用于校正来自压力传感器的信号的漂移的方法

摘要

一种用于校正来自测量内燃机的气缸中的压力的传感器的信号（Sb）的漂移的方法，其中该信号相当于等式的直线，压力尖峰覆盖在该信号上，所述校正方法包括如下步骤：I：使用快速卡尔曼滤波器用于检测属于压力尖峰的点，II：使用慢速卡尔曼滤波器用于确定斜率（A）和常量（B），III：对于每个点，根据这些点是否属于在步骤I期间确定的检测到的压力尖峰并且根据在步骤II期间确定的斜率（A）和常量（B）的值来校正信号漂移，其特征在于，在步骤I期间：使用所用的快速卡尔曼滤波器来估计信号的点上的预测误差（epsR），该预测误差的标准偏差（eps_sigma）被滤波并且被最大化，根据如下两个标准中的至少一个确定该点处的压力尖峰的开始和/或结束：该点上的预测误差（epsR）在尖峰开始阈值（delta1_up）以上，该点上的预测误差的经滤波的和被最大化的标准偏差（eps_sigma）在尖峰开始标准偏差阈值（eps_sigma_S1）以上。

说明书

技术领域

本发明涉及一种用于校正来自压力传感器的信号的漂移的方法。本发明对于测量内燃机的气缸中的压力的压力传感器是特别有用的。

背景技术

在柴油机气缸的燃烧室中占优势的压力由位于例如预热塞（bougie de préchauffage）中的压力传感器测量。给出作为在发动机循环（进气、压缩、燃烧、排气）期间的时间的函数的压力的曲线呈现出理想地是直线的并且以零为中心的基本信号，压力尖峰周期性地覆盖在该基本信号上。这种类型的传感器通常配备有压电敏感元件。

顾及该传感器的操作环境，使该传感器遭受温度和压力变化。特别地，温度变化创建了传感器的压电敏感元件中的热电性（pyro-électricité），该热电性修改了该传感器递送的压力信号的值。因此，给出作为传感器输出时的时间的函数的压力的曲线与在气缸中占优势的真实压力的曲线表现不同。更具体地：

●基本信号不再以零为中心，也就是说，所测量的平均压力值偏移了常量B，

●基本信号不再平行于横坐标轴，也就是说，不再是水平的，而是呈现斜率A并且具有类型                                                ，

●斜率A和常量B在时间上不是固定的并且因此可以因发动机循环而异。

因此，可以将基本信号看作直线，其等式具有类型，压力尖峰周期性地覆盖在该基本信号上。

因此，必须对该基本信号进行处理，以便向发动机计算机（calculateur moteur）提供真实且可靠的压力测量结果，从而正确地回到为零（或者为预先定义的常量值）的中心位置并且没有时间漂移。

该信号的处理算法必须校正由传感器供给的信号，也就是说必须因此使得能：

●确定B，

●确定A，

●通过确定压力尖峰的位置和持续时间来相对于基本信号的漂移区别峰值。实际上，如果不独立于信号漂移对由于尖峰而引起的压力的突然增大进行处理，则使斜率A和常量B的确定失真，

●从传感器供给的信号减去所确定的基本信号（），以使其回到为零（或者为预先定义的常量值）的中心位置。

信号可以在捕获信号期间并且由传感器直接处理，或者在捕获信号之后由外部微处理器处理。后一种解决方案呈现出一旦捕获信号就执行处理的优点，其中在发动机控制计算机中有计算装置以及需要的时间可用。然而，这也呈现了持久地使计算机的存储容量过载的缺点。

由压力传感器直接处理呈现了诸多限制：该压力传感器必须是快速的、准确的并且受限于所使用的存储容量，因为该压力传感器被并入并不具有功能强大的配备有大存储器的内置计算机的传感器。从现有技术已知，信号的直接处理可以（根据最小二乘法）通过在包含N个点的点的滑动窗口上对线性模型进行估计来完成。

这样的处理的主要缺陷在于对于计算需要大存储容量。可以进行简化和近似以减小这种缺陷，这接着引起了计算精度和稳定性的问题。

可以设想用于处理信号的其它方法，诸如例如使用卡尔曼（Kalman）滤波器。该滤波器依赖于用于在信号及其按增益衰减的预测之间纠错的递归方法。信号的预测是基于在前一测量时刻被滤波和经校正的信号来计算的。然而，将这样的方法应用于包括具有规律间隔的尖峰的压力信号呈现了如下缺陷：

●如果校正过大，则斜率A和常量B的确定失真，因为其由于压力尖峰的存在而被过度估计，

●如果校正是低的，则经校正的信号并未考虑由于压力尖峰的存在造成的误差并且因而接近直线。因此，斜率A和常量B的值是正确的，但是压力尖峰被忽视了。

发明内容

本发明提出了在不要求相当大的计算存储容量的情况下以可靠的方式确定斜率A和常量B的值以及压力尖峰。

本发明的这些目的是借助于用于校正来自测量内燃机的气缸中的压力的压力传感器的信号（Sb）的漂移的方法而实现的，其中该信号相当于形成了由斜率A和常量B的等式的直线表示的基本信号（Sa）的一连串点，压力尖峰覆盖在该基本信号上，所述校正方法包括如下步骤：

●I：使用快速卡尔曼滤波器，也就是说，使用包括斜率（Ka_R）和常量（Kb_R）的值接近于1的增益的快速卡尔曼滤波器，用于检测属于压力尖峰的点，

●II：使用慢速卡尔曼滤波器，也就是说，使用包括斜率（Ka_L）和常量（Kb_L）的值接近于0的增益的慢速卡尔曼滤波器，用于确定表示基本信号的直线的斜率（A）和常量（B），

●III：对于每个点，根据这些点是否属于在步骤I期间确定的检测到的压力尖峰并且根据在步骤II期间确定的斜率（A）和常量（B）的值来校正信号漂移，以便确定在气缸中占优势的压力的真实信号（Sr）。

所述方法在如下方面是值得注意的：在步骤I期间，

- 使用所用的快速卡尔曼滤波器来估计信号的点上的预测误差（eps_R），

- 该预测误差的标准偏差（eps_sigma）被滤波并且被最大化，以估计该点相对于先前的点的稳定性，

- 根据如下两个标准中的至少一个来确定该点处的压力尖峰的开始和/或结束：

○该点上的预测误差（eps_R）在尖峰开始阈值（delta1_up）以上，

○该点上的预测误差的经滤波的和被最大化的标准偏差（eps_sigma）在尖峰开始标准偏差阈值（eps_sigma_S1）以上。

优选地，尖峰开始标准偏差阈值等同于经滤波的和被最大化的标准偏差的最后的最小值乘以尖峰开始系数。

以互补的方式，根据如下两个标准中的至少一个在点处确定尖峰的结束：

●该点上的预测误差在尖峰结束阈值以下，

●该点上的误差的经滤波的和被最大化的标准偏差在尖峰结束标准偏差阈值以下。

有利地，尖峰结束标准偏差阈值等同于经滤波的和被最大化的标准偏差的最后的最大值乘以尖峰结束系数。

在另一实施例中，在步骤II期间：

●根据慢速卡尔曼滤波器估计直线的斜率和常量，

●在步骤I期间由快速卡尔曼滤波器确定的属于压力尖峰的点被替换为慢速卡尔曼滤波器通过使用先前估计的斜率和常量所预测的点。

在补充实施例中，在步骤III期间，在从传感器获得的信号中减去（在步骤II期间确定的）直线。

根据本发明，快速卡尔曼滤波器的斜率增益大于慢速卡尔曼滤波器的斜率增益，并且快速卡尔曼滤波器的恒定增益大于慢速卡尔曼滤波器的恒定增益。

明智地，快速卡尔曼滤波器的斜率增益小于快速卡尔曼滤波器的恒定增益，并且慢速卡尔曼滤波器的斜率增益小于慢速卡尔曼滤波器的恒定增益。

本发明还涉及实施呈现出前述特性中的任何一个的本方法的用于校正信号的任何设备，其中该信号可能是压力信号。

因此，本发明应用于包括根据本发明的用于校正压力信号的设备的任何压力信号传感器。

并且本发明还涉及包括根据本发明的用于校正压力信号的设备的任何电子计算机。

附图说明

通过阅读下列作为非限制实例给出的描述并且通过研究附图，本发明的其它特征和优点将变得显而易见，在附图中：

●图1a是内燃机的气缸中的真实压力随着时间推移、即在压缩期间的曲线的示意性表示，

●图1b是内燃机的气缸中的如由压力传感器递送的压力随着时间推移、即在压缩期间的曲线的示意性表示，

●图2a是在没有校正的情况下将卡尔曼滤波器应用于信号的示意性表示，

●图2b是在有校正的情况下将卡尔曼滤波器应用于信号的示意性表示，

●图3a是根据本发明将快速卡尔曼滤波器应用于压力信号的示意性表示，

●图3b是根据本发明将慢速卡尔曼滤波器应用于压力信号的示意性表示，

●图4是根据本发明将卡尔曼滤波器应用于压力尖峰的检测的示意性表示，

●图5是根据本发明的对压力信号进行处理的示意性图解。

具体实施方式

在图1a中表示了给出作为时间的函数的在气缸的燃烧室中占优势的真实压力Sr的变化的曲线。该曲线相当于以零为中心的直线，压力尖峰覆盖在该直线上。为了简化，在图1a中表示了单个压力尖峰。

图1b表示了如由压力传感器测量并供给的噪声信号Sb。

更具体地：

●基本信号Sa不再以零为中心，也就是说，测量的平均压力值偏移了常量B，

●基本信号Sa不再平行于横坐标轴，也就是说不再是水平的，而是呈现出如下类型的增加的斜率A：，

●斜率A和常量B在时间上不是固定的并且因此可以因循环而异。

因此，可以将基本信号Sa看作如下直线：对于该直线，等式具有类型：，压力尖峰周期性地覆盖在该基本信号上。

因此，为了获得表示在气缸中占优势的真实压力Sr的信号，对所测量的信号Sb的校正是必需的。为此，信号的处理从由传感器Sb测量并供给的信号的每个点中减去表示所述信号（就是说Sa）的漂移的直线，以便重新得到不受噪声影响且没有漂移的信号Sr。

图2a和2b图示了将卡尔曼滤波器应用于类型为的信号，其中x表示测量时刻t，以便确定斜率A和常量B。通过将该等式应用于每个测量时刻n并且通过假设斜率A保持恒定而且该斜率A在点n-1和n之间是相同的，获得了如下参考模型（图2a）：

。

随后可以通过考虑在点n-1和n之间的时间间隔dt，根据在点n-1处的斜率和常量计算在点n处的常量B：

。

在点n+1处的信号的预测等同于：

                （1）

因此，y_pred(n+1)表示根据在点n处确定的参数B和A对在点n+1处的信号的预测。

卡尔曼滤波器的目的在于在点n处将该预测与由传感器供给的受噪声影响的信号Sb的所测量的真实值y_meas(n)进行比较，并且随后校正在点n处的斜率A(n)和常量B(n)，使得所预测的信号的值接近传感器所测量的信号Sb的值。

这样，在点n处的预测误差eps因此等同于：

                （2）。

如果该误差非零，则在点n处的斜率A(n)并不等于在点n-1处的斜率A(n-1)，（参见图2b），并且必须根据在点n处的斜率的预测误差eps(n)对在点n处的斜率A(n)进行校正。

该校正是使用增益Ka完成的，该增益Ka表示期望校正相对于所测量的误差的衰减。

                   （3）。

相似地，等同于所测量的预测误差的部分的校正被应用于具有增益Kb的常量B，其给出了：

       （4）。

增益Ka和Kb的值介于0和1之间。在卡尔曼滤波器的应用中，增益Ka和Kb的调整使得能获得对相对于传感器所测量的值的动态性更大或更小的预测值的校正。因此，Ka和Kb越高（也就是说越接近于1），校正的动态性越大并且越接近所测量的值。另一方面，Ka和Kb越低（也就是说越接近于0），则校正越慢并且与所测量的值保持得越远。

在n+1处应用的用于下一点的预测公式（1）中使用如此校正过的参数A和B（图2b）。

本发明提出了针对压力信号使用该方法，以便可靠地由此确定压力尖峰、斜率A和常量B：

●在第一步骤I期间，第一对高增益Ka_R、Kb_R被用于所谓的“快速”滤波器的应用，以便获得接近于所测量的信号y_meas(n)的估计y_pred_R(n+1)。因此，通过斜率A_R和常量B_R的值的快速改变，快速地检测到由于尖峰引起的（相对于基本信号Sa）的斜率增加（图3a），

●在第二步骤II期间，（弱于用于“快速”滤波器的增益的）第二对增益Ka_L、Kb_L被用于所谓的“慢速”滤波器的应用，以便获得更接近于要被提取的基本信号的估计y_pred_L(n+1)。在这种情况下，对于信号的预测，未考虑由点y_meas(n)图示的斜率快速增加。斜率A_L和常量B_L的如此确定的值是基本信号Sa的信号的斜率和常量的正确的值，并且这些值并未因压力尖峰的存在而失真（图3b），

●最后，在最后的步骤III期间，一旦在步骤I中已确定压力尖峰，并且在步骤II期间已确定斜率A和常量B的值，就从压力传感器所测量的信号中减去直线，以便获得在燃烧室中占优势的压力的真实信号。

显然，步骤I和II同时运行，而随后立即在步骤III中进行校正。

增益Ka_R、Kb_R、Ka_L和Kb_L的值介于0和1之间，并且优选地斜率增益小于相应的恒定增益。

通过针对每个滤波器都应用等式（1）、（2）、（3）、（4），因此获得了如下等式，对于快速滤波器：

并且对于慢速滤波器：

应当注意，参数A(n)、B(n)、eps(n)和y_pred(n)对于每个滤波器都是特定的，因为后者并不提供相同水平的校正。如在图3a和3b中所图示的那样，经由这两个滤波器获得的经校正的点y_pred_R(n+1)和y_pred_L(n+1)是不同的。

根据本发明，并且如在图4的注释为4a和4b的曲线图中所图示的那样，快速卡尔曼滤波器被用于检测压力尖峰。先前由快速卡尔曼滤波器确定的预测误差eps_R(n)提供了关于信号梯度的稳定性水平并且因此关于任何斜率的快速改变的指示。

受噪声影响的信号Sb的压力尖峰由压力上升、稳定、随后下降来表示。因此，对于压力尖峰，预测误差eps_R是包括两个尖峰的信号，正尖峰表示压力尖峰的上升，并且负尖峰表示下降，（参见图4a）。

然而，背景噪声在压力尖峰中、在压力尖峰之前或在压力尖峰之后的出现也随着预测误差eps_R信号的（正或负）尖峰而形成。因此，该信号是一连串正的和负的尖峰。因此，经由该预测误差信号确定压力尖峰整体的持续时间是不可能的。

在步骤I期间，本发明提出了如下附加步骤，以便仍然检测压力尖峰整体：

●使用预测误差eps_R的平方，因此该信号eps_R²包括表示压力尖峰的两个正的尖峰，（参见图4a）。不幸地，利用该信号确定压力尖峰整体的持续时间仍是不可能的。实际上，该信号仍过零，从而使得不可能使用信号幅度标准，以便确定压力尖峰的持续时间。

●为了获得不过零的信号，预测误差的平方eps_R²（或者标准偏差）被滤波eps_sigma_filt：

为此，应用滤波系数Kys。例如Kys=0.5。

  （5）

这具有如下效果：减慢eps_R²的第一尖峰的上升，在不过零的情况下与eps_R²的第二尖峰接合，随后减慢eps_R²的第二尖峰的下降，（图4b）。因此，所获得的信号eps_sigma_filt是并不过零的正的信号。

随后，为了确保快速地检测到尖峰的开始，该滤波器仅在尖峰一旦经过时才被应用，其总计产生如下信号：

●该信号包括针对尖峰的上升的预测误差的平方eps_R²，

●随后该信号包括针对尖峰的下降的预测误差eps_sigma_filt的平方的经滤波的信号。

为了产生该信号，取在该尖峰的持续时间上的这两个值中的最大值。

因此获得了被最大化的经滤波的信号eps_sigma，其等同于：

             （6）。

在压力尖峰的持续时间上，被最大化的经滤波的标准偏差eps_sigma是并不通过零返回的正的信号（图4b），可以将与幅度相关的标准应用于该信号，以便确定压力尖峰的开始和结束。

因此，为了检测到压力尖峰的开始，应用如下两个条件中的至少一个：

●如果发现所测量的信号大于被添加常量的预测信号：，也就是说，如果由等式（2）定义的预测误差大于尖峰开始阈值，

●并且如果等式（6）定义的被最大化的经滤波的标准偏差eps_sigma大于尖峰开始标准偏差阈值eps_sigma_S1，，

则检测到压力尖峰的开始，否则压力尖峰尚未开始。

选择尖峰开始标准偏差阈值eps_sigma_S1，使得该尖峰开始标准偏差阈值eps_sigma_S1对于其值来说具有eps_sigma的最后的最小值（也就是说eps_sigma在压力尖峰开始时的值eps_sigma_min（参见图4b））乘以尖峰开始系数delta2_up。

也就是说：，

其中。

相似地，为了检测到尖峰的结束，应用如下两个条件中的至少一个：

●如果所测量的信号小于被添加常量的预测信号：，其等同于，也就是说，如果由等式（2）定义的预测误差在尖峰结束阈值delta1_down以下，

●并且如果由等式（6）定义的被最大化的经滤波的标准偏差eps_sigma小于尖峰结束标准偏差阈值eps_sigma_S2、即，则检测到压力尖峰的结束，否则压力尖峰未结束。

选择尖峰结束标准偏差阈值eps_sigma_S2，使得该尖峰结束标准偏差阈值eps_sigma_S2对于其值来说具有eps_sigma的最后的最大值（也就是说eps_sigma在压力尖峰顶部的值eps_sigma_max（参见图4b））乘以尖峰结束系数delta2_down。

也就是说：

其中。

因此，对于任何点n，可能确定该点n是否属于压力尖峰。

通常，尖峰开始系数delta2_up的值介于0和10之间，尖峰结束系数delta2_down的值介于0和1之间，并且尖峰开始阈值delta1_up和尖峰结束阈值delta1_down的值介于0和5伏特之间。

因此，对于每个点n，如果在该点处检测到尖峰，则该点y_pred_R(n)的值不能被选择用于估计斜率A和常量B，但是另一方面，如果在该点处未检测到尖峰，则该点的值可以被选择用于正确估计斜率A和常量B。

在步骤II期间，经由慢速卡尔曼滤波器执行根据本发明的斜率A和常量B的确定。实际上：

●通过具有低增益Ka_L和Kb_L的卡尔曼滤波器估计斜率和平均常量，以便获得慢校正，其中所述慢校正受信号改变的影响较小、也就是说相对独立于压力尖峰并且因此表示基本信号，

●随后通过使用先前在点n-1处计算的斜率A_L和常量B_L来预测点n，

●在其中先前经由快速卡尔曼滤波器在点n处已检测到尖峰的情况下，该点y_pred_R(n)的值被替换为由慢速卡尔曼滤波器预测的点y_pred_L(n)的值。因此，压力尖峰被替换为具有恒定斜率的信号，也就是说被替换为直线。该预测为了确定不因压力尖峰的存在而失真的斜率A_L和常量B_L是必需的。

为了提高斜率A_L和常量B_L的值的精度，该步骤II可以具有变型。实际上，当检测到尖峰开始时，y_pred_R(n)的值可以被替换为由慢速卡尔曼滤波器在点n-2处预测的值，也就是说被替换为y_pred_L(n-2)。这是为了对于小的尖峰开始增加不过度估计A_L和B_L的值。

相似地，为了避免在尖峰结束时对A_L和B_L的值估计不足，y_pred_R(n)的值被替换为由慢速卡尔曼滤波器在点n-1处预测的值，也就是说被替换为y_pred_L(n-1)。

在最后的步骤III期间，从传感器提供的信号中减去如此确定的、表示基本信号Sa的直线，以便重建在燃烧室中占优势的压力的真实曲线，也就是说包括以零为中心的直线的基本信号的真实曲线。

在图5中图示了根据本发明处理信号时的各种步骤，图5包括注释有5a、5b、5c、5d和5e的5个曲线图。

图5a表示由传感器测量的信号，其包括两个压力尖峰和类型为的基本信号的漂移。

图5b和5c图示了步骤I期间的信号处理：

●图5b表示所测量的信号的预测误差eps_R，

●图5c表示被最大化的经滤波的预测误差的标准偏差eps_sigma，以及也表示值eps_sigma_min和eps_sigma_max。

在图5d中图示了步骤II。表示了由慢速卡尔曼滤波器获得的基本信号y_pred_L，其中由快速卡尔曼滤波器获得的压力尖峰被替换为直线。

图5e表示两个尖峰的检测区域D，并且也表示通过执行步骤III如此确定的基本信号y_pred_L。

因此，本发明使得能在不要求相当大的存储容量的情况下可靠地确定斜率A、常量B和压力尖峰，因为本方法从点n到点n+1一阶递归并且是推测性的，而且并不要求为了应用传统的最小二乘方公式而在多个点的长窗口上进行管理和存储。因此，该方法可以被并入气缸压力传感器中或者发动机计算机中。

显然，本发明并不限于所描述和所表示的实施例，该实施例仅被给出作为实例并且可以例如被应用于包括尖峰的任何测量信号。