Login| Sign Up| Help| Contact|

Patent Searching and Data


Title:
METHOD AND DEVICE FOR TRAINING A DATA-BASED TIME DETERMINING MODEL FOR DETERMINING AN OPENING OR CLOSING TIME OF AN INJECTION VALVE USING A MACHINE LEARNING METHOD
Document Type and Number:
WIPO Patent Application WO/2022/053620
Kind Code:
A1
Abstract:
The invention relates to a computer-implemented method for training a data-based time determining model for ascertaining an opening or closing time of an injection valve (6) on the basis of a sensor signal, having the following steps: - providing at least one unlabeled analysis point time series by scanning the sensor signal of a sensor of the injection valve (6); and - training the data-based time determining model in order to assign a time specification (Y) which represents a specific opening or closing duration to an analysis point time series (X), said training process being carried out using a first delay function (Φ(Χ)) in order to temporally delay the analysis point time series (X) and a second delay function (Ψ(Υ)) in order to temporally delay the time specification (Y). A consistency loss function is used for the training process, wherein the consistency loss function corresponds to a difference between a first time specification, which corresponds to a model output of the time determining model for the analysis point time series (X') temporally delayed according to the first delay function (Φ(Χ)), and a second time specification, which specifies a time specification temporally delayed according to the second delay function (Ψ(Υ)), said time specification corresponding to a model output of the time determining model for the at least one analysis point time series (X).

Inventors:
HOPF ANDREAS (DE)
BARTH JENS-HOLGER (DE)
KOWOL FRANK (DE)
WOEHRLE MATTHIAS (DE)
NORDEN ROLAND (DE)
GROH KONRAD (DE)
MEISTER MONA (DE)
TONNER ERIK (DE)
Application Number:
PCT/EP2021/074944
Publication Date:
March 17, 2022
Filing Date:
September 10, 2021
Export Citation:
Click for automatic bibliography generation   Help
Assignee:
BOSCH GMBH ROBERT (DE)
International Classes:
F02D41/14; G06N3/04; G06N3/08
Foreign References:
DE102019209690A12020-03-12
US20070203616A12007-08-30
DE102015205878A12016-10-06
Download PDF:
Claims:
Ansprüche

1. Computer-implementiertes Verfahren zum Trainieren eines datenbasierten Zeitpunktbestimmungsmodells zum Ermitteln eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils (6), basierend auf einem Sensorsignal mit folgenden Schritten:

Bereitstellen (S1 , S2) mindestens einer ungelabelten Auswertungspunkt- Zeitreihe durch Abtasten des Sensorsignals eines Sensors des Einspritzventils (6);

Trainieren (S5) des datenbasierten Zeitpunktbestimmungsmodells, um einer Auswertungspunkt-Zeitreihe (X) eine Zeitpunktangabe (Y) zuzuordnen, die eine bestimmte Öffnungs- bzw. Schließzeitdauer repräsentiert, wobei das Trainieren mithilfe einer ersten Verschiebungsfunktion (<t>(X)) zum zeitlichen Verschieben der Auswertungspunkt-Zeitreihe (X) und einer zweiten Verschiebungsfunktion (^(Y)) zum zeitlichen Verschieben der Zeitpunktangabe (Y) durchgeführt wird, wobei für das T raining eine Konsistenz-Loss-Funktion verwendet wird, die einen Unterschied zwischen einer ersten Zeitpunktangabe, die einer Modellausgabe des Zeitpunktbestimmungsmodells für die gemäß der ersten Verschiebungsfunktion (<t>(X)) zeitlich verschobene Auswertungspunkt-Zeitreihe (X‘) entspricht, und einer zweiten Zeitpunktangabe, die einer gemäß der zweiten Verschiebungsfunktion (^(Y)) zeitlich verschobenen Zeitpunktangabe angibt, die einer Modellausgabe des Zeitpunktbestimmungsmodells für die mindestens eine Auswertungspunkt-Zeitreihe (X) entspricht.

2. Verfahren nach Anspruch 1 , wobei das datenbasierte Zeitpunktbestimmungsmodell basierend auf einer Prädiktions-Loss-Funktion weiterhin mit mindestens einem Trainingsdatensatz trainiert wird, der jeweils eine Auswertungspunkt-Zeitreihe einer bestimmten Zeitpunktangabe als Label zuordnet. Verfahren nach Anspruch 2, wobei zum Trainieren des datenbasierten Zeitpunktbestimmungsmodells eine Gesamt-Loss-Funktion verwendet wird, die von der Konsistenz-Loss-Funktion und der Prädiktions-Loss-Funktion abhängt, wobei insbesondere die mindestens eine Auswertungspunkt-Zeitreihe (X) der Auswertungspunkt-Zeitreihe (X) des Trainingsdatensatzes entspricht. Verfahren nach Anspruch 2, wobei das datenbasierte Zeitpunktbestimmungsmodell im Wechsel mit der ungelabelten Auswertungspunkt-Zeitreihe (X) gemäß der Konsistenz-Loss-Funktion und mit dem mindestens einen Trainingsdatensatz gemäß der Prädiktions-Loss-Funktion trainiert wird. Verfahren nach Anspruch 2, wobei das datenbasierte Zeitpunktbestimmungsmodell mit dem mindestens einen Trainingsdatensatz gemäß der Prädiktions-Loss-Funktion vortrainiert und mit der ungelabelten Auswertungspunkt-Zeitreihe (X) gemäß der Konsistenz-Loss-Funktion nachtrainiert wird. Verfahren nach einem der Ansprüche 2 bis 5, wobei die mindestens eine ungelabelte Auswertungspunkt-Zeitreihe einer der mindestens einen Auswertungspunkt-Zeitreihe der Trainingsdatensätze entspricht. Verfahren nach einem der Ansprüche 2 bis 6, wobei das Trainieren des datenbasierten Zeitpunktbestimmungsmodells abhängig von einem Qualitätswert, der die Qualität des Zeitpunktbestimmungsmodells angibt, fortgesetzt oder abgebrochen wird, wobei mehrere Konsistenz-Loss-Werte des trainierten Zeitpunktbestimmungsmodells bestimmt werden, die sich aus der Konsistenz- Loss-Funktion, abhängig von einer der mindestens einen ungelabelten Auswertungspunkt-Zeitreihe und mehreren ersten und entsprechenden zweiten Verschiebungsfunktionen mit unterschiedlichen Verschiebungswerten, ergeben, wobei insbesondere der Qualitätswert einer Summe der Konsistenz-Loss-Werte oder einem Maximum der Konsistenz-Loss-Werte entspricht. Verfahren zum Betreiben eines Einspritzventils durch Ermitteln eines Öffnungsoder Schließzeitpunkts des Einspritzventils (6), basierend auf einem Sensorsignal (S) und einem datenbasierten Zeitpunktbestimmungsmodells, das entsprechend einem Verfahren nach einem der Ansprüche 1 bis 7 trainiert worden ist, wobei der Betrieb des Einspritzventils (6) abhängig von dem Öffnungs- und/oder Schließzeitpunkt durchgeführt wird, wobei der Betrieb des Einspritzventils (6) insbesondere so vorgenommen wird, dass eine Öffnungsdauer des Einspritzventils (6), die durch den ermittelten Öffnungs- und/oder Schließzeitpunkt bestimmt ist, auf eine vorgegebene Soll-Öffnungsdauer eingestellt wird. Vorrichtung zur Durchführung eines der Verfahren nach einem der vorangehenden Ansprüche. Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, die Schritte des Verfahrens nach einem der Ansprüche 1 bis 8 auszuführen. Maschinenlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch einen Computer diesen veranlassen, die Schritte des Verfahrens nach einem der Ansprüche 1 bis 8 auszuführen.

Description:
Beschreibung

Titel

Verfahren und Vorrichtung zum Trainieren eines datenbasierten Zeitpunktbestimmungsmodells für die Bestimmung eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils mithilfe maschineller Lernverfahren

Technisches Gebiet

Die Erfindung betrifft ein Verfahren zum Betreiben eines Kraftstoffeinspritzventils eines Verbrennungsmotors unter Verwendung eines datenbasierten Zeitpunktbestimmungsmodells, insbesondere für die Bestimmung eines Öffnungsoder eines Schließzeitpunkts zur Abschätzung einer eingespritzten Kraftstoffmenge.

Technischer Hintergrund

Zum Zumessen von Kraftstoff in Verbrennungsmotoren werden elektromechanische oder piezoelektrische Einspritzventile verwendet. Diese ermöglichen eine direkte und genau bemessene Kraftstoffzufuhr in die Zylinder des Verbrennungsmotors.

Eine Herausforderung besteht darin, den Verbrennungsvorgang möglichst genau zu steuern, um Betriebseigenschaften des Verbrennungsmotors, insbesondere hinsichtlich des Kraftstoffverbrauchs, der Effizienz, der Schadstoffemissionen und der Laufruhe zu verbessern. Dazu ist wesentlich, die Einspritzventile so zu betreiben, dass die einzuspritzende Kraftstoffmenge mit hoher Wiederholgenauigkeit, bei variierenden Arbeitsdrücken und ggfs. mit mehreren Einspritzungen pro Arbeitstakt zugemessen werden kann. Einspritzventile können einen elektromagnetischen Aktuator oder Piezoaktuator aufweisen, die eine Ventilnadel betätigen, um diese von einem Nadelsitz abzuheben und eine Austrittsöffnung des Einspritzventils zum Auslassen des Kraftstoffs in den Verbrennungsraum zu öffnen. Aufgrund von baulichen Unterschieden und unterschiedlichen Betriebsbedingungen wie Temperatur, Kraftstoffdruck, Kraftstoffviskosität gibt es eine Unsicherheit beim Bestimmen des exakten Öffnungszeitpunkts, d. h. des Zeitpunkts, ab dem Kraftstoff durch das Einspritzventil in den Brennraum des Zylinders gelangt, und des exakten Schließzeitpunkts des Einspritzventils, d. h. des Zeitpunkts, bis zu dem Kraftstoff durch das Einspritzventil in den Brennraum des Zylinders gelangt.

Offenbarung der Erfindung

Erfindungsgemäß sind ein Verfahren zum Trainieren eines datenbasierten Zeitpunktbestimmungsmodells zur Verwendung in einem Einspritzsystem für das Ermitteln eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils gemäß Anspruch 1 sowie eine Vorrichtung und ein Einspritzsystem gemäß den nebengeordneten Ansprüchen vorgesehen.

Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.

Gemäß einem ersten Aspekt ist ein computer-implementiertes Verfahren zum Trainieren eines datenbasierten Zeitpunktbestimmungsmodells zur Verwendung in einem Einspritzsystem für das Ermitteln eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils basierend auf einem Sensorsignal, mit folgenden Schritten vorgesehen:

Bereitstellen mindestens einer ungelabelten Auswertungspunkt-Zeitreihe durch Abtasten eines Sensorsignals eines Sensors des Einspritzventils;

Trainieren des datenbasierten Zeitpunktbestimmungsmodells, um einer Auswertungspunkt-Zeitreihe einer Zeitpunktangabe zuzuordnen, die eine bestimmte Öffnungs- bzw. Schließzeitdauer repräsentiert, wobei das Trainieren mithilfe einer ersten Verschiebungsfunktion zum zeitlichen Verschieben der Auswertungspunkt-Zeitreihe und einerzweiten Verschiebungsfunktion zum zeitlichen Verschieben der Zeitpunktangabe durchgeführt wird, wobei für das Trainieren eine Konsistenz-Loss-Funktion verwendet wird, die einen Unterschied zwischen einer Zeitpunktangabe für die gemäß der ersten Verschiebungsfunktion zeitlich verschobenen Auswertungspunkt- Zeitreihe und einer gemäß der zweiten Verschiebungsfunktion zeitlich verschobenen Zeitpunktangabe für die mindestens eine Auswertungspunkt-Zeitreihe angibt.

Insbesondere kann das datenbasierte Zeitpunktbestimmungsmodell, basierend auf einer Prädiktions-Loss-Funktion, weiterhin mit mindestens einem Trainingsdatensatz trainiert werden, der jeweils eine Auswertungspunkt-Zeitreihe einer bestimmten Zeitpunktangabe als Label zuordnet.

Obwohl die Ansteuerung eines Einspritzventils gemäß einem vorgegebenen Verlauf eines Ansteuersignals erfolgt, variieren die dadurch bewirkten Öffnungsund Schließbewegungen des Einspritzventils, sodass die tatsächlichen Öffnungsund Schließzeitpunkte zum Starten und Beenden der Kraftstoffeinspritzung nicht exakt vorgegeben werden können. Die Ursache hierfür liegt in den komplexen Abhängigkeiten der Ventilbewegung von dem aktuellen Betriebspunkt

Um die Ventilbewegung zu überwachen, ist in den Einspritzventilen ein Piezosensor vorgesehen, der als Drucksensor ausgebildet ist, um die durch die Ansteuerung des Einspritzventils ausgelösten Druckänderungen eines Kraftstoffd rucks zu erfassen und ein entsprechendes Sensorsignal bereitzustellen. Das gemessene Sensorsignal kann nun zur Ermittlung der tatsächlichen Öffnungsund Schließzeitpunkte des Einspritzventils ausgewertet werden, um so die Ansteuerung des Einspritzventils entsprechend anzupassen.

Die Auswertungspunkt-Zeitreihe erhält man durch Abtasten des Sensorsignals entsprechend einer vorgegebenen Abtastrate, wobei die Auswertungspunkt- Zeitreihe für einen vorgegebenen Auswertungszeitraum bestimmt wird. Die übrigen Abtastwerte sind nicht Bestandteil der Auswertungspunkt-Zeitreihe.

Jedoch ist auch das Sensorsignal rauschbehaftet und hängt insbesondere von dem tatsächlichen Kraftstoffdruck in der Kraftstoffzufuhr und der Dauer der zu vermessenden Ansteuerung ab. Die Auswertung des Sensorsignals zum Ermitteln eines Öffnungs- oder Schließzeitpunkts des Einspritzventils kann mithilfe eines datenbasierten Zeitpunktbestimmungsmodells vorgenommen werden. Das datenbasierte Zeitpunktbestimmungsmodell kann einem neuronalen Netz, einem probabilistischen Regressionsmodell oder einem sonstigen datenbasierten Modell entsprechen.

Zum Trainieren des Zeitpunktbestimmungsmodells können Auswertungspunkt- Zeitreihen vorgegeben werden, die jeweils mit einem unterschiedlichen Label versehen sind, um Trainingsdatensätze zu bilden. Ein Label entspricht einer Angabe zu einem zugeordneten Öffnungs- oder Schließzeitpunkt eines Einspritzventils. Die so erstellen Trainingsdaten erhält man über die Vermessung auf einem Prüfstand, wobei für unterschiedliche Ansteuersignale des Einspritzventils, die unterschiedliche Öffnungszeitdauern vorgeben, Auswertungspunkt-Zeitreihen aufgezeichnet werden und der entsprechende, tatsächliche Öffnungs- oder Schließzeitpunkt durch eine geeignete Prüfstand- Sensorik bestimmt wird.

Weiterhin können ungelabelte Auswertungspunkt-Zeitreihen vorgesehen sein, die reale, mithilfe des Piezosensors ermittelte Sensorsignalverläufe abbilden und für die kein Öffnungs- oder Schließzeitpunkt bestimmt worden ist.

Basierend auf den ungelabelten Auswertungspunkt-Zeitreihen kann nun mithilfe der Konsistenz-Loss-Funktion ein Trainieren des Zeitpunktbestimmungsmodells vorgenommen werden. Dazu sind zwei Verschiebungsfunktionen vorgesehen: eine erste Verschiebungsfunktion zum zeitlichen Verschieben der Auswertungspunkt-Zeitreihe und eine zweite Verschiebungsfunktion zum zeitlichen Verschieben einer modellierten Zeitpunktangabe.

Die erste Verschiebungsfunktion verschiebt die Indizes der Auswertungspunkt- Zeitreihe um einen ganzzahligen Verschiebungswert in die Zukunft oder in die Vergangenheit und füllt ggfs. die frei werdenden Auswertungspunkte am Anfang bzw. am Ende mit entsprechenden Abtastwerten des Sensorsignals. Die zweite Verschiebungsfunktion verschiebt die Zeitpunktangabe entsprechend. So kann entsprechend dem zeitlichen Abstand von zwei aufeinanderfolgenden Auswertungspunkten, der durch die Abtastrate vorgegeben ist, und dem ganzzahligen Verschiebungswert der Betrag der Verschiebung der Zeitpunktangabe durch die zweite Verschiebungsfunktion bestimmt werden.

Die Konsistenz-Loss-Funktion kann einen Unterschied zwischen der modellierten ersten Zeitpunktangabe und der modellierten zweiten Zeitpunktangabe bewerten, z. B. in Form eines Konsistenz-Loss-Wertes, der eine Differenz, eine L2-Norm oder einen anderen geeigneten Loss-Wert darstellt, der einen Abstand zwischen der ersten Zeitpunktangabe und der zweiten Zeitpunktangabe bewertet.

Die Prädiktion-Loss-Funktion kann einen Unterschied zwischen einer mit einer Auswertungspunkt-Zeitreihe modellierten Zeitpunktangabe und einer dieser Auswertungspunkt-Zeitreihe zugeordneten Zeitpunktangabe, die als Label durch eine Prüfstandsmessung bestimmt worden ist, bewerten, z. B. in Form eines Prädiktions-Loss-Wertes, der eine Differenz, eine L2-Norm oder einen anderen geeigneten Loss-Wert darstellt, der einen Abstand zwischen der modellierten Zeitpunktangabe und der zugeordneten Zeitpunktangabe bewertet..

Das Training des datenbasierten Zeitpunktbestimmungsmodells kann somit auf den Trainingsdatensätzen (gelabelten Auswertungspunkt-Zeitreihen) und den ungelabelten Auswertungspunkt-Zeitreihen beruhen.

Die ungelabelten Auswertungspunkt-Zeitreihen können auch prüfstandsfern ermittelt werden. So kann das datenbasierte Zeitpunktbestimmungsmodell mit den Trainingsdatensätzen von einer Prüfstandsmessung trainiert werden und nachfolgend z. B. in einem sich im Betrieb befindlichen Verbrennungsmotor/Fahrzeug basierend auf den dort ermittelten Auswertungspunkt-Zeitreihen abhängig von der Konsistenz-Loss-Funktion, nachtrainiert werden. Das Training, basierend auf den ungelabelten Auswertungspunktzeitreihen, kann zur Feinabstimmung des zuvor durch die Trainingsdatensätze trainierten Zeitpunktbestimmungsmodells durchgeführt werden. Dies kann mit einer vorgegebenen Anzahl von Anpassungsschritten und einer gegenüber dem Training mit den Trainingsdatensätzen verringerten Lernrate, d.h. Anpassungsgeschwindigkeit der Modellparameter des datenbasierten Zeitpunktbestimmungsmodells erfolgen.

Weiterhin kann zum Trainieren des datenbasierten Zeitpunktbestimmungsmodells eine Gesamt-Loss-Funktion verwendet werden, die von der Konsistenz-Loss- Funktion und der Prädiktions-Loss-Funktion abhängt, wobei insbesondere eine Auswertungspunkt-Zeitreihe des mindestens einen Trainingsdatensatzes als die mindestens eine ungelabelte Auswertungspunkt-Zeitreihe verwendet bzw. angenommen wird. Somit beruht das Training mit einem Prädiktions-Loss-Wert und einem Konsistenz-Loss-Wert auf der identischen Auswertungspunkt-Zeitreihe.

Die Trainingsdatensätze und die Auswertungspunkt-Zeitreihe können jeweils zum Trainieren eines von zwei separaten, neuronalen Netzen eines Twin-Netzwerks verwendet werden.

Das Training des datenbasierten Zeitpunktbestimmungsmodells kann abhängig von einem Qualitätswert fortgesetzt oder abgebrochen werden. Insbesondere kann ein Qualitätswert, der die Qualität des Zeitpunktbestimmungsmodells angeben kann, aus mehreren Konsistenz-Loss-Werten (Werten der Auswertung der Konsistenz-Loss-Funktion) des trainierten Zeitpunktbestimmungsmodells abhängig von einer Auswertungspunkt-Zeitreihe und mehreren ersten und entsprechenden zweiten Verschiebungsfunktionen mit unterschiedlichen Verschiebungswerten bestimmt werden. Es kann ein Qualitätswert aus mehreren Konsistenz-Loss-Werten (basierend auf einer ungelabelten Auswertungspunkt- Zeitreihe) bezüglich der unterschiedlichen ersten und zugehörigen zweiten Verschiebungsfunktionen für mehrere zeitlich verschobene Auswertungspunkt- Zeitreihen gebildet werden, wie z. B. einer Summe der Konsistenz-Loss-Werte oder einem Maximum der Konsistenz-Loss-Werte.

Wird festgestellt, dass der Qualitätswert einen vorgegebenen Schwellenwert überschreitet, werden eine oder mehrere erneute Messungen von Öffnungs- oder Schließzeitpunkten zum Erstellen eines oder mehrerer Trainingsdatensätze vorgenommen.

Gemäß einem weiteren Aspekt ist ein Verfahren zum Betreiben eines Einspritzventils durch Ermitteln eines Öffnungs- oder Schließzeitpunkts des Einspritzventils basierend auf einem Sensorsignal und einem datenbasierten Zeitpunktbestimmungsmodells vorgesehen, das entsprechend dem obigen Verfahren trainiert worden ist, wobei der Betrieb des Einspritzventils abhängig von dem Öffnungs- oder Schließzeitpunkt durchgeführt wird, wobei der Betrieb des Einspritzventils insbesondere so vorgenommen wird, dass eine Öffnungsdauer des Einspritzventils, die durch den ermittelten Öffnungs- und/oder Schließzeitpunkt bestimmt ist, auf eine vorgegebene Soll-Öffnungsdauer eingestellt wird.

Gemäß einem weiteren Aspekt ist eine Vorrichtung zur Durchführung des obigen Verfahrens vorgesehen.

Kurzbeschreibung der Zeichnungen

Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:

Figur 1 eine schematische Darstellung eines Einspritzsystems für die

Einspritzung von Kraftstoff in den Zylinder eines Verbrennungsmotors;

Figur 2 ein Flussdiagramm zur Darstellung eines Verfahrens zum

Trainieren eines datenbasierten

Zeitpunktbestimmungsmodells zum Bestimmen eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils;

Figur 3 ein Blockdiagramm zur Veranschaulichung der Ermittlung eines Konsistenz-Loss-Wertes aus ungelabelten Auswertungspunktzeitreihen;

Figur 4 eine beispielhafte Darstellung einer Auswertungspunkt-

Zeitreihe.

Beschreibung von Ausführungsformen

Figur 1 zeigt eine Anordnung eines Einspritzsystems 1 für einen Verbrennungsmotor 2 eines Kraftfahrzeugs, für den beispielhaft ein Zylinders (von insbesondere mehreren Zylindern) dargestellt ist. Der Verbrennungsmotor 2 ist vorzugsweise als Dieselmotor mit Direkteinspritzung ausgebildet, kann jedoch auch als ein Ottomotor vorgesehen sein.

Der Zylinder 3 weist ein Einlassventil 4 und ein Auslassventil 5 zur Zufuhr von Frischluft und zur Abführung von Verbrennungsabgas auf.

Ferner wird Kraftstoff zum Betrieb des Verbrennungsmotors 2 über ein Einspritzventil 6 in einen Brennraum 7 des Zylinders 3 eingespritzt. Kraftstoff wird dazu dem Einspritzventil über eine Kraftstoffzuführung 8 zugeführt, über die Kraftstoff in an sich bekannter Weise (z. B. Common Rail) unter einem hohen Kraftstoff druck bereitgestellt wird.

Das Einspritzventil 6 weist eine elektromagnetisch oder piezoelektrisch ansteuerbare Aktuatoreinheit 61 auf, die mit einer Ventilnadel 62 gekoppelt ist. Die Ventilnadel 62 sitzt im geschlossenen Zustand des Einspritzventils 6 auf einem Nadelsitz 63. Durch Ansteuerung der Aktuatoreinheit 61 wird die Ventilnadel 62 in Längsrichtung bewegt und gibt einen Teil einer Ventilöffnung in dem Nadelsitz 63 frei, um den unter Druck stehenden Kraftstoff in den Brennraum 7 des Zylinders 3 einzuspritzen.

Das Einspritzventil 6 weist weiterhin einen Piezosensor 65 auf, der in dem Einspritzventil 6 angeordnet ist. Der Piezosensor 65 wird durch Druckänderungen in dem durch das Einspritzventil 6 geführten Kraftstoff verformt und durch ein Spannungssignal als Sensorsignal generiert.

Die Einspritzung erfolgt gesteuert durch eine Steuereinheit 10, die eine einzuspritzende Kraftstoffmenge durch Bestromung der Aktuatoreinheit 61 vorgibt. Das Sensorsignal wird mithilfe eines A/D-Wandlers 11 in der Steuereinheit 10 zeitlich abgetastet, insbesondere mit einer Abtastrate von 0,5 bis 5 MHz.

Das Sensorsignal dient im Betrieb des Verbrennungsmotors 2 der Ermittlung eines korrekten Öffnungs- und/oder Schließzeitpunktes des Einspritzventils 6. Dazu wird das Sensorsignal mithilfe des A/D-Wandlers 11 in eine Sensorsignalzeitreihe digitalisiert und durch ein geeignetes Auswertungsmodell ausgewertet, woraus eine Öffnungszeitdauer des Einspritzventils 6 und entsprechend eine eingespritzte Kraftstoffmenge abhängig vom Kraftstoffdruck und weiteren Betriebsgrößen ermittelt werden kann. Zur Bestimmung der Öffnungszeitdauer werden insbesondere ein Öffnungszeitpunkt und ein Schließzeitpunkt benötigt, um die Öffnungszeitdauer als zeitliche Differenz dieser Größen zu ermitteln.

Die Ermittlung eines Öffnungszeitpunkts und/oder eines Schließzeitpunkts kann aus der Betrachtung des Sensorsignalverlaufs vorgenommen werden. Insbesondere können der Öffnungszeitpunkt oder der Schließzeitpunkt mithilfe eines datenbasierten Zeitpunktbestimmungsmodells durchgeführt werden.

Zum Training des datenbasierten Zeitpunktbestimmungsmodells können neben aus einer Messung erhaltenen Trainingsdatensätzen auch ungelabelte Auswertungspunkt-Zeitreihen verwendet werden.

Figur 2 veranschaulicht anhand eines Flussdiagramms ein Verfahren zum Trainieren eines solchen datenbasierten Zeitpunktbestimmungsmodells, das in Betrieb in einem oben beschriebenen Motorsystem 1 zum Ermitteln eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils 6 eines Zylinders 3 verwendet werden kann. Das Verfahren kann in einer Steuerung eines Prüfstands ausgeführt werden. Der Prüfstand ermöglicht es, Einspritzventile in einem Motorsystem zu vermessen, sodass abhängig von einem Ansteuersignal für die Aktuatoreinheit 61 ein entsprechender Öffnungs- und/oder Schließzeitpunkt mithilfe einer zusätzlichen Sensorik genau erfasst werden kann. Das Sensorsignal des Piezosensors 65 wird dazu abgetastet und eine entsprechend abgetastete Auswertungspunkt-Zeitreihe in einer Auflösung von beispielsweise zwischen 5 und 20 ps erfasst.

In Schritt S1 wird mithilfe des Piezosensors 65 ein Sensorsignal erfasst. Dieses Signal ist in der Regel ein Spannungssignal, das aufgrund von Druckänderungen im zugeführten Kraftstoff generiert wird.

In Schritt S2 wird das Sensorsignal mit Hilfe des A/D-Wandlers 11 abgetastet, um eine Auswertungspunkt-Zeitreihe innerhalb eines Auswertungszeitraums zu ermitteln. Der Auswertungszeitraum kann bezüglich eines Ansteuerungszeitfensters des Einspritzventils festgelegt werden. Das Ansteuerungszeitfenster ist durch den Beginn der Ansteuerung der Aktuatoreinheit 61 und eine festgelegte Zeitdauer, die einer maximalen Zeitdauer, in der das Ansteuersignal für die Aktuatoreinheit 61 eine Ventilöffnung vorgibt, definiert. Das Ansteuerungszeitfenster weist somit einen definierten Zeitbezug auf, für den eine Auswertungspunkt-Zeitreihe bereitgestellt wird, die die Grundlage für die weitere Ermittlung eines Öffnungs- bzw. Schließzeitpunkts darstellt. Insbesondere kann die Auswertungspunkt-Zeitreihe durch Downsampling des zuvor überabgetasteten Sensorsignals ermittelt werden.

Der Auswertungszeitraum kann mit festem Zeitbezug zu den Arbeitstakten des Verbrennungsmotors 2 vorgesehen werden, insbesondere kann der Auswertungszeitraum bei einer vorbestimmten Kurbelwellenlage vorzugsweise innerhalb des Kompressionstaktes beginnen. Der Auswertungszeitraum kann so gewählt sein, dass das gesamte Öffnungszeitfenster des Einspritzventils 6 darin abgebildet werden kann. Ein solcher Auswertungszeitraum mit einer beispielhaften Auswertungspunkt-Zeitreihe ist in Figur 4 dargestellt.

In Schritt S3 wird entsprechend einer Prüfstandsensorik auf einem Prüfstand ein tatsächlicher Zeitpunkt als Öffnungs- oder Schließzeitpunkt für eine Auswertungspunkt-Zeitreihe ermittelt. Dieser Zeitpunkt wird als Label für die zuvor bestimmte zugehörige Auswertungspunkt-Zeitreihe angenommen, so dass ein Trainingsdatensatz gebildet wird.

In Schritt S4 können weitere Auswertungspunkt-Zeitreihen erfasst werden, ohne dass ein entsprechender Zeitpunkt als Öffnungs- oder Schließzeitpunkt bestimmt wird. Somit stehen zum Training Trainingsdatensätze sowie ungelabelte Auswertungspunkt-Zeitreihen zur Verfügung.

In Schritt S5 erfolgt ein Training des datenbasierten Zeitpunktbestimmungsmodells, basierend sowohl auf den Trainingsdatensätzen als auch den ungelabelten Auswertungspunkt-Zeitreihen. Auch können die einem Trainingsdatensatz zugrundeliegenden Auswertungspunkt-Zeitreihen gleichzeitig als ungelabelte Auswertungspunkt-Zeitreihe bereitgestellt werden.

Das Training kann in an sich bekannterWeise, basierend auf einer Loss-Funktion, die für einen Eingabevektor eine Modellqualität abbildet, durchgeführt werden. Ein gängiges Trainingsverfahren hierzu stellt Backpropagation dar. Das Training kann wechselweise auf Trainingsdatensätzen und den ungelabelten Auswertungspunkt-Zeitreihen erfolgen. Dazu kann ein Prädiktions-Loss-Wert, basierend auf den Trainingsdatensätzen, in Form einer Vorhersagequalität ermittelt werden. Die Vorhersagequalität kann von einer modellierten Zeitpunktangabe und einer der Auswertungspunkt-Zeitreihe des Trainingsdatensatzes zugeordneten Zeitpunktangabe abhängen. Insbesondere kann die Modellqualität einer Differenz des modellierten Zeitpunkts und der zugeordneten Zeitpunktangabe, einer L2-Norm oder eine Ergebnis einer sonstigen Abstandsbestimmung entsprechen.

Weiterhin kann ein Konsistenz-Loss-Wert aus der Auswertungspunkt-Zeitreihe und anhand der vorgegebenen ersten und zweiten Verschiebungsfunktionen bestimmt werden. In Verbindung mit der Blockdarstellung der Figur 3 wird nachfolgend die Vorgehensweise beschrieben.

Dazu wird eine erste Verschiebungsfunktion <T(x) auf eine vorgegebene ungelabelte Auswertungspunkt-Zeitreihe X angewendet, die die Auswertungspunkt-Zeitreihe um eine oder mehrere Elementpositionen gemäß einem ganzzahligen Verschiebungswert verschiebt. Dies kann beispielsweise durchgeführt werden, indem die Indexwerte der Elemente der Auswertungspunkt- Zeitreihe jeweils um den ganzzahligen Verschiebungswert geändert werden und anschließend fehlende Indexwerte am Anfang oder am Ende der Auswertungspunkt-Zeitreihe durch entsprechende Abtastwerte des Sensorsignals ergänzt werden. Beispielsweise kann die Auswertungspunkt-Zeitreihe zeitlich um n Auswertungspunkte/Abtastpunkte in die Zukunft verschoben werden, so dass die ersten n Elemente der Auswertungspunkt-Zeitreihe auf beliebige neue Werte gesetzt werden müssen. Die letzten n Auswertungspunkte der ursprünglichen Auswertungspunkt-Zeitreihe X werden dabei verworfen. Die sich hieraus ergebende zeitlich verschobene Auswertungspunkt-Zeitreihe entspricht X -T>(X).

Die zeitlich verschobene Auswertungspunkt-Zeitreihe X‘ wird dem Zeitpunktbestimmungsmodell f zugeführt, um einen ersten Vergleichswert f(T>(X) zu erhalten.

Aus der ursprünglichen Auswertungspunkt-Zeitreihe X wird entsprechend dem Zeitpunktbestimmungsmodell f eine modellierte Zeitpunktangabe Y=f(X) generiert.

Es wird eine zweite Verschiebungsfunktion ^(Y) definiert, die die modellierte Zeitpunktangabe um eine entsprechende Zeitdauer verschiebt, die sich aus dem Verschiebungswert n der ersten Verschiebungsfunktion <T(X) ergibt. Unter der Annahme, dass die Auswertungspunkte der Auswertungspunkt-Zeitreihe zeitlich gleichmäßig beabstandet sind, z. B. mit einem Zeitinkrement von At, verschiebt die zweite Verschiebungsfunktion ^(Y) den zu bestimmenden Zeitpunkt um + n x At, d. h. die Zeitpunktangabe wird mit einem Offset von n x At beaufschlagt.

Aus der modellierten Zeitpunktangabe Y wird entsprechend der zweiten Verschiebungsfunktion ein zweiter Vergleichswert (f(X)) bestimmt.

Der Konsistenz-Loss-Wert L_kon ergibt sich nun aus einer Abweichung zwischen dem verschobenen modellierten Zeitpunkt ¥(f(x)) und dem Modellwert der verschobenen Auswertungspunkt-Zeitreihe f(<t>(x)) entsprechend L_kon=L(f(<t>(x)), W(x))).

Dieser Konsistenz-Loss-Wert L_kon kann nun zum Training des datenbasierten Zeitpunktbestimmungsmodells z.B. mit einem Backpropagation-Algorithmus verwendet werden. Während das initiale Training auf einem Prüfstand erfolgt, um Trainingsdatensätze mit gelabelten Auswertungspunkt-Zeitreihen zu erhalten, kann ein Nachtrainieren des datenbasierten Zeitpunktbestimmungsmodells auch während des Einsatzes des Einspritzventils im Motorsystem, basierend auf ungelabelten Auswertungspunkt-Zeitreihen, erfolgen, d.h. lediglich basierend auf der Konsistenz-Loss-Funktion. Dadurch können die auf dem Prüfstand erhaltenen Trainingsdatensätze zum Vortrainieren des datenbasierten Zeitpunktbestimmungsmodells verwendet werden, wobei das Modell mithilfe der ungelabelten Auswertungspunkt-Zeitreihen nachtrainiert wird.

In Schritt S6 kann überprüft werden, ob das datenbasierte Zeitpunktbestimmungsmodell ausreichend genau ist. Dies kann beispielsweise dadurch festgestellt werden, indem, basierend auf einer Auswertungspunkt- Zeitreihe für mehrere erste und zweite Verschiebungsfunktionen, die verschiedene zeitliche Versätze für eine ungelabelte Auswertungspunkt-Zeitreihe implementieren, entsprechende Konsistenz-Loss-Werte bestimmt werden. Ein Qualitätswert, basierend auf bestimmten Konsistenz-Loss-Werten, kann nun erstellt werden, beispielsweise als Summe der bestimmten Konsistenz-Loss- Werte oder als Maximum der bestimmten Konsistenz-Loss-Werte, und mithilfe eines Schwellwertvergleichs überprüft werden, ob die Konsistenz des datenbasierten Zeitpunktbestimmungsmodells ausreichend ist, um das Training zu beenden. Ist dies der Fall (Alternative: Ja), wird in Schritt S7 das datenbasierte Zeitpunktbestimmungsmodell in die Steuereinheit 10 des Motorsystems implementiert, anderenfalls wird zu Schritt S1 zurückgesprungen und ein oder mehrere breitere Trainingsdatensätze auf dem Prüfstand bestimmt.

Der Qualitätswert kann bestimmt werden, indem mehrere Konsistenz-Loss-Werte des trainierten Zeitpunktbestimmungsmodells bestimmt werden, die sich aus der Konsistenz-Loss-Funktion, abhängig von einer der mindestens einen ungelabelten Auswertungspunkt-Zeitreihe und mehreren ersten und entsprechenden zweiten Verschiebungsfunktionen mit unterschiedlichen Verschiebungswerten n, ergeben.

Eine weitere Möglichkeit des Trainierens des Zeitpunktbestimmungsmodells wird im Folgenden erläutert. Hierbei ist das Zeitpunktbestimmungsmodell als Klassifikationsmodell ausgebildet, um einen Logit als Zeitpunktangabe auszugeben. Zum Trainieren werden Trainingsdatensätze künstlich erzeugt, indem Auswertungspunkt-Zeitreihen zufällige Labels, d. h. zufällige bestimmte Zeitpunktangaben, als mögliche Öffnungs- oder Schließzeitpunkte des Einspritzventils zugeordnet werden. Das Zeitpunktbestimmungsmodell wird dann mit diesen Trainingsdatensätzen für wenige Schritte trainiert, die nicht zur Konvergenz des Modells führen. Nachfolgend werden die Labels der Trainingsdaten neu bestimmt, indem man diejenigen Label nimmt, die die vorangehend bestimmte Funktion ausgibt. Diesen Prozess iteriert man, sodass die so erzeugten Label zu den zu trainierenden Zeitpunkten konvergieren. In diesem Prozess werden die ungelabelten und die gelabelten Auswertungspunkt-Zeitreihen gemeinsam verwendet. Es kann im Anschluss bewertet werden, wie gut die Auswertungspunkt-Zeitreihen der Trainingsdatensätze (gelabelt) den zugeordneten Öffnungs- oder Schließzeitpunkt vorhergesagt haben. Wenn das trainierte Zeitpunktbestimmungsmodell ausreichend gute Vorhersagen trifft, werden den gelernten Klassen noch Öffnungs- und Schließzeitpunkte aus den Trainingsdatensätzen zugeordnet. Ein weiterer Teil der ungelabelten Auswertungspunkt-Zeitreihe wird zur Bestimmung des Konsistenz-Loss-Werts und zum weiteren Training des Zeitpunktbestimmungsmodells verwendet.

In einer weiteren Ausführungsform kann das datenbasierte Zeitpunktbestimmungsmodell auch als Twin-Netzwerk ausgebildet sein, wobei ein erstes Teilnetzwerk des Twin- Netzwerks mit den Trainingsdatensätzen basierend auf der Prädiktions-Loss-Funktion und das zweite Teilnetzwerk des Twin- Netzwerks mit den ungelabelten Auswertungspunkt-Zeitreihen basierend auf der Konsistenz-Loss-Funktion trainiert wird. Beim trainierten Twin-Netzwerk werden die Parameter der beiden Teilnetzwerke durch Weight-sharing gemeinsam verwendet.