CN104573195B - 一种电控柴油发动机单点工况优化方法 - Google Patents
一种电控柴油发动机单点工况优化方法 Download PDFInfo
- Publication number
- CN104573195B CN104573195B CN201410795751.7A CN201410795751A CN104573195B CN 104573195 B CN104573195 B CN 104573195B CN 201410795751 A CN201410795751 A CN 201410795751A CN 104573195 B CN104573195 B CN 104573195B
- Authority
- CN
- China
- Prior art keywords
- operating mode
- point
- variable
- key factor
- diesel engine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Combined Controls Of Internal Combustion Engines (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
Abstract
本发明公开了一种电控柴油发动机单点工况优化方法,该方法包括:通过Cobra生成关键因子设计试验方案,再以该方案采集的台架试验数据作为输入建立基于多元分析的回归模型,在指定参数范围条件下对单点工况进行优化,从而得到最优参数组合及对应的优化结果。设计试验方案及优化过程均通过自编程序实现,实现了单点工况的自动优化过程,在电控柴油发动机开发过程中,极大的减小开发时间及资源成本的同时,方便快捷的实现了兼顾经济性、排放及其他机械限值的参数组合优化。
Description
技术领域
本发明涉及柴油机的优化方法,具体地说是一种电控柴油发动机单点工况优化方法。
背景技术
随着社会的不断发展和进步,“节能环保”概念日益重要,在越来越多的场合和技术领域中都在强调,发动机的开发过程亦不例外。排放法规的升级,对电控柴油机燃油经济性优化提出严峻挑战,如何在满足相关排放法规及可靠性指标等要求的同时,提升燃油经济性是电控柴油机行业一直需要倾注大量资源和时间的一件大事。
电控柴油机有众多指标要求,包括动力性、经济性、可靠性及排放,使得发动机开发过程需关注多输入多输出,其工作量之大及寻优困难一直是开发者头疼的关键环节。传统的开发方法,主要依靠人为经验,对电控柴油发动机燃烧控制参数进行组合。电控柴油发动机燃烧控制参数包括提前角、轨压、预喷提前角、预喷油量、后喷提前角、后喷油量、EGR率或EGR阀开度及VG开度等,因参数较多,依靠人工经验进行组合亦较为困难,需耗费大量时间及台架资源,且不易找出最佳参数组合方案。
发明内容
本发明目的在于克服上述现有技术的不足而提供一种电控柴油发动机单点工况优化方法,该方法根据输入的外特性曲线、转速扭矩定义的工况区以及指定的燃烧控制参数关键因子自动生成设计试验样本的软件Cobra,于台架采集设计试验样本数据后在Cobra中建立基于多元分析的回归模型,结合输入的自变量、因变量的约束条件,由软件Cobra自动输出最佳参数组合方案的单点工况优化方法。
实现本发明方法采用的技术方案是一种电控柴油发动机单点工况优化方法,该方法包括:通过Cobra生成关键因子设计试验方案,再以该方案采集的台架试验数据作为输入建立基于多元分析的回归模型,在指定参数范围条件下对单点工况进行优化,从而得到最优参数组合及对应的优化结果。
在上述技术方案中,所述关键因子设计试验方案由Cobra生成,包括如下步骤:
1)定义所需的关键因子,包括提前角SOI、轨压PRS、预喷油量PIF、预喷提前角PIT、后喷油量POF、后喷提前角POT、EGR率或EGR阀开度、可变截面开度VGP,关键因子个数为ivs-2,ivs为回归模型自变量ivi的个数,试验样本数N,N大于m,其中m为建立多元回归模型最小数据点数;
2)输入外特性扭矩曲线,其中转速按升序排列;
3)通过指定转速范围及负荷范围定义工况区;
4)指定工况区四顶点的各关键因子取值及幅动范围;
5)通过Cobra识别各关键因子在工况区内幅动范围,在此区域内随机分布试验点,试验点各关键因子在区域取值范围内非重复性的随机分布。
在上述技术方案中,通过Cobra生成的关键因子设计试验方案,在台架进行数据采集后,作为建立回归模型源数据,回归模型为基于多元分析的多元回归模型,包括以下步骤:
1)从源数据中定义回归模型的自变量ivi,包括转速speed、扭矩torque以及指定的关键因子,自变量个数为ivs;从源数据中定义回归模型的因变量dv,包括喷油量total_fueling、油耗fuel_rate及其他性能排放参数,因变量个数为dvs;
2)建立回归模型,其模型表达式为
y(dv1,dv2,dv3,…dvdvs)=f(iv1,iv2,iv3,…ivivs)
其中自变量有各自取值范围
ivimin<ivi<ivimax
3)N组试验数据为回归模型观测矩阵,模型表示为
y(dv1i,dv2i,dv3i,…dvdvsi)=f(iv1i,iv2i,iv3i,…ivivsi),其中0<i<N+1。
在上述技术方案中,建立的多元回归模型,针对此区域内需优化的单点工况,在指定约束条件下进行寻优求解,指定约束条件包括极大值、极小值及区间值三种类型,所述用作约束条件的参数包括比油耗BSFC、烟度smoke、氮氧化物NOx、颗粒fsDPM、爆压PCP、增压器转速TCS、涡前排温TIT、压气机出口温度COT及其他限值参数。
在上述技术方案中,颗粒fsDPM由AVL415烟度转化而得。
进一步地,结合约束条件后建立的多元回归模型表达式为:
所建立的多元回归模型,通过回归整理得到因变量与自变量关系式,指向优化的单点工况(kps,kpt)后,在此点进行展开得到优化目标函数为
根据目标函数计算各因变量dvj,在满足各自变量约束同时使BSFC最小,由此得到的iv3~ivivs即为此工况点输出的最优参数组合,计算而得的各因变量dvj即为此工况预测的最优结果。
本发明是根据输入的外特性曲线,以及根据转速宽度及负荷宽度定义工况区,结合指定的燃烧控制参数关键因子及试验样本数自动生成设计试验样本,由设计试验样本于台架采集的数据为源数据建立基于多元分析的回归模型,得到比油耗、机械限值、排放及其他因变量与转速、扭矩及燃烧控制参数关键因子等自变量的关系式,具体到需优化的单点工况生成目标函数,结合施加的约束条件进行寻优求解,设计试验方案及优化过程均通过自编程序实现,实现了单点工况的自动优化过程,在电控柴油发动机开发过程中,极大的减小开发时间及资源成本的同时,方便快捷的实现了兼顾经济性、排放及其他机械限值的参数组合优化。
附图说明
图1为本发明电控柴油单点工况优化方法示意图。
图2设计试验方案生成流程图。
图3源数据定义示意图。
图4多元回归模型建立流程图。
图5目标函数寻优求解流程图。
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步的说明。
本发明电控柴油机单点工况方法,如图1所示,包括:
通过Cobra设计试验模块生成指定燃烧控制参数关键因子的设计试验方案,再由该方案于台架采集而得试验数据作为多元回归模型的源数据,结合指定工况点的约束条件,得到指定工况的燃烧控制参数组合;本发明设计试验方案针对一个区域,该区域由高低转速、高低负荷4点定义,指定工况点需在此区域内部;指定工况约束条件包括机械限值约束、比油耗极值约束以及其他性能排放参数约束。
下面对通过Cobra设计试验模块生成指定燃烧控制参数的关键因子设计试验方案的方法进行详细说明,如图2所示,包括以下具体步骤:
S101、定义所需的关键因子,即发动机燃烧控制参数,包括提前角SOI、轨压PRS、预喷油量PIF、预喷提前角PIT、后喷油量POF、后喷提前角POT、EGR率或EGR阀开度、可变截面开度VGP。关键因子个数为ivs-2,ivs为回归模型自变量ivi的个数,试验样本数N,N大于m,其中m为建立多元回归模型最小数据点数。
S102、输入外特性扭矩曲线,其中转速按升序排列。
S103、设置试验样本数N,
S104、指定转速范围speedA~speedB及负荷范围loadC~loadB。
S105、结合输入的外特性曲线生成工况区,于步骤S104范围内随机生成N组试验工况点(spdi,tqi)。
S106、根据工况区四顶点各关键因子中值及偏差,基于参数iv中值宽度及高度计算名义中值meaniv。
S107、基于参数iv偏差宽度及高度计算名义偏差devsiv,参数iv幅动范围为(meaniv-devsiv,meaniv+devsiv)。
S108、于步骤S107范围内生成连续N组值valuei。
S109、输出关键因子设计试验方案样本(spdi,tqi,valuei)。
多元回归模型建立流程包括源数据定义及多元数据回归,其中源数据定义如图3所示:
根据设计试验方案于台架采集而得的试验数据,作为建立基于多元分析的多元回归模型的源数据,源数据包括转速speed、扭矩torque、比油耗BSFC、机械限值(如爆压PCP、增压器转速TCS、涡前排温TIT、压气机出口温度COT)、喷油量total_fueling以及各燃烧控制参数关键因子。源数据被定义为自变量及因变量两大类,其中转速speed、扭矩torque以及各燃烧控制参数关键因子为自变量,其余为因变量。
如图4所示,基于输入的源数据及对源数据因变量及自变量定义,生成回归模型,具体流程如下:
S201、读入源数据,按列存储为userdata[i][j],其中userdata[0][j]为参数名,userdata数组行向量为源数据工况点数pamN。
S202、显示参数名userdata[0][j],将参数分类定义为因变量及自变量。自变量包括转速speed、扭矩torque、提前角SOI、轨压PRS、预喷油量PIF、预喷提前角PIT、后喷油量POF、后喷提前角POT、EGR率或EGR阀开度、可变截面开度VGP等,因变量包括比油耗BSFC、机械限值(如爆压PCP、增压器转速TCS、涡前排温TIT、压气机出口温度COT)、喷油量total_fueling、排放及烟度等。自变量个数为ivs,因变量个数为dvs。
S203、观测模型初始化y(dv1,dv2,dv3,…dvdvs)=f(iv1,iv2,iv3,…ivivs)。
S204、自变量取值范围识别ivimin<ivi<ivimax,ivimin及ivimax分别存入数组ivmin[i]及ivmax[j]。
S205、对观测模型进行展开,建立因变量与自变量关系式。
S206、源数据代入,生成观测矩阵
dvji=f(ivji,ivji,ivji,…ivji)其中,0<j<ivs,0<i<N+1。
S207、对观测矩阵进行线性转化
S208、对线性观测矩阵进行回归分析,最小二乘估计求解各系数
S209、输出多元回归模型,其表达式为:
所建立的多元回归模型,通过回归整理得到因变量与自变量关系式,指向优化的单点工况(kps,kpt)后,在此点进行展开得到优化目标函数为:
当j=dvs时,dvj=BSFC,且BSFC取极小值为必选约束,亦即保证在其他各约束条件满足时比油耗BSFC最小,由此得到的iv3~ivivs即为此工况点输出的最优参数组合,计算而得的各因变量dvj即为此工况预测的最优结果。
目标函数寻优求解流程如图5所示。
对优化目标函数在指定单点工况(kps,kpt)展开,其中iv1=kps,iv2=kpt,iv3~ivivs为其余各自变量。单点工况以转速/扭矩数据存储于txt格式文本,需在指定工况空间区内。
定义约束条件,包括比油耗BSFC取极小值,烟度smoke、氮氧化物NOx、颗粒fsDPM、爆压PCP、增压器转速TCS、涡前排温TIT、压气机出口温度COT及其他限值参数小于给定限值limit[i][j],根据实际需要进行拟定。其中,本实施例中,颗粒fsDPM由AVL415烟度转化而得,比油耗BSFC取极小值为所建立的多元回归模型寻优求解的必选约束,目的在于使优化工况点在满足各种强制约束条件时获得最佳燃油经济性。
对自变量ivivs随机取值进行组合,全部组合数为ivn,对ivn组组合代入目标函数计算,若各限值参数均在限值limit[i][j]范围内,记录此时计算而出的BSFC及dvj,记录于数组optr[ivn][j+ivs],其中第一列为BSFC。对optr数组第一列求最小值,并同步输出对应的自变量及因变量值,此时iv3~ivivs即为各约束条件满足且BSFC最优时对应的关键因子组合,对应的各因变量dvj即为此工况的预测值。
Claims (5)
1.一种电控柴油发动机单点工况优化方法,其特征在于:通过Cobra生成关键因子设计试验方案,再以该方案采集的台架试验数据作为输入建立基于多元分析的回归模型,在指定参数范围条件下对单点工况进行优化,从而得到最优参数组合及对应的优化结果;
所述关键因子设计试验方案由Cobra生成,包括如下步骤:
1)定义所需的关键因子,包括提前角SOI、轨压PRS、预喷油量PIF、预喷提前角PIT、后喷油量POF、后喷提前角POT、EGR率或EGR阀开度、可变截面开度VGP,关键因子个数为ivs-2,ivs为回归模型自变量ivi的个数,试验样本数N,N大于m,其中m为建立多元回归模型最小数据点数;
2)输入外特性扭矩曲线,其中转速按升序排列;
3)通过指定转速范围及负荷范围定义工况区,转速范围speedA~speedB及负荷范围loadC~loadB,结合输入的外特性曲线生成工况区,于上述转速范围和负荷范围内随机生成N组试验工况点(spdi,tqi);
4)指定工况区四顶点的各关键因子取值及幅动范围;
5)通过Cobra识别各关键因子在工况区内幅动范围,在此区域内随机分布试验点,试验点各关键因子在区域取值范围内非重复性的随机分布。
2.根据权利要求1所述的电控柴油发动机单点工况优化方法,其特征在于:通过Cobra生成的关键因子设计试验方案,在台架进行数据采集后,作为建立回归模型源数据,回归模型为基于多元分析的多元回归模型,包括以下步骤:
1)从源数据中定义回归模型的自变量ivi,包括转速speed、扭矩torque,自变量个数为ivs;从源数据中定义回归模型的因变量dv,包括喷油量total_fueling、油耗fuel_rate,因变量个数为dvs;
2)建立回归模型,其模型表达式为:
y(dv1,dv2,dv3,…dvdvs)=f(iv1,iv2,iv3,…ivivs)
其中自变量有各自取值范围
ivimin<ivi<ivimax
3)N组试验数据为回归模型观测矩阵,模型表示为:
y(dv1i,dv2i,dv3i,…dvdvsi)=f(iv1i,iv2i,iv3i,…ivivsi),其中0<i<N+1。
3.根据权利要求2所述的电控柴油发动机单点工况优化方法,其特征在于:建立的多元回归模型,针对此区域内需优化的单点工况,在指定约束条件下进行寻优求解,指定约束条件包括极大值、极小值及区间值三种类型,所述用作约束条件的参数包括比油耗BSFC、烟度smoke、氮氧化物NOx、颗粒fsDPM、爆压PCP、增压器转速TCS、涡前排温TIT、压气机出口温度COT。
4.根据权利要求3所述的电控柴油发动机单点工况优化方法,其特征在于:颗粒fsDPM由AVL415烟度转化而得。
5.根据权利要求3或4所述的电控柴油发动机单点工况优化方法,其特征在于:结合约束条件后建立的多元回归模型表达式为:
dvjmax为因变量的指定大值约束条件,dvjmin为因变量的指定小值约束条件;
所建立的多元回归模型,通过回归整理得到因变量与自变量关系式,指向优化的单点工况(kps,kpt)后,在此点进行展开得到优化目标函数为:
式中,a0j、a1i、a2i、a3i为展开式中常量系数,其中a1i为自变量ivi二次项的系数,a2i及a3i为自变量两两交叉因子的系数,根据目标函数计算各因变量dvj,在满足各自变量约束同时使BSFC最小,由此得到的iv3~ivivs即为此工况点输出的最优参数组合,计算而得的各因变量dvj即为此工况预测的最优结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410795751.7A CN104573195B (zh) | 2014-12-18 | 2014-12-18 | 一种电控柴油发动机单点工况优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410795751.7A CN104573195B (zh) | 2014-12-18 | 2014-12-18 | 一种电控柴油发动机单点工况优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104573195A CN104573195A (zh) | 2015-04-29 |
CN104573195B true CN104573195B (zh) | 2018-03-02 |
Family
ID=53089249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410795751.7A Active CN104573195B (zh) | 2014-12-18 | 2014-12-18 | 一种电控柴油发动机单点工况优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573195B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899426A (zh) * | 2015-05-08 | 2015-09-09 | 南车青岛四方机车车辆股份有限公司 | 一种高速列车指标体系的处理方法和装置 |
CN112282949B (zh) * | 2020-09-23 | 2021-07-16 | 北汽福田汽车股份有限公司 | 电控汽油机起燃工况控制参数优化方法、装置以及车辆 |
CN112555042B (zh) * | 2020-12-08 | 2022-09-23 | 潍柴动力股份有限公司 | 保护油量的修正触发方法和获取保护油量的方法、及相关装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034744A (zh) * | 2011-10-08 | 2013-04-10 | 唐文献 | 一种低速柴油机气缸盖温度场的模拟方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050193739A1 (en) * | 2004-03-02 | 2005-09-08 | General Electric Company | Model-based control systems and methods for gas turbine engines |
US20080234994A1 (en) * | 2007-03-22 | 2008-09-25 | General Electric Company | Method and system for accommodating deterioration characteristics of machines |
-
2014
- 2014-12-18 CN CN201410795751.7A patent/CN104573195B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034744A (zh) * | 2011-10-08 | 2013-04-10 | 唐文献 | 一种低速柴油机气缸盖温度场的模拟方法 |
Non-Patent Citations (3)
Title |
---|
基于DOE 的电控柴油机优化标定;陈磊;《苏州科技学院学报(工程技术版)》;20140930;第27卷(第3期);第68-72页 * |
基于回归模型的液体火箭发动机试验数据的验证与重构;杨雪 等;《宇航计测技术》;20060228;第26卷(第2期);第33-38页 * |
基于遗传算法的发动机多元回归控制模型;陈渝光 等;《农业机械学报》;20060630;第37卷(第6期);第9-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104573195A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meng et al. | Adaptive power capture control of variable-speed wind energy conversion systems with guaranteed transient and steady-state performance | |
CN104573851B (zh) | 一种基于气象温度预报的建筑逐时负荷预测方法 | |
Zhang et al. | Medium-to-long-term coupled strategies for energy efficiency and greenhouse gas emissions reduction in Beijing (China) | |
CN104573195B (zh) | 一种电控柴油发动机单点工况优化方法 | |
CN105305468B (zh) | 基于粒子群算法的火力发电机组一次调频参数优化方法 | |
CN103440528A (zh) | 基于耗差分析的火电机组运行优化方法及装置 | |
CN107846024A (zh) | 孤岛微电网概率潮流解析计算方法 | |
Larsen et al. | TOPFARM–a tool for wind farm optimization | |
CN103699786A (zh) | 一种热电厂超超临界发电机组变负荷耗差分析方法 | |
CN103399491A (zh) | 光伏发电***光伏组件机理模型参数辨识方法 | |
Lu et al. | Simulation and experimental study of a diesel engine based on an electro-hydraulic FVVA system optimization | |
CN106202686B (zh) | 一种涡轮盘等温模锻预成形坯料的多目标设计方法 | |
CN107269408B (zh) | 柴油机优化燃烧控制器及对仿真模型控制方法 | |
CN111931436A (zh) | 一种基于数值模拟与神经网络的燃烧器喷口风量预测方法 | |
Kan et al. | Fuzzy immune self-tuning PID controller and its simulation | |
Zhang et al. | Real-time AGC dispatch units considering wind power and ramping capacity of thermal units | |
CN105089717B (zh) | 汽轮机机组主蒸汽压力控制方法及*** | |
CN112036091A (zh) | 一种利用回归算法预测四角切圆燃烧器喷口风量的方法 | |
Li et al. | Complex physical-model based dynamic system safety analysis of Aviation Piston Engine considering hybrid uncertainty of fault | |
CN106326982A (zh) | 一种基于神经网络和模式搜索优化的多气象风速融合方法 | |
Venditti | Innovative models and algorithms for the optimization of layout and control strategy of complex diesel HEVs | |
CN104535325B (zh) | 一种电控柴油机参数敏感性分析方法 | |
Taghavifar et al. | Multi-objective optimisation of injector and diesel engine by genetic algorithm: Nu-SVR modelling | |
CN105205589A (zh) | 火力发电机组不同负荷下锅炉效率的评价方法 | |
Wang et al. | Research on optimizing control model of hydrogen fueled engines based on thermodynamics and state space analysis method about nonlinear system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |