CN107655692B - 发动机台架自动标定方法、装置和系统 - Google Patents
发动机台架自动标定方法、装置和系统 Download PDFInfo
- Publication number
- CN107655692B CN107655692B CN201710900866.1A CN201710900866A CN107655692B CN 107655692 B CN107655692 B CN 107655692B CN 201710900866 A CN201710900866 A CN 201710900866A CN 107655692 B CN107655692 B CN 107655692B
- Authority
- CN
- China
- Prior art keywords
- engine
- operating condition
- variable
- monitoring
- point
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明涉及一种发动机台架自动标定方法、装置和系统,其中,发动机台架自动标定方法,包括以下步骤:获取待标定发动机的发动机工况对应的发动机监控变量、以及各发动机状态变量;根据预设的发动机工况点采样频率,获取发动机状态变量对应的工况点;对发动机监控变量与发动机状态变量进行高斯过程回归,得到回归函数模型,根据回归函数模型和各工况点,得到各发动机监控变量值;筛选出在预设阈值范围内的发动机监控变量值;并根据筛选出的监控变量值对应的工况点,标定待标定发动机。本发明通过预测监控变量,对各工况点进行筛选,实现自动跳过超出阈值范围的工况点,使得发动机稳定运行在临界工况上,实现了发动机台架的实时自动标定。
Description
技术领域
本发明涉及发动机台架标定技术领域,特别是涉及一种发动机台架自动标定方法、装置和系统。
背景技术
随着汽车保有量的增长越来越快,对汽车油耗和排放的要求越来越严格,对发动机控制器的系统复杂程度的不断增加,因此对发动机的标定的工作量也不断增加。对发动机的标定通常在发动机台架上对发动机进行测试,通过调节并测量发动机的控制参数,以及不断优化控制参数,最后得出发动机控制器内部的点火控制曲线图。
传统的发动机台架标定在对所有的工况进行试验时,存在在控制过程中由于超调而超出边界,导致在临界工况时无法稳定运行,甚至会造成发动机失效的问题。而且目前的发动机台架标定系统在临界工况时无法稳定运行,通常需要专业人员介入调整运行工况点,无法完全实现实时自动的标定。
发明内容
基于此,有必要针对传统的发动机台架标定系统无法实时自动标定问题,提供一种发动机台架自动标定方法、装置和系统。
为了实现上述目的,一方面,本发明实施例提供了一种发动机台架自动标定方法,包括以下步骤:
获取待标定发动机的发动机工况对应的发动机监控变量、以及发动机工况对应的各发动机状态变量;
根据预设的发动机工况点采样频率,获取发动机状态变量对应的发动机工况点;
对发动机监控变量与发动机状态变量进行高斯过程回归,得到回归函数模型;
根据回归函数模型和各发动机工况点,得到待标定发动机在发动机工况下的各发动机监控变量值;
筛选出在预设阈值范围内的发动机监控变量值;并根据筛选出的发动机监控变量值对应的发动机工况点,标定待标定发动机。
在其中一个实施例中,根据回归函数模型和各发动机工况点,得到待标定发动机在发动机工况下的各发动机监控变量值的步骤包括:
对发动机工况点进行标准化线性变换,生成发动机工况点的标准化数据;
对标准化数据进行最大似然估计,得到超参数数据;
基于正态分布函数调用超参数数据,得到发动机工况点对应的发动机监控变量值。
在其中一个实施例中,在对发动机监控变量与发动机状态变量进行高斯过程回归,得到回归函数模型的步骤中:
在Matlab环境下运行对发动机监控变量与发动机状态变量进行高斯过程回归的过程。
在其中一个实施例中,监控变量包括增压压力、涡轮转速和排气温度;状态变量包括发动机转速、发动机扭矩、VVT角度、进气歧管压力和点火角度。
另一方面,本发明实施例还提供了一种发动机台架自动标定装置,包括:
变量获取单元,用于获取待标定发动机的发动机工况对应的发动机监控变量、以及发动机工况对应的各发动机状态变量;
工况点获取单元,用于根据预设的发动机工况点采样频率,获取发动机状态变量对应的发动机工况点;
模型建立单元,用于对发动机监控变量与发动机状态变量进行高斯过程回归,得到回归函数模型;
变量处理单元,用于根据回归函数模型和各发动机工况点,得到待标定发动机在发动机工况下的各发动机监控变量值;
工况点筛选单元,用于筛选出在预设阈值范围内的发动机监控变量值;并根据筛选出的发动机监控变量值对应的发动机工况点,标定待标定发动机。
在其中一个实施例中,变量处理单元还包括:
数据变换模块,用于对发动机工况点进行标准化线性变换,生成发动机工况点的标准化数据;并对标准化数据进行最大似然估计,得到超参数数据;
数据处理模块,用于基于正态分布函数调用超参数数据,得到发动机工况点对应的发动机监控变量值。
另一方面,本发明实施例还提供了一种发动机台架自动标定系统,包括:
包括工控机、发动机台架设备以及运行实时自动标定软件eACME-R的标定PC机;标定PC机通过以太网接口连接工控机、发动机台架设备;工控机通过CAN总线接口与发动机台架设备连接;
工控机包括存储器和处理器,其中存储器存储有计算机程序,程序被处理器执行时能够实现上述发动机台架自动标定方法的步骤。
在其中一个实施例中,工控机内嵌实时调度系统平台。
在其中一个实施例中,CAN总线接口为CAN总线板卡的PCI接口。
另一方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行如上述发动机台架自动标定方法的步骤。
上述技术方案具有如下有益效果:
本发明发动机台架自动标定方法、装置和系统,通过获取与发动机工况对应的各发动机状态变量,经过多次测试数据后建立发动机监控变量与发动机状态变量之间的回归函数,进而预测发动机工况对应的发动机监控变量,达到预测发动机监控变量的目的;本发明通过预测监控变量,对发动机工况对应的各工况点进行筛选,能够自动跳过超出阈值范围的工况点,使得发动机稳定运行在临界工况上;本发明可以运行在工控机中,从而解决了传统的发动机台架标定系统无法自动标定问题,实现了发动机台架的实时自动标定。
附图说明
图1为本发明发动机台架自动标定方法实施例1的流程示意图;
图2为本发明发动机台架自动标定方法的软件构架示意图;
图3为本发明发动机台架自动标定装置实施例1的结构示意图;
图4为本发明发动机台架自动标定系统实施例1的结构示意图;
图5为本发明发动机台架自动标定系统的整体构架示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明发动机台架自动标定方法、装置和系统的实施例其中一个应用场景为:
传统的发动机台架自动标定系统通过常规的PID(Proportion-Integral-Derivative:比例-积分-微分)算法控制增压压力、涡轮转速或排温不超过边界,但这种方法效率低且会由于超调而超出边界,使得发动机在临界工况会无法稳定运行,甚至导致发动机失效;而且传统的发动机台架自动标定系统无法智能预测发动机稳定运行工况点,当发动机处于临界工况无法稳定运行时,需人工介入调整运行工况点,无法完全实现无人值守标定。而本发明中的发动机台架自动标定系统可连接待标定汽车的发动机,通过本发明中的发动机台架自动标定方法实现对汽车的发动机的实时自动标定,使得发动机可稳定运行在临界工况上。
为了解决传统技术方案中发动机台架标定系统无法实时自动标定的问题,本发明提供了一种发动机台架自动标定方法实施例1;图1为本发明发动机台架自动标定方法实施例1的流程示意图;如图1所示,可以包括以下步骤:
步骤S110,获取待标定发动机的发动机工况对应的发动机监控变量、以及发动机工况对应的各发动机状态变量。
其中,发动机工况指的是发动机的工作状况,可以用发动机在不同转速下输出功率和扭矩的大小来表征;发动机工况可以分为:启动、启动后、暖机、怠速、部分负荷、全负荷、过渡和托动。待标定发动机指的是需要进行相应发动机工况标定的发动机,发动机不限于汽油发动机,也可以是柴油发动机。发动机监控变量指的是在对发动机的工作状况标定时,选定的与发动机工况对应的监控变量,如排气温度等。发动机状态变量可以是与发动机工况对应的状态变量,其中状态变量可以是多个,如发动机监控变量为排气温度时,对应的发动机状态变量可以是转速、扭矩、进气开启角、排气开启角。进一步的,根据发动机工况可以标定不同的监控变量,根据不同的监控变量可以有多个发动机状态变量。
步骤S120,根据预设的发动机工况点采样频率,获取发动机状态变量对应的发动机工况点。
其中,发动机工况点采样频率可以是发动机状态变量的采样频率,不同的发动机状态变量对应有不同的采样频率,具体的,发动机工况点采样频率可以是系统设置的默认采样频率,也可以是人为设置的采样频率。发动机工况点指的是发动机的万有特性中的任意一个工作点,主要按发动机的转速和扭矩来区分,在同一工况点含有相同的转速和扭矩下,也会有不同的发动机内部运行参数;可以是各发动机状态变量根据相应的采样频率进行采样组合成的工况点。具体的,如对应的发动机状态变量为转速、扭矩、进气门开启角度和排气门开启角度,其中转速采样点为a个、扭矩采样点为b个、进气门开启角度为c个、排气门开启角度为d个,则对应的发动机工况点共有a*b*c*d个,其中*表示乘积。
步骤S130,对发动机监控变量与发动机状态变量进行高斯过程回归,得到回归函数模型。
其中,高斯过程(正态随机过程)指的是一组随机变量的集合,这个集合里面的任意有限个随机变量都服从联合高斯分布。回归函数模型指的是通过高斯过程回归得到的函数模型。
步骤S140,根据回归函数模型和各发动机工况点,得到待标定发动机在发动机工况下的各发动机监控变量值。
具体的,根据高斯过程的回归方法对发动机监控变量与发动机状态变量建立回归函数模型,根据该回归函数模型对各个发动机工况点进行处理,可以得到在发动机工况下的与各发动机工况点相对应的各发动机监控变量值。进一步的,不同的发动机工况点对应有不同的发动机监控变量值。
步骤S150,筛选出在预设阈值范围内的发动机监控变量值;并根据筛选出的发动机监控变量值对应的发动机工况点,标定待标定发动机。
其中,阈值范围指的是根据发动机监控变量进行预设的,不同的发动机监控变量对应有不同的阈值范围。若根据步骤S140得出的发动机监控变量值在预设的阈值范围内,则保留相对应的发动机工况点,以使待标定发动机在发动机工况上安全运行该发动机工况点;若根据步骤S140得出的发动机监控变量值超出预设的阈值范围,则跳过相对应的不安全的发动机工况点,从而能够自动识别发动机运行临界工况点,实现对发动机的实时自动标定。
具体而言,为了解决传统的发动机台架系统无法实现实时自动的标定发动机的问题,本发明采用高斯过程,对待标定发动机的发动机工况对应的发动机监控变量,与该发动机工况对应的各发动机状态变量建立基于高斯分布的回归函数模型;通过该回归函数模型对发动机状态变量对应的各个发动机工况点进行运算处理,得到各个发动机工况点相对应的各发动机监控变量值;通过对发动机监控变量值筛选,若发动机监控变量值超出预设的阈值范围,则跳过与该发动机监控变量值相应的发动机工况点,以使待标定发动机不执行该不安全的发动机工况点;若发动机监控变量值在预设的阈值范围,则保留该发动机监控变量值相应的发动机工况点,以使待标定发动机执行该安全的发动机工况点,从而实现了发动机台架的实时自动标定,达到在标定过程中无人值守的目的,以使待标定发动机稳定运行在临界工况上。
上述发动机台架自动标定方法,通过获取与发动机工况对应的各发动机状态变量,经过多次测试数据后建立发动机监控变量与发动机状态变量之间的回归函数,进而预测发动机工况对应的发动机监控变量,达到预测发动机监控变量的目的;本发明通过预测监控变量,对发动机工况对应的各工况点进行筛选,能够自动跳过超出阈值范围的工况点,使得发动机稳定运行在临界工况上;本发明可以运行在工控机中,从而解决了传统的发动机台架标定系统无法自动标定问题,实现了发动机台架的实时自动标定。
在一个具体的实施例中,步骤S140可以包括:对发动机工况点进行标准化线性变换,生成发动机工况点的标准化数据;对标准化数据进行最大似然估计,得到超参数数据;基于正态分布函数调用超参数数据,得到发动机工况点对应的发动机监控变量值。
其中,标准化线性变换指的是通过线性变换实现对数据的标准化,其中数据标准化可以是极值标准化等。最大似然估计可以用来求一个样本集的相关概率密度函数的参数。超参数指的是可以通过设置不同的值,训练不同的模型和选择更好的测试值来决定。
具体而言,对在待标定发动机的各发动机状态变量所对应的发动机工况点进行标准化线性变换,得到发动机工况点的标准化数据;通过对发动机工况点的标准化数据进行最大似然估计,得到超参数数据;将得到的超参数数据带入正态分布函数,从而得到发动机工况点对应的发动机监控变量值。进一步的,对于标定在不同的发动机工况下的监控变量,获取与该发动机监控变量最相关的各发动机状态变量,通过多次变换数据后可以建立监控变量和测量变量之间的回归函数,达到预测监控变量的目的。
在一个具体的实施例中,步骤S130中的对发动机监控变量与发动机状态变量进行高斯过程回归,得到回归函数模型;可以是在Matlab(Matrix Laboratory:矩阵实验室)环境下运行对发动机监控变量与发动机状态变量进行高斯过程回归的过程。
其中,Matlab环境可以搭载在工控机上,也可以搭载在其他的计算机设备上。对发动机监控变量与发动机状态变量进行高斯过程回归,得到回归函数模型的过程可以通过Matlab环境下编写,并下载到工控机中运行。对于步骤S110、步骤S120、步骤S140和步骤S150也可以通过在Matlab环境下编写实现。需要说明的是,本发明的Matlab环境不受Matlab版本的限制,可以运行多个版本的Matlab。
在一个具体的实施例中,监控变量包括但不限于增压压力、涡轮转速和排气温度;状态变量包括但不限于发动机转速、发动机扭矩、VVT(Variable Valve Timing:可变气门正时)角度、进气歧管压力和点火角度。
具体而言,选取预测的监控变量,以及与该预测的监控变量最相关的各状态变量,通过步骤S110至步骤S150可以得到相应的发动机监控变量值,并且通过筛选与发动机监控变量值对应的发动机工况点,从而实现在发动机台架的实时自动标定。
在一个具体的实施例中,发动机在自动标定过程中,需要进行试验的工况是预先给定的。如对VVT扫描进行试验,选取最相关的状态变量发动机转速、扭矩、进气门开启角度和排气开启角度进行发动机的测量。典型的汽油机测试工况点如下:
转速:1000转/分~6000转/分,可取每500转采样一个点,共11个采样点;
扭矩:0N.m~200N.m,可取每15N.m(牛米)采样一个点,共14个采样点;
进气门开启相位:0度~50度,可取每5度采样一个点,共11个采样点;
排气门开启相位:0度~50度,可取每5度采样一个点,共11个采样点。
则发动机转速、扭矩、进气门开启角度和排气开启角度的状态变量对应的发动机工况点共有:11*14*11*11=18634个工况点,其中*表示乘积。而在所有的工况测试过程中,需要保证发动机的工作是安全的,所谓工作安全就是不发生爆震,增压压力、涡轮转速、排温控制在边界范围内。但在18634个工况点中有安全的工况点和不安全的工况点,这些工况点在试验时是不可预测的,因为当发动机工作这些不安全的点时发动机可能会发生损坏或者停机。传统的自动标定系统在标定过程中效率低且会由于超调而超出边界导致发动机失效。
本发明基于新的智能标定算法,定义增压压力、涡轮转速或排气温度等为监控变量,定义发动机工况例如转速、扭矩、VVT角度等为状态变量。如设排气温度为监控变量,设转速、扭矩、进气开启角和排气开启角为状态变量,通过监控变量和状态变量建立以下回归函数模型:监控变量=F(转速、扭矩、进气开启角、排气开启角),可以预测在设定的工况下监控变量是否超过限制值,如果超过限制值就跳过需要预先设定的工况点,达到预测监控变量的目的。需要说明的是,跳过工况点可指的是程序不执行该工况点。
优选的,回归函数模型通过高斯过程实现,具体的,高斯过程是基于函数的高斯(正态)分布。其存在性定理为:对集合S中的任意元素x,存在均值函数m(x)。以及任意两个元素xi、xj,存在协方差函数k(xi,xj),则存在高斯过程:
f~GP[m(x),k(x,x′)] (1)
f的协方差矩阵是关于x的函数,协方差可以看作是两个元素相似性的度量,即如果两个x比较相似(空间距离较近),那么对应f的相似度也较大。
高斯过程的回归方法如下:n个样本的集合N与m个样本的集合M各自为同一高斯过程下的多维联合正态分布,同时它们共同属于n+m维的联合正态分布,那么根据统计学原理,可以计算出在集合N事件已经发生的条件下,集合M的概率分布。
假设有集合D:
D={(xi,yi)|i=1,2,…,n}=(X,y) (2)
其中xi∈Rd为d维输入向量,X=[x1,x2,…xn]为n个样本下的d×n维输入矩阵。yi为对应于xi输入的输出标量,y为对应矩阵X输入的输出向量。
构造高斯过程f,不考虑噪声情况下:
f(x)=y (3)
均值函数为m(x)=μ,协方差函数k(xi,xj),协方差矩阵K(x,x)ij=k(xi,xj);集合G=(x*,y*),它们n+m维的联合正态分布:
可以证明,f*在集合D已经发生的条件下的分布如下:
[f*|f]~N(μ**,σ**)
μ**=μ*+K(X*,X)K(X,X)-1(f-μ)
σ**=K(X*,X*)K(X*,X)-K(X,X)-1K(X,X*) (5)
为了便于计算将数据进行标准化线性变换。即x’=(x-μ)/δ,其中μ是该参数的平均值,δ为方差。这样得到了输入输出均值都为0的训练集。
根据平方指数协方差函数(squared exponential,SE),构造方差函数:
均值函数:m(x)=0。
那么有高斯过程f(xi′)=yi′,f~N[0,K];其中Kij=k(xi,xj)。选择不同的超参数会得到不同的模型精度。在新的参数输入X*下,对应的输出为:
μ**=K(X*,X)K(X,X)-1f(7)
根据可逆矩阵的性质:(kA)-1=k-1A-1,参数对计算期望无影响,设求解θ可以使用最大似然法,联合正态分布概率似然函数:
给定初始θ值,通过梯度下降迭代法,得到使似然函数最大的θ。
进一步的,以排气温度Temp为监控变量,以转速、扭矩、进气门开启角、和排气门开启角为状态变量;设转速用n表示,扭矩用T表示,进气门开启角用I0表示,排气门开启角用E0表示。将包含以上四个参数(n,T,I0,E0)以及对应的排气温度Temp的数据进行标准化线性变换,带入最大似然法计算公式(9),计算得到超参数θ;通过公式(7),可计算出对应模型的排气温度Temp。对于预测不同的监控变量,只要找出与监控变量最相关的几个变量,多次测试数据后可以建立监控变量和测量变量之间的回归函数,达到预测监控变量的目的。
在其中一个实施例中,对发动机进行标定可以从最安全的工况自动运行,其中最安全的工况可以是根据原有发动机稳定运行的经验来规定的,回归函数是在线不断优化的过程,即随着工况点的增多,回归函数的模型越来越准确。回归函数的算法采用高斯过程回归算法,这一算法是在Matlab环境下编写,并下载到本发明中的工控机运行。具体的,不断优化可以是指随着测量点的增加,回归函数的样本数也会增加,回归的过程也会不断的修正。
需要说明的是,发动机稳定运行时,排气温度,空燃比,HC(氢碳)化合物的排放浓度、扭矩等必须在一定的范围内,如果超过这一范围,比如排温超过1000℃,发动机会机械损坏,这样的工况称为不稳定运行工况。
上述发动机台架自动标定方法,通过获取与发动机工况对应的各发动机状态变量,经过多次测试数据后建立发动机监控变量与发动机状态变量之间的回归函数,进而预测发动机工况对应的发动机监控变量,达到预测发动机监控变量的目的;本发明通过预测监控变量,对发动机工况对应的各工况点进行筛选,能够自动跳过超出阈值范围的工况点,使得发动机稳定运行在临界工况上;本发明可以运行在工控机中,从而解决了传统的发动机台架标定系统无法自动标定问题,大幅提升了标定效率,且可应用于对实时性要求高的标定场合(如爆震标定),扩展了该系统的适用范围,实现了发动机台架的实时自动标定,能够自动识别发动机运行临界工况点,在各种条件下寻找稳定运行点,可实现在发动机标定过程中无需工作人员值守。
在一个具体的实施例中,提供一种发动机台架自动标定方法的软件架构示意图,如图2所示,该软件架构主要包括实时自动标定软件eACME-R(锦红源公司自主研发的标定软件)、以及基于工业控制计算机的实时系统和高斯过程回归算法模型。需要说明的是,本实施例中的工业控制计算机即是其他实施例中的工控机。
其中,实时自动标定软件eACME-R包括工业控制计算机控制单元、数据库单元、工况读写单元、配置单元、数据存储单元、流程设计器、Python(一种面向对象的解释型计算机程序设计语言)编辑器、Python解析器、监控单元、数据处理模块、CAN(Controller AreaNetwork:控制器局域网络)通讯接口、以太网通讯接口、ASAM-3MC(一种标定系统远程控制通信协议)通讯单元。其中实时自动标定软件eACME-R可以基于标定PC(PersonalComputer:个人计算机)机运行,eACME-R调用相关的软件接口访问对应的硬件单元,从而与外界的设备实现数据交互。
具体而言,数据库单元用于预存储控制发动机不同工况点工作状态的控制信号(包括VVT角度值、进气歧管压力值、发动机转速值、点火角度等),以实现不同工况的遍历功能,发送机状态控制信号可根据测试工作人员预先定义的数据录入存储单元,以供其他单元调用从而驱动发动机按照该工作状态的控制信号进行工作。
工况读写单元用于从数据库单元中读取发动机每个工况点工作状态的控制信号,并通过虚拟COM(Cluster Communication Port:串行通讯端口)口将读取到的发动机工作状态控制信号间接控制标定软件INCA(德国ETAS公司的一款通用的发动机标定软件)写入标定硬件设备中,标定硬件设备根据被写入的发动机工作状态控制信号控制发动机控制器ECU(Electronic Control Unit:电子控制单元),从而驱动发动机按照预设的控制信号进行工作。需要说明的是,标定软件INCA是德国ETAS公司一款通用的汽车ECU标定软件,能够记录、测量和修改ECU内部的参数,但INCA只能通过标定工程师修改或记录参数,而锦红源的eACME-R可以与INCA进行交互,eACME-R具备按用户编写的脚本程序自动执行的功能,这样就达到自动控制INCA软件的目的。eACME-R是锦红源内部软件的一个代号。
配置单元将测量变量及标定变量通过虚拟COM口间接控制标定软件INCA配置标定硬件设备;数据存储单元用于存储发动机每个工况点工作状态的控制信号,以及对应的测量信号及功耗值;流程设计器提供图形化流程方式设计标定测量流程,实现预期的测量标定功能;Python编辑器提供脚本编辑功能用于设计标定测量流程,与流程设计器配合使用完成复杂的测量标定功能;Python解析器用于执行已设计完成Python脚本,实现脚本语言与输入输出映射关系;
监控单元用于描述测试过程中的超限报警及警告处置功能;CAN通讯接口用于连接外围测量设备(如燃烧分析仪等)及台架系统,形成测量标定的闭环环路;以太网通讯单元用于处理ASAM-3MC协议的数据链路层内容,实现与外部设备的以太网通讯;ASAM-3MC通讯单元用于实现实时自动标定软件eACME-R与台架系统的通讯连接。
数据处理模块从配置单元中读取测量标定任务(变量选择、测量周期选择等)的配置信息,从工况读写单元中获取发动机状态控制信号、从流程设计器及Python编辑器中获取流程控制信息,将流程控制信息送入Python解析器,并将执行结果通过虚拟COM接口传输至标定软件INCA和标定硬件设备中,此外数据处理模块通过CAN通讯接口从台架系统中读取发动机处于不同工况点时的测量信号(包括耗流量值、排气温度值、发动机爆震强烈值等),并将读取到的测量信号写入存储单元。
进一步的,工业控制计算机内嵌了实时调度系统,实现Simulink(Matlab中的一种可视化仿真工具)实时模型各项任务的调度和执行,实时保证测量任务及标定任务的调度和执行时间,提升实时自动标定软件eACME-R的响应性能;工业控制计算机包含了PCI(Peripheral Component Interconnect:外设部件互连标准)接口的CAN总线板卡,用于实现与外部测量设备(如燃烧分析仪等)的实时交互;数据库单元用于预存储控制发动机不同工况点工作状态的控制信号;工况读写单元用于从数据库单元中读取发动机每个工况点工作状态的控制信号并写入标定硬件设备中;配置单元将测量变量及标定变量通过间接控制标定软件INCA配置标定硬件设备;数据存储单元用于存储发动机每个工况点工作状态的控制信号,以及对应的测量信号及功耗值;流程设计器提供图形化流程方式设计标定测量流程。
Python编辑器提供脚本编辑功能用于设计标定测量流程;Python解析器用于执行已设计完成Python脚本;监控单元用于描述测试过程中的超限报警及警告处置功能;CAN通讯接口用于连接外围测量设备及台架系统;以太网通讯单元用于处理ASAM-3MC协议的数据链路层内容;ASAM-3MC通讯单元用于实现实时自动标定软件eACME-R与台架系统的通讯连接;数据处理模块从配置单元中读取测量标定任务(变量选择、测量周期选择等)的配置信息,从工况读写单元中获取发动机状态控制信号、从流程设计器及Python编辑器中获取流程控制信息,将流程控制信息送入Python解析器,并将执行结果通过虚拟COM口传输至标定软件INCA和标定硬件设备中,此外数据处理模块通过CAN通讯接口从台架系统中读取发动机处于不同工况点时的测量信号,并将读取到的测量信号写入存储单元。
优选的,测量变量是指发动机的运行状态参数,比如发动机的点火角、转速、节气门开度,标定变量是可以通过用户修改后改变发动机运行参数的变量。间接控制可以是指eACME-R软件不能直接操作ECU的标定量,而需要通过间接控制INCA,INCA再通过标定设备去修改ECU的标定量。配置标定硬件设备可以是在INCA中需要添加的配置相关的标定硬件,这一过程也可以由eACME-R来间接自动完成。测量任务可以是一系列测量变量的记录和标定变量的修改工作的组合。测量信号可以是VVT角度值、进气歧管压力值、发动机转速值和点火角度等。
本发明发动机台架自动标定装置实施例1:
基于以上方法的技术构思,同时为了解决传统技术方案发动机台架无法实现实时自动标定的问题,本发明还提供了一种发动机台架自动标定装置实施例1;图3为本发明发动机台架自动标定装置实施例1的结构示意图;如图3所示,该装置可以包括:
变量获取单元310,用于获取待标定发动机的发动机工况对应的发动机监控变量、以及发动机工况对应的各发动机状态变量;
工况点获取单元320,用于根据预设的发动机工况点采样频率,获取发动机状态变量对应的发动机工况点;
模型建立单元330,用于对发动机监控变量与发动机状态变量进行高斯过程回归,得到回归函数模型。
变量处理单元340,用于根据回归函数模型和各发动机工况点,得到待标定发动机在发动机工况下的各发动机监控变量值。
工况点筛选单元350,用于筛选出在预设阈值范围内的发动机监控变量值;并根据筛选出的发动机监控变量值对应的发动机工况点,标定待标定发动机。
在一个具体的实施例中,变量处理单元340还包括:
数据变换模块,用于对发动机工况点进行标准化线性变换,生成发动机工况点的标准化数据;对标准化数据进行最大似然估计,得到超参数数据;
数据处理模块,用于基于正态分布函数调用超参数数据,得到发动机工况点对应的发动机监控变量值。
上述发动机台架自动标定装置,包括变量获取单元、工况点获取单元、模型建立单元、变量处理单元和工况点筛选单元。通过变量获取单元获取与发动机工况对应的各发动机状态变量,经过多次测试数据后,通过模型建立单元建立发动机监控变量与发动机状态变量之间的回归函数,进而预测发动机工况对应的发动机监控变量,达到预测发动机监控变量的目的;本发明通过预测监控变量,对发动机工况对应的各工况点进行筛选,能够自动跳过超出阈值范围的工况点,使得发动机稳定运行在临界工况上;本发明可以运行在工控机中,从而解决了传统的发动机台架标定系统无法自动标定问题,实现了发动机台架的实时自动标定。
本发明发动机台架自动标定系统实施例1:
图4为本发明发动机台架自动标定系统实施例1的结构示意图;如图4所示,可以包括:工控机、发动机台架设备以及运行实时自动标定软件eACME-R的标定PC机;标定PC机通过以太网接口连接工控机、发动机台架设备;工控机通过CAN总线接口与发动机台架设备连接;工控机包括存储器和处理器,其中存储器存储有计算机程序,程序被处理器执行时能够实现上述发动机台架自动标定方法中的步骤。
在一个的实施例中,工控机中的处理器可执行以下步骤:获取待标定发动机的发动机工况对应的发动机监控变量、以及发动机工况对应的各发动机状态变量;根据预设的发动机工况点采样频率,获取发动机状态变量对应的发动机工况点;对发动机监控变量与发动机状态变量进行高斯过程回归,得到回归函数模型,根据回归函数模型和各发动机工况点,得到待标定发动机在发动机工况下的各发动机监控变量值;筛选出在预设阈值范围内的发动机监控变量值;并根据筛选出的发动机监控变量值对应的发动机工况点,标定待标定发动机。
在另一个的实施例中,工控机中的处理器可执行以下步骤:对发动机工况点进行标准化线性变换,生成发动机工况点的标准化数据;对标准化数据进行最大似然估计,得到超参数数据;基于正态分布函数调用超参数数据,得到发动机工况点对应的发动机监控变量值。
在一个具体的实施例中,工控机内嵌实时调度系统平台。具体的,实时调度系统平台可以是运行实时系统的平台,其中实时系统是指实时的操作系统,可以是相对于windows等非实时系统而言的,实时操作系统的特点是可实时响应需求来执行任务。
在一个具体的实施例中,CAN总线接口为CAN总线板卡的PCI接口。具体的,工控机上可包含有PCI接口CAN板卡。
在一个具体的实施例中,如图5所示,为发动机台架自动标定系统实施例1的整体构架示意图。该系统可包括运行实时系统的工控机、发动机控制器、台架系统、标定硬件设备和运行标定软件INCA及实时自动标定软件eACME-R的标定PC机;发动机控制器与标定硬件设备通过内存模拟ETK(一种用于电子控制单元的接口)接口或串行标定CCP/XCP接口连接;标定PC机中标定软件INCA通过以太网或USB接口与标定硬件设备连接;标定PC机中实时自动标定软件eACME-R通过INCA-COM API接口(即虚拟COM口)与标定软件INCA连接。优选的,标定硬件设备是指连接上位机标定软件INCA和发动机控制器ECU之间的一种设备,起到通讯转接的作用。
工控机包含了计算机CPU、硬盘、内存、外设及接口,提供了实时系统的运行平台;内嵌于工控机的实时系统用于调度及执行Simulink模型,最小运行步长可达1us,能够实时保证测量任务及标定任务的调度和执行时间,适用于对实时性要求高的场合(如燃烧控制器的标定等)。需要说明的是,最小运行步长不限于1us,可以根据实际标定过程中进行设置。内嵌于工控机的PCI接口CAN总线板卡用于与外围测量设备(如燃烧分析仪等)的实时交互,提供Simulink模型所需的各种输入,同时也可用于与实时自动标定软件eACME-R的交互通讯。
发动机控制器ECU具备内存模拟接口ETK或串行标定CCP/XCP(一种标定标准协议)接口,与标定硬件设备通过ETK接口或串行标定CCP/XCP接口连接,从而实现发动机控制器ECU内部参数的读写,保证自动标定环路的实时性。标定软件INCA通过Ethernet(以太网)接口或USB(Universal Serial Bus:通用串行总线)接口与标定硬件设备连接,用图形化的方式实时显示发动机控制器ECU内部的参数值。实时自动标定软件eACME-R通过ASAM-3MC协议与台架系统建立连接,其中实时自动标定软件eACME-R可通过RS232(RecommendedStandard-232:异步传输标准接口)或Ethernet与台架系统连接通讯。实时自动标定软件eACME-R通过高速以太网接口访问控制工控机,包含Simulink模型的下载、运行、停止、监控参数读取、控制参数修改等。
进一步的,该系统还包括PCI总线CAN通讯板卡,PCI总线CAN通讯板卡具有用于连接其他CAN设备(如燃烧分析仪等)的外部接口并与标定PC机通过Ethernet完成数据交互,使实时自动标定软件eACME-R可以与外部测量设备及台架系统建立连接,实现对台架系统的控制,从而形成标定环路的闭环控制。进一步的,CAN设备包括发动机燃烧分析系统,模拟量采集系统,温度采集系统等设备,这些设备通过传感器信号的采集再转换成CAN通讯协议与自动标定系统进行通讯。
通过将实时任务Simulink模型置于运行有实时系统的工控机中运行,实时自动标定软件eACME-R通过高速以太网与工控机交互通讯(最高速率可达1G/s),外部测量设备(如燃烧分析仪等)通过实时CAN总线与工控机的PCI接口CAN板卡通讯(最高通讯速率可达1M/s),实时自动标定软件eACME-R通过虚拟COM口访问控制标定软件INCA,提升了标定环路的数据通讯效率,大幅缩短系统响应时间,能够满足对时间要求比较严格的标定任务(如燃烧控制等热力学标定任务),进一步缩短台架标定时间,降低标定成本。
上述发动机台架自动标定系统,通过获取与发动机工况对应的各发动机状态变量,经过多次测试数据后建立发动机监控变量与发动机状态变量之间的回归函数,进而预测发动机工况对应的发动机监控变量,达到预测发动机监控变量的目的;本发明通过预测监控变量,对发动机工况对应的各工况点进行筛选,能够自动跳过超出阈值范围的工况点,使得发动机稳定运行在临界工况上;本发明可以运行在工控机中,从而解决了传统的发动机台架标定系统无法自动标定问题,实现了发动机台架的实时自动标定,以及提高了发动机台架标定效率较低和发动机台架自动标定系统的智能化程度,同时也降低了系统的成本。
在一个具体的实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述各实施例中的任意一种发动机台架自动标定方法。
该计算机存储介质,其存储的计算机程序,通过实现包括如上述各发动机台架自动标定方法的实施例的流程,从而可以通过预测监控变量,实现自动跳过超出阈值范围的工况点,使得发动机稳定运行在临界工况上,解决了传统的发动机台架标定系统无法实时自动标定问题,实现了发动机台架的实时自动标定。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括以上方法的步骤,的存储介质,如:ROM/RAM、磁碟、光盘等。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种发动机台架自动标定方法,其特征在于,包括以下步骤:
获取待标定发动机的发动机工况对应的发动机监控变量、以及所述发动机工况对应的各发动机状态变量;
根据预设的发动机工况点采样频率,获取所述发动机状态变量对应的发动机工况点;
对所述发动机监控变量与所述发动机状态变量进行高斯过程回归,得到回归函数模型;
根据所述回归函数模型和各所述发动机工况点,得到所述待标定发动机在所述发动机工况下的各发动机监控变量值;
筛选出在预设阈值范围内的发动机监控变量值;并根据筛选出的发动机监控变量值对应的发动机工况点,标定所述待标定发动机;其中,若所述发动机监控变量值在预设的阈值范围内,则保留相对应的发动机工况点;若所述发动机监控变量值超出预设的阈值范围,则跳过相对应的不安全的发动机工况点。
2.根据权利要求1所述的发动机台架自动标定方法,其特征在于,根据所述回归函数模型和各所述发动机工况点,得到所述待标定发动机在所述发动机工况下的各发动机监控变量值的步骤包括:
对所述发动机工况点进行标准化线性变换,生成所述发动机工况点的标准化数据;
对所述标准化数据进行最大似然估计,得到超参数数据;
基于正态分布函数调用所述超参数数据,得到所述发动机工况点对应的所述发动机监控变量值。
3.根据权利要求1或2所述的发动机台架自动标定方法,其特征在于,在对所述发动机监控变量与所述发动机状态变量进行高斯过程回归,得到回归函数模型的步骤中:
在Matlab环境下运行对所述发动机监控变量与所述发动机状态变量进行高斯过程回归的过程。
4.根据权利要求1或2所述的发动机台架自动标定方法,其特征在于,所述发动机监控变量包括增压压力、涡轮转速和排气温度;所述发动机状态变量包括发动机转速、发动机扭矩、VVT角度、进气歧管压力和点火角度。
5.一种发动机台架自动标定装置,其特征在于,包括:
变量获取单元,用于获取待标定发动机的发动机工况对应的发动机监控变量、以及所述发动机工况对应的各发动机状态变量;
工况点获取单元,用于根据预设的发动机工况点采样频率,获取所述发动机状态变量对应的发动机工况点;
模型建立单元,用于对所述发动机监控变量与所述发动机状态变量进行高斯过程回归,得到回归函数模型;
变量处理单元,用于根据所述回归函数模型和各所述发动机工况点,得到所述待标定发动机在所述发动机工况下的各发动机监控变量值;
工况点筛选单元,用于筛选出在预设阈值范围内的发动机监控变量值;并根据筛选出的发动机监控变量值对应的发动机工况点,标定所述待标定发动机;其中,若所述发动机监控变量值在预设的阈值范围内,则保留相对应的发动机工况点;若所述发动机监控变量值超出预设的阈值范围,则跳过相对应的不安全的发动机工况点。
6.根据权利要求5所述的发动机台架自动标定装置,其特征在于,所述变量处理单元还包括:
数据变换模块,用于对所述发动机工况点进行标准化线性变换,生成所述发动机工况点的标准化数据;并对所述标准化数据进行最大似然估计,得到超参数数据;
数据处理模块,用于基于正态分布函数调用所述超参数数据,得到所述发动机工况点对应的所述发动机监控变量值。
7.一种发动机台架自动标定系统,其特征在于,包括工控机、发动机台架设备以及运行实时自动标定软件eACME-R的标定PC机;所述标定PC机通过以太网接口连接所述工控机、所述发动机台架设备;所述工控机通过CAN总线接口与所述发动机台架设备连接;
所述工控机包括存储器和处理器,其中所述存储器存储有计算机程序,所述程序被处理器执行时能够实现权利要求1-4中任意一项所述方法的步骤。
8.根据权利要求7所述的发动机台架自动标定系统,其特征在于,所述工控机内嵌实时调度系统平台。
9.根据权利要求7所述的发动机台架自动标定系统,其特征在于,所述CAN总线接口为CAN总线板卡的PCI接口。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710900866.1A CN107655692B (zh) | 2017-09-28 | 2017-09-28 | 发动机台架自动标定方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710900866.1A CN107655692B (zh) | 2017-09-28 | 2017-09-28 | 发动机台架自动标定方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107655692A CN107655692A (zh) | 2018-02-02 |
CN107655692B true CN107655692B (zh) | 2019-10-11 |
Family
ID=61117304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710900866.1A Active CN107655692B (zh) | 2017-09-28 | 2017-09-28 | 发动机台架自动标定方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107655692B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023072697A1 (en) * | 2021-10-27 | 2023-05-04 | Robert Bosch Gmbh | A system and method for automated calibration of an engine parameter in a vehicle |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110953076B (zh) * | 2018-09-26 | 2020-12-29 | 广州汽车集团股份有限公司 | 一种米勒循环发动机扭矩控制方法和装置 |
CN110672328B (zh) * | 2019-11-05 | 2020-08-14 | 大连理工大学 | 一种基于随机配置网络的涡扇发动机健康参数估计方法 |
CN113449897B (zh) * | 2020-03-25 | 2024-04-16 | 联合汽车电子有限公司 | 一种发动机台架试验参数优化扫点方法 |
CN111487062B (zh) * | 2020-04-21 | 2021-03-09 | 东风汽车集团有限公司 | 基于硬件在环的节气门自动标定系统及方法 |
CN113805559A (zh) * | 2020-06-17 | 2021-12-17 | 北京新能源汽车股份有限公司 | 一种控制参数处理方法、装置及设备 |
CN112413109B (zh) * | 2020-11-18 | 2022-08-02 | 中国汽车工程研究院股份有限公司 | 基于can总线网络信号的整车反向解析工作方法 |
CN113588271B (zh) * | 2021-07-23 | 2024-04-09 | 东风汽车集团股份有限公司 | 基于动力总成台架的催化器排放试验可替代性验证系统及验证方法 |
CN113804447A (zh) * | 2021-07-30 | 2021-12-17 | 联合汽车电子有限公司 | 一种发动机启动标定方法、装置、存储介质、设备和车辆 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201531317U (zh) * | 2009-09-16 | 2010-07-21 | 张春霞 | 汽油机电控制系统的标定装置 |
CN102022203A (zh) * | 2009-09-16 | 2011-04-20 | 张春霞 | 汽油机电控制系统的标定装置 |
CN201974294U (zh) * | 2011-01-04 | 2011-09-14 | 浙江吉利汽车研究院有限公司 | 自动台架标定装置 |
CN103994005A (zh) * | 2014-04-13 | 2014-08-20 | 北京理工大学 | 一种电控单体泵柴油机模型的燃油经济性标定方法 |
CN104089777A (zh) * | 2014-07-07 | 2014-10-08 | 广州锦红源电子科技有限公司 | 发动机台架自动标定系统 |
CN104200113A (zh) * | 2014-09-10 | 2014-12-10 | 山东农业大学 | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 |
CN104408271A (zh) * | 2014-12-20 | 2015-03-11 | 吉林大学 | 一种基于模型的汽油机标定方法 |
CN104898647A (zh) * | 2015-05-05 | 2015-09-09 | 广州锦红源电子科技有限公司 | 一种ecu台架自动标定仿真测试系统 |
CN105005209A (zh) * | 2015-06-16 | 2015-10-28 | 广州锦红源电子科技有限公司 | 一种发动机台架快速测量及自动标定系统 |
-
2017
- 2017-09-28 CN CN201710900866.1A patent/CN107655692B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201531317U (zh) * | 2009-09-16 | 2010-07-21 | 张春霞 | 汽油机电控制系统的标定装置 |
CN102022203A (zh) * | 2009-09-16 | 2011-04-20 | 张春霞 | 汽油机电控制系统的标定装置 |
CN201974294U (zh) * | 2011-01-04 | 2011-09-14 | 浙江吉利汽车研究院有限公司 | 自动台架标定装置 |
CN103994005A (zh) * | 2014-04-13 | 2014-08-20 | 北京理工大学 | 一种电控单体泵柴油机模型的燃油经济性标定方法 |
CN104089777A (zh) * | 2014-07-07 | 2014-10-08 | 广州锦红源电子科技有限公司 | 发动机台架自动标定系统 |
CN104200113A (zh) * | 2014-09-10 | 2014-12-10 | 山东农业大学 | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 |
CN104408271A (zh) * | 2014-12-20 | 2015-03-11 | 吉林大学 | 一种基于模型的汽油机标定方法 |
CN104898647A (zh) * | 2015-05-05 | 2015-09-09 | 广州锦红源电子科技有限公司 | 一种ecu台架自动标定仿真测试系统 |
CN105005209A (zh) * | 2015-06-16 | 2015-10-28 | 广州锦红源电子科技有限公司 | 一种发动机台架快速测量及自动标定系统 |
Non-Patent Citations (1)
Title |
---|
"电控发动机自动优化标定系统的研究";虞育松 等;《柴油机》;20050331;第27卷(第2期);10-12 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023072697A1 (en) * | 2021-10-27 | 2023-05-04 | Robert Bosch Gmbh | A system and method for automated calibration of an engine parameter in a vehicle |
Also Published As
Publication number | Publication date |
---|---|
CN107655692A (zh) | 2018-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107655692B (zh) | 发动机台架自动标定方法、装置和系统 | |
JP6055622B2 (ja) | システムの健康状態の判断 | |
EP3314340B1 (en) | Control contextualization and reasoning about control | |
JP6647834B2 (ja) | 乗物制御システムのための構成可能な推測センサ | |
CN109716356A (zh) | 多变量数据中的异常检测 | |
CN111444169A (zh) | 一种变电站电气设备状态监测与诊断系统及方法 | |
CN110262279A (zh) | 控制系统以及控制方法 | |
CN112819107B (zh) | 基于人工智能的燃气调压设备故障预测方法 | |
US11423321B2 (en) | Method and system for predicting system status | |
CN111707458B (zh) | 一种基于深度学习信号重构的转子监测方法 | |
CN113239991A (zh) | 基于回归生成对抗网络的火焰图像氧浓度预测方法 | |
Galiullin et al. | Mathematical modelling of diesel engine testing and diagnostic regimes | |
CN111445105A (zh) | 基于目标值分析的电厂在线性能诊断方法及系统 | |
CN114995346A (zh) | 一种发动机电气诊断标定方法、装置、设备及介质 | |
CN113433921A (zh) | 一种实车功能的测试方法、装置及控制设备 | |
CN113919540A (zh) | 一种生产过程运行状态的监测方法及相关设备 | |
Barriga et al. | Advanced data modeling for industrial drying machine energy optimization | |
Xie et al. | Fault diagnosis of large-scale industrial processes using the multi-block probabilistic kernel partial least squares method | |
CN115712874A (zh) | 基于时间序列特征的热能动力系统故障诊断方法及装置 | |
CN115841446A (zh) | 一种太阳能集热场故障风险快速检测系统及方法 | |
CN113703637A (zh) | 巡检任务代码化方法、装置、电子设备和计算机存储介质 | |
CN113408591A (zh) | 基于智能仪表的过程趋势分析预测方法 | |
Howimanporn et al. | Implementation of Real Time Data Collection Process Automation Control Using IIoT Applications | |
CN114065602A (zh) | 温度预测方法、模型训练方法及相关设备 | |
Villegas-Ch et al. | Towards Intelligent Monitoring in IoT: AI Applications for Real-Time Analysis and Prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |