<p>Ion current sensing, where information about the combustion process in an SI-engine is gained by applying a voltage over the spark gap, is currently used to detect and avoid knock and misfire. Several researchers have pointed out that information on peak pressure location and air/fuel ratio can be gained from the ion current and have suggested several ways to estimate these parameters.</p><p>Here a simplified Bayesian approach was taken to construct a lowpass-like filter or estimator that makes use of prior information to improve estimates in crucial areas. The algorithm is computationally light and could, if successful, improve estimates enough for production use.</p><p>The filter was implemented in several variants and evaluated in a number of simulated cases. It was found that the proposed filter requires a number of trade-offs between variance, bias, tracking speed and accuracy that are difficult to balance. For satisfactory estimates and trade-off balance the prior information must be more accurate than was available.</p><p>It was also found that similar a task, constructing a general Bayesian estimator, has already been tackled in the area of particle filtering and that there are promising and unexplored possibilities there. However, particle filters require computational power that will not be available to production engines for some years. </p> / <p>Vid jonströmsmätning utvinns information om förbränningsprocessen i en bensinmotor genom att en spänning läggs över gnistgapet och den resulterande strömmen mäts. Jonströmsmätning används idag för knack- och feltändningsdetektion. Flera forskare har påpekat att det finns än mer information i jonströmmen, bl.a. om bränsleblandningen och cylindertrycket och har även föreslagit metoder för att utvinna och använda den informationen för skattning av dessa parametrar.</p><p>Här presenteras en förenklad Bayesisk metod i form av en lågpassfilter-liknande skattare som använder förkunskap till att förbättra estimat på relevanta områden. Algoritmen är beräkningsmässigt lätt och kan, om den är framgångsrik, leverera skattningar av förbränningsparametrar som är tillräckligt bra för att användas för sluten styrning av en bensinmotor.</p><p>Skattaren, eller filtret, implementerades i flera varianter och utvärderades i ett antal simulerade fall. Resultaten visade på att flera svåra avvägningar måste göras mellan förbättring i varians, avvikelse och följning eftersom förbättring i den ena ledde till försämring i de andra. För att göra dessa avvägningar och få goda skattningar krävs bättre förhandskunskap och mätdata än vad som var tillgängligt.</p><p>Bayesisk skattning är ett stort befintligt område inom statistik och signalbehandling och den mest generella skattaren är partikelfiltret som har många intressanta tillämpningar och möjligheter. De har hittills inte använts inom skattning av förbränningsparametrar och har således go potential för framtida utveckling. De är dock beräkningsmässigt tunga och kräver beräkningsresurser utöver vad som är tillgängliga i ett motorstyrsystem idag.</p>

Ion current sensing, where information about the combustion process in an SI-engine is gained by applying a voltage over the spark gap, is currently used to detect and avoid knock and misfire. Several researchers have pointed out that information on peak pressure location and air/fuel ratio can be gained from the ion current and have suggested several ways to estimate these parameters. Here a simplified Bayesian approach was taken to construct a lowpass-like filter or estimator that makes use of prior information to improve estimates in crucial areas. The algorithm is computationally light and could, if successful, improve estimates enough for production use. The filter was implemented in several variants and evaluated in a number of simulated cases. It was found that the proposed filter requires a number of trade-offs between variance, bias, tracking speed and accuracy that are difficult to balance. For satisfactory estimates and trade-off balance the prior information must be more accurate than was available. It was also found that similar a task, constructing a general Bayesian estimator, has already been tackled in the area of particle filtering and that there are promising and unexplored possibilities there. However, particle filters require computational power that will not be available to production engines for some years. / Vid jonströmsmätning utvinns information om förbränningsprocessen i en bensinmotor genom att en spänning läggs över gnistgapet och den resulterande strömmen mäts. Jonströmsmätning används idag för knack- och feltändningsdetektion. Flera forskare har påpekat att det finns än mer information i jonströmmen, bl.a. om bränsleblandningen och cylindertrycket och har även föreslagit metoder för att utvinna och använda den informationen för skattning av dessa parametrar. Här presenteras en förenklad Bayesisk metod i form av en lågpassfilter-liknande skattare som använder förkunskap till att förbättra estimat på relevanta områden. Algoritmen är beräkningsmässigt lätt och kan, om den är framgångsrik, leverera skattningar av förbränningsparametrar som är tillräckligt bra för att användas för sluten styrning av en bensinmotor. Skattaren, eller filtret, implementerades i flera varianter och utvärderades i ett antal simulerade fall. Resultaten visade på att flera svåra avvägningar måste göras mellan förbättring i varians, avvikelse och följning eftersom förbättring i den ena ledde till försämring i de andra. För att göra dessa avvägningar och få goda skattningar krävs bättre förhandskunskap och mätdata än vad som var tillgängligt. Bayesisk skattning är ett stort befintligt område inom statistik och signalbehandling och den mest generella skattaren är partikelfiltret som har många intressanta tillämpningar och möjligheter. De har hittills inte använts inom skattning av förbränningsparametrar och har således go potential för framtida utveckling. De är dock beräkningsmässigt tunga och kräver beräkningsresurser utöver vad som är tillgängliga i ett motorstyrsystem idag.