[发明专利]一种基于遗传算法的发动机自动标定参数优化方法

说明书

技术领域

本发明涉及发动机ECU控制参数自动标定优化的技术，尤其是一种基于遗传算法的发动机自动标定参数优化方法。

背景技术

ECU控制参数标定：根据整车的各种性能要求(如动力性、经济性和排放等)，调整、优化和确定电控系统的运行参数(如转速、空气流量、节气门位置、冷却水温等)和控制参数(如喷油脉宽、点火提前角度、EGR阀开度等)的过程。标定试验中优化的主要对象是基本控制输出量MAP。MAP是控制输出量(喷油脉宽、点火提前角等)计算的依据，它存储了不同发动机负荷、转速下的基本输出量大小，ECU根据发动机运行工况，利用插值法查询MAP图，经过参数修正后输出控制信号。MAP中由负荷、转速等工况特征组成的节点网络能否全面反映发动机的各个工况，以及节点上控制数据的准确性都直接影响发动机的性能。

ECU的标定是一个非常繁琐的工作。工程师需要对发动机的各个工况点进行参数的优化。假设一个具有50个工况点的控制参数，工程师对于每个工况点需要进行多次的反复优化才能最终确定其最优值，同时每一次的优化都需要大量的时间。这使得工程师需要花费大量的时间，进行大量的重复操作后，才能完成对发动机中一个MAP图的标定。而发动机中往往含有很多大小不同的MAP图，这就使得整个标定工作的周期变得很长，同时会导致工作强度大，成本投入高。这些因素都限制了ECU标定的发展。

一种典型的ECU控制参数的方法如下：

1.由标定工程师确定需要标定的参数或MAP图。这些需要标定的参数可以根据其所需优化的对象进行确定，由于ECU控制策略的因素，工程师可能需要选取多个控制参数以达到对象优化的目的，此时标定工程师需要了解各个控制参数与被优化对象之间的定性关系，例如当优化对象是发动机排放时，则选取的标定对象应为其影响因子：点火提前角，喷油脉宽等，同时工程师需要了解在不同的工况下，点火提前角与喷油脉宽对排放的影响。

2.标定工程师根据步骤1中所选择的标定参数，MAP图以及优化对象，进行工况点的确定。在合理的选取好工况点后，通过不断调整参数的数值，使优化对象达到优化目标后，记录下当前参数值，写入到对应的工况点MAP中。不断重复此操作，对所有工况点都进行优化。

3.标定工程师根据步骤2中得到的MAP图，进行曲线拟合。若无法拟合成相应曲线，则利用插值法进行点的补全，以实现参数的连续变化。

在上述的方法中，标定工程师需要进行大量的测量工作以及不断的标定操作，才能得到最后的最优参数。这些工作将花费大量的时间和投入大量的成本。另外，工况点的确定由具体的标定需求所决定。工况点选取的越多，则MAP图的颗粒度越高，控制的精确度越高，整个控制过程则更接近理想状态，但是工况点越多，则标定过程所需的操作越多，标定的周期，成本，繁琐度越高。反之，减少工况点，则能够减少标定的周期，成本与繁琐度，但是这会导致MAP图颗粒度降低，控制的精确度降低，整个控制过程与理想状态偏离的越远，甚至出现错误的控制参数。这就产生了一个矛盾，既要保证MAP图的颗粒度高，控制精度高，同时还要让标定过程的周期短，成本低，繁琐度低，这个时候，这种传统的方法就会产生很大的局限性。

现阶段解决以上问题的最主要的方法是依靠不断的积累以及工程师标定的经验。通过积累，工程师可以约束最优参数出现的范围，从而降低标定的次数，以此来提高标定的效率，但是这种方法具有很大的约束性：

1.积累需要过程，这导致这个方法不易普及，同时起步难。

2.针对性强。当目标发动机发生改变的时候，积累的经验可能会将去其相应的作用。

3.缺乏客观性。由于整个标定过程都基于标定工程师对优化目标的主观观察以及基于经验的参数寻优，这必然会导致参数的优化带有标定工程师的主观因素，从而使得标定的结果缺乏一定的客观性。

本发明的自动标定参数优化方法建立在遗传算法的基础上，遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种建立在随机方法之上的优化算法，它利用随机算法生成一定数量的原始解，通过每一个生物代得迭代操作，将这些原始解进行交叉，繁殖和变异操作，然后淘汰掉质量差的个体，使得最后的解慢慢接近于最优的解。

在使用遗传算法的过程中，最重要的就是对每一阶段产生的数据进行评估，该部分的评估通常通过定义一个评估函数实现。对于前面描述的标定过程，其评估函数是十分明显的，即标定所需达到的优化目标。对于一个目标函数来说，在其边界条件内调节其影响因子的值使其与目标函数最优化，则其适应度(也就是控制参数的优化程度)就越高。

发明内容