[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

说明书

本发明提供了一种汽车发动机性能预测及辅助标定方法及系统，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。本发明建立起的活性子空间模型一方面能对发动机运行情况进行预测，以减小实验工作量，另一方面可用于对发动机各控制参数的敏感性分析，指导后续性能优化工作。

技术领域

本发明涉及汽车发动机智能标定领域，具体地，涉及一种汽车发动机性能预测及辅助标定方法及系统，更为具体地，涉及一种基于活性子空间方法的汽车发动机性能参数建模方法。

背景技术

为了应对日益严格的排放标准并满足更高的动力性和经济性要求，现代发动机通常配备了废气再循环，涡轮增压和可变气门等优化技术。在这样一个复杂的系统下，发动机性能的调节通常具有较大的自由度，为标定实验带来了数百个变化参数。因此，通过仿真软件或数据处理算法等方式来对实验成本较高且耗时较多的发动机标定实验进行优化或简化分析成为一种现实的选择。

发动机标定实验参数与测试组数较多，且具有一定的不确定性。因此，受限于算法的稳定性与计算资源消耗，现有的研究通常是取少数几个较重要的参数，如气门正时与转速等，来对发动机动力性能或油耗进行建模与预测。这样的参数选择限制了模型的普遍性，且不利于对发动机各项性能的影响因素进行综合分析。活性子空间方法通过计算出模型中输入参数对输出的重要性，找到输出参数最主要的变化趋势来进行低维模型的建立。在类似于发动机这样的复杂系统中，该方法相对于其他算法具有两个主要的优势：首先，活性子空间预测模型的建立基于对输入参数的重要性计算，因此无关参数对预测模型的性能不会造成影响且能够被识别；其次，活性子空间方法是一个基于输入参数权重的降维算法，所以计算资源的消耗较小，能够同时对多个参数进行模型建立。

专利文献CN109726230A(申请号：201811476008.X)公开了一种大数据分析模型预测发动机性能的方法，主要步骤为：1)确定输入数据。2)建立发动机性能指标预测模型和发动机性能分类检测模型。3)对所有回归算法的自学习参数进行训练。4) 将测试样本矩阵C输入到调整自学习参数后的发动机性能指标预测模型和发动机性能分类检测模型中，得到每种回归算法的预测误差率。5)将所述待检测发动机的输入数据输入到发动机性能指标预测模型中，从而输出待检测发动机在不同工况下的转速预测结果。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种汽车发动机性能预测及辅助标定方法及系统。

根据本发明提供的一种汽车发动机性能预测及辅助标定方法，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。

优选地，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。

优选地，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；