[发明专利]一种基于爆震自识别的汽油机虚拟标定方法

说明书

本发明涉及一种基于爆震自识别的汽油机虚拟标定方法，包括：1)分别在不同工况下，对汽油机进行参数采样，获取台架试验数据；2)基于台架试验数据，采用GT‑Power建立汽油机的一维预测模型；3)根据一维预测模型，分别对汽油机进行性能预测和爆震预测，从而建立样本集；4)分别构建用于性能预测的拟合人工神经网络和用于爆震预测的分类人工神经网络，采用样本集进行网络训练；5)利用遗传算法对拟合人工神经网络进行不同工况下的多参数寻优，采用分类神经网络对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。与现有技术相比，本发明极大地减少了人力、物力和时间成本，实现了汽油机全工况下的虚拟优化标定。

技术领域

本发明涉及汽油机标定方法领域，尤其是涉及一种基于爆震自识别的汽油机虚拟标定方法。

背景技术

随着当今汽油机可变气门正时、可变压缩比等先进技术的迅速发展，汽油机控制参数出现“维数爆炸”的问题。因此，如何精确并高效地对汽油机进行标定是目前汽油机的研究重点。传统汽油机标定往往通过扫点的方式对汽油机各控制参数逐一进行优化标定，随着控制参数的增加，越来越费时费力，且标定过程中汽油机频繁的爆震会对汽油机本体产生伤害。

授权公告号为CN100520339的发明公开了一种电控天然气汽油机标定系统和控制方法，其通过将ECU与PC机相连，在台架试验阶段通过GUI界面手动调整控制参数，寻找出经济性优良的标定结果；

公开号为CN108664732A的发明公开了一种基于界面化的核电厂备用柴油发电机组的仿真建模方法，其通过GT-Power建立柴油机一维仿真模型，实现柴油发电机组的性能仿真和预测。

随着汽油机一维模型的兴起，在给定工况下，基于燃烧等相关理论模型的多参数优化标定缩减了可观的时间和成本，但汽油机一维模型基于台架数据构建，也受台架数据的限制，在转速及负荷维度的拓展较为困难，难以实现对汽油机全工况下的标定。

发明内容

本发明的目的就是为了克服上述现有技术存在汽油机一维模型受台架数据的限制，在转速及负荷维度的拓展较为困难的缺陷而提供一种基于爆震自识别的汽油机虚拟标定方法。

本发明的目的可以通过以下技术方案来实现：

本发明提供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，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，完成汽油机虚拟标定。

进一步地，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：