 ; x si x> 0), l’un de ces deux choix permettant une résolution avec une ressource de calcul limitée ;

Le contrôle est bouclé par un asservissement sur les actuateurs (injection de carburant, valves ...) qui permettent de garantir un niveau de covariance CovJMEP de la pression moyenne indiquée IMEP acceptable et un niveau de ratio paramètre MFB50/carburant optimal (mais aussi valable pour d’autres paramètres moteurs précisés ci-avant) ;

La fonction pourrait être couplée à un adaptateur permettant de compenser une dérive éventuelle du système dans le temps ;

Cela peut être couplé avec la présence d'un capteur de pression cylindre, mais un seul capteur par moteur et non pas un capteur par cylindre (le capteur est alors utilisé pour estimer l’évolution, le vieillissement et la différence moteur à moteur) ;

La taille du signal de la roue dentée va être typiquement de l’ordre d’une centaine de données pour 4 temps de cycle moteur par exemple. Le traitement par réseau de neurones va nécessiter l’ajout et le surcoût d’une électronique de calcul dédiée ou va devoir être calculé progressivement, ce qui va ralentir le temps de réponse du système au-delà d’un temps acceptable ou obliger à sous échantillonner (mauvaises précisions angulaires). Dans le cas de la présente invention, en utilisant la compression ces désavantages disparaissent ;

Une prédiction du ratio air/carburant ou AFR et du taux d’ouverture d’une vanne RGE (pour Recirculation des Gaz d’Echappement - ou EGR en anglais pour « Exhaust Gas Recirculation ») est également possible et a été testée avec cette nouvelle méthode, ce qui sera décrit plus loin avec l’aide de la figure 5.

[26]D’autres avantages apparaîtront à la lecture qui suit d’au moins un exemple de mode de réalisation d’un procédé de contrôle moteur selon l’invention, accompagné des dessins annexés, exemple donné à titre illustratif non limitatif.

Description des dessins

[27][Fig. 1] La figure 1 est un schéma simplifié d’un exemple d’ensemble moteur comportant notamment une unité de contrôle moteur, un capteur de position du vilebrequin, des actuateurs et capteurs.

[28][Fig. 2] La figure 2 est un schéma fonctionnel d’un exemple de mode de réalisation d’un procédé de contrôle moteur selon l’invention.

[29][Fig. 3] La figure 3 est une représentation schématique d’un exemple de réseau de neurones utilisé dans le procédé selon la figure 2.

[30][Fig. 4] La figure 4 est un diagramme montrant l’évolution de l’indicateur de combustion MFB50 en comparaison de l’indicateur correspondant prédit selon le procédé de la figure 2, pour un point opérationnel donné. [31 ][Fig. 5] La figure 5 est un diagramme montrant l’évolution du ratio air/carburant (AFR) moyen (rapport massique air sur carburant dans le cadre d’une combustion) divisé par le rapport stoechiométrique. L’axe des abscisses représentant la valeur réelle de l’AFR mesuré sur banc d’essai et l’axe des ordonnées la valeur prédite selon le procédé de la figure 2 en boucle ouverte entre les étapes 20 et 35.

[32][Fig. 6] La figure 6 est un diagramme comportant trois sous-figures, une pour chaque cylindre du moteur, montrant une convergence rapide des résultats de l’indicateur de combustion MFB50 estimés par le procédé selon la figure 2 comparée au résultat sur une moyenne glissante pour le même point opérationnel qu’utilisé pour la figure 4.

Description des modes de réalisation

[33]La figure 1 représente schématiquement un ensemble moteur comprenant de manière connue un moteur 1 comportant par exemple trois cylindres dont un au moins est muni d’un capteur 2 de pression cylindre, des injecteurs 6 de carburant dans les cylindres, un vilebrequin (non représenté) associé à un capteur 3 de position du vilebrequin de type connu comportant une roue dentée solidaire du vilebrequin et un détecteur fixe par rapport à la roue pour détecter le passage des fronts de dents de la roue dentée. L’ensemble moteur comporte en outre également de manière connue une ligne d’admission 4 de l’air entrant et une ligne d’échappement 5 des gaz de combustion. L’ensemble moteur comprend en outre de manière connue un boîtier papillon 11 sur la ligne d’admission 4 qui régule l’entrée d’air dans les cylindres, une sonde lambda ou sonde à oxygène 7 qui est un capteur permettant de mesurer le taux de dioxygène dans l’échappement afin de contrôler la qualité de la combustion, et peut comprendre en outre une vanne 8 de recirculation des gaz d’échappement RGE (EGR en anglais pour « Exhaust Gas Recirculation »), un turbocompresseur 9 avec sa vanne de décharge (non représentée), un système 12 de traitement des polluants à l’échappement, ....

[34] L’ensemble moteur comprend encore de manière connue une unité 10 de contrôle moteur (ECU) qui pilote les actuateurs (injecteurs, boîtier papillon, vannes, ...) en fonction des signaux qui lui sont adressés par les capteurs (sonde à oxygène, capteur de pression cylindre, débitmètre d’admission d’air - non représenté, ...).

[35]La figure 2 représente de manière symbolique le moteur 1 avec le signal 20 transmis par le capteur 3 de position du vilebrequin. Ce signal est ensuite adressé à l’unité 10 de contrôle moteur dans laquelle il est traité. Les couches basses de l’unité 10 de contrôle moteur font l’acquisition du signal en 30 sur la figure 2.

[36]Les données d’une mesure du capteur 3 de position du vilebrequin sont différenciées pour obtenir un différentiel de vitesse qui est une estimation de l’accélération, par exemple au premier ordre pour l’acquisition n réalisée au temps t :

[37]Accel(n) = (Signal(n) - Signal(n-m)) / Delta_t [38]Avec :

[39]Accel(n) l’accélération au premier ordre pour l’acquisition n, et

[40]Delta_t un coefficient de normalisation fonction du différentiel de temps entre l’acquisition n et l’acquisition m < n et de la vitesse de rotation du moteur notée RPM.

[41]De manière générale, l’accélération instantanée du vilebrequin à partir du signal de position du vilebrequin est déterminée par plages de temps correspondant au maximum aux temps du cycle moteur de chaque cylindre ou groupe de cylindres. Le signal peut être groupé pour plusieurs cylindres qui sont synchrones sur les deux tours que fait le vilebrequin pour accomplir un cycle complet par exemple les quatre temps pour un moteur à quatre temps. Le découpage en plages de temps doit permettre de discriminer la phase de combustion de chaque cylindre lorsque ces derniers ne sont pas synchrones. Par exemple, sur un moteur à quatre temps et à trois cylindres, les plages de temps font 240° pour chaque cylindre correspondant aux quatre phases de détente (combustion) des trois cylindres respectivement. La plage de temps peut être réduite sur une fenêtre comportant l’évènement à considérer, afin d’être moins bruitée par les autres cylindres.

[42]Le signal du capteur 3 de position du vilebrequin est mesuré par un capteur déjà intégré au système ensemble moteur, et est exploitable dans l’électronique embarquée de l’unité de contrôle moteur : aucune instrumentation supplémentaire, traitement du signal supplémentaire ou système d’acquisition supplémentaire n’est donc nécessaire pour implémenter la présente invention.

[43]Le signal 20 qui sera traité, de dimension totale L le long d’un cycle moteur (deux rotations moteur pour un moteur à quatre temps) sera égal au nombre de dents existantes de la roue du capteur (typiquement 60, ou 60 moins une dent pour la référence au tour de la roue), ce qui en fait un signal de taille acceptable pour un traitement d’informatique embarqué.

[44]Le traitement du signal 30 comprend en 31a sur la figure 2 la détection de la dent longue (absence d’une ou plusieurs dents au tour) ou plus généralement la détection de la référence au tour de la roue du capteur 3. De manière avantageuse, comme indiqué en 31a sur la figure 2, le procédé peut comprendre de manière connue un traitement des fausses détections de dents sur la roue du capteur 3 et une correction des données du signal 20 pour rétablir le nombre correct de dents détectées en fonction du nombre réel de dents présentes sur la roue du capteur 3.

[45]Ce signal est ensuite différencié en 31 b sur la figure 2 en plages L_cyl de temps ou segments correspondant à chaque cylindre ou chaque groupe de cylindres synchrones du moteur comme expliqué plus haut. En effet, par exemple pour un moteur à trois cylindres, sur les deux tours de rotation du vilebrequin correspondant à deux tours de rotation de la roue du capteur 3, on établit pour le signal trois segments ou plages de 240° au cours desquelles l’accélération instantanée du vilebrequin fournie par les trois combustions des trois cylindres respectivement sera visible dent à dent et analysée suivant le procédé décrit.

[46]Les signaux par plage de temps sont utilisés en 32 sur la figure 2 pour obtenir des délais temporels et des accélérations, par toute méthode de discrétisation numérique connue. Suivant un procédé avantageux, les signaux ne sont pas traités dans le temps physique mais dans le référentiel temporel du moteur, en fraction de tour par minute, permettant de garantir une bonne précision des estimations numériques.

[47] Les signaux sont en outre adimensionnés en 32 et également en sortie de 41 sur la figure 2 par des valeurs de références fixées afin que leurs nouvelles valeurs soient toutes de l’ordre de l’unité.

[48]Ce résultat est compressé en 33 sur la figure 2 pour obtenir les modes principaux en sortie de cette étape de compression comme indiqué sur la figure 2. La méthode de compression peut être de manière connue une base orthogonale (par exemple « Singular Value Décomposition » en anglais ou SVD) tronquée aux premiers éléments, ou un réseau de neurones, qui ont été précédemment déterminés. Une méthode de compression par SVD est une simple opération de multiplications et d’addition, facile à implémenter sur une informatique embarquée du type d’une unité de contrôle moteur et peu coûteuse en temps calcul.

[49]La méthode de compression convertit des vecteurs de données longs acquis pendant un cycle moteur noté de dimensions i, en un ensemble de scalaires, typiquement inférieurs à six. Pour le scalaire i la compression est une simple opération de multiplications et d’addition :

[50]accel_reduit(i) = ^ ”^ ^ax (Accel(n) * PhiJ(n))

[51]Avec n_max le nombre maximum d’acquisition n pendant la plage de temps L_cyl traitée ici,

[52]Accel_reduit(i) l’accélération issue de la compression des données de rang i,

[53]Accel(n) l’accélération au premier ordre pour l’acquisition n, et

[54]Phi_i le mode de compression de rang i.

[55]Dans la figure 2, les acronymes suivants apparaissent :

[56]Dans la référence 33 : SVD/PCA/POD sont des exemples de méthodes de compression des données qui permettent de décomposer un ensemble de variables corrélées en nouvelles variables décorrélées et dont les n premières forment les composantes principales de l’analyse, ce qui permet de réduire considérablement le nombre de données, avec :

SVD (pour « Singular Value decomposition » en anglais), ou décomposition en valeur singulière,

POD (pour « Proper Orthogonal Decomposition » en anglais), ou décomposition orthogonale appropriée,

PCA (pour « Principal Component Analysis » en anglais), ou analyse des composants principaux. [57]Dans la référence 38 : EGR (pour « Exhaust Gaz Recirculation en anglais ») : vanne EGR signifie vanne de recirculation des gaz d’échappement.

[58]Dans la référence 41 : RPM signifie régime moteur (en tr/min).

[59]Ce résultat (signal compressé Accel_reduit(i)) est utilisé en entrée d’un ou plusieurs réseaux de neurones 34 sur la figure 2 dont la sortie comprend des indicateurs de combustion utilisés pour le contrôle moteur, ce qui permet d’en réduire la taille et donc la charge de calcul informatique, et donc le coût des moyens de calculs embarqués. Les indicateurs de combustion en sortie du ou des réseaux de neurones comme indiqué sur la figure 2, sont par exemple le rapport dilution carburant/gaz présent dans le moteur, la richesse, la pression moyenne indiquée IMEP pendant N cycles moteur, et la durée MFBX, dans l’exemple MFB50 pour brûler 50% du carburant pendant la phase de combustion par exemple.

[60]Le ou les réseaux de neurones utilisent également d’autres entrées utiles, telles que la vitesse moteur et l’objectif de couple assigné au moteur (« setpoint torque » en anglais) comme montré sur la figure 2 provenant du bloc 37 qui sera expliqué plus loin, ainsi que toute entrée liée à des mesures ou des estimations de l’environnement du moteur, par exemple la température, l’altitude ou le type de carburant utilisé.

[61]Le type de réseau de neurones utilisé est un réseau profond pour la capacité de gérer des comportements non-linéaires. Son sous-type peut être parcimonieux (non redondant). Ce type de réseau de neurones est plus simple (plus réduit) que les réseaux de neurones utilisés récemment pour la reconnaissance d’image comme décrit dans le document W02020094995 par exemple. Il est plus résistant aux perturbations : il sera moins soumis aux bruits parasites pouvant affecter le système de mesure. Le réseau de neurones peut comporter des liaisons inter-couches (« staking layers » en anglais) ce qui peut permettre d’augmenter la précision sur la prédiction des résultats selon les besoins.

[62]Un seul réseau de neurones suffit à prédire tous les points de fonctionnement, ce qui induit une économie mémoire (charge CPU) et de calibration. Un seul réseau de neurones peut être utilisé pour prédire tous les indicateurs de combustion, ou plusieurs petits réseaux de neurones peuvent être choisis (un par indicateur de combustion), suivant les applications.

[63]En raison de sa petite taille et de la compression linéaire en amont du ou des réseaux de neurones qui réduit considérablement le nombre d’opérations, il peut être codé sur un système d’électronique embarqué de type unité de contrôle moteur.

[64]En point stabilisé, les résultats du réseau de neurones sont également de préférence moyennés sur X cycles moteur en 35 sur la figure 2 pour réduire au maximum l’erreur d’estimation sur des valeurs stabilisées. Le nombre de cycles moteur nécessaires pour obtenir une grande précision (inférieure à 3%) est petit (de l’ordre de 10 cycles). Ce temps est donc inférieur au temps caractéristique de la réaction du moteur aux actuateurs (papillon d’admission d’air, vanne de recirculation des gaz d’échappement, système de traitement des polluants à l’échappement...). Une alternative consiste en un calcul partiel à chaque cycle moteur : par exemple un cycle sur dix est sélectionné, un dixième du calcul est réalisé à chaque cycle moteur, il faudra cent cycles moteur pour calculer la moyenne mais la charge de calcul est réduite par un facteur dix, ce qui permet d’adapter le compromis effort de calcul - rapidité de réponse du système de contrôle.

[65]Le calcul des moyennes permet de déduire au bloc 42 la covariance CovJMEP de l’IMEP, qui est un indicateur de combustion important à minimiser pour garantir une bonne stabilité du moteur.

[66] L’utilisation de points stabilisés avec une estimation très précise après moyenne est adaptée aux cas de transitoires lents, et de moteurs partiellement électrifiés de type Hybrides ou

« range extendeur » (prolongateur d’autonomie de véhicule électrique ou générateur embarqué pour véhicule électrique), par exemple comprenant une unité à combustion qui étend l'autonomie d'un véhicule électrique à batterie en entraînant un générateur électrique qui charge la batterie du véhicule.

[67]Les indicateurs de combustion prédits par le ou les réseaux de neurones comprennent par exemple : la covariance de la Pression Moyenne Indiquée moteur IMEP, le temps de combustion correspondant par exemple à 10, 20, 50, 80, ou 90% de masse brûlée, comme défini plus haut. Les indicateurs sont transmis à la fonction de contrôle moteur en 36 et 37 sur la figure 2 afin que le point de fonctionnement des actuateurs puisse être au besoin modifié. Il en résulte un réglage du moteur permettant une meilleure consommation de carburant ou une plus faible émission de polluants, dans un niveau de vibration acceptable.

[68]Les indicateurs de combustion prédits par le ou les réseaux de neurones peuvent comprendre en addition le rapport dilution carburant/gaz présent dans le moteur. Le rapport de dilution carburant/gaz prédit comprend la dilution effective du carburant par rapport à la combustion, incluant une possible dilution par la masse d’air admis, la masse de gaz brûlés résiduels (restant dans la chambre de combustion), la masse de gaz brûlés recirculant (réinjectés par un circuit de recirculation). Son estimation peut permettre un contrôle plus efficace de ce rapport, en tenant compte par exemple de l’encrassement ou vieillissement du système de gaz. Également, le taux de dilution n’est pas considéré comme une entrée car cette entrée pourrait être mal estimée par ailleurs et pourrait biaiser les résultats. Le système proposé est donc indépendant de la fiabilité d’une estimation existante du taux de dilution.

[69]Le contrôle moteur utilise des indicateurs de qualités de combustion qui permettent d’atteindre les objectifs suivants :

A) réduction des longues combustions ;

B) réduction des fluctuations temporelles (CovJMEP) ;

C) réduction de la disparité cylindre à cylindre (« cylinder balancing » en anglais). [70]Ces indicateurs de qualité de combustion tels que décrits plus haut et issus du ou des réseaux de neurones vont ensuite modifier en 38 sur la figure 2 les actuateurs du moteur 1 pour optimiser ses réglages afin d’obtenir la plus petite consommation de carburant tout en respectant les limites implémentées de pollution, par exemple en appliquant un contrôle de type PID (pour Proportionnel Intégrale Dérivateur).

[71]Les actuateurs de combustion peuvent être : délais de l’allumage, délai d’injection, quantité de carburant injecté, délais des ouvertures et fermetures de soupapes pour une distribution variable de type VVT (pour « Variable Valve Timing » en anglais), niveau de levée des soupapes pour une distribution variable de type VVL (pour « Variable Valve Lift » en anglais), vanne de contrôle d’admission d’air, vanne de contrôle d’une unité de turbo-chargement le cas échéant, vanne de recirculation des gaz d’échappement ou RGE...

[72]Les fonctions de contrôle moteur 36 et 37 sont comprises dans un contrôle moteur asservis par structure couple 37 sur la figure 2, le contrôle moteur asservi par structure couple étant connu.

[73]De manière connue, à partir du bloc 30 sur la figure 2, le signal 20 du capteur 3 de position du vilebrequin est traité en 40 et 41 en sorte de déterminer la vitesse moyenne de rotation du vilebrequin à partir de la détection de la dent longue ou de la référence au tour de la roue du capteur 3. Puis le signal est adimensionné comme expliqué plus haut et le couple commandé (charge visée) par le conducteur est introduit dans le procédé et l’ensemble vitesse de rotation détectée du vilebrequin et couple commandé est introduit en entrée du ou des réseaux de neurones en vue d’évaluer en sortie les indicateurs de combustion, comme expliqué plus haut. L’ensemble vitesse de rotation détectée du vilebrequin et couple commandé est également adressé aux blocs 36 et 37 sur la figure 2 qui sont respectivement des blocs de fonction de rappel et de contrôle moteur de la structure du couple et qui sont adressés en sortie au bloc 38 de commande des actuateurs.

[74]Les réglages de combustion consistent en : temps d’allumage, taux d’injection visé, réglage de la vanne de recirculation des gaz brûlés le cas échéant, réglage des actuateurs de soupapes (délais variable et/ou levée variable), papillon d’admission moteur, etc.

[75]Le procédé de contrôle moteur ainsi proposé peut être appliqué à des moteurs à forts taux de gaz brûlées recirculés, des moteurs à combustion pauvre, des moteurs à compression à allumage commandé.

[76]La compression 33, puis le ou les réseaux de neurones 34 sont entrainés sur des mesures, réalisées par essais ou par simulations numériques. La compression est réalisée sur des mesures en réalisant une inversion de matrice par des méthodes numériques usuelles :

[77](Accel ^A T.Accel) Phi = A_Lambda Phi

[78] Avec : [79]Accel le vecteur matrice dont les éléments sont définis plus haut, le symbole ^A T correspondant à la matrice transposée,

[80]A_Lambda la matrice des valeurs propres, LambdaJ correspondant au mode de rang i, ordonnée tel que Lambda_1 > Lambda_2 > Lambda_3... ,

[81 ]Phi le vecteur propre contenant les modes de compression, PhiJ correspondant au mode de rang i.

[82] L’utilisation d’une telle compression de données sur mesures permet de garantir que la projection tronquée au rang i est optimale au sens de la norme mathématique L2 qu’elle contient, ce qui la rend supérieure à des projections sur des bases prédéterminées (comme dans une projection en Fourier par exemple). La taille de stockage dans la mémoire de l’informatique embarquée est réduite puisqu’elle est de I * nombre_de_modes soit typiquement au maximum 5*l ou 6*l.

[83]Le ou les réseaux de neurones sont éduqués en plaçant en entrée et en sortie les mesures et en procédant à une méthode dite de descente de gradient de type connu.

[84]Le taux de dilution peut être placé en sortie du ou des réseaux de neurones à éduquer. Cette sortie est activée pour favoriser un apprentissage optimal puis peut être au besoin désactivée lors de son utilisation en contrôle moteur embarqué.

[85]Une unité de contrôle adaptatif (non représenté) peut comparer avantageusement le résultat prédit par le réseau de neurones sur des cas particuliers (par exemple en conditions de mélange stoechiométrique carburant/comburant, sur des régimes de vitesse et de puissance stabilisés choisis) avec une tabulation ou un résultat de modèle physique inverse du moteur. La différence entre ces deux résultats permet d’obtenir un coefficient de pondération pour compenser les différences de moteurs à moteurs et les dérives d’un moteur dans le temps.

[86]La figure 3 montre un exemple de représentation schématique d’un réseau de neurones. Ce réseau de neurones multicouches est par exemple parcimonieux et est alimenté en entrée par des scalaires de type entrées moteurs et/ou modes vilebrequin comme expliqué plus haut, ce qui représente une grande simplicité qui en fait un réseau de neurones adapté à être codé sur une unité de contrôle moteur avec des opérations réduites à des additions et des multiplications. En sortie du réseau de neurones on trouve les paramètres de combustion comme expliqué plus haut, par exemple la richesse, la covariance CovJMEP de la pression moyenne indiquée IMEP pendant N cycles moteur, et la durée MFB50 pour brûler 50% du carburant pendant la phase de combustion.

[87]La prédiction de la richesse en sortie du réseau de neurones permet de faciliter la calibration, l’OBD (pour « On Board Diagnostic » en anglais ou diagnostic embarqué), l’explicitation du contrôle moteur en général.

[88]La précision du modèle vérifié sur des mesures expérimentales a été comparée à la méthode de Fourier par exemple. [89]Cette précision est indépendante des points de fonctionnement testés. Sur la figure 4, on a représenté par exemple les tests pour un point de fonctionnement correspondant à une vitesse de rotation du moteur de 2000 RPM (pour « Revolution Per Minute » en anglais) à 8 bars de pression pour le turbocompresseur. On trouve sur la figure 4 en abscisse le paramètre MFB50 de référence, et en ordonnée le paramètre MFB50 prédit par le réseau de neurones. Autrement dit, un seul modèle suffit à prédire plusieurs points de fonctionnement, procurant une économie de mémoire (charge CPU) et de calibration.

[90]On obtient une convergence rapide des résultats en fonction du nombre de cycles acquis (dix cycles maximums suffisent à atteindre une précision en dessous de 3°).

[91]Dans la mesure où dix cycles suffisent, si la charge de CPU est trop importante, il serait donc possible de réduire la récurrence de mesure en contrepartie d’une dégradation acceptable du temps de réponse de la fonction.

[92]Ce modèle est également capable de prédire la richesse, mais il peut être étendu à d’autres paramètres moteur tels que :

[93]- La pression moyenne indiquée IMEP et/ou la covariance CovJMEP de la pression moyenne indiquée IMEP,

[94]- La durée MFBX pour brûler X% du carburant pendant la phase de combustion, par exemple MFB10, MFB50, MFB90,

[95]- Le couple indiqué,

[96]- Tout indicateur pouvant être corrélé à des polluants,

[97]- Tout indicateur pouvant être corrélé à un disfonctionnement du système comme par exemple la vanne EGR (OBD pour « On Board Diagnostic » en anglais).

[98]Des tests ont donc été réalisés et comparés à la méthode de Fourier par exemple. La méthode utilisée est décrite ci-dessous avec l’aide de la figure 4 :

[99]- Les données de mesure utilisées sont extraites d’une campagne de test faite sur un moteur à combustion interne de type essence à turbocompresseur essence à trois cylindres ;

[100]- Une variation en richesse et en délai d’avance à l’allumage IGA (pour « Ignition Advanced » en anglais) sur le troisième cylindre (cylindre 3) a été fait sur plusieurs points de fonctionnement (Régime-Charge). La figure 4 représente un point de fonctionnement à 2000 rpm et une charge de 8 bars ;

[101]- 300 cycles ont été mesurés pour chaque couple (Lambda, IGA et point de fonctionnement) ;

[102]- Afin de comparer le modèle de prédiction décrit selon la présente invention par réseau de neurones à un modèle de Fourier de l’art antérieur, les mêmes points de mesure ont été appliqués : 250 cycles ont été utilisés (ou moins, en fonction des fausses détections), et deux points de fonctionnement ont été testés : 2000 rpm - 8 bars et 2400 rpm - 10 bars. Seul le premier point de fonctionnement 2000 rpm - 8 bars est représenté sur la figure 4 à fins de concision. [103]- Par configuration (couple Lambda I IGA / Régime-Charge) : a. Réseau de neurones : 80 points de 200 cycles servent à entrainer le modèle, les 50 derniers cycles servent aux tests + 4 points réservés pour tester a posteriori en condition non entrainée. b. Méthode de Fourier.

[104]- L’acquisition du signal issu du capteur de position du vilebrequin, mesuré par le capteur à effet Hall devant sa cible, procure les données d’entrée des modèles réseau de neurones et méthode de Fourier, complétées par des informations moteur (régime, charge, IGA...), comme expliqué plus haut avec l’aide de la figure 2 en ce qui concerne le modèle avec réseau de neurones présentement décrit.

[105]- La durée MFB50 de référence pour brûler 50% du carburant pendant la phase de combustion, déterminée pour chaque test, est estimée par un algorithme d’analyse de combustion indépendant de la présente invention basée sur un capteur intrusif des pressions cylindres.

[106]Les résultats obtenus ont été :

[107]- Avec 50 cycles, les 80+4 points de mesure ont été prédits avec moins de 3° de précision pour le réseau comme montré sur la figure 4. Avec la méthode de Fourier, 5% des points estimés se trouvent en dehors de cette plage de précision et peuvent atteindre jusqu’à 6.7° d’erreur, pour une estimation basée sur 250 cycles. Lorsqu’on diminue le nombre de cycles jusqu’à 50 cycles, comme testé sur le réseau, les résultats sont un peu plus dispersés et la précision du modèle peut atteindre jusqu’à 7°CRK d’erreur.

[108]La méthode par réseau de neurones telle que décrite ici peut être appliquée à un système à moteur Diesel, ou à un moteur de type « Range extender » en anglais comme décrit plus haut, ou tous systèmes hybrides, et de manière plus large tout autre moteur équipé d’un capteur de position de vilebrequin. Pour un moteur Diesel, on remplacerait l’avance à l’allumage qui n’existe pas par le délai d’injection.

[109] La figure 5 est un diagramme montrant l’évolution du ratio air/carburant (AFR) moyen (rapport massique de l’air sur le carburant dans le cadre d’une combustion) divisé par le rapport stoechiométrique. L’axe des abscisses représente la valeur réelle de l’AFR mesuré sur banc d’essai et l’axe des ordonnées la valeur prédite selon le procédé de la figure 2 (en boucle ouverte entre les étapes 30 et 35 de la figure 2), pour le même point opérationnel qu’utilisé pour la figure 4.

[110] La figure 6 montre la convergence rapide des résultats de l’indicateur de combustion MFB50 estimés par la méthode selon la présente description comparée au résultat sur une moyenne glissante pour le même point opérationnel qu’utilisé pour la figure 4. Les trois sous-figures correspondent chacune à un cylindre du moteur.