CN111255557B - 一种汽车发动机冷却检测系统及其控制方法 - Google Patents

一种汽车发动机冷却检测系统及其控制方法 Download PDF

Info

Publication number
CN111255557B
CN111255557B CN202010068526.9A CN202010068526A CN111255557B CN 111255557 B CN111255557 B CN 111255557B CN 202010068526 A CN202010068526 A CN 202010068526A CN 111255557 B CN111255557 B CN 111255557B
Authority
CN
China
Prior art keywords
cooling
engine
liquid
cooling liquid
detection system
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
CN202010068526.9A
Other languages
English (en)
Other versions
CN111255557A (zh
Inventor
郝亮
石晶
魏社旺
刘永智
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.)
Liaoning University of Technology
Original Assignee
Liaoning University of Technology
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 Liaoning University of Technology filed Critical Liaoning University of Technology
Priority to CN202010068526.9A priority Critical patent/CN111255557B/zh
Publication of CN111255557A publication Critical patent/CN111255557A/zh
Application granted granted Critical
Publication of CN111255557B publication Critical patent/CN111255557B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01P—COOLING OF MACHINES OR ENGINES IN GENERAL; COOLING OF INTERNAL-COMBUSTION ENGINES
    • F01P11/00—Component parts, details, or accessories not provided for in, or of interest apart from, groups F01P1/00 - F01P9/00
    • F01P11/14—Indicating devices; Other safety devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01P—COOLING OF MACHINES OR ENGINES IN GENERAL; COOLING OF INTERNAL-COMBUSTION ENGINES
    • F01P11/00—Component parts, details, or accessories not provided for in, or of interest apart from, groups F01P1/00 - F01P9/00
    • F01P11/14—Indicating devices; Other safety devices
    • F01P11/16—Indicating devices; Other safety devices concerning coolant temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01P—COOLING OF MACHINES OR ENGINES IN GENERAL; COOLING OF INTERNAL-COMBUSTION ENGINES
    • F01P11/00—Component parts, details, or accessories not provided for in, or of interest apart from, groups F01P1/00 - F01P9/00
    • F01P11/14—Indicating devices; Other safety devices
    • F01P11/18—Indicating devices; Other safety devices concerning coolant pressure, coolant flow, or liquid-coolant level
    • 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
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F02D41/2441—Methods of calibrating or learning characterised by the learning conditions
    • 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
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F02D41/2451—Methods of calibrating or learning characterised by what is learned or calibrated
    • F02D41/2464—Characteristics of actuators
    • F02D41/2467—Characteristics of actuators for injectors
    • 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
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F02D41/2477—Methods of calibrating or learning characterised by the method used for learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01P—COOLING OF MACHINES OR ENGINES IN GENERAL; COOLING OF INTERNAL-COMBUSTION ENGINES
    • F01P2031/00—Fail safe
    • F01P2031/20—Warning devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01P—COOLING OF MACHINES OR ENGINES IN GENERAL; COOLING OF INTERNAL-COMBUSTION ENGINES
    • F01P2050/00—Applications
    • F01P2050/22—Motor-cars

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明公开了一种汽车发动机冷却检测系统，包括：数据采集模块，其设置在汽车发动机冷却箱上；数据处理模块，其与所述数据采集模块连接，用于接收所述数据采集模块采集的数据并处理；控制器，其与所述数据处理模块连接，用于接收所述数据处理模块的数据并输出控制结果；显示屏，其与所述数据处理模块连接，用于接收所述数据处理模块的数据并显示。本发明还提供一种汽车发动机冷却检测系统的控制方法，能够采集汽车发动机冷却箱内冷却液的温度、颜色以及液位，并基于BP神经网络确定发动机的冷却性能指数以及冷却液的浊度。还能根据发动机的冷却性能指数对发动机喷油脉宽进行修正，提高车辆的燃油经济性。

Description

一种汽车发动机冷却检测系统及其控制方法
技术领域
本发明涉及汽车发动机检测和控制技术领域，更具体的是，本发明涉及一种汽车发动机冷却检测系统及其控制方法。
背景技术
汽车冷却系统是一个复杂的系统，要充分考虑散热风扇、冷却液质量和特性等诸多方面设计，冷却液作为汽车发动机冷却系统的重要组成部分，它在发动机冷却系统中循环流动，并将发动机中产生的多余热能带走，使发动机能以正常工作温度运转。我国国家强制标准GB 29743-2013《机动车发动机冷却液标准》中对于机动车发动机冷却液的术语和定义、产品分类、技术要求和试验方法、检验规则、标志和包装、运输和贮存等做了规定。对这些规定因素的检测方法多种多样，但大多数方法均局限于专业标定工具和实验室才能进行。因此，冷却液质量好坏、温度变化幅度和趋势精确的监测对于发动机散热效果影响至关重要，因此，随车实时监测冷却液温度、补偿水箱中冷却液余量，以及冷却液质量状况等参数是非常重要的。
发明内容
本发明的一个目的是设计开发了一种汽车发动机冷却检测系统，能够实时检测发动机冷却箱内的冷却液的状态，提高车辆的燃油经济性。
本发明的另一个目的是设计开发了一种汽车发动机冷却检测系统的控制方法，能够采集汽车发动机冷却箱内冷却液的温度、颜色以及液位，并基于BP神经网络确定发动机的冷却性能指数以及冷却液的浊度。
本发明还能根据发动机的冷却性能指数对发动机喷油脉宽进行修正，提高车辆的燃油经济性。
本发明提供的技术方案为：
一种汽车发动机冷却检测系统，包括：
数据采集模块，其设置在汽车发动机冷却箱上；
数据处理模块，其与所述数据采集模块连接，用于接收所述数据采集模块采集的数据并处理；
控制器，其与所述数据处理模块连接，用于接收所述数据处理模块的数据并输出控制结果；
显示屏，其与所述数据处理模块连接，用于接收所述数据处理模块的数据并显示。
优选的是，所述数据采集模块包括：
温度传感器，其设置在所述汽车发动机冷却箱内，用于检测冷却液的温度；
颜色传感器，其设置在所述汽车发动机冷却箱上，用于检测冷却液颜色；
液位传感器，其设置在所述汽车发动机冷却箱内，用于检测冷却液液面高度。
优选的是，还包括报警器，用于发出警报。
一种汽车发动机冷却检测系统的控制方法，采集汽车发动机冷却箱内冷却液的温度、颜色以及液位，并基于BP神经网络确定发动机的冷却性能指数以及冷却液的浊度，具体包括如下步骤：
步骤一、按照采样周期，通过传感器测量发动机冷却箱内冷却液的温度、颜色以及液位；
步骤二、确定三层BP神经网络的输入层神经元向量x＝{x1,x2,x3}；其中，x1为冷却箱内冷却液的温度，x2为冷却箱内冷却液的颜色，x3为冷却箱内冷却液的液位；
步骤三、所述输入层向量映射到隐层，隐层的神经元为m个；
步骤四、得到输出层神经元向量o＝{o1,o2}；其中，o1为发动机冷却性能指数，o2为冷却箱内冷却液的浊度。
优选的是，根据发动机冷却性能指数对发动机喷油脉宽进行修正：
Figure GDA0002719455550000031
其中，BPW为发动机的喷油脉宽，T为冷却箱内冷却液的温度，ΔT间隔为Δt时间内的冷却液的温度变化量，
Figure GDA0002719455550000032
为发动机冷却性能指数，且φ∈[0,1]，hmax为冷却箱内冷却液的最大液位高度，h为冷却箱内冷却液的实际液位高度，ξ为冷却箱内冷却液的浊度，BPW0为根据发动机的标准喷油曲线对应的喷油脉宽。
优选的是，根据发动机喷油脉宽确定发动机的进气歧管的进气压力：
Figure GDA0002719455550000033
其中，MAP为发动机的进气歧管的进气压力，Tg为发动机的进气歧管的进气温度，VE为发动机的气缸充量系数，BPT为基本脉宽常数。
优选的是，当冷却箱内冷却液的浊度大于等于10NTU时，报警器报警，需及时更换冷却液。
优选的是，当冷却箱内冷却液的液位高度小于最大高度的1/2时，报警器报警，需及时添加冷却液。
优选的是，所述隐层的神经元为5个。
优选的是，所述隐层及所述输出层的激励函数均采用S型函数fj(x)＝1/(1+e-x)。
本发明所述的有益效果：
(1)本发明设计开发的汽车发动机冷却检测系统，能够实时检测发动机冷却箱内的冷却液的状态，提高车辆的燃油经济性。
(2)本发明设计开发的汽车发动机冷却检测系统的控制方法，能够采集汽车发动机冷却箱内冷却液的温度、颜色以及液位，并基于BP神经网络确定发动机的冷却性能指数以及冷却液的浊度。本发明还能根据发动机的冷却性能指数对发动机喷油脉宽进行修正，提高车辆的燃油经济性。
附图说明
图1为本发明所述汽车发动机冷却检测系统的模块结构示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1所示，本发明提供一种汽车发动机冷却检测系统，包括数据采集模块110，其设置在汽车发动机冷却箱上；数据处理模块120，其与数据采集模块110连接，用于接收数据采集模块110采集的数据并处理；控制器130，其与数据处理模块120连接，用于接收数据处理模块120的数据并输出控制结果；显示屏140，其与数据处理模块120连接，用于接收数据处理模块120的数据并显示。
所述的数据采集模110块包括：温度传感器111，其设置在汽车发动机冷却箱内，用于检测冷却液的温度；颜色传感器112，其设置在汽车发动机冷却箱上，用于检测冷却液颜色；液位传感器113，其设置在汽车发动机冷却箱内，用于检测冷却液液面高度。
本实施例中，还包括报警器150，用于发出警报。
本发明设计开发的汽车发动机冷却检测系统，能够实时检测发动机冷却箱内的冷却液的状态，提高车辆的燃油经济性。
本发明还提供一种汽车发动机冷却检测系统的控制方法，采集汽车发动机冷却箱内冷却液的温度、颜色以及液位，并基于BP神经网络确定发动机的冷却性能指数以及冷却液的浊度，具体包括如下步骤：
步骤一、建立BP神经网络模型。
BP模型上各层次的神经元之间形成全互连连接，各层次内的神经元之间没有连接，输入层神经元的输出与输入相同，即oi＝xi。中间隐含层和输出层的神经元的操作特性为：
Figure GDA0002719455550000051
opj＝fj(netpj)
其中p表示当前的输入样本，ωji为从神经元i到神经元j的连接权值，opi为神经元j的当前输入，opj为其输出；fj为非线性可微非递减函数，一般取为S型函数，即fj(x)＝1/(1+e-x)。
本发明采用的BP神经网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示系统工作状态的n个检测信号，这些信号参数由数据预处理模块给出；第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定；第三层为输出层，共p个节点，由系统实际需要输出的响应确定。
该网络的数学模型为：
输入向量：x＝(x1,x2,...,xn)T
中间层向量：y＝(y1,y2,...,ym)T
输出向量：o＝(o1,o2,...,op)T
本发明中，输入层节点数为n＝3，输出层节点数为p＝2，隐藏层节点数m＝5。
输入层3个参数分别表示为：x1为冷却箱内冷却液的温度，x2为冷却箱内冷却液的颜色，x3为冷却箱内冷却液的液位；
输出层2个参数分别表示为：o1为发动机冷却性能指数，o2为冷却箱内冷却液的浊度。
步骤二、进行BP神经网络的训练。
建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值，隐层节点j和输出层节点k之间的连接权值。
(1)训练方法
各子网采用单独训练的方法；训练时，首先要提供一组训练样本，其中的每一个样本由输入样本和理想输出对组成，当网络的所有实际输出与其理想输出一致时，表明训练结束；否则，通过修正权值，使网络的理想输出与实际输出一致。
(2)训练算法
BP网络采用误差反向传播(Backward Propagation)算法进行训练，其步骤可归纳如下：
第一步：选定一结构合理的网络，设置所有节点阈值和连接权值的初值。
第二步：对每个输入样本作如下计算：
(a)前向计算：对l层的j单元
Figure GDA0002719455550000061
式中，
Figure GDA0002719455550000062
为第n次计算时l层的j单元信息加权和，
Figure GDA0002719455550000063
为l层的j单元与前一层(即l-1层)的单元i之间的连接权值，
Figure GDA0002719455550000064
为前一层(即l-1层，节点数为nl-1)的单元i送来的工作信号；i＝0时，令
Figure GDA0002719455550000065
Figure GDA0002719455550000066
为l层的j单元的阈值。
若单元j的激活函数为sigmoid函数，则
Figure GDA0002719455550000067
且
Figure GDA0002719455550000068
若神经元j属于第一隐层(l＝1)，则有
Figure GDA0002719455550000069
若神经元j属于输出层(l＝L)，则有
Figure GDA0002719455550000071
且ej(n)＝xj(n)-oj(n)；
(b)反向计算误差：
对于输出单元
Figure GDA0002719455550000072
对隐单元
Figure GDA0002719455550000073
(c)修正权值：
Figure GDA0002719455550000074
η为学习速率。
第三步：输入新的样本或新一周期样本，直到网络收敛，在训练时各周期中样本的输入顺序要重新随机排序。
BP算法采用梯度下降法求非线性函数极值，存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是Levenberg-Marquardt优化算法，它使得网络学习时间更短，能有效地抑制网络陷于局部极小。其权值调整率选为
Δω＝(JTJ+μI)-1JTe
其中J为误差对权值微分的雅可比(Jacobian)矩阵，I为输入向量，e为误差向量，变量μ是一个自适应调整的标量，用来确定学习是根据牛顿法还是梯度法来完成。
在系统设计时，系统模型是一个仅经过初始化了的网络，权值需要根据在使用过程中获得的数据样本进行学习调整，为此设计了系统的自学习功能。在指定了学习样本及数量的情况下，系统可以进行自学习，以不断完善网络性能。
采集汽车发动机冷却箱内冷却液的温度、颜色以及液位，并基于BP神经网络确定发动机的冷却性能指数以及冷却液的浊度，具体包括如下步骤：
步骤一、按照采样周期，通过传感器测量发动机冷却箱内冷却液的温度、颜色以及液位；
步骤二、确定三层BP神经网络的输入层神经元向量x＝{x1,x2,x3}；其中，x1为冷却箱内冷却液的温度，x2为冷却箱内冷却液的颜色，x3为冷却箱内冷却液的液位；
步骤三、所述输入层神经元向量映射到隐层，隐层的神经元为m个；
步骤四、得到输出层神经元向量o＝{o1,o2}；其中，o1为发动机冷却性能指数，o2为冷却箱内冷却液的浊度。
根据发动机冷却性能指数对发动机喷油脉宽进行修正：
Figure GDA0002719455550000081
其中，BPW为发动机的喷油脉宽，且BPW∈[0,1]，T为冷却箱内冷却液的温度，ΔT间隔为Δt时间内的冷却液的温度变化量，
Figure GDA0002719455550000082
为发动机冷却性能指数，且φ∈[0,1]，hmax为冷却箱内冷却液的最大液位高度，h为冷却箱内冷却液的实际液位高度，ξ为冷却箱内冷却液的浊度，BPW0为根据发动机的标准喷油曲线对应的喷油脉宽。
根据发动机喷油脉宽确定发动机的进气歧管的进气压力：
Figure GDA0002719455550000083
其中，MAP为发动机的进气歧管的进气压力，Tg为发动机的进气歧管的进气温度，VE为发动机的气缸充量系数，BPT为基本脉宽常数。
当冷却箱内冷却液的浊度大于等于10NTU时，报警器报警，需及时更换冷却液。
当冷却箱内冷却液的液位高度小于最大高度的1/2时，报警器报警，需及时添加冷却液。
所述隐层的神经元为5个。
所述隐层及所述输出层的激励函数均采用S型函数fj(x)＝1/(1+e-x)。
下面结合具体的实施例进一步的对本发明提供的汽车发动机冷却检测系统的控制方法进行说明。
选取是10组不同冷却液质量的发动机，进行试验，获取油耗量，具体试验数据如表1所示。并选取空白对照组(序号为0)，不使用本发明的汽车发动机冷却检测系统的控制方法，直接按照动机的标准喷油曲线进行喷油，选取相同工况，控制发动机工作1小时。试验结果如表2所示。
表1试验数据
Figure GDA0002719455550000091
表2试验结果
Figure GDA0002719455550000092
Figure GDA0002719455550000101
由表2可知，按照本发明的汽车发动机冷却检测系统的控制方法修正发动机的喷油脉宽以及进气压力，降低了油耗，提高车辆的燃油经济性。
本发明设计开发的汽车发动机冷却检测系统的控制方法，能够采集汽车发动机冷却箱内冷却液的温度、颜色以及液位，并基于BP神经网络确定发动机的冷却性能指数以及冷却液的浊度。本发明还能根据发动机的冷却性能指数对发动机喷油脉宽进行修正，提高车辆的燃油经济性。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (7)

1.一种汽车发动机冷却检测系统的控制方法，其特征在于，采集汽车发动机冷却箱内冷却液的温度、颜色以及液位，并基于BP神经网络确定发动机的冷却性能指数以及冷却液的浊度，具体包括如下步骤：
步骤一、按照采样周期，通过传感器测量发动机冷却箱内冷却液的温度、颜色以及液位；
步骤二、确定三层BP神经网络的输入层神经元向量x＝{x1,x2,x3}；其中，x1为冷却箱内冷却液的温度，x2为冷却箱内冷却液的颜色，x3为冷却箱内冷却液的液位；
步骤三、所述输入层神经元向量映射到隐层，隐层的神经元为m个；
步骤四、得到输出层神经元向量o＝{o1,o2}；其中，o1为发动机冷却性能指数，o2为冷却箱内冷却液的浊度。
2.如权利要求1所述的汽车发动机冷却检测系统的控制方法，其特征在于，根据发动机冷却性能指数对发动机喷油脉宽进行修正：
Figure FDA0002719455540000011
其中，BPW为发动机的喷油脉宽，T为冷却箱内冷却液的温度，ΔT间隔为Δt时间内的冷却液的温度变化量，
Figure FDA0002719455540000012
为发动机冷却性能指数，且φ∈[0,1]，hmax为冷却箱内冷却液的最大液位高度，h为冷却箱内冷却液的实际液位高度，ξ为冷却箱内冷却液的浊度，BPW0为根据发动机的标准喷油曲线对应的喷油脉宽。
3.如权利要求2所述的汽车发动机冷却检测系统的控制方法，其特征在于，根据发动机喷油脉宽确定发动机的进气歧管的进气压力：
Figure FDA0002719455540000021
其中，MAP为发动机的进气歧管的进气压力，Tg为发动机的进气歧管的进气温度，VE为发动机的气缸充量系数，BPT为基本脉宽常数。
4.如权利要求1、2或3所述的汽车发动机冷却检测系统的控制方法，其特征在于，当冷却箱内冷却液的浊度大于等于10NTU时，报警器报警，需及时更换冷却液。
5.如权利要求1、2或3所述的汽车发动机冷却检测系统的控制方法，其特征在于，当冷却箱内冷却液的液位高度小于最大高度的1/2时，报警器报警，需及时添加冷却液。
6.如权利要求1、2或3所述的汽车发动机冷却检测系统的控制方法，其特征在于，所述隐层的神经元为5个。
7.如权利要求6所述的汽车发动机冷却检测系统的控制方法，其特征在于，所述隐层及所述输出层的激励函数均采用S型函数fj(x)＝1/(1+e-x)。
CN202010068526.9A 2020-01-21 2020-01-21 一种汽车发动机冷却检测系统及其控制方法 Active CN111255557B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010068526.9A CN111255557B (zh) 2020-01-21 2020-01-21 一种汽车发动机冷却检测系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010068526.9A CN111255557B (zh) 2020-01-21 2020-01-21 一种汽车发动机冷却检测系统及其控制方法

Publications (2)

Publication Number Publication Date
CN111255557A CN111255557A (zh) 2020-06-09
CN111255557B true CN111255557B (zh) 2021-01-01

Family

ID=70950887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010068526.9A Active CN111255557B (zh) 2020-01-21 2020-01-21 一种汽车发动机冷却检测系统及其控制方法

Country Status (1)

Country Link
CN (1) CN111255557B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114279712B (zh) * 2021-12-28 2023-07-18 长春职业技术学院 一种汽车发动机故障检测装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970026935A (ko) * 1997-01-09 1997-06-24 이태형 응집제 주입 시스템
DE19902923A1 (de) * 1999-01-26 2000-08-03 Daimler Chrysler Ag Verfahren zur Funktionsüberwachung eines Kühlsystems einer Brennkraftmaschine
US6157894A (en) * 1997-12-23 2000-12-05 Simmonds Precision Products, Inc. Liquid gauging using sensor fusion and data fusion
JP2009236089A (ja) * 2008-03-28 2009-10-15 Mitsubishi Motors Corp 内燃機関の空燃比制御装置
CN104696059A (zh) * 2015-03-16 2015-06-10 芜湖凯博实业股份有限公司 一种用于水冷式发动机水箱的冷却系统及其控制方法
CN107305347A (zh) * 2016-04-22 2017-10-31 北京澳尔金石油技术开发有限公司 一种燃气轮机冷却水温度控制方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970026935A (ko) * 1997-01-09 1997-06-24 이태형 응집제 주입 시스템
US6157894A (en) * 1997-12-23 2000-12-05 Simmonds Precision Products, Inc. Liquid gauging using sensor fusion and data fusion
DE19902923A1 (de) * 1999-01-26 2000-08-03 Daimler Chrysler Ag Verfahren zur Funktionsüberwachung eines Kühlsystems einer Brennkraftmaschine
JP2009236089A (ja) * 2008-03-28 2009-10-15 Mitsubishi Motors Corp 内燃機関の空燃比制御装置
CN104696059A (zh) * 2015-03-16 2015-06-10 芜湖凯博实业股份有限公司 一种用于水冷式发动机水箱的冷却系统及其控制方法
CN107305347A (zh) * 2016-04-22 2017-10-31 北京澳尔金石油技术开发有限公司 一种燃气轮机冷却水温度控制方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
发动机喷油脉宽的多输入神经网络控制方法研究;杜灿谊等;《小型内燃机与摩托车》;20110825(第04期);全文 *
基于BP神经网络PID算法的水箱液位控制系统设计;陈怀忠;《实验技术与管理》;20121220(第12期);全文 *

Also Published As

Publication number Publication date
CN111255557A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN108284442B (zh) 一种基于模糊神经网络的机械臂柔性关节控制方法
CN109343505A (zh) 基于长短期记忆网络的齿轮剩余寿命预测方法
CN105717460B (zh) 一种基于非线性观测器的动力电池soc估计方法和系统
CN107367693B (zh) 一种电动汽车动力电池soc检测系统
CN108615071A (zh) 模型测试的方法及装置
CN109747654B (zh) 一种面向工况的混合动力汽车控制参数标定方法
CN111414977A (zh) 机床主轴热误差建模的加权集成温度敏感点组合选取方法
CN109163911A (zh) 一种基于改进的蝙蝠算法优化elm的发动机燃油系统故障诊断方法
CN112446091A (zh) 一种基于人工神经网络的脉动压力预测方法
CN106401757B (zh) 发动机的断缸模式实现方法、系统及车辆
CN102567782A (zh) 一种基于神经网络的汽车发动机转矩的估算方法
CN113093708B (zh) 多信号融合的轮毂电机汽车转矩分配试验系统及前瞻控制方法
CN110244077B (zh) 一种热式风速传感器恒功率调节与精度补偿方法
CN101799888A (zh) 基于仿生智能蚁群算法的工业软测量方法
CN107436409A (zh) 一种电动汽车动力电池soc智能预测装置
CN111638034B (zh) 基于深度学习的应变天平温度梯度误差补偿方法及系统
CN107741269B (zh) 一种基于模糊识别的称重传感器测试补偿方法
CN111191824B (zh) 一种动力电池容量衰减预测方法及系统
CN111255557B (zh) 一种汽车发动机冷却检测系统及其控制方法
CN111967308A (zh) 一种在线路面不平度辨识方法及系统
CN108846200B (zh) 一种基于迭代法的准静态桥梁影响线识别方法
CN110516391A (zh) 一种基于神经网络的航空发动机动态模型建模方法
CN114254498A (zh) 一种基于bp神经网络的发动机动态油耗预测方法、系统
CN110816531B (zh) 一种无人驾驶汽车车辆间安全距离的控制系统及控制方法
CN114814707A (zh) 一种智能电表应力误差分析方法、设备、终端及可读介质

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