[发明专利]基于一维模型模式切换和ANN的涡轮增压汽油机标定方法有效

专利信息
申请号: 202011122490.4 申请日: 2020-10-20
公开(公告)号: CN112329213B 公开(公告)日: 2022-06-14
发明(设计)人: 楼狄明;赵瀛华;唐远贽;张允华;王童 申请(专利权)人: 同济大学
主分类号: G06F30/20 分类号: G06F30/20;G06N3/08;G06N3/12;G01M15/14
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 赵继明
地址: 200092 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 模型 模式 切换 ann 涡轮 增压 汽油机 标定 方法
【权利要求书】:

1.一种基于一维模型模式切换和ANN的涡轮增压汽油机标定方法,所述涡轮增压汽油机还连接有测功机、汽油机控制单元和燃烧分析仪,其特征在于,所述方法包括以下步骤:

根据所述测功机、汽油机控制单元和燃烧分析仪,对所述涡轮增压汽油机进行全工况采样,该全工况采样获取有涡轮增压汽油机在不同工况下,且处于稳定状态时的控制参数和性能参数;

根据所述全工况采样获取的数据,采用GT-Power分别建立第一仿真模型和第二仿真模型,采用预设的模式切换方法控制所述第一仿真模型和第二仿真模型的运行,采用所述第一仿真模型和第二仿真模型中的燃烧模型进行涡轮增压汽油机性能预测,并构建样本集;

所述第一仿真模型用于仿真基于节气门开度控制负荷时的所述涡轮增压汽油机,所述第二仿真模型用于仿真基于废气旁通阀开度控制负荷时的所述涡轮增压汽油机;

构建初始的人工神经网络,采用所述样本集对该人工神经网络进行训练;

利用遗传算法对训练后的所述人工神经网络进行各工况下的多参数寻优,得到所述涡轮增压汽油机的最佳性能及对应的参数,完成涡轮增压汽油机的全工况优化标定。

2.根据权利要求1所述的一种基于一维模型模式切换和ANN的涡轮增压汽油机标定方法,其特征在于,所述模式切换方法具体为:

当所述涡轮增压汽油机的运行负荷在预设的低负荷范围内时,采用所述第一仿真模型;

当所述涡轮增压汽油机的运行负荷在预设的高负荷范围内时,采用所述第二仿真模型;

当所述涡轮增压汽油机的运行负荷在预设的中等负荷范围内时,进行节气门开度的判断,若所述节气门达到全开状态,则采用所述第二仿真模型,若所述节气门未达到全开状态,则采用所述第一仿真模型。

3.根据权利要求1所述的一种基于一维模型模式切换和ANN的涡轮增压汽油机标定方法,其特征在于,所述对所述涡轮增压汽油机进行全工况采样具体为,

对所述涡轮增压汽油机的转速工况和负荷工况分别进行采样,所述转速工况的采样具体为,从涡轮增压汽油机怠速至最大转速之间每隔预设的旋转间隔速度进行采样;所述负荷工况的采样具体为,从涡轮增压汽油机10%负荷至100%负荷之间每间预设的间隔负荷进行一次采样。

4.根据权利要求3所述的一种基于一维模型模式切换和ANN的涡轮增压汽油机标定方法,其特征在于,所述负荷工况的采样还包括针对预设的中等负荷范围内负荷工况,还进行第二次采样,该第二次采样具体为,若此时节气门开度未达到100%,则调整VVT开度,使进气门处于早关状态,增加节气门开度至100%,同时减小废气旁通阀开度以达到所述第二次采样前的运行负荷,待涡轮增压汽油机处于稳定状态后进行采样。

5.根据权利要求2或4所述的一种基于一维模型模式切换和ANN的涡轮增压汽油机标定方法,其特征在于,低负荷范围具体为,所述运行负荷达到最高负荷的10%-30%;

高负荷范围具体为,所述运行负荷达到最高负荷的60%-100%;

所述中等负荷范围具体为,所述运行负荷达到最高负荷的30%-60%。

6.根据权利要求1所述的一种基于一维模型模式切换和ANN的涡轮增压汽油机标定方法,其特征在于,所述样本集包括在预设的目标负荷下,由所述第一仿真模型和第二仿真模型预测的涡轮增压汽油机的控制参数、性能参数以及性能预测结果,所述控制参数包括:

所述涡轮增压汽油机标定方法还包括对所述样本集进行数据筛选,该数据筛选具体为,剔除预测的所述涡轮增压汽油机的控制参数中的预测负荷与所述目标负荷不一致的数据点。

7.根据权利要求1所述的一种基于一维模型模式切换和ANN的涡轮增压汽油机标定方法,其特征在于,

所述涡轮增压汽油机处于稳定状态的判断具体为,根据所述测功机、汽油机控制单元和燃烧分析仪判断所述涡轮增压汽油机工作和燃烧的稳定状态。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011122490.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top