[发明专利]一种基于模型的汽油机标定方法

说明书

技术领域

本发明属于汽油机技术领域。

背景技术

发动机的台架标定是整车标定的基础，标定的目的一般是为改善汽车动力性、经济性、舒适性和排放性等，其中排放性能是有国家标准规定且必须通过的硬性指标。目前国内的标定技术良莠不齐，汽油发动机参数的优化标定主要存在以下问题：

1. 试验工况点的设计理论上标定越精确，需要的试验工况点越大，但这样势必加大标定工作量；然而试验工况点太少，就不能准确反映发动机特性，影响标定效果，汽车的动力性、经济性、排放性等也会变差。

2. 传统的手工标定方法通过人工调节控制参数，然后记录测量结果，最后凭借经验判断满足动力性、经济性和排放性的控制参数。这种方法费时费力、精度差、效率低。

3. 部分汽车公司为提高标定效率引进高科技自动化标定设备，该设备利用自动化标定系统完成工况点的设定、汽油发动机机参数的采集和标定参数的优化过程。这种方法虽然标定效率高，精度也高，但是这种自动化标定设备昂贵，标定技术复杂。

发明内容

本发明的目的是主要针对汽油发动机的动力性优化标定过程设计开发了基于统计模型的汽油机标定方法。

本发明包括①试验工况点的设计、②建立数理统计模型、③优化标定程序设计；

①试验工况点的设计： 将发动机转速、油门踏板开度和空燃比作为试验工况点，在其各变量范围内进行拉丁超立方抽样，抽取m组样本点；

②建立数理统计模型：

a、数据采集：按照试验设计得到的测试点在测功机台架上收集相应的发动机响应数据；

b、 统计建模及模型验证：利用三层BP神经网络训练模型，实现训练模型的精度——标准差为5，在MATLAB平台上训练模型；MATLAB里训练模型的命令如下： 

Engine_net = train(net,p,t);

其中，p表示由输入变量构成的数组m*n；t表示由输出变量构成的数组；

③优化标定程序设计：在建立的统计模型基础上进行优化标定；标定步骤如下：

读入训练好的BP网络，实时地根据当前工况，以5度为间隔，从优化变量的最小值到最大值依次扫描待优化的变量，利用训练好的Engine_net网络分别计算对应的输出扭矩，MATLAB命令如下：

sim(Engine_net,testInput)

其中，testInput为网络的输入，sim为网络进行仿真的命令；

将待优化的变量点火提前角和输出扭矩用曲线拟合，并计算扭矩最大时对应的点火提前角值，指令如下：

polyfit(spk_sweep,Tq,2)

其中，spk_sweep为扫描点火提前角；Tq为相应输出扭矩；数字2表示采用二次多项式拟合；polyfit为线性拟合命令；形式如下：

变量约束条件为点火提前角，调用Matlab里算法fmincon，指令如下所示：

[s, fval] =  fmincon(fun,x0,A,b)

其中，fun为求解的目标函数表达式，即为；x0为给定的初值可以是标量或向量，约束条件为A*x <= b；

一个是最小函数值fval将其取反，即为当前工况输出的最大扭矩Tq_max=-fval；另一个最值对应的优化变量s，即为当前工况最优的点火提前角。

本发明首先试验设计阶段可以选取相对少的试验点减少工作量，在采集相关数据后结合数理统计方法建立发动机统计模型。最后在统计模型的基础上进行优化标定，该方法在不失标定精度提高发动机性能的基础上，节约了时间，降低了成本。提高输出扭矩，解决传统手工标定方法费时费力、效率低，而现有自动化优化标定设备技术复杂，费用昂贵的问题。有益效果是：

1.传统的标定方法，为获取发动机全面的信息，选取的试验工况点尽可能多，这样势必会增加标定工作量，拖延生产周期。本发明所述优化标定方法，采用试验设计方案选取适量试验工况点，先建立了统计模型，然后对控制参数优化标定，有效减少了标定工作量。

2. 相比于自动化标定装置，本发明提供的方法降低了标定成本，并且能达到同样的标定效果。

附图说明

图1是实施本发明所述的基于模型的汽油机优化标定的总体流程图；

图2是实施本发明所述的试验工况点（发动机转速、油门踏板位置和空燃比）三维空间分布图；

图3是实施本发明所述的建立统计模型时神经网络结构图；