Le domaine de l'invention est celui du pilotage de moteur à combustion interne, et plus particulièrement des dispositifs d'échappement montés en aval du collecteur d'échappement du moteur.

L'invention concerne plus précisément un procédé et un système 5 d'estimation d'une température des gaz d'échappement, ainsi qu'un moteur à combustion interne et qu'un véhicule équipés d'un tel système.

Pour répondre aux émissions de gaz polluants des véhicules automobiles, des systèmes de post-traitement des gaz sont généralement disposés dans la ligne d'échappement des moteurs.

10 Ces systèmes, sont prévus pour réduire aussi bien les émissions du monoxyde de carbone, des hydrocarbures imbrûlés que celles des particules et des oxydes d'azote.

Certains de ces systèmes fonctionnent de manière discontinue ou alternative en ce sens qu'ils alternent des phases de stockage des 15 polluants et des phases de régénération des pièges (c'est-à-dire de conversion des polluants stockés en substances non polluantes).

Afin d'optimiser le traitement de l'ensemble des polluants, il est nécessaire de contrôler au mieux ces phases de stockage et de régénération, il est notamment nécessaire d'estimer au cours du temps les

20 masses piégées (c'est-à-dire les particules dans îe cas du filtre à particule, les oxydes d'azote dans le cas du piège à oxydes d'azote).

De même, il est nécessaire de connaître l'évolution au cours du temps des masses converties lors des phases de régénération.

Or l'évolution de ces masses lors des phases de stockage et/ou de 25 régénération dépend directement de la température du support de ces pièges et des gaz qui les traversent. On cherche donc à connaître, sinon à contrôler, la température des gaz qui pénètrent dans ces pièges.

Par ailleurs, l'augmentation de la complexité des moteurs et de leurs modes de fonctionnement nécessite des moyens de gestion électronique

30 de plus en plus sophistiqués et par là même, des moyens de mesure ou d'estimation de plus en plus nombreux. Mais il s'avère que de

nombreuses grandeurs physiques ne sont pas directement mesurables, ou que les capteurs nécessaires sont trop chers voire inadaptés.

Il apparaît donc nécessaire, pour la commande de la régénération des pièges et pour la commande du moteur proprement dit, de connaître la température des gaz d'échappement du moteur. L'obtention d'une estimation précise de la température des gaz d'échappement en entrée d'un système de post-traitement disposé en aval de la turbine d'un moteur suralimenté peut ainsi s'avérer particulièrement utile.

Pour connaître la température des gaz en amont d'un dispositif de traitement physique et/ou chimique des gaz d'échappement, on a recours aujourd'hui soit à un capteur de température, soit à un modèle d'estimation de cette température mis en œuvre par un calculateur électronique embarqué.

Plusieurs inconvénients sont toutefois liés à l'utilisation d'un capteur placé dans la ligne d'échappement.

La précision d'un capteur est en effet inversement proportionnelle au champ d'utilisation. C'est à dire que plus on souhaite mesurer la température sur une large plage d'utilisation, plus la précision de mesure est médiocre. Cette précision peut par ailleurs dériver avec le vieillissement thermique ou l'encrassement du capteur.

De plus, le coût d'utilisation d'un capteur peut s'avérer important. Il faut effectivement associer au coût intrinsèque au capteur celui de la connectique, du port d'entrée dans le calculateur et du pilote logiciel.

Par ailleurs, il s'avère également nécessaire de disposer de moyens adaptés pour diagnostiquer l'état de fonctionnement du capteur.

L'utilisation de modèles présente également des inconvénients. Si ces modèles sont généralement fidèles en régime de gaz permanent, ils s'avèrent plutôt médiocres en régime transitoire. De plus, de nombreux paramètres (paramètres physiques, variables d'état) nécessaires à ces modèles sont difficilement identifiables ou mesurables sur moteur.

En outre, ces modèles sont la plupart du temps trop « gourmands » en terme de charge de calcul ou de ressource mémoire pour pouvoir être implémentés dans un calculateur de gestion électronique moteur.

Une autre solution a été proposée qui consiste à estimer la température des gaz d'échappement en mettant en œuvre un réseau de neurones statique. On pourra ainsi se référer à la demande de brevet français de la Demanderesse déposée le 19 décembre 2003 sous le n° FR

03 15112.

La solution décrite dans ce document ne permet toutefois qu'une prise en compte partielle de l'historique du système. L'estimation ainsi réalisée de la température, à la fois en régime permanent et en régime dynamique, est alors peu précise.

La présente invention a pour objectif d'améliorer la connaissance d'une température des gaz d'échappement, et en particulier de la température en amont d'un dispositif de traitement physique et/ou chimique des gaz d'échappement.

A cet effet, l'invention propose un procédé d'estimation d'une température des gaz d'échappement d'un moteur, caractérisé en ce qu'il met en œuvre un estimateur à réseau de neurones disposant d'une boucle de rétroaction retournant directement ou indirectement en entrée du réseau une ou plusieurs des grandeurs disponibles en sortie du réseau.

Certains aspects préférés, mais non limitatifs du procédé selon l'invention sont les suivants :

- on fournit en entrée de l'estimateur une information relative à la température des gaz en amont de la turbine disposée sur la ligne d'échappement du moteur, l'estimateur fournissant en sortie l'estimation de la température des gaz d'échappement en aval de ladite turbine ;

- le procédé peut mettre en œuvre un post-traitement de l'estimation de température réalisée par le réseau de neurones ; - le procédé peut réaliser une rétroaction de la température estimée, disponible en sortie du module de post traitement ;

- le procédé peut mettre en œuvre un prétraitement d'une ou plusieurs des variables en entrée de l'estimateur en réalisant des calculs basés sur des relations physiques connues ;

- le procédé peut mettre en oeuvre un retraitement de certaines des grandeurs en sortie du réseau avant que celles-ci ne soient retournées, selon un rebouclage ainsi dit indirect, vers l'entrée du réseau ;

- le procédé peut comporter une étape préalable d'apprentissage de l'estimateur à l'aide d'une base de données représentatives de zones de fonctionnement intéressantes. Selon un autre aspect, l'invention concerne un système d'estimation d'une température des gaz d'échappement d'un moteur, caractérisé en ce qu'il comporte un estimateur à réseau de neurones disposant d'une boucle de rétroaction retournant directement ou indirectement en entrée du réseau une ou plusieurs des variables de sortie du réseau. Selon encore d'autres aspects, l'invention concerne un moteur à combustion interne ainsi qu'un véhicule automobile équipés d'un système d'estimation d'une température des gaz d'échappement selon l'invention.

D'autres aspect, buts et avantages de l'invention apparaîtront à la lecture de la description détaillée suivante de formes de réalisation préférées de celle-ci, donnée à titre d'exemple non limitatif et faite en référence aux dessins annexés sur lesquels :

- la figure 1 est une vue schématique d'un moteur à combustion interne selon un aspect de l'invention ;

- la figure 2 est une vue schématique d'un système d'estimation d'une température de gaz d'échappement selon un aspect de l'invention ;

- la figure 3 est un diagramme montrant les étapes du procédé d'estimation d'une température de gaz d'échappement selon un aspect de l'invention.

Sur la figure 1 , seuls les éléments nécessaires à la compréhension de l'invention ont été représentés. Un moteur à combustion interne 1 est destiné à équiper un véhicule tel qu'une automobile. Le moteur 1 est

par exemple un moteur Diesel suralimenté par turbocompresseur à quatre cylindres en ligne et injection directe de carburant. Le moteur 1 comprend un circuit d'admission 2 assurant son alimentation en air, un calculateur 3 de contrôle moteur, un circuit de carburant sous pression 4, et une ligne d'échappement 5 des gaz. L'injection du carburant dans les cylindres est assurée par des injecteurs, non représentés, débouchant dans les chambres de combustion et pilotés par le calculateur 3 à partir du circuit 4.

En sortie du moteur 1 , les gaz d'échappement évacués dans la ligne d'échappement 5 traversent un ou plusieurs dispositifs de post¬ traitement 6 (par exemple filtre à particules, filtre à oxydes d'azote). Un turbocompresseur 7 comprend un compresseur disposé sur le circuit d'admission 2 et une turbine disposée sur la ligne d'échappement 5. Entre le compresseur et le moteur 1 , le circuit d'admission 2 comprend un échangeur thermique 8 permettant de refroidir l'air comprimé à la sortie du compresseur et d'accroître ainsi sa masse volumique, un volet d'admission d'air 9 commandé par le calculateur 3, et un capteur de pression 10 relié au calculateur 3.

En sortie du moteur 1, en amont de la turbine, la ligne d'échappement 5 comporte en outre des moyens 30 adaptés pour fournir une information relative à la température des gaz d'échappement en amont de la turbine. Lesdits moyens 30 sont par exemple constitués par une sonde de mesure de température ou encore par un estimateur prévu pour fournir une estimation de ladite température des gaz en amont de la turbine.

Le moteur 1 comprend également un circuit de recyclage de gaz d'échappement 11 équipé d'une vanne 12 dont l'ouverture est pilotée par le calculateur 3 ; on peut ainsi réintroduire des gaz d'échappement dans le circuit d'admission 2. Un debitmètre d'air 13 est monté dans le circuit d'admission 2 en amont du compresseur pour fournir au calculateur 3 des informations relatives au débit de l'air d'admission

alimentant le moteur. Des capteurs 14, par exemple de pression ou de température, peuvent également être prévus.

Le calculateur 3 comprend, de façon classique, un microprocesseur ou unité centrale, des zones mémoires, des convertisseurs analogiques/numériques et différentes interfaces d'entrée et de sortie. Le microprocesseur du calculateur comprend des circuits électroniques et les logiciels appropriés pour traiter les signaux en provenances des différents capteurs, en déduire les états du moteur et générer les signaux de commande appropriés à destination des différents actionneurs pilotés tels que les injecteurs.

Le calculateur 3 commande ainsi la pression du carburant dans le circuit 4 et l'ouverture des injecteurs, et ce, à partir des informations délivrées par les différents capteurs et en particulier de la masse d'air admise, du régime moteur, ainsi que d'étalonnages mémorisés permettant d'atteindre les niveaux de consommation et de performance souhaités.

Le calculateur 3 comprend en outre un estimateur 15 à réseaux de neurones prévu pour réaliser une estimation de la température des gaz d'échappement en amont du ou des dispositifs de post-traitement. Pour des raisons de simplicité et de partage d'un certain nombre de ressources, notamment de calcul et de mémoire, il est particulièrement avantageux de disposer l'estimateur 15 au sein du calculateur 3.

Comme cela est illustré sur la figure 2, l'estimateur 15 comprend un module de pré-traitement 16, un réseau de neurones 17 et un module de post-traitement 18. L'estimateur 15 comporte en outre une boucle de rétroaction prévue pour retourner en entrée du réseau de neurones une ou plusieurs des variables en sortie dudit réseau.

L'estimateur 15 comprend par ailleurs une entrée relative à l'information relative à la température des gaz d'échappement en amont de la turbine, telle que fournie par exemple par les moyens 30.

L'estimateur peut également comporter une ou plusieurs autres entrées relatives à des grandeurs physiques représentatives d'état du moteur, telles que par exemple :

- le débit des gaz, - la pression des gaz en amont de la turbine,

- la contre-pression des gaz en aval de la turbine,

- la position des ailettes du turbocompresseur,

- la vitesse du véhicule,

- la température de l'air ambiant, - la position de la vanne de recyclage des gaz d'échappement,

- la pression de suralimentation mesurée par le capteur de pression disposé en aval du compresseur, de l'échangeur thermique et du volet d'admission d'air,

- la température de l'air dans le circuit d'admission. L'estimateur peut également recevoir en entrée le régime du moteur, le débit de carburant, le débit d'air.

Le réseau de neurones 17 est constitué d'un certain nombre de neurones définis par leurs paramètres (poids, biais), et par leurs fonctions d'activation. La sortie s d'un neurone est liée aux entrées (e-i, β2, ..., e _n ) du neurone par s = F (e-ι ^* w-ι+ e ₂ ^* W2 ⁺ - ⁺ e _n *w _n + b), où F est la fonction d'activation du neurone, Wi, W ₂ , ...W _n les poids et b le biais.

Le nombre de neurones du réseau, les valeurs des poids et des biais des différents neurones sont des paramètres susceptibles de calibration qui peuvent en particulier être déterminés lors d'une phase d'apprentissage qui sera décrite plus en avant par la suite.

Le module de pré-traitement 16 permet de traiter une ou plusieurs des variables en entrée de l'estimateur en réalisant des calculs basés sur des relations physiques connues. Le module de pré-traitement 16 permet en particulier de réduire le nombre d'entrées du réseau de neurones 17 en calculant une ou plusieurs variables σ-i, α ₂ chacune représentative d'une ou plusieurs grandeur(s) physique(s), mesurable(s) ou non, absente(s) en

entrée du calculateur 3, à partir de plusieurs variables d'entrée. Le module 16 permet aussi de filtrer certaines entrées susceptibles de prendre des valeurs aberrantes.

Le réseau de neurones 17 dispose d'une voie de sortie relative à l'estimation de température désirée, ainsi qu'éventuellement une ou plusieurs autres voies de sorties relatives à des grandeurs d'état non mesurables destinées à être rebouclées, directement ou indirectement, vers l'entrée du réseau 17.

Le module de post-traitement 18 permet de traiter l'estimation de température disponible en sortie du réseau de neurones 17 pour émettre un signal S de température estimée en sortie de l'estimateur, à disposition du calculateur 3. Ce traitement peut être par exemple un filtrage permettant de rendre l'estimateur robuste en limitant le retour vers l'entrée d'une donnée aberrante. Comme mentionné précédemment, une ou plusieurs des variables en sortie dudit réseau suivent une boucle de rétroaction et sont retournées en entrée du réseau de neurones.

Certaines des variables en sortie du réseau peuvent être traitées (par exemple filtrées, retardées ou associées à d'autres entrées dans le module de pré-traitement) avant d'être retournées en entrée du réseau.

En référence à la figure 2, on a ainsi illustré le cas où des grandeurs d'état /?-ι, β ₂ , βz (non mesurables et connues uniquement lors de l'apprentissage) disponibles en sortie du réseau 17 sont rebouclées vers l'entrée dudit réseau 17. On a aussi illustré le cas où la sortie S de l'estimateur (c'est-à-dire l'estimation de la température en aval de la turbine disposée sur la ligne d'échappement des gaz) disponible en sortie du module de post¬ traitement 18 (et dont la valeur est ici mesurable lors de l'apprentissage) est d'une part rebouclée directement vers l'entrée du réseau 17, et d'autre part rebouclée après avoir été retardée (cf. retardateur représenté par le symbole z ^"1 ) vers l'entrée du réseau 1.

En mettant en oeuvre une telle rétroaction d'une ou plusieurs des variables en sortie du réseau de neurones, ledit réseau utilise en entrée de sa fonction d'estimation une ou plusieurs des valeurs prédites aux pas de calculs précédents par cette même fonction d'estimation, et cela que ces valeurs aient été ou non mesurées lors de la phase d'apprentissage.

Un tel rebouclage de rétroaction présente l'avantage de permettre la prise en compte de phénomènes fortement dynamiques.

L'utilisation de fonctions d'activation non linéaires dans le réseau de neurones permet en outre la prise en compte de phénomènes non linéaires. Le réseau de neurones 17 peut ainsi être qualifié de récurrent ou dynamique, et diffère à ce propos de la solution à réseau statique exposée dans la demande de brevet français n° FR 03 15112 dont il a été fait état précédemment.

L'estimateur 15 permet finalement d'obtenir une estimation de la température en aval de la turbine et en amont d'un dispositif de post¬ traitement. L'estimateur peut ainsi être vu comme mettant en œuvre une fonction de transfert prenant en entrée une information relative à la température en amont de la turbine, ainsi qu'éventuellement une ou plusieurs autres informations relatives notamment à des grandeurs physiques, pour fournir en sortie l'estimation de température désirée.

La description ci-après concerne la conception et l'apprentissage de l'estimateur 15.

Une fois l'estimateur élaboré et implémenté par exemple dans le logiciel de gestion électronique du moteur, il s'agit de choisir le réseau de neurones, notamment en déterminant le nombre de neurones et en calibrant les paramètres (poids, biais).

L'apprentissage du réseau de neurones peut être réalisé sur ordinateur à partir de données collectées sur véhicule.

Le réseau de neurones peut faire l'objet d'un apprentissage par une méthode d'algorithme d'apprentissage, notamment à l'aide d'une base de données 19.

La base de données 19 peut être alimentée à partir de résultats d'essais réels sur piste d'un véhicule avec des essais à différents rapports de boîte de vitesses, avec différentes accélérations et décélérations, le tout étant choisi pour être représentatif des conditions normales de fonctionnement du véhicule. En outre, on pourra prévoir de scinder la base de données alimentée à partir des essais sur piste en une base d'apprentissage et en une base de tests, de façon à réduire la taille de la base de données 19 qui forme la base d'apprentissage. Les paramètres (ou calibrations) déterminés lors de la phase d'apprentissage peuvent être stockés dans la mémoire du calculateur 3. Alternativement, la base de données 19 est une base distincte du véhicule, utilisée lors d'opérations d'initialisation du véhicule ou encore lors d'opérations de maintenance.

Sur la figure 3, sont illustrées les étapes de conception et d'apprentissage de l'estimateur à réseau de neurones. A l'étape 20, on effectue des essais permettant de générer les données pour renseigner la base de données 19 (cf. flèche à destination de la base 19 sur la figure 2), les données étant représentatives de zones de fonctionnement intéressantes. Il s'agit effectivement de parcourir de manière représentative l'espace de variation (ou tout du moins une partie) des entrées et sorties de l'estimateur.

Il peut être utile d'effectuer un nettoyage des données, par traitement du signal, par exemple pour supprimer les points aberrants, pour supprimer les points redondants, pour re-synchroniser ou pour filtrer les données.

À l'étape 21 , on découpe les données en deux parties pour former une base de tests et une base d'apprentissage. À l'étape 22, on détermine les pré-traitements devant être exécutés par le module de pré-traitement 16 et le réseau de neurones 17 effectue les apprentissages à partir de la base de données d'apprentissage. À l'étape 23, on teste la performance avec un ou plusieurs critères de validation, sur la base de test et sur la base d'apprentissage. À l'étape 24, on effectue le choix du réseau de neurones

17 et à l'étape 25, on effectue les caractérisations des performances et de tests sur le véhicule.

La flèche issue de la base 19 sur la figure 2 illustre de quelle manière les données de la base 19 sont utilisées pour l'apprentissage et la validation de l'estimateur 15.

Entre les étapes 23 et 24, il peut être prévu un rebouclage 26 permettant de remonter à l'amont de l'étape 22 pour effectuer un certain nombre d'itérations avec des modifications éventuelles sur le nombre de neurones, les entrées, les sorties, le découpage en nombre de réseaux, l'architecture du ou des réseaux de neurones 17, le type d'apprentissage, les critères d'optimisation, etc.

Ce processus itératif (rebouclage 26) permet d'élaborer l'estimateur souhaité (précision, robustesse), à moindre coût (nombre d'entrées, nombre de calculs, nombre et difficulté des essais, etc.). Entre les étapes 24 et 25, il peut être prévu un rebouclage 27 lorsqu'il s'avère que les données générées à l'étape 20 sont insuffisantes. On repasse alors à l'étape 20 pour générer de nouvelles données appelées à remplacer les données précédemment acquises ou à les compléter afin d'établir un nombre de points de mesure suffisant. À titre d'exemple, on peut prévoir 5000 points de mesure dans la base d'apprentissage.

Lors de l'étape 23 de test, on peut prévoir des critères de choix pour sélectionner le jeu de paramètres permettant l'estimation la plus précise (par exemple en supprimant des points dont l'erreur est supérieure à 50 ⁰ C, en recherchant une moyenne d'erreur proche de 5°C, ou encore en recherchant une erreur moyenne glissante faible).

Finalement, la mise en œuvre de l'invention pour l'estimation de la température des gaz d'échappement est peu consommatrice des ressources du calculateur (charge de calcul, mémoire nécessaire), utilise un nombre restreint de paramètres, et peut ainsi être facilement implémentée.

De plus, dès lors que la base de données utile à l'apprentissage est suffisamment représentative de l'ensemble des conditions d'utilisation ultérieures, la température des gaz en sortie de la turbine ou en amont du système de post-traitement peut être estimée avec précision (de l'ordre de quelques degrés), et cela que ce soit en régime permanent ou transitoire.