[发明专利]内燃机的爆震检测装置及爆震检测方法

说明书

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

技术领域

本发明涉及内燃机的爆震检测装置及爆震检测方法。

背景技术

在内燃机中，若在燃烧室内末端气体自着火，则产生压力波，内燃机主体振动而发生爆震。若发生爆震，则内燃机主体振动，在该情况下，爆震强度越高则内燃机主体的振动越激烈。于是，在内燃机主体安装检测内燃机主体的振动的爆震传感器，根据由爆震传感器检测到的内燃机主体的振动的激烈程度来检测爆震强度的内燃机是公知的(例如参照专利文献1)。然而，内燃机主体例如也会因进气门及排气门的落座作用、燃料喷射阀的阀针的落座作用等机械动作而振动，因此，若使用检测内燃机主体的振动的爆震传感器，则存在以下问题：在因这样的机械动作而内燃机主体的振动强度变得激烈时，尽管爆震强度不高，却会误判定为爆震强度高。

现有技术文献

专利文献

专利文献1：日本特开2006-226967号公报

发明内容

发明所要解决的课题

另一方面，在发生了爆震时，爆震强度越高则燃烧室内的压力的变动越激烈。因此，若使用能够检测燃烧室内的压力的压力传感器，则能够根据该压力传感器的输出值的变动的激烈程度来检测爆震强度。在该情况下，例如，若爆震强度变高，则压力传感器的输出值的峰值变高，因此，该压力传感器的输出值的峰值可以说是代表爆震强度的值之一。因此，根据这样的代表爆震强度的值，能够检测爆震强度。在该情况下，基于机械动作的内燃机主体的振动不对压力传感器的输出值产生影响，因此，也不对代表爆震强度的值产生影响，因此，若使用压力传感器，则无法高精度地检测爆震强度。

然而，该压力传感器极其昂贵。而且，若压力传感器被长期间使用，则沉积物会向压力传感器慢慢附着，因该附着的沉积物而导致燃烧室内的混合气的燃烧形态变化。因此，对于市售车，难以使用这样的压力传感器。

于是，在本发明中，使用神经网络，根据爆震传感器的输出值来推定根据压力传感器的输出值而求出的代表爆震强度的值。

即，根据第1个发明，提供内燃机的爆震检测装置，具备：爆震传感器，检测内燃机主体的振动；压力传感器，检测内燃机的燃烧室内的压力；及学习装置，用于使用神经网络来推定代表内燃机的爆震强度的值，根据压力传感器的输出值来取得代表爆震强度的值，通过学习装置，将由爆震传感器检测到的表示内燃机主体的振动的值作为神经网络的输入值，并且将所取得的代表爆震强度的值作为教师数据，学习神经网络的权重，使用已学习的神经网络，根据爆震传感器的输出值来推定代表爆震强度的值。

根据第2个发明，提供内燃机的爆震检测方法，基于检测内燃机主体的振动的爆震传感器的输出值和检测内燃机的燃烧室内的压力的压力传感器的输出值，使用神经网络来推定内燃机的爆震强度，其中，根据压力传感器的输出值来求出代表爆震强度的值，制作示出由爆震传感器检测到的表示内燃机主体的振动的值与代表爆震强度的值的关系的训练数据组，将由爆震传感器检测到的表示内燃机主体的振动的值作为神经网络的输入值，并且将所取得的代表爆震强度的值作为教师数据，学习神经网络的权重，使用已学习的神经网络，根据爆震传感器的输出值来推定代表爆震强度的值。

发明效果

在第1个及第2个发明中都是，能够不使用压力传感器而以高的精度得到根据压力传感器的输出值求出的代表爆震强度的值。

附图说明