用于发动机起动和曲轴转动－运转过渡时的燃料控制

摘要

一种用于在发动机起动和曲轴转动－运转过渡期间对供给至内燃机气缸中的燃料进行调节的燃料控制系统，该燃料控制系统包括第一模块，其基于多个GPO预测模型来确定用于气缸的多种步骤前气缸空气质量(GPO)。第二模块基于多种步骤前GPO来调节供给至发动机气缸中的燃料，直至气缸内发生燃烧事件。

说明书

技术领域

本发明涉及内燃机，更具体地涉及在发动机起动和曲轴转动-运转(crank-to-run)过渡期间对供应至发动机的燃料进行调节。

背景技术

内燃机在气缸内燃烧燃料和空气混合物，以便驱动活塞产生驱动扭矩。在发动机起动过程中，发动机在包括钥匙接通、曲轴转动、曲轴转动-运转和运转的过渡模式下工作。钥匙接通模式开始起动过程，发动机在曲轴转动模式期间被转动曲轴(即被起动电动机驱动)。当发动机加载了燃料并且产生了初始点火时，发动机运转就过渡至曲轴转动-运转模式。最后，当所有的气缸都被点火并且发动机转速高于阈值水平时，发动机就过渡至运转模式。

在过渡的发动机起动期间，对加燃料的精确控制在快速起动发动机和减少起动时间(即过渡至运转模式所花的时间)变化方面起到重要的作用。传统的过渡燃料控制系统不能充分地解决燃料损耗，并且不能检测和改善过渡阶段中的不点火和不良起动。另外，传统的燃料控制系统不够稳健，需要较多的调校工作。

发明内容

因此，本发明提供了一种在发动机起动和曲轴转动-运转过渡期间，用于对供给至内燃机气缸中的燃料进行调节的燃料控制系统。该燃料控制系统包括第一模块，其基于多个GPO预测模型来确定多种用于气缸的步骤前(step-ahead)气缸空气质量(GPO)。第二模块基于该多种步骤前GPO来调节供给至发动机气缸中的燃料，直到气缸内发生燃烧事件。

在其它特征中，这种燃料控制系统还包括第三模块，其基于发动机温度和基于步骤前GPO所确定的标准燃烧燃料质量，来确定校正的注入燃料质量。第四模块基于校正的注入燃料质量和发动机温度来确定原始注入燃料质量。第五模块基于步骤前GPO和指令的当量比而确定标准燃烧燃料质量。

在其它特征中，该多个GPO预测模型包括在起动期间进行处理的起动模型，在曲轴转动-运转期间进行处理的曲轴转动-运转模型，以及在运转期间进行处理的运转模型。在发生第一次燃烧事件时，第一模块过渡至处理曲轴转动-运转模型，并在发动机转速超过阀值发动机转速时过渡至处理运转模型。

在其它特征中，该多个GPO预测模型包括如果在第一次燃烧事件之后检测到不点火情况时则在曲轴转动-运转期间进行处理的不点火模型。当发动机转速低于阀值发动机转速时，将检测不点火情况。

在其它特征中，该多个GPO预测模型包括如果在第二次燃烧事件之后检测到不良起动情况时则在曲轴转动-运转期间进行处理的不良起动模型。当发动机转速低于阀值发动机转速时，将检测不良起动情况。

在另一特征中，当出现不点火和不良起动中的其中一种状态时，所述步骤前GPO将利用GPO滤波器(filter)进行过滤。

本发明可适用的其它领域从如下所述的详细描述中是显而易见的。应当理解，这些详细描述和特定示例尽管显示了本发明的优选实施例，但只是用于说明性目的，而非试图限制本发明的范围。

附图说明

从以下详细描述和附图中，可以更全面地理解本发明，其中：

图1是采用本发明的过渡燃料控制来进行调节的示例性发动机系统的示意图；

图2是显示了在发动机异常起动的过程中，一种示例性的实际气缸空气充量(GPO)对示例性的已过滤GPO的图表；

图3是显示了在多个发动机循环中，一种示例性的原始注入燃料质量(RINJ)和示例性的标准燃烧燃料质量(MBFM)的图表；

图4是信号流程图，显示了执行本发明的过渡燃料控制的示例性模块；和

图5是显示了根据本发明的GPO预测方案所分解的示例性事件的图表。

具体实施方式

对优选实施例的以下描述在本质上仅仅是示例性的，并非试图限制本发明、其应用或用途。为了清楚起见，在附图中采用相同的标号来表示相似的元件。本文所有的用语“模块”指的是专用集成电路(ASIC)、电子电路、用于执行一个或多个软件或固件程序的处理器(共用型、专用型或群集处理器)以及存储器、组合式逻辑电路，和/或提供所述功能的其它合适元件。

现在参见图1，其示例性地显示了示例性车辆系统10。该车辆系统包括发动机12，其在气缸14内燃烧燃料和空气混合物，以便驱动可滑动地设置在气缸14中的活塞。活塞驱动曲轴16，以便产生驱动扭矩。空气通过节气门20而进入发动机12的进气歧管18中。空气被分配至活塞14中，并且与来自加燃料系统22的燃料混合。空气和燃料混合物被点火或打火，以便启动燃烧。燃烧所产生的排气经由排气歧管24而从气缸14中排出。储能装置(ESD)26为车辆系统的各个部件提供了电能。例如，ESD26提供了用于点火的电能，并且提供电能而用于在发动机起动期间可旋转地驱动曲轴16。

控制模块30调节车辆系统10的整体操作。如下详细所述，控制模块30响应于各种传感器所产生的信号。在钥匙接通模式、曲轴转动模式、曲轴转动-运转模式和运转模式的过渡期间，控制模块30基于本发明的过渡燃料控制来调节流向单个气缸的燃料流。更具体而言，在发动机起动期间，初始模式是钥匙接通模式，其中驾驶者转动点火钥匙来起动发动机。在钥匙接通模式之后是曲轴转动模式，其中起动电动机(未示出)可旋转地驱动活塞，以便在气缸14内进行空气处理。曲轴转动-运转模式是在运转模式中的发动机正常运转之前，产生初始点火的模式。

车辆系统10包括空气质量流量(MAF)传感器32，其监测通过节气门20的空气流量。节气门位置传感器34响应于节流板(未示出)的位置并产生节气门位置信号(TPS)。进气歧管压力传感器36产生歧管绝对压力(MAP)信号，并且发动机转速传感器38产生发动机转速(RPM)信号。发动机油温传感器40产生发动机油温(T_OIL)信号，而发动机冷却液温度传感器42产生发动机冷却液温度(ECT)信号。压力传感器44响应于大气压力并产生大气压力(P_BARO)信号。电流和电压传感器46，48分别产生ESD26的电流和电压信号。进气温度(IAT)传感器49产生IAT信号。

本发明的过渡燃料控制计算在从发动机起动至曲轴转动-运转期间要注入每个气缸的原始注入燃料值(RINJ)。更具体地说，过渡燃料控制基于GPO来预测气缸空气充量(GPO)，并确定RINJ。过渡燃料控制可执行多个功能，包括但不限于：曲轴转动GPO预测、曲轴转动-运转GPO预测、运转GPO预测、预定的GPO过滤、不点火检测、不良起动检测、不良起动恢复检测、不点火/不良起动GPO预测、过渡规则、所采用的燃料分数(UFF)计算、标称燃料动态模型和控制、燃料动态控制策略以及单个气缸燃料预测的调度(scheduling)及指令调度。假定估计真实GPO的最精确的方法是使用下死点(BDC)MAP数据。由于硬件限制，对在指定的气缸事件中的最接近的MAP测量数据进行抽样。用于示例性四缸发动机的示例性气缸事件是在进气BDC之前处于大约60°-75°的曲柄转角(CA)下。在气缸事件之间有特定的CA值。例如对于示例性四缸发动机而言，不同的气缸事件之间存在180°的CA。

曲轴转动GPO预测包括第一、第二和第三步骤前GPO预测，以及测量更新。在曲轴转动模式下的运转过程中，使用曲轴转动GPO预测。以下等式与曲轴转动GPO预测相关：

GPO_k+3|k＝α_CRKGPO_k+2|k+(1-α_CRK)GPO_k+1|k                  (1)

GPO_k+2|k＝α_CRKGPO_k+1|k+(1-α_CRK)GPO_k|k                   (2)

GPO_k+1|k＝α_CRKGPO_k|k+(1-α_CRK)GPO_k-1|k                   (3)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k-1)                        (4)

等式1是第三步骤前预测，等式2是第二步骤前预测，等式3是第一步骤前预测，而等式4是测量更新。α_CRK对于所有发动机起动状态都是单一固定数，而KG表示稳态的卡尔曼滤波器增益。因为曲轴转动GPO预测器只运行很短一段时间(例如对于示例性的1-4缸发动机，只有前三个发动机事件时间)，α_CRK是手工调整的。下标k|k-1表示当前事件k下的数值，其使用了直至前一事件k-1的信息，k|k表示当前事件k下的数值，其使用了直至当前事件k的信息，k+1|k表示直至未来事件k+1的数值，其使用了当前事件k的信息等等。

GPO_k基于如下等式所示进行计算：

GPO_k＝α_CRK-VEVE_CRKMAP_k/IAT_k                        (5)

其中VE_CRK是在曲轴转动转速下的容积效率，其由活塞和气缸盖的几何形状、并利用已知的压缩比而计算出来，α_CRK-VE是用于匹配VE_CRK和MAP_k|IAT_k单位的比例系数。

曲轴转动-运转GPO预测也包括第一、第二和第三步骤前预测以及测量更新。如下详细所述，在曲轴转动GPO预测和曲轴转动-运转GPO预测同时进行的过程中，存在一段过渡周期。一旦完全处于曲轴转动-运转模式，就只单独使用曲轴转动-运转GPO预测。曲轴转动-运转GPO预测用于预测那些在曲轴转动-运转过程中将吸入其空气充量的气缸的GPO。以下提供了与曲轴转动-运转GPO预测相关的等式：

GPO_k+3|k＝α_CTRGPO_k+2|k                        (6)

GPO_k+2|k＝α_CTRGPO_k+1|k                        (7)

GPO_k+1|k＝α_CTRGPO_k|k                          (8)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k-1)            (9)

其中，等式6是第三步骤前预测，等式7是第二步骤前预测，等式8是第一步骤前预测，而等式9是测量更新。其中下标CTR表示曲轴转动-运转状态的预测器系数α_CTR是TPS和发动机RPM信号的线性样条函数，并如以下等式所示：

$>>>\alpha >CTR>>=>>c>0>>+>>\Sigma >>i>=>1>>n>>>a>i>>\times >UTPS>>(>i>)>>+>>\Sigma >>j>=>1>>m>>>b>j>>\times >URPM>>(>j>)>>->->->>(>10>)>>>s>$

其中

$>>UTPS>>(>i>)>>=>\begin{array}{}>>>0>>>ifTPS>\le >>TPS>i>>>>>>TPS>->>TPS>i>>>>otherwise>>>\; >->->->>(>11>)>>>s>\end{array}$

和

$>>URPM>>(>j>)>>=>\begin{array}{}>>>0>>>ifRPM>\le >>RPM>i>>>>>>RPM>->>RPM>i>>>>otherwise>>>\; >->->->>(>12>)>>>s>\end{array}$

还提供了以下定义：

R_i，m＝{[TPS_i，TPS_i+1)，[RPM_m，∞)}i＝1，2，…n-1    (15)

R_n，m＝{[TPS_n，∞)，[RPM_m，∞)}                      (16)

当(TPS，RPM)∈R_i，j时，α_CTR可被重写为：

α_CTR＝δ₀+δ₁×TPS+δ₂×RPM                         (17)

其中

$>>>\delta >0>>=>>c>0>>->>\Sigma >>k>=>1>>i>>>a>k>>\times >>TPS>k>>->>\Sigma >>k>=>1>>j>>>b>k>>\times >>RPM>k>>->->->>(>18>)>>>s>$

$>>>\delta >1>>=>>\Sigma >>k>=>1>>i>>>a>k>>->->->>(>19>)>>>s>$

$>>>\delta >2>>=>>\Sigma >>k>=>1>>j>>>b>k>>->->->>(>20>)>>>s>$

TPS_i和RPM_j的示例性数值分别为(5，15，20，30，∞)和(600，1200，1800，∞)。

在等式9中，GPO_k基于以下等式来进行计算：

GPO_k＝α_RUN-VEVE_RUN(MAP_k，RPM_k)MAP_k/IAT_k             (21)

其中VE_RUN(.)是在正常状态或运转操作状态下的容积效率，并基于MAP和RPM来确定，而α_Run-VE是用于匹配VE_RUN(.)和MAP_k|IAT_k单位的比例系数。

运转GPO预测包括第一、第二和第三步骤前预测以及测量更新。在运转模式过程中，使用运转GPO预测。以下提供了与运转GPO预测相关的等式：

GPO_k+3|k＝α_RUNGPO_k+2|k+U(TPS，GPC)                 (22)

GPO_k+2|k＝α_RUNGPO_k+1|k+U(TPS，GPC)                 (23)

GPO_k+1|k＝α_RUNGPO_k|k+U(TPS，GPC)                   (24)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k-1)                 (25)

其中等式22是第三步骤前预测，等式23是第二步骤前预测，等式24是第一步骤前预测，而等式25是测量更新。输入函数U(TPS，GPC)是基于MAF在节气门(GPC)处所测量的TPS和气缸空气充量的函数，并如以下等式所示：

$>>U>>(>TPS>,>GPC>)>>=>>\Sigma >>i>=>1>>3>>>\beta >i>>>TPS>>k>->i>+>1>>>+>>\Sigma >>j>=>1>>3>>>\gamma >j>>>GPC>>k>->j>+>1>>>->->->>(>26>)>>>s>$

运转GPO预测器和输入函数的参数约束是β₁+β₂+β₃＝0和1-α_RUN＝γ₁+γ₂+γ₃，其中α_RUN是单一固定数。在等式24中，GPO_k计算如下：

GPO_k＝α_RUN-VEVE_RUN(MAP_k，RPM_k)MAP_k               (27)

现在参看图2，在发动机异常起动(如不点火和/或不良起动的状态)下，GPO测量数据可能具有不希望有的波动。这可能导致GPO预测展现出不希望的特性。图2中显示了不良起动的示例性数据迹线图。已过滤GPO表现得较好(即具有较小的波动)，并因此比GPO预测中的测量GPO更有用。GPO滤波器调度是基于发动机的点火特性来进行的。更具体地说，对于正常的发动机起动(即正常模式)，已过滤GPO(GPOF_k)如以下等式所示：

GPOF_k＝0.1GPOF_k-1+0.9GPO_k                               (28)

对于异常的发动机起动(包括不点火和/或不良起动)，GPOF_k如以下等式所示：

GPOF_k＝0.9GPOF_k-1+0.1GPO_k                               (29)

由于GPO快速减少起始于特定的事件(例如，示例性1-4缸发动机的事件4)，因此，GPO滤波器仅仅从该事件之前被启用。因此，从该事件之前开始，出现在所有上述预测等式中的GPO_k都被GPOF_k取代。

在正常的发动机起动下，GPO滤波器的时间常数为0.1，并且在过滤真实GPO测量值中并不起作用。在这种情况下，使用已过滤GPO的好处并不明显。然而在异常的发动机起动下，GPO滤波器的时间常数可大到0.9。这种方案就提供了一种在整个GPO预测方案中执行的安全网。当发动机从不点火或不良起动中恢复过来时，GPO滤波器就切换到正常工作模式。

基于对在产生第一次点火的各事件之间的RPM差异的监测，来进行发动机不点火检测。对于具有已知凸轮位置的示例性1-4缸发动机而言，第一次点火发生在事件3和事件4之间。因此，可在事件4中检测到不点火。用于不点火的检测规则定义如下：

如果ΔRPM＝(RPM₄-RPM₃)＜ΔRPM_{第一次点火}，那么就检测到不点火。

其中ΔRPM_{第一次点火}(即由于第一次点火所引起的RPM变化)是可调校数值(如大约200PRM)。对于超过四个气缸的发动机而言，可以相应地调整检测规则。符号RPM_k代表事件k时的RPM。

在第二次燃烧事件之后，可基于阀值RPM来检测不良起动。在用于示例性1-4缸发动机的正常状态下，第二次燃烧发生在事件4和事件5之间，并能够将发动机转速带到大于阀值RPM的数值(例如700RPM)。因此，用于不良起动检测的规则定义如下：

如果RPM_k≥5≤700，那么就检测到不良起动。

如果发动机在不良起动模式下运转，并且RPM_k≥1400，那么就检测到了不良起动的恢复。针对不良起动恢复的RPM阀值可被定义为在RPM_k≥1400并且可获得第一个可靠GPC读数时的瞬时值。当检测到不良起动恢复时，GPO滤波器就因此而切换到正常模式，并且利用运转GPO预测器来进行GPO预测。

如果发动机在不点火模式下运转，那么不点火GPO预测将取代曲轴转动-运转GPO预测。不点火GPO预测执行以下等式：

$>>>GPO>>k>+>3>|>k>>>=sup>>\alpha >MIS>3sup>>>GPO>>k>|>k>>>->->->>(>30>)>>>s>$

$>>>GPO>>k>+>2>|>k>>>=sup>>\alpha >MIS>2sup>>>GPO>>k>|>k>>>->->->>(>31>)>>>s>$

GPO_k+1|k＝α_MISGPO_k|k                              (32)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k-1)                 (33)

其中等式30是第三步骤前预测，等式31是第二步骤前预测，等式32是第一步骤前预测，而等式33是测量更新，α_MIS＝1且KG＝0.8。然而，可以理解，这些值可基于发动机的具体参数而变化。

如果发动机在不良起动模式下运转，则不良起动GPO预测将取代曲轴转动-运转预测。不良起动GPO预测执行以下等式：

$>>>GPO>>k>+>3>|>k>>>=sup>>\alpha >PS>3sup>>>GPO>>k>|>k>>>->->->>(>34>)>>>s>$

$>>>GPO>>k>+>2>|>k>>>=sup>>\alpha >PS>2sup>>>GPO>>k>|>k>>>->->->>(>35>)>>>s>$

GPO_k+1|k＝α_PSGPO_k|k                          (36)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k-1)            (37)

其中等式34是第三步骤前预测，等式35是第二步骤前预测，等式36是第一步骤前预测，而等式37是测量更新，α_PS＝0.98且KG＝0.8。然而，可以理解，这些值可基于发动机的具体参数而变化。

对于示例性四缸发动机而言，用于定义各模式之间的过渡的规则总结如下。在凸轮位置已知的条件下，事件4是从曲轴转动模式过渡至曲轴转动-运转模式的缺省事件。在事件4中，如果RPM变化小于可调校数值(如200RPM)，那么就检测到弱点火，因此就启动弱点火GPO预测，并且采用了异常GPO滤波器和弱点火GPO预测。在事件5中，如果发动机转速小于可调校数值(例如700RPM)，那么就预测到不良起动，并启动不良起动GPO预测。同时，启动异常GPO滤波器。否则，就启动正常GPO滤波器和曲轴转动-运转GPO预测。如果发动机转速超过了不良起动恢复模式或正常起动模式时的可调校RPM阀值(例如1400RPM)，那么预测方案将转换至运转GPO预测。对于超过四个气缸的发动机而言，可采用相似的但经过修改的规则。

现在参见图3，将详细描述所采用的燃料分数(UFF)。UFF是在当前燃烧事件中实际燃烧燃料的百分比，并且是基于试验观察而得到的。更具体而言，UFF是原始注入燃料质量(RINJ)对标准燃烧燃料质量(MBFM)的分数。有一定量的RINJ不参与燃烧过程。这种现象的效果如图3中所示，其中RINJ总量未显示在排气测量中，并且可以观察到递减回归的效果。这种不完全的燃料利用现象表明，利用率不是常数，而是RINJ的函数。

本发明的过渡燃料控制通过将总体燃料动态分成两个级联的子系统，而建立了这种非常重要的非线性模型：与非线性输入(RINJ)相关的UFF和单数增益的标称燃料动态函数。与输入(RINJ)相关的UFF函数提供如下：

$>>CINJ>>(>k>)>>>>=>UFF>>ss>>>(>1>->>2>\pi >>arctan>>(>>>RINJ>>(>k>)>>>>\gamma >>(>ECT>)>>>>)>>)>>RINJ>>(>k>)>>->->->>(>38>)>>>s>$

其中，CINJ是考虑了UFF的校正的注入燃料质量。下标SS表示发动机空气动态达到稳态时的循环。尽管SS的示例性值等于20(即第20次循环)，但是可以理解，该数值可以根据发动机的具体参数而变化。UFF函数被定义如下：

$>>UFF>=>>UFF>20>>>(>1>->>2>\pi >>arctan>>(>>>RINJ>>(>k>)>>>>\gamma >>(>ECT>)>>>>)>>)>>->->->>(>39>)>>>s>$

在上述表达式中，UFF₂₀表示在第20次循环中计算的UFF。参数γ(ECT)用于表征可满足校正要求以便实现递减回归效果的形状。该单个基于ECT的参数简化了调校过程，并且允许在数据丰富程度成为问题时实现稳健的参数估计。对于给定的固定ECT而言，γ(ECT)的大小与在正常发动机起动时的首先指定的RINJ(RINJ(1))处于相同的范围内。因此，γ(ECT)被视为在最初的若干发动机循环中用于RINJ校正的加权参数。

前向的、质量守恒的或单数增益的标称燃料动态(NFD)模型用以下等式来表示：

y(k)＝-β₁y(k-1)+α₀u(k)+α₁u(k-1)                   (40)

其中，y(k)表示MBFM，而u(k)表示CINJ。等式40受到单数的约束：1+β₁＝α₀+α₁。尽管该模型结构是第一阶线性模型，但是，该模型的参数是ECT的函数。另外，在正常的发动机起动时，参数α₀、α₁和β₁也受到RPM和MAP的轻微影响。然而，在异常的发动机起动过程中，采用这种模型结构和参数配置(即锁住MAP和RPM影响)的控制可能会由于MAP和RPM的不够精确预测而导致不适当的燃料动态补偿。因此，α₀、α₁和β₁参数仅仅是ECT的函数。当用于过渡燃料控制时，等式40就可被转换成如下：

$>>u>>(>k>)>>=>->>>\alpha >1>>>\alpha >0>>>u>>(>k>->1>)>>+>>1>>\alpha >0>>>y>>(>k>)>>+>>>\beta >1>>>\alpha >0>>>y>>(>k>->1>)>>->->->>(>41>)>>>s>$

其中y(k)是所需的气缸内燃烧的燃料质量(即被指令的燃料)。

现在参见图4，其显示了用于燃料动态控制的示例性模块。燃料控制一般包括GPO预测(即用于曲轴转动，曲轴转动-运转和运转的多个步骤的GPO预测器)，将预测的GPO和指令的当量比(EQR)转换成燃料质量指令，基于ECT来确定标称的倒数燃料动态和基于ECT来确定UFF反函数。EQR_COM被确定为燃料/空气比对燃料/空气化学计量比的比例，并且用于抵消燃料成分的差异，以及用于在冷起动条件下为发动机提供稳健的加燃料。燃料对空气化学计量比是烃类燃料完全氧化时的特定的空气对燃料的比率。这些模块包括但不限于GPO预测器模块500、燃料质量转换模块502、标称燃料动态反函数模块504和UFF反函数模块506。

GPO预测器模块500在基于P_BARO、MAP、TPS、RPM、T_OIL、SOC、GPC和IAT的基础上产生GPO_k+1|k，GPO_k+2|k和GPO_k+3|k。所使用的特定预测模型取决于当前的事件和发动机模式(例如不点火和不良起动)，并包括曲轴转动GPO预测、曲轴转动-运转GPO预测和运转GPO预测、不点火GPO预测和不良起动GPO预测。燃料质量转换模块502基于GPO数值和EQR_COM来确定MBFM。标称燃料动态反函数模块504基于MBFM和ECT来确定CINJ。UFF反函数模块506基于CINJ和ECT来确定RINJ。所述气缸基于各自的RINJ而被注入燃料。

现在参看图5，其用图表显示了对于示例性四缸发动机而言，按事件分解的GPO预测调度方案。可以理解，为了应用于具有不同气缸数量的发动机，可对GPO预测调度方案进行调整。还应该理解，图5的图表是针对处于示例性起动位置的示例性发动机的，其中气缸#3是能够被点火的第一气缸。本发明的过渡燃料控制可适用于其它起动位置(例如气缸#1是能够被点火的第一气缸)。

钥匙接通事件启动了发动机的曲轴转动，并且只有两个气缸(例如对于四缸发动机而言)是待发动的，以避免在误同步的情况下打开阀注入燃料。气缸#1无法因进气阀打开而被加注燃料。利用曲轴转动GPO预测来计算起始燃料注射量。在第一事件(E1)中，在BDC进气且燃料没有注入之前，气缸#1处于75°的CA下，进行误同步校正，并只进行曲轴转动GPO预测。还是在E1中，对气缸#3进行第二步骤GPO预测和对气缸#4进行第三步骤GPO预测。基于第二和第三步骤GPO预测，来确定各自的RINJ，并基于RINJ对气缸#3和#4加燃料。

在第二事件(E2)中，在进行BDC和第一步骤GPO预测以及燃料指令之前，气缸#3处于75°的CA下。曲轴转动GPO预测和曲轴转动-运转GPO预测同时地进行。更具体地说，在E2中，利用曲轴转动GPO预测，来确定用于气缸#3的第一步骤前GPO预测和用于气缸#4的第二步骤GPO预测(见实线箭头)。利用曲轴转动-运转GPO预测，来确定用于气缸#2的第三步骤GPO预测(见虚线箭头)。基于GPO预测，来计算各自的RINJ，并基于所述RINJ对气缸#3、#4和#2添加燃料，直至下一事件。

在第三事件中，在BDC之前，气缸#4处于75°的CA下，并且同时进行曲轴转动GPO预测和曲轴转动-运转GPO预测，气缸#3的燃料动态初始条件不再为零，而必须在下一加燃料事件中加以考虑。更具体地说，在E3中，利用曲轴转动GPO预测来确定用于气缸#4的第一步骤前GPO预测(见实线箭头)。利用曲轴转动-运转预测来确定用于气缸#2的第二步骤GPO预测和用于气缸#1的第三步骤GPO预测(见虚线箭头)。基于GPO预测来计算各自的RINJ，并基于所述RINJ对气缸#4、#2和#1加燃料，直至下一事件。

在第四事件(E4)中，在BDC之前，气缸#2处于75°的CA下，并执行不点火检测，气缸#4的燃料动态初始条件不再为零，而必须在下一加燃料事件中加以考虑。如果没有检测到不点火，那么就利用曲轴转动-运转GPO预测，来确定用于气缸#2的第一步骤GPO预测、用于气缸#1的第二步骤GPO预测和用于气缸#3的第三步骤GPO预测(见实线箭头)。如果检测到不点火，那么就利用不点火预测，来确定用于气缸#2的第一步骤GPO预测、用于气缸#1的第二步骤GPO预测和用于气缸#3的第三步骤GPO预测。基于GPO预测来计算各自的RINJ，并基于所述RINJ对气缸#2、#1和#3加燃料，直至下一事件。

在第五事件(E5)中，在BDC之前，气缸#1处于75°的CA下，执行不良起动检测，并且气缸#2的燃料动态初始条件不再为零，而必须在下一加燃料事件中加以考虑。如果没有检测到不良起动，那么就利用运转预测，来确定用于气缸#1的第一步骤前GPO预测、用于气缸#3的第二步骤前GPO预测和用于气缸#2的第三步骤前GPO预测。如果检测到不良起动，那么就利用不良起动预测，来确定用于气缸#1的第一步骤前GPO预测、用于气缸#3的第二步骤前GPO预测和用于气缸#2的第三步骤前GPO预测。基于这些预测来计算各自的RINJ，并基于所述RINJ对气缸#1、#3和#4添加燃料，直至下一事件。后续的事件(E6-En)是相似的，基于点火顺序来轮换气缸(例如，对于示例性四缸发动机而言，1342表示气缸#3第一次点火顺序)。当发动机转速稳定并大于1400RPM时，就使用运转GPO预测。

本领域的技术人员从以上描述中可以理解，本发明的广义讲述内容可以多种不同形式来实施。因此，尽管已经结合其特定示例而描述了本发明，但是，本发明的真实范围不应受到这样的限制，这是因为本领域技术人员在研究了附图、说明书和所附权利要求之后，可以清楚其它的修改。