[发明专利]基于汽车尾气排放模拟环境的发动机标定参数寻优方法

说明书

本发明公开一种基于汽车尾气排放模拟环境的发动机标定参数寻优方法，以（1）基于机器学习的汽车排放测试模拟环境构建、（2）基于模拟环境的发动机标定最优参数的搜索，实现在模拟环境里低成本高效率寻优汽车尾气排放的发动机标定参数。本发明实现了在模拟环境中低成本高效率地寻优汽车发动机参数，达到了降本增效的技术效果。

技术领域

本发明涉及一种基于模拟训练的发动机标定参数寻优方法，在基于机器学习技术构建的模拟环境，模拟汽车尾气排放过程，从而获得对发动机标定参数优化策略，属于工业智能制造领域。

背景技术

汽车发动机标定过程通过调整电子控制单元内的各控制模块参数，来使得汽车驾驶过程中排放的尾气满足国家排放标准。当发动机、控制策略，外围器件确定之后，为了让汽车的排放满足国家标准，需要找出发动机在工作状态下的参数。一般的标定过程首先是通过台架实验使得发动机可以初步正常工作，然后得到最初的一组参数。接下来按照国家标准，例如第六阶段机动车污染物排放标准（国六标准）进行整车实验。通常，排放测试过程需要在固定的驾驶速度线条件下测试，这条速度线涵盖了启动、加速，减速等各种汽车行驶情况。标定过程需要对发动机参数进行调整，最终使得发动机在各个工况下都可以满足排放要求。

发动机控制参数通常有上万个可调整变量，且由于发动机本身就是一个很复杂的系统，涉及各种物理模块，因此，目前市面上几乎没有一个可以自动标定参数的系统。目前为止，发动机的参数标定主要依赖于人工经验。而参数标定过程首先需要进行整车实验，整车实验需要司机进行驾驶，在符合速度线的前提下，收集、测量尾气数据，之后标定工作人员根据对排放数据的分析和标定经验对参数进行调整。

这一过程主要面临两个问题：

（1）费用高昂。整车实验需要配备一个完整的实验环境，搭建环境需要很高的费用。一次整车实验费用高达数万，而参数标定是一个迭代优化的序列决策过程，完成一个发动机的标定往往需要数百次的整车实验，成本高昂且难以避免。

（2）高度依赖标定人员的经验。这些经验通常由标定人员之间交流以及实验中的试错获取，难以形成数字化的经验，新入行从业人员的学习成本较高。因此，现行参数标定的整个过程需要大量的人力和高昂的费用。

另一方面，测试中的实验数据通常会保留下来，可以利用机器学习的方法，从数据中学习出智能的参数标定方法。

机器学习中适用于序列决策过程的强化学习方法，其学过程要求智能体与环境不断交互试错，以帮助智能体在环境中逐渐学得最优控制策略(即最优决策策略)，从而自动完成决策任务。然而，强化学习的过程中，智能体与环境进行大量交互试错的过程，在现实环境中往往难以实行的。例如，在实际的汽车测试过程中直接用强化学习，则需要使用大量不同的参数配置在真实的台架测试中进行试错，然后从这些参数条件下的汽车交互轨迹数据中，学习得到最优的参数，显然，这种方法会带来巨大的经济损失和时间成本，是无法接受的。因此，本发明提出了一种从历史汽车测试数据中构建模拟环境并在其中搜索最优发动机参数标准的方法。

发明内容

发明目的：在汽车排放测试中，一般都是人工优化标定参数，需要不断地进行台架实验，耗费大量的人力和物力。为了降本增效，本发明提出了一种基于机器学习技术进行汽车尾气排放模拟测试的发动机参数寻优标定方法，首先从历史汽车标定实验数据中构建汽车排放测试模拟环境，然后通过算法在模拟环境中搜索最优标定参数，实现在模拟环境中低成本高效率地寻优汽车发动机参数。

技术方案：一种基于汽车尾气排放模拟环境的发动机标定参数寻优方法，基于机器学习技术进行汽车尾气排放模拟测试的发动机参数寻优标定，通过在处理器上执行汽车排放测试模拟环境构造、发动机标定最优参数搜索和参数迁移三个模块实现：