CN109684704B - 一种基于速度密度模型的发动机进气流量在线标定方法 - Google Patents

一种基于速度密度模型的发动机进气流量在线标定方法 Download PDF

Info

Publication number
CN109684704B
CN109684704B CN201811550028.7A CN201811550028A CN109684704B CN 109684704 B CN109684704 B CN 109684704B CN 201811550028 A CN201811550028 A CN 201811550028A CN 109684704 B CN109684704 B CN 109684704B
Authority
CN
China
Prior art keywords
parameter
engine
model
intake
map
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
Application number
CN201811550028.7A
Other languages
English (en)
Other versions
CN109684704A (zh
Inventor
高金武
孙铂奇
胡云峰
陈虹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201811550028.7A priority Critical patent/CN109684704B/zh
Publication of CN109684704A publication Critical patent/CN109684704A/zh
Application granted granted Critical
Publication of CN109684704B publication Critical patent/CN109684704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明公开了一种基于速度密度模型的发动机进气流量在线标定方法，通过传感器采集节气门处空气流量信号、进气压力信号、进气温度信号和发动机转速信号，根据速度密度模型，利用时变参数辨识方法辨识出模型时变参数，再利用Map学习算法自动生成参数Map图，最后可通过插值法查询当前工况模型参数，并将进气压力、转速、温度一并代入模型中，便可以计算出进气流量。本发明只需要使发动机在全工况下运行，便可以实现对于不同型号发动机进气流量的在线快速自动标定。

Description

一种基于速度密度模型的发动机进气流量在线标定方法
技术领域
本发明涉及模型时变参数在线辨识技术以及MAP学习算法，具体涉及一种基于速度密度模型的发动机进气流量在线标定方法。
背景技术
随着排放法规的日益严格以及石油资源的短缺，如何提高汽车的燃油经济性并减少尾气排成为了首要问题。内燃机作为汽车的动力装置之一，空燃比是影响燃烧质量的重要因素，而进气流量对空燃比有直接的影响。
发动机在不同工况下运转时，由于流量传感器安装在节气门处，距离气缸较远，并且传感器普遍存在一定的测量延时及噪声干扰，在实际情况下无法直接通过流量传感器准确得到进入气缸的空气流量。
目前对于上述问题，普遍采用离线标定的方法，通过台架实验使发动机在不同的特定工况下工作，并测量记录对应的进气流量，将各个工况点连接起来绘制成MAP图，在实际应用过程中通过插值法来确定当前工况下的进气流量。但是此种标定方法需要测量大量的实验数据，并且对于不同型号的发动机需要重新进行标定，这就造成标定过程工作量大并且耗时长的问题。
发明内容
为了解决现有技术存在的上述问题，本发明提供一种基于速度密度模型的发动机进气流量在线标定方法，只需要使发动机在全工况下运行，便可以实现对于不同型号发动机进气流量的在线快速自动标定。通过传感器采集节气门处空气流量信号、进气压力信号、进气温度信号和发动机转速信号，根据速度密度模型，利用时变参数辨识方法辨识出模型时变参数，再利用Map学习算法自动生成参数Map图，最后可通过插值法查询当前工况模型参数，并将进气压力、转速、温度一并代入模型中，便可以计算出进气流量。
本发明的技术方案为：
一种基于速度密度模型的发动机进气流量在线标定方法，包括以下步骤：
步骤一、模型参数在线辨识及标定：
1.1)通过传感器采集节气门处空气流量信号、进气压力信号、进气温度信号和发动机转速信号，建立简化的速度密度模型，利用时变参数辨识方法辨识出速度密度模型时变参数；
1.2)根据发动机转速传感器和进气压力传感器测量的信号以及所述步骤1.1)辨识出的模型时变参数估计值，通过Map学习算法计算出参数Map图各个坐标所对应的数值，实现参数Map图在线自标定；
步骤二、进气流量计算：在参数Map图标定完成的基础上，通过双线性插值法计算出发动机当前工况所对应的速度密度模型参数，将此时的速度密度模型参数以及发动机转速、进气压力和进气温度代入到简化的速度密度模型中，可以计算出发动机气缸的进气流量。
所述步骤1.1)利用时变参数辨识方法辨识出速度密度模型时变参数具体包括：
化简后的速度密度模型为：
w＝Bn(aP-b)
其中，
Figure BDA0001910404800000021
将上式写成向量相乘的形式为：
Figure BDA0001910404800000022
Vs为发动机排量，n为发动机转速，P为进气压力，R为理想气体常数，T为进气温度；
对于如上形式的系统
Figure BDA0001910404800000023
其参数辨识算法采用梯度算法：
Figure BDA0001910404800000024
其中
Figure BDA0001910404800000025
待辨识参数向量
Figure BDA0001910404800000026
系统实际输出量y通过流量传感器在稳态工况下测得，
Figure BDA0001910404800000027
为参数估计值，K为辨识算法增益矩阵，可表示为如下形式：
Figure BDA0001910404800000028
其中，λ1和λ2为算法设计参数；
通过上述梯度算法计算出模型参数a和b的估计值。
所述步骤1.2)中Map学习算法采用梯度算法和双线性插值法，根据全工况下所辨识出的模型参数估计出Map图各个网格点所对应的模型参数，通过迭代计算在线生成Map图；
梯度算法如下所示：
Figure BDA0001910404800000029
其中θ为已辨识出的模型参数，Γ为正定对角矩阵，
Figure BDA00019104048000000210
为Map图网格点所对应的模型参数值，u为模型参数θ所对应的坐标值，即进气压力P和发动机转速n；
Figure BDA00019104048000000211
为双线性插值法计算公式，可写成向量的形式：
Figure BDA0001910404800000031
Figure BDA0001910404800000032
Figure BDA0001910404800000033
Figure BDA0001910404800000034
其中，p1和p2分别代表横纵网格点的个数，u1和u2分别代表横纵网格点坐标，
Figure BDA0001910404800000035
代表坐标
Figure BDA0001910404800000036
所对应的参数值，
Figure BDA0001910404800000037
和
Figure BDA0001910404800000038
定义如下：
Figure BDA0001910404800000039
Figure BDA00019104048000000310
所述空气流量传感器布置在节气门之前靠近节气门处，进气压力传感器和进气温度传感器布置在进气歧管内，转速传感器布置在发动机曲轴处；在发动机台架中，上述各传感器分别连接至dSpace，将通过simulink搭建的算法载入到dSpace中实时运算，改变发动机负载和节气门开度，使进气压力和发动机转速变化并覆盖全工况，逐渐标定出模型参数Map图。
附图说明
图1为本发明中发动机进气流量在线标定流程框图；
图2为传感器布置图；
图3为发动机台架信号连接图；
图中：1-空气流量传感器；2-进气压力传感器，3-进气温度传感器，4-发动机曲轴转速传感器，5-进气门，6-排气门，7-节气门，8-进气歧管，9-排气歧管，10-活塞，11-曲轴。
具体实施方式
下面对本发明的实施例进行详细说明。本实施例在本发明技术方案下给出了详细的实施方式，但本发明的保护范围不限于下述的实施例。
需要说明的是，本说明书中附图的结构、比例、大小等，均仅用于配合说明书中所述内容，并非用以限定本发明可实施的限定条件。
一种基于速度密度模型的发动机进气流量在线标定方法，如图1所示，包括模型参数在线辨识及标定和进气流量计算两个主要部分。模型参数在线辨识及标定通过传感器采集节气门处空气流量信号、进气压力信号、进气温度信号和发动机转速信号，建立速度密度模型，利用时变参数辨识方法辨识出速度密度模型时变参数，再利用Map学习算法自动生成参数 Map图；进气流量计算通过插值法查询当前工况下速度密度模型参数，并将进气压力、转速、温度一并代入速度密度模型中，计算出进气流量。
所述模型参数在线辨识及标定模块用于在线辨识速度密度模型时变参数以及在线自标定参数Map图。
通过流量传感器、发动机转速传感器、进气压力传感器、进气温度传感器分别采集节气门处空气流量信号、发动机转速信号、进气压力信号和进气温度信号。
建立速度密度模型如下所示：
进入气缸的空气流量：
Figure BDA0001910404800000041
其中，Vs为发动机排量，n为发动机转速，P为进气压力，R为理想气体常数，T为进气温度，ηV为充气效率，可表示为如下形式：
Figure BDA0001910404800000051
其中，空气绝热指数κ，发动机压缩比εc，排气压力Pc都为常数，PηV可化简为关于进气压力P的表达式：
Figure BDA0001910404800000052
速度密度模型便可以写成如下关于n和P的形式：
Figure BDA0001910404800000053
其中a和b为待辨识的速度密度模型时变参数，可以通过在线辨识得到；n、T和P通过传感器测量得到。
对于化简后的速度密度模型可以写成如下形式:
w＝Bn(aP-b)
其中
Figure BDA0001910404800000054
将上式写成向量相乘的形式为：
Figure BDA0001910404800000055
对于如上形式的系统
Figure BDA0001910404800000056
其参数辨识算法可采用梯度算法
Figure BDA0001910404800000057
其中
Figure BDA0001910404800000058
待辨识参数向量
Figure BDA0001910404800000059
系统实际输出量y通过流量传感器在稳态工况下测得，
Figure BDA00019104048000000510
为参数估计值，K为辨识算法增益矩阵，可表示为如下形式
Figure BDA00019104048000000511
其中λ1和λ2为算法设计参数，减小λ1可以提高参数估计结果的平稳性，但同时会减弱观测量对参数估计值的修正作用；减小λ2可以提高参数跟踪能力，但同时会增大测量噪声对参数估计的干扰。
通过上述梯度算法计算出模型参数a和b的估计值，算法中的增益矩阵K包含λ1和λ2两个可调参数，在算法设计过程中先设定一个初始值，在实际应用过程中再根据所需观测性能来调节两个参数值。由于速度密度模型的时变参数a和b是关于进气压力P和转速n变化的，因此需要标定出参数Map图，根据发动机转速传感器和进气压力传感器测量的信号以及模型参数估计值，通过上述梯度算法和双线性插值法构成的Map学习算法，计算出参数Map图各个网格点坐标所对应的数值，从而实现在线自标定。
Map学习算法采用梯度算法和双线性插值法，根据全工况下所辨识出的模型参数估计出 Map图各个网格点所对应的模型参数，通过迭代计算在线生成Map图。其梯度算法如下所示：
Figure BDA0001910404800000061
其中θ为已辨识出的模型参数，Γ为正定对角矩阵，
Figure BDA0001910404800000062
为Map图网格点所对应的模型参数值，u为模型参数θ所对应的坐标值(这里为进气压力P和发动机转速n)，
Figure BDA0001910404800000063
为双线性插值法计算公式，可写成向量的形式：
Figure BDA0001910404800000064
Figure BDA0001910404800000065
Figure BDA0001910404800000066
Figure BDA0001910404800000071
其中p1和p2分别代表横纵网格点的个数，u1和u2分别代表横纵网格点坐标，
Figure BDA0001910404800000072
代表坐标
Figure BDA0001910404800000073
所对应的参数值，
Figure BDA0001910404800000074
和
Figure BDA0001910404800000075
定义如下：
Figure BDA0001910404800000076
Figure BDA0001910404800000077
进气流量计算：在参数Map图标定完成的基础上，通过双线性插值法计算出发动机当前工况(当前转速和进气压力)所对应的模型参数A和B，将此时的模型参数A和B以及通过传感器测得的发动机转速n、进气压力P和进气温度T代入到化简后的速度密度模型中，便可以计算出进入气缸的空气流量。
如图2所示，所述传感器主要有空气流量传感器1、进气压力传感器2、进气温度传感器 3和发动机曲轴转速传感器4，空气流量传感器1布置在节气门7之前靠近节气门处，进气压力传感器2和进气温度传感器3布置在进气歧管8内，转速传感器4布置在发动机曲轴11处。
如图3所示，在发动机台架中，各个传感器连接至dSpace，将通过simulink搭建的算法载入到dSpace中实时运算，改变发动机负载和节气门开度，使进气压力和发动机转速变化并覆盖全工况，便可以逐渐标定出模型参数Map图。

Claims (2)

1.一种基于速度密度模型的发动机进气流量在线标定方法，其特征在于，包括以下步骤：
步骤一、模型参数在线辨识及标定：
1.1)通过传感器采集节气门处空气流量信号、进气压力信号、进气温度信号和发动机转速信号，建立简化的速度密度模型，利用时变参数辨识方法辨识出速度密度模型时变参数；
利用时变参数辨识方法辨识出速度密度模型时变参数具体包括：
化简后的速度密度模型为：
w＝Bn(aP-b)
其中，
Figure FDA0003530065790000011
将上式写成向量相乘的形式为：
Figure FDA0003530065790000012
Vs为发动机排量，n为发动机转速，P为进气压力，R为理想气体常数，T为进气温度；
对于如上形式的系统
Figure FDA0003530065790000013
其参数辨识算法采用梯度算法：
Figure FDA0003530065790000014
其中
Figure FDA0003530065790000015
待辨识参数向量
Figure FDA0003530065790000016
系统实际输出量y通过流量传感器在稳态工况下测得，
Figure FDA0003530065790000017
为参数估计值，K为辨识算法增益矩阵，可表示为如下形式：
Figure FDA0003530065790000018
其中，λ1和λ2为算法设计参数；
通过上述梯度算法计算出模型参数a和b的估计值；
所述辨识算法增益矩阵K中包含λ1和λ2两个可调参数，在算法设计过程中先设定一个初始值，在实际应用过程中再根据所需观测性能来调节两个参数值；
由于速度密度模型的时变参数a和b是关于进气压力P和转速n变化的，因此需要标定出参数Map图，根据发动机转速传感器和进气压力传感器测量的信号以及模型参数估计值，通过上述梯度算法和双线性插值法构成的Map学习算法，计算出参数Map图各个网格点坐标所对应的数值，从而实现在线自标定；
1.2)根据发动机转速传感器和进气压力传感器测量的信号以及所述步骤1.1)辨识出的模型时变参数估计值，通过Map学习算法计算出参数Map图各个坐标所对应的数值，实现参数Map图在线自标定；
其中，Map学习算法采用梯度算法和双线性插值法，根据全工况下所辨识出的模型参数估计出Map图各个网格点所对应的模型参数，通过迭代计算在线生成Map图；
梯度算法如下所示：
Figure FDA0003530065790000021
其中θ为已辨识出的模型参数，Γ为正定对角矩阵，
Figure FDA0003530065790000022
为Map图网格点所对应的模型参数值，u为模型参数θ所对应的坐标值，即进气压力P和发动机转速n；
Figure FDA0003530065790000023
为双线性插值法计算公式，可写成向量的形式：
Figure FDA0003530065790000024
Figure FDA0003530065790000025
Figure FDA0003530065790000026
Figure FDA0003530065790000027
其中，p1和p2分别代表横纵网格点的个数，u1和u2分别代表横纵网格点坐标，
Figure FDA0003530065790000028
代表坐标
Figure FDA0003530065790000029
所对应的参数值，
Figure FDA00035300657900000210
和
Figure FDA00035300657900000211
定义如下：
Figure FDA0003530065790000031
Figure FDA0003530065790000032
l＝0,1,...,p2,
Figure FDA0003530065790000033
步骤二、进气流量计算：在参数Map图标定完成的基础上，通过双线性插值法计算出发动机当前工况所对应的速度密度模型参数，将此时的速度密度模型参数以及发动机转速、进气压力和进气温度代入到简化的速度密度模型中，可以计算出发动机气缸的进气流量。
2.如权利要求1所述的一种基于速度密度模型的发动机进气流量在线标定方法，其特征在于，所述空气流量传感器布置在节气门之前靠近节气门处，进气压力传感器和进气温度传感器布置在进气歧管内，转速传感器布置在发动机曲轴处；在发动机台架中，上述各传感器分别连接至dSpace，将通过simulink搭建的算法载入到dSpace中实时运算，改变发动机负载和节气门开度，使进气压力和发动机转速变化并覆盖全工况，逐渐标定出模型参数Map图。
CN201811550028.7A 2018-12-18 2018-12-18 一种基于速度密度模型的发动机进气流量在线标定方法 Active CN109684704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811550028.7A CN109684704B (zh) 2018-12-18 2018-12-18 一种基于速度密度模型的发动机进气流量在线标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811550028.7A CN109684704B (zh) 2018-12-18 2018-12-18 一种基于速度密度模型的发动机进气流量在线标定方法

Publications (2)

Publication Number Publication Date
CN109684704A CN109684704A (zh) 2019-04-26
CN109684704B true CN109684704B (zh) 2022-06-07

Family

ID=66186768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811550028.7A Active CN109684704B (zh) 2018-12-18 2018-12-18 一种基于速度密度模型的发动机进气流量在线标定方法

Country Status (1)

Country Link
CN (1) CN109684704B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110489891B (zh) * 2019-08-23 2020-11-17 江南大学 一种基于多胞空间滤波的工业过程时变参数估计方法
CN111006867B (zh) * 2019-11-26 2021-08-20 广西玉柴机器股份有限公司 一种发动机进气修正map表的标定方法及进气修正方法
CN113374592A (zh) * 2021-06-18 2021-09-10 广西玉柴机器股份有限公司 柴油机进气流量计算的控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0582085A2 (en) * 1992-07-03 1994-02-09 Honda Giken Kogyo Kabushiki Kaisha Fuel metering control system and cylinder air flow estimation method in internalcombustion engine
CN101324208A (zh) * 2008-03-20 2008-12-17 江苏汇动汽车电子有限公司 一种电控汽油机瞬态工况空燃比控制方法
CN101892914A (zh) * 2010-07-14 2010-11-24 中国第一汽车集团公司 基于模型的发动机瞬态进气量预估方法
CN102913334A (zh) * 2012-10-31 2013-02-06 浙江吉利汽车研究院有限公司杭州分公司 一种发动机气缸进气流量检测方法
CN103711596A (zh) * 2013-12-31 2014-04-09 吉林大学 一种涡轮增压汽油机进气控制方法
CN105574220A (zh) * 2014-10-11 2016-05-11 中国航空工业集团公司西安飞机设计研究所 一种发动机短舱内部阻力计算方法
JP2018091186A (ja) * 2016-11-30 2018-06-14 富士通株式会社 内燃機関パラメータ同定装置、車載制御システム、及び内燃機関パラメータ同定方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0582085A2 (en) * 1992-07-03 1994-02-09 Honda Giken Kogyo Kabushiki Kaisha Fuel metering control system and cylinder air flow estimation method in internalcombustion engine
CN101324208A (zh) * 2008-03-20 2008-12-17 江苏汇动汽车电子有限公司 一种电控汽油机瞬态工况空燃比控制方法
CN101892914A (zh) * 2010-07-14 2010-11-24 中国第一汽车集团公司 基于模型的发动机瞬态进气量预估方法
CN102913334A (zh) * 2012-10-31 2013-02-06 浙江吉利汽车研究院有限公司杭州分公司 一种发动机气缸进气流量检测方法
CN103711596A (zh) * 2013-12-31 2014-04-09 吉林大学 一种涡轮增压汽油机进气控制方法
CN105574220A (zh) * 2014-10-11 2016-05-11 中国航空工业集团公司西安飞机设计研究所 一种发动机短舱内部阻力计算方法
JP2018091186A (ja) * 2016-11-30 2018-06-14 富士通株式会社 内燃機関パラメータ同定装置、車載制御システム、及び内燃機関パラメータ同定方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
parameter identification and nonlinear Compensation Control Design of Electronic throttle;Boqi Sun;《2018, IFAC (International Federation of Automatic Control）》;20180930;第31卷(第51期);第435-441页 *
Set-based adaptive estimation for a class of nonlinear systems with time-varying parameters;Samandeep Dahliwal;《Journal of Process Control》;20140220;第479-486页 *
Vehicle Engine Torque Estimation via Unknown Input Observer and Adaptive Parameter Estimation;Jing Na;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20180131;第67卷(第1期);第409-422页 *
基于卡尔曼+PID的电子节气门控制方法研究;李学军等;《长春大学学报》;20180830(第08期);全文 *
基于状态观测器的电喷汽油机进气流量精确估计;姚栋伟;《内燃机工程》;20090630;第30卷(第3期);第34-44页 *
基于空气流量预测的发动机空燃比三步非线性控制;王萍;《农业机械学报》;20171130;第48卷(第11期);第398-404页 *
混合动力汽车启停非线性控制器设计;胡云峰等;《吉林大学学报(工学版)》;20170112(第04期);全文 *

Also Published As

Publication number Publication date
CN109684704A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
CN109684704B (zh) 一种基于速度密度模型的发动机进气流量在线标定方法
CN102062005B (zh) 一种计算发动机进气量及进气压力的方法
CN105736206B (zh) 一种发动机变工况下循环喷油量的在线检测方法及装置
US7685871B2 (en) System and method for estimating engine internal residual fraction using single-cylinder simulation and measured cylinder pressure
CN108762110B (zh) 一种满足国ⅳ标准的电控摩托车发动机匹配标定方法
CN106762176A (zh) 一种二缸机四冲程进气压力计算方法
Liu et al. An evaluation method for transient response performance of turbocharged diesel engines
CN114810376B (zh) 用于控制发动机进气量的方法、装置、存储介质及电子设备
CN113267339B (zh) 计算节气门后的压力的方法、测量装置、发动机及车辆
CN111120119A (zh) 一种双燃料发动机的控制系统及方法
CN102913334A (zh) 一种发动机气缸进气流量检测方法
CN116447028A (zh) 发动机系统egr率的控制方法、装置、电子设备和存储介质
Martensson et al. Modeling the effect of variable cam phasing on volumetric efficiency, scavenging and torque generation
Unver et al. Modeling and validation of turbocharged diesel engine airpath and combustion systems
Youssef et al. In cylinder trapped mass estimation in diesel engines using cylinder pressure measurements
CN112267998B (zh) 一种多缸柴油机缸内最高温度及各缸不均匀性测试方法
JP2012013637A (ja) エンジン制御パラメータの適合方法及び適合装置
CN110348136B (zh) 一种基于参数标定优化的发动机扭矩及排放建模方法
CN112883653B (zh) 基于人工智能的发动机实时模型的建模方法
CN114673600A (zh) 发动机进气流量修正方法、装置、设备及存储介质
CN108846132B (zh) 基于配方文件的船用柴油机scr电控系统map图查询方法
CN113803174B (zh) 一种发动机控制方法和装置
CN109253884B (zh) 基于神经网络的涡轮排气背压估计方法
JP5488520B2 (ja) 内燃機関の制御装置
Arsie et al. Development and validation of hierarchical models for the design of engine control strategies

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