[发明专利]一种汽车发动机性能预测及辅助标定方法及系统

权利要求书

1.一种汽车发动机性能预测及辅助标定方法，其特征在于，包括：

步骤M1：采集发动机标定实验数据，选定所研究的发动机控制参数及相应的发动机性能表现参数；

步骤M2：根据选定所研究的发动机控制参数及相应的发动机性能表现参数建立活性子空间预测模型；

步骤M3：将预设工况下的发动机控制参数带入活性子空间预测模型，得到预测的发动机性能表现参数，从而达到辅助标定的效果；

所述活性子空间预测模型是基于数据降维的模型，将复杂的数据库进行降维；

所述步骤M1中发动机控制参数包括：控制发动机运行工况的参数，包括：气门正时、节气门开度、进气温度压力、转速和/或空燃比；

所述步骤M1中发动机性能表现参数包括：表征发动机性能表现的参数，包括：充气效率、泵气损失、油耗、扭矩和/或功率输出；

所述步骤M2包括：

步骤M2.1：将发动机控制参数归一化至预设数值区间，得到归一化的发动机控制参数；

步骤M2.2：根据归一化的发动机控制参数计算得到发动机性能表现参数相对于发动机控制参数的梯度

步骤M2.3：根据发动机性能表现参数相对于发动机控制参数的梯度建立矩阵C并对矩阵C进行特征分解；

其中，x为n维向量，包含了n个发动机控制参数归一化到预设数值区间后的值，ρ(x)为x的采样密度；dx表示微积分符号，f(x)表示发动机控制参数和发动机性能表现参数的关系；T表示转置；

C＝WΛW^T (2)

其中，W＝[U₁,…,U_r,…,U_n]包含了矩阵C的n个特征向量U_i，Λ＝diag(λ₁,…,λ_r,…,λ_n)是对角线上元素为矩阵C特征值λ_i的对角矩阵；T表示转置；

步骤M2.4：将所有的矩阵经过行变换以确保λ₁…λ_r…λ_n；

步骤M2.5：比较各特征值λ_i，当相邻两特征值间之间存在差异满足预设值时，即λ_r比λ_r+1大预设值时，那么对应前r个特征值的前r个特征向量S＝[U₁,U₂,…,U_r]被认为是最有影响力的方向，相应张成的子空间span{U₁,U₂,…,U_r}被称为活性子空间；而与除上述情况的较小特征值对应的特征向量对发动机性能表现参数并不重要，张成的子空间为非活性子空间；

步骤M2.6：由于发动机性能表现参数主要受活性子空间中向量的影响，则能够通过忽略非活性子空间中向量来对活性子空间预测模型进行降维处理；发动机控制参数与发动机性能表现参数的关系f(x)简化到一个在低维活性子空间中的函数：

f(x)≈g(S^Tx) (3)

其中，函数g(S^Tx)即为f(x)的活性子空间预测模型；S＝[U₁,U₂,…,U_r]被认为最优影响力的方向，上标T表示转置，x表示n为向量，包含了n个发动机控制参数的值；

所述步骤M2.2包括：

根据发动机性能表现参数与归一化发动机控制参数判断是否适用有限差分法进行梯度计算；

当适用有限差分法进行梯度计算，则适用有限差分法对发动机性能表现参数与归一化发动机控制参数进行梯度计算；

当不适用有限差分法进行梯度计算，则判断精度要求是否需要达到预设值，当精度要求需要达到预设值时，则适用局部线性模型对发动机性能表现参数与归一化发动机控制参数进行梯度计算；当精度要求不需要达到预设值时，则适用全局线性模型对发动机性能表现参数与归一化发动机控制参数进行梯度计算；

所述局部线性模型是一种基于分段最小二乘法来对数据各区域分别进行梯度计算的模型；

所述全局线性模型是一种基于最小二乘法来对数据整体进行梯度计算的模型；

所述适用局部线性模型对发动机性能表现参数与归一化发动机控制参数进行梯度计算包括：使用局部线性模型，对发动机标定试验数据中的每个点x′_i，从最接近当前点的点集{x_j}中取出p个点，形成子集χ_i，定义集合为对应χ_i中的发动机性能表现参数{q_j}的集合，然后使用最小二乘法计算在x′_i附近的局部线性模型的系数：

其中，q_j表示发动机的性能表现参数；c_i表示最小二乘法拟合方程的截距；b_i最小二乘法拟合方程的斜率；上标T表示矩阵转置；

所述适用全局线性模型对发动机性能表现参数与归一化发动机控制参数进行梯度计算包括使用全局线性模型，先使用最小二乘法计算全局线性模型的系数：

q_j≈c+b^Tx_j,j＝1,…,m (5)

其中，q_j表示发动机的性能表现参数；c表示最小二乘法拟合方程的截距；b表示最小二乘法的拟合方程的斜率；上标T表示矩阵转置；m表示数据库中总的实验数据组数；

再计算线性模型归一化后的梯度：

其中，表示发动机性能表现参数相对于发动机控制参数的梯度的估计值。

2.一种汽车发动机性能预测及辅助标定系统，其特征在于，包括：

模块M1：采集发动机标定实验数据，选定所研究的发动机控制参数及相应的发动机性能表现参数；

模块M2：根据选定所研究的发动机控制参数及相应的发动机性能表现参数建立活性子空间预测模型；

模块M3：将预设工况下的发动机控制参数带入活性子空间预测模型，得到预测的发动机性能表现参数，从而达到辅助标定的效果；

所述活性子空间预测模型是基于数据降维的模型，将复杂的数据库进行降维；

所述模块M1中发动机控制参数包括：控制发动机运行工况的参数，包括：气门正时、节气门开度、进气温度压力、转速和/或空燃比；

所述模块M1中发动机性能表现参数包括：表征发动机性能表现的参数，包括：充气效率、泵气损失、油耗、扭矩和/或功率输出；

所述模块M2包括：

模块M2.1：将发动机控制参数归一化至预设数值区间，得到归一化的发动机控制参数；

模块M2.2：根据归一化的发动机控制参数计算得到发动机性能表现参数相对于发动机控制参数的梯度

模块M2.3：根据发动机性能表现参数相对于发动机控制参数的梯度建立矩阵C并对矩阵C进行特征分解；

其中，x为n维向量，包含了n个发动机控制参数归一化到预设数值区间后的值，ρ(x)为x的采样密度；dx表示微积分符号，f(x)表示发动机控制参数和发动机性能表现参数的关系；T表示转置；

C＝WΛW^T (2)

其中，W＝[U₁,…,U_r,…,U_n]包含了矩阵C的n个特征向量U_i，Λ＝diag(λ₁,…,λ_r,…,λ_n)是对角线上元素为矩阵C特征值λ_i的对角矩阵；T表示转置；

模块M2.4：将所有的矩阵经过行变换以确保λ₁…λ_r…λ_n；

模块M2.5：比较各特征值λ_i，当相邻两特征值间之间存在差异满足预设值时，即λ_r比λ_r+1大预设值时，那么对应前r个特征值的前r个特征向量S＝[U₁,U₂,…,U_r]被认为是最有影响力的方向，相应张成的子空间span{U₁,U₂,…,U_r}被称为活性子空间；而与除上述情况的较小特征值对应的特征向量对发动机性能表现参数并不重要，张成的子空间为非活性子空间；

模块M2.6：由于发动机性能表现参数主要受活性子空间中向量的影响，则能够通过忽略非活性子空间中向量来对活性子空间预测模型进行降维处理；发动机控制参数与发动机性能表现参数的关系f(x)简化到一个在低维活性子空间中的函数：

f(x)≈g(S^Tx) (3)

其中，函数g(S^Tx)即为f(x)的活性子空间预测模型；S＝[U₁,U₂,…,U_r]被认为最优影响力的方向，上标T表示转置，x表示n为向量，包含了n个发动机控制参数的值；

所述模块M2.2包括：

根据发动机性能表现参数与归一化发动机控制参数判断是否适用有限差分法进行梯度计算；

当适用有限差分法进行梯度计算，则适用有限差分法对发动机性能表现参数与归一化发动机控制参数进行梯度计算；

当不适用有限差分法进行梯度计算，则判断精度要求是否需要达到预设值，当精度要求需要达到预设值时，则适用局部线性模型对发动机性能表现参数与归一化发动机控制参数进行梯度计算；当精度要求不需要达到预设值时，则适用全局线性模型对发动机性能表现参数与归一化发动机控制参数进行梯度计算；

所述局部线性模型是一种基于分段最小二乘法来对数据各区域分别进行梯度计算的模型；

所述全局线性模型是一种基于最小二乘法来对数据整体进行梯度计算的模型；

所述适用局部线性模型对发动机性能表现参数与归一化发动机控制参数进行梯度计算包括：使用局部线性模型，对发动机标定试验数据中的每个点x′_i，从最接近当前点的点集{x_j}中取出p个点，形成子集χ_i，定义集合为对应χ_i中的发动机性能表现参数{q_j}的集合，然后使用最小二乘法计算在x′_i附近的局部线性模型的系数：

其中，q_j表示发动机的性能表现参数；c_i表示最小二乘法拟合方程的截距；b_i最小二乘法拟合方程的斜率；上标T表示矩阵转置；

所述适用全局线性模型对发动机性能表现参数与归一化发动机控制参数进行梯度计算包括使用全局线性模型，先使用最小二乘法计算全局线性模型的系数：

q_j≈c+b^Tx_j,j＝1,…,m (5)

其中，q_j表示发动机的性能表现参数；c表示最小二乘法拟合方程的截距；b表示最小二乘法的拟合方程的斜率；上标T表示矩阵转置；m表示数据库中总的实验数据组数；

再计算线性模型归一化后的梯度：

其中，表示发动机性能表现参数相对于发动机控制参数的梯度的估计值。