[發明專利]一種基于爆震自識別的汽油機虛擬標定方法

在審

• 申請號: 202011121622.1
• 申請日: 2020-10-20
• 公開（公告）號: CN112345259A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 樓狄明;趙瀛華;唐遠贄;王童;張允華
• 申請（專利權）人: 同濟大學
• 主分類號: G01M15/05
• 分類號: G01M15/05;G06F30/27;G06N3/04;G06N3/12
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙繼明

1.一種基于爆震自識別的汽油機虛擬標定方法，所述汽油機分別連接有測功機、汽油機控制單元和燃燒分析儀，其特征在于，包括以下步驟：

第一步驟：分別在不同的轉速工況和負荷工況下，通過所述測功機、汽油機控制單元和燃燒分析儀，對汽油機的控制參數及性能參數進行采樣，獲取臺架試驗數據；

第二步驟：基于所述臺架試驗數據，采用GT-Power建立汽油機的一維預測模型；

第三步驟：根據所述一維預測模型，分別對汽油機進行性能預測和爆震預測，得到性能預測結果和爆震標簽，從而建立樣本集；

第四步驟：分別構建擬合人工神經網絡和分類人工神經網絡，所述擬合人工神經網絡用于進行汽油機的性能預測，所述分類人工神經網絡用于進行汽油機的爆震預測；采用所述樣本集分別對所述擬合人工神經網絡和分類人工神經網絡進行訓練；

第五步驟：利用遺傳算法對訓練后的所述擬合人工神經網絡進行不同工況下的多參數尋優，采用訓練后的所述分類神經網絡對所述遺傳算法進行邊界條件限制，最終求解出非爆震工況下汽油機的最佳性能及對應的參數，完成汽油機的虛擬標定。

2.根據權利要求1所述的一種基于爆震自識別的汽油機虛擬標定方法，其特征在于，所述一維預測模型中的燃燒模型采用SiTurb模型，該SiTurb模型的計算表達式為：

式中，M_e為未燃燒的混合氣卷吸質量，ρ_u為未燃混合氣的密度，A_e為邊界處火焰前鋒面的表面積，S_T為湍流燃燒速度，S_L為層流燃燒速度，M_b為已燃混合氣質量，τ為時間常數，λ為泰勒微尺度長度。

3.根據權利要求1所述的一種基于爆震自識別的汽油機虛擬標定方法，其特征在于，采用爆震誘導時間積分進行所述爆震預測；

所述爆震誘導時間積分的計算表達式為：

式中，I_k為爆震誘導時間積分，t_end為燃燒終了時間，p為預反應率乘子，ON為燃油辛烷值數，P為缸內瞬時壓力，A為活化能量乘子，T_u為未燃混合氣的瞬時溫度。

4.根據權利要求3所述的一種基于爆震自識別的汽油機虛擬標定方法，其特征在于，所述爆震預測具體為，若所述爆震誘導時間積分大于1，則認為發生爆震；若所述爆震誘導時間積分小于或等于1，則認為未發生爆震。

5.根據權利要求4所述的一種基于爆震自識別的汽油機虛擬標定方法，其特征在于，所述爆震標簽的獲取具體為，若所述爆震預測結果為發生爆震，則所述爆震標簽的值為1，若所述爆震預測結果為未發生爆震，則所述爆震標簽的值為0。

6.根據權利要求1所述的一種基于爆震自識別的汽油機虛擬標定方法，其特征在于，采用所述樣本集分別對所述擬合人工神經網絡和分類人工神經網絡進行訓練，具體為，

利用交叉驗證法根據所述樣本集構建訓練集和驗證集，采用所述訓練集分別對所述擬合人工神經網絡和分類人工神經網絡進行訓練，采用所述驗證集分別對所述擬合人工神經網絡和分類人工神經網絡進行驗證，直至所述擬合人工神經網絡和分類人工神經網絡的驗證結果均分別達到預設的驗證要求。

7.根據權利要求6所述的一種基于爆震自識別的汽油機虛擬標定方法，其特征在于，當采用所述驗證集對所述擬合人工神經網絡進行驗證后，所述擬合人工神經網絡的R值達到預設的第一驗證R值以上時，所述擬合人工神經網絡訓練完成。

8.根據權利要求6所述的一種基于爆震自識別的汽油機虛擬標定方法，其特征在于，當采用所述驗證集對所述分類人工神經網絡進行驗證后，所述分類人工神經網絡的預測錯誤率達到預設的第一錯誤率以下時，所述分類人工神經網絡訓練完成。