[发明专利]一种基于爆震自识别的汽油机虚拟标定方法

权利要求书

1.一种基于爆震自识别的汽油机虚拟标定方法，所述汽油机分别连接有测功机、汽油机控制单元和燃烧分析仪，其特征在于，包括以下步骤：

第一步骤：分别在不同的转速工况和负荷工况下，通过所述测功机、汽油机控制单元和燃烧分析仪，对汽油机的控制参数及性能参数进行采样，获取台架试验数据；

第二步骤：基于所述台架试验数据，采用GT-Power建立汽油机的一维预测模型；

第三步骤：根据所述一维预测模型，分别对汽油机进行性能预测和爆震预测，得到性能预测结果和爆震标签，从而建立样本集；

第四步骤：分别构建拟合人工神经网络和分类人工神经网络，所述拟合人工神经网络用于进行汽油机的性能预测，所述分类人工神经网络用于进行汽油机的爆震预测；采用所述样本集分别对所述拟合人工神经网络和分类人工神经网络进行训练；

第五步骤：利用遗传算法对训练后的所述拟合人工神经网络进行不同工况下的多参数寻优，采用训练后的所述分类神经网络对所述遗传算法进行边界条件限制，最终求解出非爆震工况下汽油机的最佳性能及对应的参数，完成汽油机的虚拟标定。

2.根据权利要求1所述的一种基于爆震自识别的汽油机虚拟标定方法，其特征在于，所述一维预测模型中的燃烧模型采用SiTurb模型，该SiTurb模型的计算表达式为：

式中，M_e为未燃烧的混合气卷吸质量，ρ_u为未燃混合气的密度，A_e为边界处火焰前锋面的表面积，S_T为湍流燃烧速度，S_L为层流燃烧速度，M_b为已燃混合气质量，τ为时间常数，λ为泰勒微尺度长度。

3.根据权利要求1所述的一种基于爆震自识别的汽油机虚拟标定方法，其特征在于，采用爆震诱导时间积分进行所述爆震预测；

所述爆震诱导时间积分的计算表达式为：

式中，I_k为爆震诱导时间积分，t_end为燃烧终了时间，p为预反应率乘子，ON为燃油辛烷值数，P为缸内瞬时压力，A为活化能量乘子，T_u为未燃混合气的瞬时温度。

4.根据权利要求3所述的一种基于爆震自识别的汽油机虚拟标定方法，其特征在于，所述爆震预测具体为，若所述爆震诱导时间积分大于1，则认为发生爆震；若所述爆震诱导时间积分小于或等于1，则认为未发生爆震。

5.根据权利要求4所述的一种基于爆震自识别的汽油机虚拟标定方法，其特征在于，所述爆震标签的获取具体为，若所述爆震预测结果为发生爆震，则所述爆震标签的值为1，若所述爆震预测结果为未发生爆震，则所述爆震标签的值为0。

6.根据权利要求1所述的一种基于爆震自识别的汽油机虚拟标定方法，其特征在于，采用所述样本集分别对所述拟合人工神经网络和分类人工神经网络进行训练，具体为，

利用交叉验证法根据所述样本集构建训练集和验证集，采用所述训练集分别对所述拟合人工神经网络和分类人工神经网络进行训练，采用所述验证集分别对所述拟合人工神经网络和分类人工神经网络进行验证，直至所述拟合人工神经网络和分类人工神经网络的验证结果均分别达到预设的验证要求。

7.根据权利要求6所述的一种基于爆震自识别的汽油机虚拟标定方法，其特征在于，当采用所述验证集对所述拟合人工神经网络进行验证后，所述拟合人工神经网络的R值达到预设的第一验证R值以上时，所述拟合人工神经网络训练完成。

8.根据权利要求6所述的一种基于爆震自识别的汽油机虚拟标定方法，其特征在于，当采用所述验证集对所述分类人工神经网络进行验证后，所述分类人工神经网络的预测错误率达到预设的第一错误率以下时，所述分类人工神经网络训练完成。