基于汽油发动机仿真标定的初始喷油map优化处理方法研究

《基于汽油发动机仿真标定的初始喷油map优化处理方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、成都，2007年8月中国内燃机学会燃烧净化节能分会2007年学术年会论文集基于汽油发动机仿真标定的初始喷油MAP优化处理方法研究周乃君，滕飞，裴海灵，包生重（中南大学能源科学与工程学院，湖南长沙，410083）摘要：建立了汽油发动机仿真标定模型，并对其进行稳态仿真标定试验，获得了其初始喷油MAP数据。为了获得最终规整的喷油MAP图，分别采用了线性插值法和神经网络预测法对初始数据进行处理。最终对两种方法所获得的MAP进行对比和分析，表明神经网络法更为可靠和优越。关键词：汽油发动机；标定；神经网络；喷油M

2、AP；优化计算机动态仿真技术可以为发动机电控系统提供仿真环境，替代许多实机试验，节约试验的费用，加快电控系统的开发进度，因此得到了越来越广泛[1]的应用。喷油MAP是电控系统中最基本、最核心的MAP之一，它好坏直接影响着发动机动力性、经济性和排放性能。获取初始喷油MAP数据并对其进行有效的优化处理，是电控系统开发过程中一个非常重要的步骤。本文建立了合理的汽油发动机仿真标定模型，图1发动机标定实验模型结构图通过仿真标定获得模型发动机初始喷油MAP数据。2.2喷油MAP图的获取并对喷油MAP优化处理的方法

3、进行了研究。标定过程的第一步是典型工况点的确定。将发1汽油发动机模型动机的工况根据节气门开度和转速进行划分，节气发动机的数学模型是整个电控系统计算机仿真门开度以10%为一个刻度分成10个刻度，转速以的核心和基础。本文选用的是Crossley和Cook提900rpm为起始量，选取一些有代表性的转速，最大出的四缸四冲程火花点火发动机模型[2,3]，并对其值取为7000rpm。进行了改进。具体发动机建模作者已在文献[4,5]中典型工况点确定下来后，设定某一工况点对应有详细的介绍，在此不再赘述。的节气门开度和

4、目标转速，外负荷控制器自动调整外负荷，使发动机转速稳定在设定转速上，通过观2模型发动机仿真标定察器观察对应的进气管压力值和喷油量的值并记录2.1标定实验模型的建立下来，这样逐个观察和记录，就可得到各个典型工•汽油发动机仿真标定模型如图1所示。况点下的进气管绝对压力值P和喷油量mfb。m为了便于标定实验，建立了一个外负荷控制器（图上述的标定过程工作量非常大，为了方便标定1中的outloadcontroller），通过速度反馈，自动调实验，可利用Matlab编制一小程序来循环调用、运节外负荷，使转速稳定在

5、期望转速上。其作用相当行该发动机仿真标定模型，可大大简化了标定实验于发动机实验台架上的测功机。外负荷控制器建模过程。具体程序不再赘述。最后转速、进气压力、可参考文献[5]。喷油量可以直接拷贝到电子表格中去处理。在电子表格中数据存储，如图2所示。作者简介：周乃君（1963-），男，湖南临澧人，教授，博士生导师，主要从事热工过程仿真与优化研究。E-mail：njzhou@mail.csu.edu.cn到了广泛的应用。BP网络（Back-PropagationNetwork）是一种多层前馈神经网络，其网络结

6、构如图4所示。BP网络有着广泛的应用，据统计，80%~90%的神经网络模型采用了BP网络或者其变化形式。BP网络是前向网络中的核心部分，体现了神经网络中最精华、最完[6~9]美的内容。x1y1y图2经标定获得的喷油MAP的初始数据x⋯22从图2可以看到，得到的初始数据，即数量多⋯⋯⋯⋯⋯⋯⋯⋯yxnm又很不规整，它并不能被ECU直接使用，所以需要对其进行处理得到规整的能够给ECU直接使用的图4BP网路结构MAP图。对初始数据的优化处理本文采用了两种方对于BP网络，有一个非常重要的定理。即一法：线性插值

7、法和神经网络预测法。个单隐层（三层）的BP网络就可以完成任意的n3线性插值处理法维到m维的非线性映射，前提是隐含层的神经元个线性插值法比较简单，也是常用的一种处理数数可以随意调整。因此，这里采用单隐层的BP网据的方法。在对喷油MAP处理时要通过两次线性络对初始喷油MAP数据进行处理。插值，首先通过线形插值得到各进气压力下（0.3，4.1样本设计0.35，0.4⋯⋯0.85bar）对应的不同转速和喷油量，令转速和进气压力作为输入向量P_train(N,然后再通过线性插值得到各进压力下和各转速下Pm)，喷

8、油量作为目标向量T_train(mf)。样本数一（900，950，1000，⋯⋯6500rpm）对应的喷油量，共为610个，随机抽出10个作为测试样本，剩余即喷油MAP。如图3所示。600个作为训练样本。它们分别如表1和表2所示。4.2BP网络设计网络有两个输入向量：发动机转速N和进气管内压力Pm；一个输出向量：喷油量mf；一个隐层。所以输入层的神经元有2个，输出层的神经元1个。隐层神经元数目选择是一个十分复杂的问题，往往需要根据设计者的经验和多次实验来