[發明專利]混合氣偏差自學習方法、系統以及可讀存儲介質

有效

• 申請號: 202110396895.5
• 申請日: 2021-04-13
• 公開（公告）號: CN113236403B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 張松;莊兵;顏丙超;李鹍;王慶華;王赫
• 申請（專利權）人: 聯合汽車電子有限公司
• 主分類號: F01N11/00
• 分類號: F01N11/00;F01N13/00;F02D41/14;G06K9/62
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 曹廷廷

1.一種混合氣偏差自學習方法，其特征在于，包括：

域控制器獲取通訊連接的發動機控制器中預控模型的模型偏差和與所述模型偏差對應的工況數據；

所述域控制器根據所述模型偏差和所述工況數據進行備選區域劃分，生成備選區域并獲得所述備選區域對應的自學習參數；

所述域控制器將所述自學習參數發送給所述發動機控制器；以及

所述發動機控制器利用所述自學習參數更新所述發動機控制器內相應的自學習算法，并基于所述自學習算法進行混合氣偏差自學習。

2.如權利要求1所述的混合氣偏差自學習方法，其特征在于，所述域控制器進行備選區域劃分，生成備選區域并獲得所述備選區域對應的自學習參數的步驟包括：

根據所述模型偏差和所述工況數據生成多組備選區域；

對各組所述備選區域分別進行自學習獲得各組所述備選區域對應的自學習參數，并計算各組所述備選區域的自學習誤差；以及

根據各組所述備選區域的自學習誤差，選取出自學習誤差最小的備選區域作為發送給所述發動機控制器的自學習區域。

3.如權利要求1所述的混合氣偏差自學習方法，其特征在于，所述域控制器生成所述備選區域采用的方法包括重新訓練法或基于初始自學習區域微調法。

4.如權利要求1所述的混合氣偏差自學習方法，其特征在于，所述發動機控制器包括預控模型和與所述自學習算法對應的自學習模型，所述自學習模型基于所述自學習算法進行混合氣偏差自學習并輸出，所述預控模型為發動機燃燒過程的建模；所述發動機控制器利用所述自學習模型的輸出值對所述預控模型的輸出值進行修正獲得第一輸出值，并根據所述第一輸出值調整混合氣空燃比。

5.如權利要求4所述的混合氣偏差自學習方法，其特征在于，在利用所述域控制器進行備選區域劃分前，所述混合氣偏差自學習方法還包括：

所述發動機控制器計算所述預控模型的模型偏差，并將所述模型偏差和對應的工況數據發送給所述域控制器；以及

所述域控制器存儲所述模型偏差和對應的所述工況數據，形成發動機全工況偏差記錄表。

6.如權利要求5所述的混合氣偏差自學習方法，其特征在于，所述發動機控制器發送的所述工況數據包括發動機的轉速、負荷、水溫以及進氣溫度中至少兩個維度的數據。

7.如權利要求5所述的混合氣偏差自學習方法，其特征在于，在所述域控制器存儲所述模型偏差和對應的所述工況數據前，由所述域控制器或所述發動機控制器對所述模型偏差和對應的所述工況數據進行篩選，所述域控制器僅對篩選出的所述模型偏差和對應的所述工況數據進行存儲，并形成所述發動機全工況偏差記錄表。

8.如權利要求5所述的混合氣偏差自學習方法，其特征在于，所述域控制器采用的數據存儲方式包括直接存儲原數據或采用數據模型擬合數據點存儲。

9.如權利要求8所述的混合氣偏差自學習方法，其特征在于，還包括：所述域控制器對其存儲的數據進行更新；

其中，在采用所述直接存儲原數據的數據存儲方式時，按時間、里程或數據權重對所述域控制器存儲的數據進行更新；在采用所述數據模型擬合數據點存儲的數據存儲方式時，采用批量更新、對每個數據實時更新或全局定期更新的方式對所述域控制器存儲的數據進行更新。

10.如權利要求5所述的混合氣偏差自學習方法，其特征在于，所述模型偏差記為fra_end，且fra_end＝(1-frm)+fra，其中，frm為發動機的空燃比信號修正值，fra為所述自學習模型的輸出值。

11.如權利要求1至10任意一項所述的混合氣偏差自學習方法，其特征在于，所述自學習算法為lolimot算法或RBF算法。