CN110454290B - 一种基于数字孪生技术的汽车发动机管控方法 - Google Patents

一种基于数字孪生技术的汽车发动机管控方法 Download PDF

Info

Publication number
CN110454290B
CN110454290B CN201910588797.4A CN201910588797A CN110454290B CN 110454290 B CN110454290 B CN 110454290B CN 201910588797 A CN201910588797 A CN 201910588797A CN 110454290 B CN110454290 B CN 110454290B
Authority
CN
China
Prior art keywords
engine
physical
data
virtual
model
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
CN201910588797.4A
Other languages
English (en)
Other versions
CN110454290A (zh
Inventor
杨世春
刘健
张正杰
陈飞
冯松
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN201910588797.4A priority Critical patent/CN110454290B/zh
Publication of CN110454290A publication Critical patent/CN110454290A/zh
Application granted granted Critical
Publication of CN110454290B publication Critical patent/CN110454290B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D29/00—Controlling engines, such controlling being peculiar to the devices driven thereby, the devices being other than parts or accessories essential to engine operation, e.g. controlling of engines by signals external thereto
    • F02D29/02—Controlling engines, such controlling being peculiar to the devices driven thereby, the devices being other than parts or accessories essential to engine operation, e.g. controlling of engines by signals external thereto peculiar to engines driving vehicles; peculiar to engines driving variable pitch propellers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D37/00—Non-electrical conjoint control of two or more functions of engines, not otherwise provided for
    • F02D37/02—Non-electrical conjoint control of two or more functions of engines, not otherwise provided for one of the functions being ignition
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0002—Controlling intake air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0025—Controlling engines characterised by use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
    • F02D41/0047—Controlling exhaust gas recirculation [EGR]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
    • F02D41/266—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor the computer being backed-up or assisted by another circuit, e.g. analogue
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/30—Controlling fuel injection
    • F02D41/3005—Details not otherwise provided for
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02P—IGNITION, OTHER THAN COMPRESSION IGNITION, FOR INTERNAL-COMBUSTION ENGINES; TESTING OF IGNITION TIMING IN COMPRESSION-IGNITION ENGINES
    • F02P5/00—Advancing or retarding ignition; Control therefor
    • F02P5/04—Advancing or retarding ignition; Control therefor automatically, as a function of the working conditions of the engine or vehicle or of the atmospheric conditions
    • F02P5/145—Advancing or retarding ignition; Control therefor automatically, as a function of the working conditions of the engine or vehicle or of the atmospheric conditions using electrical means
    • F02P5/15—Digital data processing

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Signal Processing (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明涉及了一种基于数字孪生技术的汽车发动机管控方法，将所述汽车发动机作为实际工作环境中的物理发动机，先基于数字孪生技术在仿真平台上搭建与物理发动机相匹配的数字化孪生的虚拟发动机模型，配置该模型的仿真工作环境，再通过数字主线接收物理发动机运行产生的物理数据和虚拟发动机模型运行产生的虚拟数据并将大量异构的物理数据和虚拟数据进行数据分析融合处理，还根据处理结果更新虚拟发动机模型并基于物理发动机标定性能和汽车当前状态结合在线仿真技术获得最新模型下相应的最优控制策略，根据最优控制策略通过发动机管理系统对物理发动机进行控制并实时反馈更新虚拟发动机模型及最优控制策略，形成动态滚动数据交换实现动态最优控制。

Description

一种基于数字孪生技术的汽车发动机管控方法
技术领域
本发明涉及汽车发动机管控技术领域，具体涉及一种基于数字孪生技术的汽车发动机管控方法。
背景技术
汽车中的发动机是将其他形式的能量转化为机械能的机器，它把液体或者气体的化学能通过燃烧和膨胀转化为热能，再把热能通过膨胀转化为机械能并对外输出动力，发动机是汽车的动力装置，是整个汽车的心脏部分。随着环保政策、能源政策限制力度的加大，大力应用电子控制技术，开发汽车发动机管理系统越来越成为汽车领域研究的关键课题。虽然现有技术会通过汽车发动机管理系统(简称EMS)通过电子控制手段对发动机点火、喷油、空气与燃油的比率、排放废气等进行优化控制，使发动机工作在更优工况，进而进一步提高安全性能、节能性能，还能降低废气排放，但是因为汽车发动机工作状态复杂多变，传统发动机管理系统难以跟上发动机动态时变的运行状态及性能，更无法针对性地更新控制策略以匹配时变的发动机，且其对汽车发动机的全生命周期也无法有效管控。
在智能制造和人工智能技术快速发展的工业背景下，数字孪生技术作为支撑未来物理-虚拟世界之间虚实交融的最有潜力的手段，越来越得到广泛的关注。所谓数字孪生是一个集成的多物理、多尺度、多概率性的在建系统高保真仿真模型，由数字主线(digitalthread)驱动，借助高精度模型、传感器信息和输入数据来映射和预测实际物理孪生实体全生命周期的运行情况和性能，它能够实现了在全生命周期内，虚拟数字空间与现实物理空间的联系，保证虚拟数字空间与现实物理空间的协调一致，从而具有保证全生命周期内实时精确地对汽车发动机动态管控的技术基础。并且目前数字孪生技术在汽车发动机管控技术领域的应用极为有限，但是其具有很大的应用前景，值得研究。
发明内容
本发明针对现有技术中汽车发动机通过发动机管理系统EMS进行管控时工作效率低、难以跟上发动机动态时变的运行状态及性能、无法针对性地更新控制策略以匹配时变的发动机造成管控不及时以及不能提前发现和预警一些潜在危险等问题，提供了一种基于数字孪生技术的汽车发动机管控方法，该方法创新性地引入了数字孪生技术，并通过搭建与物理发动机完全一致的虚拟发动机模型后分别在实际工作环境和仿真工作环境中同步监测两个发动机的运行数据，并对二者的运行数据进行数据分析融合处理后依此动态更新虚拟发动机模型，基于最新模型获得最优控制策略，实现动态管理控制物理发动机的运行状态，有效提升了汽车发动机的工作性能与工作效率。
本发明的技术方案如下：
一种基于数字孪生技术的汽车发动机管控方法，所述汽车发动机作为实际工作环境中的物理发动机，先基于数字孪生技术在仿真平台上搭建与物理发动机相匹配的数字化孪生的虚拟发动机模型，配置虚拟发动机模型的仿真工作环境使其与物理发动机的实际工作环境保持一致，再通过数字主线接收由数据采集设备采集的物理发动机运行产生的物理数据和所述虚拟发动机模型运行产生的虚拟数据并将大量异构的物理数据和虚拟数据进行数据分析融合处理，还根据处理结果更新虚拟发动机模型并基于物理发动机标定性能和汽车当前状态结合在线仿真技术获得最新模型下相应的最优控制策略，根据最优控制策略通过发动机管理系统对所述物理发动机进行控制，所述物理发动机变化的物理数据及依变化同步配置的虚拟发动机模型的虚拟数据均再次上传至数字主线，所述数字主线再次进行数据分析融合处理并根据最新处理结果更新虚拟发动机模型，再次获得最优控制策略，形成动态滚动数据交换，实现动态最优控制。
优选地，搭建所述虚拟发动机模型是基于所述物理发动机的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行，采用CAD画图法、CAE近似数值分析法和有限元法将所述物理发动机各部件进行数字化，将各数字化部件在仿真工作环境中组装成所述虚拟发动机。
优选地，所述数据采集设备为若干个传感器，传感器种类包括但不限于空气流量传感器、进气压力传感器、发动机转速传感器、曲轴位置传感器、凸轮轴位置传感器、节气门位置传感器、进气温度传感器、冷却液温度传感器、排气氧浓度传感器、气缸压力传感器，各传感器采集各相应部件运行的物理数据通过网络上传至数字主线。
优选地，各传感器采集的外部环境信号参数包括但不限于环境温度、环境大气压、地理海拔；
和/或，各传感器采集的物理发动机工作参数包括但不限于空气流量、进气压力、发动机转速、曲轴位置信息、凸轮轴位置信息、节气门位置信息、进气温度、冷却液温度、排气氧浓度、气缸压力；
和/或，各传感器采集的物理发动机状态参数包括但不限于物理发动机机体及各零部件形状尺寸信息，所受机械应力、热应力状况和运行疲劳损伤状况。
优选地，所述数字主线采用包括但不限于BP神经网络算法、卷积神经网络算法、状态机算法、马尔科夫链算法中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理。
优选地，所述数字主线基于利用算法进行数据分析融合处理的结果数据对所述虚拟发动机模型进行动态属性更新，包括但不限于对虚拟发动机模型进行时变特性、动态性能及性能退化方面的更新。
优选地，在基于物理发动机标定性能、电动汽车当前状态的基础上还基于目的地距离数据、用户驾驶习惯数据结合在线仿真技术获得最新模型下相应的最优控制策略。
优选地，所述最优控制策略采用汽车发动机状态报告形式，内容包括但不限于汽车发动机运行状态、汽车发动机安全性分析结果、各部件失效性预警报告、运行控制更改建议。
优选地，根据最优控制策略通过发动机管理系统中的若干执行器对所述物理发动机进行控制，执行器种类包括但不限于燃油泵、喷油器、点火线圈、点火器、节气门、怠速阀、EGR阀。
优选地，所述数字主线还通过数字孪生云计算机挖掘获取各型号汽车发动机历史经验数据及相应文本数据并将其结合到所述物理数据和虚拟数据的数据融合处理过程中。
本发明的技术效果如下：
本发明涉及了一种基于数字孪生技术的汽车发动机管控方法，该方法引入了数字孪生技术，通过搭建与物理发动机完全一致的虚拟发动机模型后分别在实际工作环境和仿真工作环境中同步监测两个发动机的运行数据并对二者的运行数据进行数据分析融合处理后依此动态更新虚拟发动机模型，基于最新模型获得最优控制策略，实现动态管理控制物理发动机的运行状态，有效解决了现有技术中汽车发动机通过发动机管理系统EMS进行管控时工作效率低、难以跟上发动机动态时变的运行状态及性能、无法针对性地更新控制策略以匹配时变的发动机造成管控不及时以及不能提前发现和预警一些潜在危险等问题，有效提升了汽车发动机的工作性能与工作效率，实现动态地对汽车的物理发动机全生命周期的精准管控，以应对物理发动机在使用过程中发生的运行环境、运行状态的变化，零部件几何变化，性能下降，疲劳损伤及失效的情况，以使得在发动机使用的全生命周期内获得最佳的性能表现，即一方面主动对发动机的状态进行监测，实时对所收集的物理数据仿真分析(仿真基于虚拟发动机模型进行)，动态更新当前虚拟发动机模型及参数(也即当前物理发动机的最优状态及参数)，进一步通过发动机管理系统EMS来有效改变发动机的控制，另一方面，利用虚拟发动机模型对物理发动机实际存在的风险以及失效做出预警、失效可能性报告等，提供虚拟发动机模型的动态属性的实时更新，随着具体车辆的使用、老化、损坏等因素，发动机的状态不断变化，数字主线生成的最优控制策略能够在线实时对具体车辆的发动机提供新的控制指导，使得物理发动机，虚拟发动机模型以及数字主线均不断滚动优化，能保证汽车发动机全生命周期中随工况实时而变的最优控制策略，输出最优的控制策略服务于物理发动机，指导汽车发动机的针对性维护，大大提高了物理发动机的系统安全性，实现发动机全生命周期的最优经济性、排放性及应用可靠性。本发明汽车发动机管控方法所建立的数字空间的数字孪生技术的虚拟发动机模型能实时修正，实现了虚拟发动机模型这一数学模型的高保真，能进行性能仿真预测汽车发动机可能出现的故障和预测汽车发动机寿命；并为汽车领域不同的发动机提供所需的数据及决策支持，具有良好的适应性及数据迁移性。
附图说明
图1：为本发明一种基于数字孪生技术的汽车发动机管控方法的概括性原理示意图。
图2：为本发明一种基于数字孪生技术的汽车发动机管控方法的物理发动机与虚拟发动机模型之间数据信息交换示意图。
具体实施方式
下面结合附图进一步对本发明进行详细说明。
本发明涉及了一种基于数字孪生技术的汽车发动机管控方法，将所述汽车发动机作为实际工作环境中的物理发动机，所述物理发动机是现实物理空间中的汽车发动机，可以是汽油发动机、柴油发动机和使用其他燃料的发动机等任何常见的汽车发动机，工作时外部环境和机体参数实时变化，如图1的概括性原理示意图所示，本方法先基于数字孪生技术在仿真平台上搭建与物理发动机相匹配的数字化孪生的虚拟发动机模型，也可称为数字空间发动机模型，是存在于计算机虚拟数字空间中的高保真发动机数学模型，能根据接收的参数信号实时修正并进行仿真，配置虚拟发动机模型的仿真工作环境使其与物理发动机的实际工作环境保持一致，再通过数字主线接收由数据采集设备采集的物理发动机运行产生的物理数据和所述虚拟发动机模型运行产生的虚拟数据并将大量异构的物理数据和虚拟数据进行数据分析融合处理，还根据处理结果更新虚拟发动机模型并基于物理发动机标定性能和汽车当前状态结合在线仿真技术获得最新模型下相应的最优控制策略，根据最优控制策略通过发动机管理系统对所述物理发动机进行控制，其中的数字主线是覆盖物理发动机全寿命周期与全价值链、集成并驱动该以虚拟发动机模型为核心的物理发动机工作的数字化数据流，其具有数据接口和接入标准，能集成和处理大量异构数据，所述物理发动机变化的物理数据及依变化同步配置的虚拟发动机模型的虚拟数据均再次上传至数字主线，具体优选地，数字主线通过安装在所述物理发动机各部件上的若干个数据采集设备优选可以为若干个传感器(图中传感器1-n)对现实空间的物理发动机进行物理数据收集，并且传感器种类包括但不限于空气流量传感器、进气压力传感器、发动机转速传感器、曲轴位置传感器、凸轮轴位置传感器、节气门位置传感器、进气温度传感器、冷却液温度传感器、排气氧浓度传感器、气缸压力传感器，各传感器采集各相应部件运行的物理数据通过网络上传至数字主线，所述数字主线再次进行数据分析融合处理并根据最新处理结果更新虚拟发动机模型，再次获得最优控制策略，优选地最优控制策略利用汽车发动机上的若干个执行器(执行器1-m，执行器具体是安装在发动机管理系统EMS中，也即数字主线将数据集成处理同时与EMS进行通信)对所述物理发动机进行控制，虚拟发动机模型和物理发动机与数字主线之间形成动态滚动数据交换，实现对物理发动机的动态最优控制，该方法引入了数字孪生技术，通过搭建与物理发动机完全一致的虚拟发动机模型后分别在实际工作环境和仿真工作环境中同步监测两个发动机的运行数据并对二者的运行数据进行数据分析融合处理后依此动态更新虚拟发动机模型，基于最新模型获得最优控制策略，实现动态管理控制物理发动机的运行状态，有效解决了现有技术中汽车发动机通过发动机管理系统EMS进行管控时工作效率低、难以跟上发动机动态时变的运行状态及性能、无法针对性地更新控制策略以匹配时变的发动机造成管控不及时以及不能提前发现和预警一些潜在危险等问题，有效提升了汽车发动机的工作性能与工作效率，实现动态地对汽车的物理发动机全生命周期的精准管控，以应对物理发动机在使用过程中发生的运行环境、运行状态的变化，零部件几何变化，性能下降，疲劳损伤及失效的情况，以使得在发动机使用的全生命周期内获得最佳的性能表现，即一方面主动对发动机的状态进行监测，实时对所收集的物理数据仿真分析(仿真基于虚拟发动机模型进行)，动态更新当前虚拟发动机模型及参数(也即当前物理发动机的最优状态及参数)，进一步通过发动机管理系统EMS来有效改变发动机的控制，另一方面，利用虚拟发动机模型对物理发动机实际存在的风险以及失效做出预警、失效可能性报告等，提供虚拟发动机模型的动态属性的实时更新，随着具体车辆的使用、老化、损坏等因素，发动机的状态不断变化，数字主线生成的最优控制策略能够在线实时对具体车辆的发动机提供新的控制指导，使得物理发动机，虚拟发动机模型以及数字主线均不断滚动优化，能保证汽车发动机全生命周期中随工况实时而变的最优控制策略，输出最优的控制策略服务于物理发动机，指导汽车发动机的针对性维护，大大提高了物理发动机的系统安全性，实现发动机全生命周期的最优经济性、排放性及应用可靠性，本发明汽车发动机管控方法所建立的数字空间的数字孪生技术的虚拟发动机模型能实时修正，实现了虚拟发动机模型这一数学模型的高保真，能进行性能仿真预测汽车发动机可能出现的故障和预测汽车发动机寿命；并为汽车领域不同的发动机提供所需的数据及决策支持，具有良好的适应性及数据迁移性。
优选地，搭建所述虚拟发动机模型是基于所述物理发动机的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行，采用CAD画图法、CAE近似数值分析法和有限元法将所述物理发动机各部件进行数字化，将各数字化部件在仿真工作环境中组装成所述虚拟发动机，故而所述虚拟发动机模型就包括关于物理发动机相关的各子模型，具体如图2数据信息交换示意图所示的CAD模型、疲劳损伤模型、动力学模型、热力学模型、发动机控制系统模型，其中CAD模型为对物理发动机几何结构的描述、疲劳损伤模型为对物理发动机结构材料特性的描述、动力学模型为对物理发动机机械系统的描述、热力学模型为对物理发动机热管理的描述、发动机控制系统模型为对物理发动机控制系统的描述，此外甚至还包括、性能数学参数、故障维修数据模型、历史运行数据模型等等，各子模型参数与物理发动机各相应部件的参数一一对应，直接映射物理发动机实时地运行情况，如图2所示，当物理发动机接收指令进行迭代优化时，也就是物理发动机接收数字主线(图中未示出)基于所述虚拟发动机模型获取的最优控制策略后也一定的工作任务时，所述物理发动机实时动态属性的更新与变化的数据会被采集同时实时上传反馈到所述虚拟发动机模型中，为下一次获得最优控制策略做好相应的数据准备，整个过程实时滚动，能保证汽车的物理发动机全生命周期中随工况实时而变的最优控制策略，实现物理发动机全生命周期的最优经济性、排放性和可靠性。
优选地，各传感器采集的外部环境信号参数包括但不限于环境温度、环境大气压、地理海拔，甚至还包括天气因素；和/或，各传感器采集的物理发动机工作参数包括但不限于空气流量、进气压力、发动机转速、曲轴位置信息、凸轮轴位置信息、节气门位置信息、进气温度、冷却液温度、排气氧浓度、气缸压力，即采集所有相关的外部环境信息和机体工作状态信息等；和/或，各传感器采集的物理发动机状态参数包括但不限于物理发动机机体及各零部件形状尺寸信息，所受机械应力、热应力状况和运行疲劳损伤状况，利用此全方位的参数信号为基础建立的高保真的虚拟发动机模型等于将物理发动机实时地映射到数字空间，该数字化虚拟模型能表征发动机动力性、经济性、排放性能、可靠性等性能，并且在数字仿真空间中，该模型能够进行工作过程仿真并且预测工作性能，实用性非常强。
优选地，所述数字主线采用包括但不限于BP神经网络算法、卷积神经网络算法、状态机算法、马尔科夫链算法中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理，多种算法结合以提高算力。
优选地，所述数字主线基于利用算法进行数据分析融合处理的结果数据对所述虚拟发动机模型进行动态属性更新，包括但不限于使用状态机、马尔科夫链、神经网络等方法对虚拟发动机模型进行时变特性、动态性能及性能退化等方面的更新。
优选地，在基于物理发动机标定性能、电动汽车当前状态的基础上还基于目的地距离数据、用户驾驶习惯数据结合在线仿真技术获得最新模型下相应的最优控制策略。
优选地，所述最优控制策略采用汽车发动机状态报告形式，内容包括但不限于汽车发动机运行状态、汽车发动机安全性分析结果、各部件失效性预警报告、运行控制更改建议，所述的最优控制策略为使汽车的物理发动机在保证工作安全和完成驾驶员意图的基础上，获得最优的动力性的经济性，保证物理发动机工作可靠性，尽量延长物理发动机使用寿命。
优选地，根据最优控制策略通过发动机管理系统中的若干执行器对所述物理发动机进行控制，执行器种类包括但不限于燃油泵、喷油器、点火线圈、点火器、节气门、怠速阀、EGR阀，具体的控制对象包括但不限于汽车的物理发动机的燃油燃供应、进气控制、燃油喷射、点火(仅汽油发动机)、废气后处理等。
优选地，如图1所示，本方法中所述数字主线还通过数字孪生云计算机挖掘获取各型号汽车发动机历史经验数据及相应文本数据并将其结合到所述物理数据和虚拟数据的数据融合处理过程中，以增加计算过程的数据基础，使得计算结果更为准确、模型更为精准进而获得更有针对性的最优的控制策略，且能为汽车领域不同的发动机提供所需的数据及决策支持，具有良好的适应性及数据迁移性。
优选地，所述数字主线与所述数字孪生云计算机之间及数字孪生云计算机与物理发动机及发动机管理系统EMS之间分别采用无线网络传输或物理连接有线传输，以实际应用场景使用方便为主。
本发明将现实空间中的汽车发动机(物理发动机)和虚拟数字空间中的发动机模型均与数字主线进行数据通信，数字主线将数据集成处理同时与EMS进行通信。物理发动机通过传感器实时采集外部环境信息和机体工作状态信息。数字主线将多维度多系统的数据进行整合处理，实时地映射到虚拟的数字空间，在数字空间中生成高保真的数字孪生的虚拟发动机模型。数字化孪生的虚拟发动机模型将根据接收的实时参数信号实时修正模型并进行仿真，预测发动机的性能并计算最优控制策略。得到的最优控制策略实时修正EMS中的控制策略，最终EMS将根据实时控制策略通过执行器对物理发动机进行控制，以使物理发动机在当前工作状况中发挥最佳性能，在全生命周期内实现最优的经济性、动力性、可靠性和保障发动机寿命。
应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

Claims (10)

1.一种基于数字孪生技术的汽车发动机管控方法，其特征在于，所述汽车发动机作为实际工作环境中的物理发动机，先基于数字孪生技术在仿真平台上搭建与物理发动机相匹配的数字化孪生的虚拟发动机模型，配置虚拟发动机模型的仿真工作环境使其与物理发动机的实际工作环境保持一致，再通过数字主线接收由数据采集设备采集的物理发动机运行产生的物理数据和所述虚拟发动机模型运行产生的虚拟数据并将大量异构的物理数据和虚拟数据进行数据分析融合处理，还根据处理结果更新虚拟发动机模型并基于物理发动机标定性能和汽车当前状态结合在线仿真技术获得最新模型下相应的最优控制策略，根据最优控制策略通过发动机管理系统对所述物理发动机进行控制，所述物理发动机变化的物理数据及依变化同步配置的虚拟发动机模型的虚拟数据均再次上传至数字主线，所述数字主线再次进行数据分析融合处理并根据最新处理结果更新虚拟发动机模型，再次获得最优控制策略，且数字主线将数据集成处理同时与发动机管理系统进行通信，虚拟发动机模型和物理发动机与数字主线之间形成动态滚动数据交换，得到的最优控制策略实时修正发动机管理系统中的控制策略，实现发动机管理系统根据实时的最优控制策略对物理发动机的动态最优控制。
2.根据权利要求1所述的基于数字孪生技术的汽车发动机管控方法，其特征在于，搭建所述虚拟发动机模型是基于所述物理发动机的包括几何尺寸、材料属性、电路结构和连接关系的物理数据进行，采用CAD画图法、CAE近似数值分析法和有限元法将所述物理发动机各部件进行数字化，将各数字化部件在仿真工作环境中组装成所述虚拟发动机。
3.根据权利要求2所述的基于数字孪生技术的汽车发动机管控方法，其特征在于，所述数据采集设备为若干个传感器，传感器种类包括空气流量传感器、进气压力传感器、发动机转速传感器、曲轴位置传感器、凸轮轴位置传感器、节气门位置传感器、进气温度传感器、冷却液温度传感器、排气氧浓度传感器、气缸压力传感器，各传感器采集各相应部件运行的物理数据通过网络上传至数字主线。
4.根据权利要求3所述的基于数字孪生技术的汽车发动机管控方法，其特征在于，各传感器采集的外部环境信号参数包括环境温度、环境大气压、地理海拔；
和/或，各传感器采集的物理发动机工作参数包括空气流量、进气压力、发动机转速、曲轴位置信息、凸轮轴位置信息、节气门位置信息、进气温度、冷却液温度、排气氧浓度、气缸压力；
和/或，各传感器采集的物理发动机状态参数包括物理发动机机体及各零部件形状尺寸信息，所受机械应力、热应力状况和运行疲劳损伤状况。
5.根据权利要求1-4之一所述的基于数字孪生技术的汽车发动机管控方法，其特征在于，所述数字主线采用包括BP神经网络算法、卷积神经网络算法、状态机算法、马尔科夫链算法中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理。
6.根据权利要求5所述的基于数字孪生技术的汽车发动机管控方法，其特征在于，所述数字主线基于利用算法进行数据分析融合处理的结果数据对所述虚拟发动机模型进行动态属性更新，包括对虚拟发动机模型进行时变特性、动态性能及性能退化方面的更新。
7.根据权利要求6所述的基于数字孪生技术的汽车发动机管控方法，其特征在于，在基于物理发动机标定性能、电动汽车当前状态的基础上还基于目的地距离数据、用户驾驶习惯数据结合在线仿真技术获得最新模型下相应的最优控制策略。
8.根据权利要求7所述的基于数字孪生技术的汽车发动机管控方法，其特征在于，所述最优控制策略采用汽车发动机状态报告形式，内容包括汽车发动机运行状态、汽车发动机安全性分析结果、各部件失效性预警报告、运行控制更改建议。
9.根据权利要求7所述的基于数字孪生技术的汽车发动机管控方法，其特征在于，根据最优控制策略通过发动机管理系统中的若干执行器对所述物理发动机进行控制，执行器种类包括燃油泵、喷油器、点火线圈、点火器、节气门、怠速阀、EGR阀。
10.根据权利要求9所述的基于数字孪生技术的汽车发动机管控方法，其特征在于，所述数字主线还通过数字孪生云计算机挖掘获取各型号汽车发动机历史经验数据及相应文本数据并将其结合到所述物理数据和虚拟数据的数据融合处理过程中。
CN201910588797.4A 2019-07-02 2019-07-02 一种基于数字孪生技术的汽车发动机管控方法 Active CN110454290B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910588797.4A CN110454290B (zh) 2019-07-02 2019-07-02 一种基于数字孪生技术的汽车发动机管控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910588797.4A CN110454290B (zh) 2019-07-02 2019-07-02 一种基于数字孪生技术的汽车发动机管控方法

Publications (2)

Publication Number Publication Date
CN110454290A CN110454290A (zh) 2019-11-15
CN110454290B true CN110454290B (zh) 2021-01-29

Family

ID=68481947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910588797.4A Active CN110454290B (zh) 2019-07-02 2019-07-02 一种基于数字孪生技术的汽车发动机管控方法

Country Status (1)

Country Link
CN (1) CN110454290B (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110989605B (zh) * 2019-12-13 2020-09-18 哈尔滨工业大学 一种三体智能系统架构及探测机器人
CN111835565B (zh) * 2020-07-06 2023-06-20 重庆金美通信有限责任公司 一种基于数字孪生的通信网络优化方法、装置和系统
CN111898917B (zh) * 2020-08-07 2021-04-23 中译语通科技（青岛）有限公司 基于大数据的智能制造管理系统
CN111950147B (zh) * 2020-08-10 2022-09-06 上海数设科技有限公司 一种以统一形式样机模型定义数字孪生体的方法及装置
CN112419775B (zh) * 2020-08-12 2022-01-11 华东师范大学 基于强化学习的数字孪生智慧停车方法及系统
CN114519248A (zh) * 2020-11-20 2022-05-20 中国石油天然气股份有限公司 基于数字孪生处理天然气长输管道泄漏行为的方法和系统
CN112906296B (zh) * 2021-02-02 2022-05-10 武汉理工大学 混合动力汽车全服役期能量优化方法、系统和存储介质
CN113002555B (zh) * 2021-02-08 2022-04-08 南京航空航天大学 一种数字孪生驱动的智能线控底盘系统及其故障诊断方法
DE102021202210B3 (de) * 2021-03-08 2022-09-08 Vega Grieshaber Kg Automatisches Parametrieren eines Sensors mittels einem virtuellen Zwilling
EP4067191A1 (en) * 2021-03-29 2022-10-05 Siemens Industry Software NV Method and system for determining operating performance parameters of a device
CN113326668A (zh) * 2021-06-01 2021-08-31 上海大学 面向涡扇发动机的数字孪生物理层的构建方法
CN115217645B (zh) * 2021-06-22 2023-09-29 广州汽车集团股份有限公司 发动机进气量控制方法、系统、控制器及存储介质
US20230102845A1 (en) * 2021-09-28 2023-03-30 International Business Machines Corporation Proactive cooling system
CN114002332B (zh) * 2021-09-29 2023-07-25 西安交通大学 一种结构损伤监测预警方法及结构完整性数字孪生系统
US11899527B2 (en) 2021-11-30 2024-02-13 Caterpillar Inc. Systems and methods for identifying machine anomaly root cause based on a selected reduced order model and a selected fault model
CN114909227A (zh) * 2022-04-12 2022-08-16 哈尔滨工程大学 一种基于数字孪生的船舶柴油机喷油控制系统及策略
CN114879536B (zh) * 2022-07-11 2022-09-16 山东交通学院 基于数字孪生技术获取悬架系统实时特性的方法和装置
CN115373290B (zh) * 2022-10-27 2023-01-24 极晨智道信息技术(北京)有限公司 一种基于数字孪生的数字化车间仿真方法与系统
CN116971881B (zh) * 2023-09-20 2023-12-05 无锡映诺汽车科技有限公司 一种基于数字孪生技术的内燃发动机管理方法及系统
CN117236054A (zh) * 2023-10-08 2023-12-15 苏州诺克汽车工程装备有限公司 一种基于数字孪生的汽车焊装夹具装配方法、系统及介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102073278A (zh) * 2009-11-20 2011-05-25 上海通用汽车有限公司 基于虚拟车辆及虚拟部件的ecm标定及验证系统
US9998487B2 (en) * 2016-04-25 2018-06-12 General Electric Company Domain level threat detection for industrial asset control system
US20190138970A1 (en) * 2017-11-07 2019-05-09 General Electric Company Contextual digital twin
CN109343496A (zh) * 2018-11-14 2019-02-15 中国电子工程设计院有限公司 应用于工业生产的数字孪生系统及其形成方法

Also Published As

Publication number Publication date
CN110454290A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN110454290B (zh) 一种基于数字孪生技术的汽车发动机管控方法
US10402742B2 (en) Processing sensor logs
US8793004B2 (en) Virtual sensor system and method for generating output parameters
US6325050B1 (en) Method and system for controlling fuel injection timing in an engine for powering a locomotive
US20160160787A1 (en) Controller for controlling an internal combustion engine of a vehicle, in particular a commercial vehicle
CN107131068B (zh) 连续计算每汽缸截留和扫气空气的方法
US11459962B2 (en) Electronic valve control
AU2004274541A1 (en) Method for controlling combustion in an internal combustion engine and predicting performance and emissions
Rai et al. Prediction models for performance and emissions of a dual fuel CI engine using ANFIS
CN112508373B (zh) 一种基于数字孪生技术的船用柴油机性能评估方法
Martinez-Morales et al. Modeling and multi-objective optimization of a gasoline engine using neural networks and evolutionary algorithms
Zheng et al. A study of aero-engine control method based on deep reinforcement learning
CN112983608A (zh) 颗粒捕集器碳载量计算方法、系统、控制器和存储介质
JP5621744B2 (ja) 車載動力プラントの制御装置
Omran et al. Optimal control of a variable geometry turbocharged diesel engine using neural networks: Applications on the ETC test cycle
CN103764979B (zh) 用于控制内燃机中爆震的方法和设备
US11008966B2 (en) Method for determining a position of at least one actuator
Gao et al. Injection control algorithm of diesel electronic control system based on neural network technology
Yilmaz et al. Modeling and simulation of injection control system on a four-stroke type diesel engine development platform using artificial neural networks
CN113795661B (zh) 内燃发动机的控制器
JP2015222066A (ja) 内燃機関の制御装置
CN106709079B (zh) 润滑系统仿真方法及装置
Dilibe Ifeanyi Computational Model of the Fuel Consumption and Exhaust Temperature of a Heavy Duty Diesel Engine Using Matlab/Simulink
Burggraf et al. Semi-automatically optimized calibration of internal combustion engines
Dilibe Computational model of the fuel consumption and exhaust temperature of a heavy duty diesel engine using MATLAB/SIMULINK

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