CN112464395B - 发动机的物理模型参数标定方法和装置 - Google Patents

发动机的物理模型参数标定方法和装置 Download PDF

Info

Publication number
CN112464395B
CN112464395B CN202011209179.3A CN202011209179A CN112464395B CN 112464395 B CN112464395 B CN 112464395B CN 202011209179 A CN202011209179 A CN 202011209179A CN 112464395 B CN112464395 B CN 112464395B
Authority
CN
China
Prior art keywords
value
activation energy
chemical reaction
factor
physical 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
CN202011209179.3A
Other languages
English (en)
Other versions
CN112464395A (zh
Inventor
王秀雷
马雁
何乃鹏
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.)
Weichai Power Co Ltd
Original Assignee
Weichai Power Co Ltd
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 Weichai Power Co Ltd filed Critical Weichai Power Co Ltd
Priority to CN202011209179.3A priority Critical patent/CN112464395B/zh
Publication of CN112464395A publication Critical patent/CN112464395A/zh
Application granted granted Critical
Publication of CN112464395B publication Critical patent/CN112464395B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/12Computing arrangements based on biological models using genetic models
    • G06N3/126Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Optimization (AREA)
  • Genetics & Genomics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Medical Informatics (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Mathematical Analysis (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本公开提供发动机的物理模型参数标定方法和装置。包括:通过与发动机中的化学反应的类型相对应化学反应速率常数的取值范围,得到中间值的取值范围;所述中间值是用于得到所述物理模型参数中的指前因子的值;根据所述中间值的取值范围和预设的所述活化能的取值范围,随机生成指定数量的染色体,其中,任一染色体中的基因包括所述中间值和所述活化能的值;通过所述活化能的值和所述中间值确定出所述指前因子的值;利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数。故此,本公开的整个过程不需要人工来进行标定,节省了大量的时间和人工。

Description

发动机的物理模型参数标定方法和装置
技术领域
本公开涉及发动机标定技术领域,特别涉及一种发动机的物理模型参数标定方法和装置。
背景技术
随着科技的迅速发展,当前的发动机大多数是机电一体化的高科技产品。发动机的标定是异常复杂的过程,标定的数据要经过预标定、台架标定,整车标定,三高标定,路试验证,市场验证等过程才能够大批产品应用。其中,物理模型参数的标定属于预标定中的一种。
现有技术中,物理模型参数的标定主要是通过人工来进行标定操作的。通常是对物理模型参数(指前因子和活化能)随机乘以一个系数。然后进行仿真操作,得到仿真值,将仿真值与实验值进行比对得到误差。经过数次的对物理模型参数随机乘以一个系数的系列操作后,选择出误差满足指定条件的物理模型参数作为标定后的物理模型参数。但是,这种通过人工来进行标定的方法会导致浪费大量的时间和人力。
发明内容
本公开提供一种发动机的物理模型参数的标定方法和装置,用于实现自动对发送机的物理模型参数进行标定,以此节省了大量的时间和人力。
第一方面,本公开提供一种发动机的物理模型参数的标定方法,所述方法包括:
通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围;所述中间值是用于得到所述物理模型参数中的指前因子的值;
根据所述中间值的取值范围和预设的所述活化能的取值范围,随机生成指定数量的染色体,其中,任一染色体中的基因包括所述中间值和所述活化能的值;
通过所述活化能的值和所述中间值确定出所述指前因子的值;
利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数。
本实施例通过在中间值的取值范围和预设的活化能的取值范围内随机生成染色体,该染色体中的基因包括活化能的值和中间值,并通过活化能的值和该中间值确定出指前因子,最后利用多目标遗传算法来对指前因子和活化能进行修正,得到标定后的物理模型参数。由此,本公开整个过程并不需要人工手动的来进行标定,由此节省了大量的时间和精力。
在一个实施例中,所述利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数之前,所述方法还包括:
将所述活化能的值和所述指前因子的值输入至预设的控制模型算法中,得到仿真值;
根据所述仿真值和预置的实验值确定出误差值;
判断所述误差值是否满足指定条件;
若不满足,则执行利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数的步骤。
本实施例通过在先判断出活化能和指前因子是否需要进行修正,若需要的话,再通过多目标遗传算法对活化能和指前因子的值进行修正,以此来提高物理模型参数的标定的效率。
在一个实施例中,若所述误差值满足所述指定条件,所述方法还包括:
将所述活化能的值和所述指前因子的值确定为标定后的所述物理模型参数。
本实施例通过判断出活化能和指前因子的值不需要进行修正时,则可直接将该活化能的值和指前因子的值确定为标定后的物理模型参数,以此来提高标定的效率。
在一个实施例中,所述通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围之前,所述方法还包括:
响应于用户的输入指令,确定所述发动机中的化学反应的类型;
利用预设的化学反应的类型与化学反应速率常数的取值范围的对应关系,确定出与所述化学反应的类型相对应的化学反应速率常数的取值范围。
本实施例通过根据化学反应的类型来确定出化学反应速率常数的取值范围,以此来根据不同的化学反应来使用不同的化学反应速率常数的取值范围,以此来提高标定的准确性。
在一个实施例中,所述通过所述活化能的值和所述中间值确定出所述指前因子的值,包括:
根据以下公式确定出所述指前因子的值:
Figure BDA0002758082540000031
其中,E为活化能,R为气体常数,b为所述中间值,T为温度。
本实施例中利用公式来确定出指前因子的值,以便于利用多目标遗传算法进行对该指前因子的值进行修正。
第二方面,本公开实施例提供一种发动机的物理模型参数标定装置,所述装置包括:
中间值取值范围确定模块,用于通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围;所述中间值是用于得到所述物理模型参数中的指前因子的值;
染色体生成模块,用于根据所述中间值的取值范围和预设的所述活化能的取值范围,随机生成指定数量的染色体,其中,任一染色体中的基因包括所述中间值和所述活化能的值;
指前因子确定模块,用于通过所述活化能的值和所述中间值确定出所述指前因子的值;
第一物理模型参数标定模块,用于利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数。
在一个实施例中,所述装置还包括:
仿真值确定模块,用于所述利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数之前,将所述活化能的值和所述指前因子的值输入至预设的控制模型算法中,得到仿真值;
误差值确定模块,用于根据所述仿真值和预置的实验值确定出误差值;
判断模块,用于判断所述误差值是否满足指定条件;
执行模块,用于若不满足,则执行利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数的步骤。
在一个实施例中,所述装置还包括:
第二物理模型参数标定模块,用于若所述误差值满足所述指定条件,将所述活化能的值和所述指前因子的值确定为标定后的所述物理模型参数。
在一个实施例中,所述装置还包括:
化学反应速率类型确定模块,用于通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围之前,响应于用户的输入指令,确定所述发动机中的化学反应的类型;
化学反应速率常数的取值范围确定模块,用于利用预设的化学反应的类型与化学反应速率常数的取值范围的对应关系,确定出与所述化学反应的类型相对应的化学反应速率常数的取值范围。
在一个实施例中,所述指前因子确定模块,具体用于:
根据以下公式确定出所述指前因子的值:
Figure BDA0002758082540000041
其中,E为活化能,R为气体常数,b为所述中间值,T为温度。
上述第二方面及第二方面各个实施例的有益效果,可以参考上述第一方面及第一方面各个实施例的有益效果,这里不再赘述。
第三方面,本公开实施例提供一种电子设备,包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令;当所述指令被所述至少一个处理器执行,用以执行上述第一方面各个实施例的方法。
第四方面,本公开实施例提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,当所述计算机程序被执行时,用以执行上述第一方面各个实施例的方法。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1为根据本公开一个实施例中的应用场景示意图;
图2为根据本公开一个实施例中的发动机的物理模型参数的标定方法的流程示意图之一;
图3为根据本公开一个实施例的发动机的物理模型参数的标定方法中的界面示意图;
图4为根据本公开一个实施例的发动机的物理模型参数的标定方法的流程示意图之二;
图5为根据本公开一个实施例的发动机的物理模型参数的标定方法的发流程示意图之三;
图6为根据本公开一个实施例中的装置的结构示意图;
图7为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图及具体的实施方式对上述技术方案进行详细的说明,应当理解本公开实施例以及实施例中的具体特征是对本公开技术方案的详细的说明,而不是对本公开技术方案的限定,在不冲突的情况下,本公开实施例以及实施例中的技术特征可以相互结合。
需要理解的是,在下文的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。并且本发明实施例中术语“或”,描述关联对象的关联关系,表示可以存在两种关系,例如,A或B,可以表示:单独存在A,单独存在B这两种情况。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
由于现有技术中的物理模型参数的标定是通过人工来进行标定操作的。包括对物理模型参数(指前因子和活化能)随机乘以一个系数。得到仿真值,将仿真值与实验值进行比对得到误差。经过数次的对物理模型参数随机乘以一个系数的系列操作后,选择出误差满足指定条件的物理模型参数作为标定后的物理模型参数。但是,这种通过人工来进行标定的方式会导致浪费大量的时间和人力。
因此,本公开提供一种发动机的物理模型参数标定方法和装置。本公开中通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围来确定出中间值的取值范围,并根据该中间值取值范围和预设的活化能的取值范围内随机生成指定数量的染色体,该染色体中的基因包括所述中间值和该活化能的值,并通过该活化能的值和中间值确定出指前因子的值,并通过多目标遗传算法对该活化能的值和指前因子的值进行修正,以此得到标定后的物理模型参数。本公开整个过程并不需要人工手动的来进行标定,由此节省了大量的时间和精力。下面,结合附图对本公开中的方法进行详细的介绍。
如图1所示,本公开的应用场景示意图,该应用场景中包括智能设备110和服务器120,其中,智能设备可以为手机、电脑等智能设备。本公开在此不进行限定。图中以一个智能设备为例,实际上限制各智能设备的数量。
在一种可能的应用场景中,服务器120通过化学反应速率常数的取值范围,得到中间值的取值范围;并根据所述中间值的取值范围和预设的所述活化能的取值范围,随机生成指定数量的染色体,其中,任一染色体中的基因包括所述中间值和所述活化能的值;然后服务器120通过所述活化能的值和所述中间值确定出所述指前因子的值;并利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数。并将标定后的物理模型参数发送给智能设备110,以便于所述智能设备110进行显示。
如图2所示,图2为本公开中发动机的物理模型参数标定方法的流程示意图,可包括以下步骤:
步骤201:通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围;所述中间值是用于得到所述物理模型参数中的指前因子的值;
其中,可通过以下公式(1)确定出中间值的取值范围:
b=ln k (1);
其中,k为化学反应速率常数,b为中间值。
此外,化学反应速率常数为参加化学反应的物质都处于单位浓度时的反应速率。
需要说明的是,公式(1)是通过对化学反应速率公式转化而得到的。其中,化学反应速率公式为公式(2):
Figure BDA0002758082540000071
其中,A为指前因子,E为活化能,R为气体常数,T为温度。
其中,转过过程为:首先,将公式(2)的左右两边分别取对数,得到公式(3),如下所示:
Figure BDA0002758082540000081
然后将公式(3)中的ln k设置为与b相等,以此来得到公式(1)。
步骤202:根据所述中间值的取值范围和预设的所述活化能的取值范围,随机生成指定数量的染色体,其中,任一染色体中的基因包括所述中间值和所述活化能的值;
其中,若中间值的取值范围为[a,b],活化能的取值范围为[m,n]。则生成的指定数量的染色体中的两个基因值分别在取值范围[a,b]和取值范围[m,n]中。
步骤203:通过所述活化能的值和所述中间值确定出所述指前因子的值;
在一个实施例中,步骤203可具体实施为:根据公式(4)确定出所述指前因子的值:
Figure BDA0002758082540000082
其中,E为活化能,R为气体常数,b为所述中间值,T为温度。
由此,通过利用上述公式来确定出指前因子的值,以便于利用多目标遗传算法进行对该指前因子的值进行修正。
步骤204:利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数。
由此,通过在中间值的取值范围和预设的活化能的取值范围内随机生成染色体,该染色体中的基因包括活化能的值和中间值,并通过活化能的值和该中间值确定出指前因子,最后利用多目标遗传算法来对指前因子和活化能进行修正,得到标定后的物理模型参数。由此,本公开整个过程并不需要人工手动的来进行标定,由此节省了大量的时间和精力。
此外,本公开标定后的物理模型参数使得物理模型的物理意义不会丢失从而增强优化结果的工况适应性,更加适应产品的实际应用。
为了使得标定的结果更加准确,在执行步骤201之前,在一个实施例中,响应于用户的输入指令,确定所述发动机中的化学反应的类型;利用预设的化学反应的类型与化学反应速率常数的取值范围的对应关系,确定出与所述化学反应的类型相对应的化学反应速率常数的取值范围。
例如,如图3所示,用户需要在终端界面上选择化学反应的类型,其中,化学反应的类型包括类型1和类型2。其中,类型1适用于结晶、硫酸氨、SOF热解等化学反应。类型2适用于DPF再生等化学反应。不同的化学反应的类型对应的化学反应速率常数的取值范围是不相同的,如表1所示:
化学反应的类型 化学反应速率常数的取值范围
类型1 [m<sub>1</sub>,n<sub>1</sub>]
类型2 [m<sub>2</sub>,n<sub>2</sub>]
当用户设置出化学反应的类型后,可根据表1的对应关系确定出与化学反应的类型相对应的化学反应速率常数的取值范围。
由此,通过根据化学反应的类型来确定出化学反应速率常数的取值范围,以此来根据不同的化学反应的类型来使用不同的化学反应速率常数的取值范围,以此来提高物理参数模型标定的准确性。
为了提高物理模型参数标定的效率,在一个实施例中,如图4所示,可包括以下步骤:
步骤401:将所述活化能的值和所述指前因子的值输入至预设的控制模型算法中,得到仿真值;
步骤402:根据所述仿真值和预置的实验值确定出误差值;
其中,误差值可根据公式(5)来确定出:
ε=|x-a| (5);
其中,x为仿真值,a为实验值。
步骤403:判断所述误差值是否满足指定条件;若不满足,则执行步骤404,若满足,则执行步骤405;
例如,若得到的仿真值为8,实验值为11,则误差值为3,若指定条件为:误差值小于2。则确定出该误差值不满足所述指定条件。
步骤404:利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数;
其中,利用多目标遗传算法将指定数量的染色体进行选择、交叉、遗传和变异等操作,得到指定数量的新的染色体,即任一染色体中的基因值(指前因子的值和活化能的值)与操作前的基因值不相同,然后返回执行步骤401。直至得到的误差值满足指定条件,则结束。
步骤405:将所述活化能的值和所述指前因子的值确定为标定后的所述物理模型参数。
由此,通过在先判断出活化能和指前因子是否需要进行修正,若需要的话,再通过多目标遗传算法对活化能和指前因子的值进行修正,以此来提高标定的效率。
为了进一步的了解本公开的技术方案,下面结合图5进行详细的说明,可包括以下步骤:
步骤501:响应于用户的输入指令,确定发动机中的化学反应的类型;
步骤502:利用预设的化学反应的类型与化学反应速率常数的取值范围的对应关系,确定出与所述化学反应的类型相对应的化学反应速率常数的取值范围;
步骤503:通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围;所述中间值是用于得到所述物理模型参数中的指前因子的值;
步骤504:根据所述中间值的取值范围和预设的所述活化能的取值范围,随机生成指定数量的染色体,其中,任一染色体中的基因包括所述中间值和所述活化能的值;
步骤505:通过所述活化能的值和所述中间值确定出所述指前因子的值;
步骤506:将所述活化能的值和所述指前因子的值输入至预设的控制模型算法中,得到仿真值;
步骤507:根据所述仿真值和预置的实验值确定出误差值;
步骤508:判断所述误差值是否满足指定条件;若不满足,则执行步骤509;若满足,则执行步骤510;
步骤509:利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数;
步骤510:将所述活化能的值和所述指前因子的值确定为标定后的所述物理模型参数。
基于相同的发明构思,本公开实施例还提供一种发送机的物理模型参数的标定装置的结构示意图。如图6所示,该装置600包括中间值取值范围确定模块610、染色体生成模块620、指前因子确定模块630和第一物理模型参数标定模块640。
中间值取值范围确定模块610,用于通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围;所述中间值是用于得到所述物理模型参数中的指前因子的值;
染色体生成模块620,用于根据所述中间值的取值范围和预设的所述活化能的取值范围,随机生成指定数量的染色体,其中,任一染色体中的基因包括所述中间值和所述活化能的值;
指前因子确定模块630,用于通过所述活化能的值和所述中间值确定出所述指前因子的值;
第一物理模型参数标定模块640,用于利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数。
在一个实施例中,所述装置还包括:
仿真值确定模块650,用于所述利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数之前,将所述活化能的值和所述指前因子的值输入至预设的控制模型算法中,得到仿真值;
误差值确定模块660,用于根据所述仿真值和预置的实验值确定出误差值;
判断模块670,用于判断所述误差值是否满足指定条件;
执行模块680,用于若不满足,则执行利用所述多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数的步骤。
在一个实施例中,所述装置还包括:
第二物理模型参数标定模块690,用于若所述误差值满足所述指定条件,将所述活化能的值和所述指前因子的值确定为标定后的所述物理模型参数。
在一个实施例中,所述装置还包括:
化学反应速率类型确定模块691,用于所述通过与发动机中的化学反应的类型相对应化学反应速率常数的取值范围,得到中间值的取值范围之前,响应于用户的输入指令,确定所述发动机中的化学反应的类型;
化学反应速率常数的取值范围确定模块692,用于利用预设的化学反应的类型与化学反应速率常数的取值范围的对应关系,确定出与所述化学反应的类型相对应的化学反应速率常数的取值范围。
在一个实施例中,所述指前因子确定模块630,具体用于:
根据以下公式确定出所述指前因子的值:
Figure BDA0002758082540000121
其中,E为活化能,R为气体常数,b为所述中间值,T为温度。
在介绍了本申请示例性实施方式的一种发动机的物理模型参数标定方法和装置之后,接下来,介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中,计算机存储介质存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的发动机的物理模型参数的标定方法中的步骤。例如,处理器可以执行如图2中所示的步骤201-204。
下面参照图7来描述根据本申请的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700以通用电子设备的形式表现。电子设备700的组件可以包括但不限于:上述至少一个处理器701、上述至少一个计算机存储介质702、连接不同系统组件(包括计算机存储介质702和处理器701)的总线703。
总线703表示几类总线结构中的一种或多种,包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
计算机存储介质702可以包括易失性计算机存储介质形式的可读介质,例如随机存取计算机存储介质(RAM)721和/或高速缓存存储介质722,还可以进一步包括只读计算机存储介质(ROM)723。
计算机存储介质702还可以包括具有一组(至少一个)程序模块724的程序/实用工具725,这样的程序模块724包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备700也可以与一个或多个外部设备704(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备700交互的设备通信,和/或与使得该电子设备700能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口705进行。并且,电子设备700还可以通过网络适配器706与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器706通过总线703与用于电子设备700的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备700使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中,本申请提供的一种发动机的物理模型标定方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种发动机的物理模型参数标定方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(RAM)、只读计算机存储介质(ROM)、可擦式可编程只读计算机存储介质(EPROM或闪存)、光纤、便携式紧凑盘只读计算机存储介质(CD-ROM)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。
本申请的实施方式的用于发动机的物理模型参数标定的程序产品可以采用便携式紧凑盘只读计算机存储介质(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘计算机存储介质、CD-ROM、光学计算机存储介质等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读计算机存储介质中,使得存储在该计算机可读计算机存储介质中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

Claims (12)

1.一种发动机的物理模型参数标定方法,其特征在于,所述方法包括:
通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围;所述中间值是用于得到所述物理模型参数中的指前因子的值;
根据所述中间值的取值范围和预设的活化能的取值范围,随机生成指定数量的染色体,其中,任一染色体中的基因包括所述中间值和所述活化能的值;
通过所述活化能的值和所述中间值确定出所述指前因子的值;
利用多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数。
2.根据权利要求1所述的方法,其特征在于,所述利用多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数之前,所述方法还包括:
将所述活化能的值和所述指前因子的值输入至预设的控制模型算法中,得到仿真值;
根据所述仿真值和预置的实验值确定出误差值;
判断所述误差值是否满足指定条件;
若不满足,则执行利用多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数的步骤。
3.根据权利要求2所述的方法,其特征在于,若所述误差值满足所述指定条件,所述方法还包括:
将所述活化能的值和所述指前因子的值确定为标定后的所述物理模型参数。
4.根据权利要求1所述的方法,其特征在于,所述通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围之前,所述方法还包括:
响应于用户的输入指令,确定所述发动机中的化学反应的类型;
利用预设的化学反应的类型与化学反应速率常数的取值范围的对应关系,确定出与所述化学反应的类型相对应的化学反应速率常数的取值范围。
5.根据权利要求1~4中任一所述的方法,其特征在于,所述通过所述活化能的值和所述中间值确定出所述指前因子的值,包括:
根据以下公式确定出所述指前因子的值:
Figure DEST_PATH_IMAGE001
其中,E为活化能,R为气体常数,b为所述中间值,T为温度。
6.一种发动机的物理模型参数标定装置,其特征在于,所述装置包括:
中间值取值范围确定模块,用于通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围;所述中间值是用于得到所述物理模型参数中的指前因子的值;
染色体生成模块,用于根据所述中间值的取值范围和预设的活化能的取值范围,随机生成指定数量的染色体,其中,任一染色体中的基因包括所述中间值和所述活化能的值;
指前因子确定模块,用于通过所述活化能的值和所述中间值确定出所述指前因子的值;
第一物理模型参数标定模块,用于利用多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
仿真值确定模块,用于所述利用多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数之前,将所述活化能的值和所述指前因子的值输入至预设的控制模型算法中,得到仿真值;
误差值确定模块,用于根据所述仿真值和预置的实验值确定出误差值;
判断模块,用于判断所述误差值是否满足指定条件;
执行模块,用于若不满足,则执行利用多目标遗传算法对所述活化能的值和所述指前因子的值进行修正,得到标定后的物理模型参数的步骤。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二物理模型参数标定模块,用于若所述误差值满足所述指定条件,将所述活化能的值和所述指前因子的值确定为标定后的所述物理模型参数。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
化学反应速率类型确定模块,用于所述通过与发动机中化学反应的类型相对应的化学反应速率常数的取值范围,得到中间值的取值范围之前,响应于用户的输入指令,确定所述发动机中的化学反应的类型;
化学反应速率常数的取值范围确定模块,用于利用预设的化学反应的类型与化学反应速率常数的取值范围的对应关系,确定出与所述化学反应的类型相对应的化学反应速率常数的取值范围。
10.根据权利要求6~9中任一所述的装置,其特征在于,所述指前因子确定模块,具体用于:
根据以下公式确定出所述指前因子的值:
Figure 344413DEST_PATH_IMAGE001
其中,E为活化能,R为气体常数,b为所述中间值,T为温度。
11.一种电子设备,其特征在于,包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令;所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行根据权利要求1-5中任一项所述的方法。
12.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序用于执行根据权利要求1-5中任一项所述的方法。
CN202011209179.3A 2020-11-03 2020-11-03 发动机的物理模型参数标定方法和装置 Active CN112464395B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011209179.3A CN112464395B (zh) 2020-11-03 2020-11-03 发动机的物理模型参数标定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011209179.3A CN112464395B (zh) 2020-11-03 2020-11-03 发动机的物理模型参数标定方法和装置

Publications (2)

Publication Number Publication Date
CN112464395A CN112464395A (zh) 2021-03-09
CN112464395B true CN112464395B (zh) 2022-11-29

Family

ID=74835816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011209179.3A Active CN112464395B (zh) 2020-11-03 2020-11-03 发动机的物理模型参数标定方法和装置

Country Status (1)

Country Link
CN (1) CN112464395B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102337979A (zh) * 2011-08-11 2012-02-01 浙江大学 一种基于遗传算法的发动机自动标定参数优化方法
CN106709088A (zh) * 2015-11-12 2017-05-24 中国石油化工股份有限公司 随机函数预处理单纯型后处理分布遗传集总动力学方法
CN110069856A (zh) * 2019-04-22 2019-07-30 上海交通大学 基于自适应反应机理的cfd系统及实现方法
CN110728039B (zh) * 2019-09-27 2021-11-05 中国地质大学(武汉) 基于遗传算法的炭化可燃物单峰热解动力学参数计算方法
CN111312337A (zh) * 2020-01-17 2020-06-19 中国地质大学(武汉) 基于热重实验的单峰可燃物热解反应机理模型确定方法

Also Published As

Publication number Publication date
CN112464395A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
US20120109606A1 (en) Automated interactive multi-objective optimization-based systems design tool
CN113158589B (zh) 一种电池管理系统的仿真模型校准方法以及装置
CN111025041A (zh) 电动汽车充电桩监测方法及其系统、计算机设备、介质
CN108959571B (zh) Sql语句的运算方法、装置、终端设备及存储介质
CN117370065B (zh) 一种异常任务确定方法、电子设备及存储介质
CN112464395B (zh) 发动机的物理模型参数标定方法和装置
CN112783508B (zh) 文件的编译方法、装置、设备以及存储介质
CN112492627B (zh) 后到先服务通信系统、发射端设备、介质及性能优化方法
CN113408070A (zh) 发动机参数的确定方法、装置、设备及存储介质
CN116258088B (zh) 轮胎拧紧控制参数优化方法、电子设备及存储介质
CN112580885A (zh) 一种配件合格率的预测方法、装置、设备及存储介质
CN110717315B (zh) 系统数据批量修改方法、装置、存储介质及电子设备
CN115542173B (zh) 电池电量估计方法及装置
CN111858109A (zh) 互斥逻辑的验证方法、装置、设备及存储介质
KR101665962B1 (ko) 모델링 코드 검증 방법, 이를 수행하는 모델링 코드 검증 장치 및 이를 저장하는 기록매체
CN114215654B (zh) 喷油角度的修正方法、装置、电子设备及计算机存储介质
CN114033533B (zh) Dpf主动再生周期确定方法、装置、电子设备及存储介质
CN115587701A (zh) 一种企业风险评估处理方法、装置及电子设备
CN112446109B (zh) 一种发动机喷油压力的标定方法和装置
CN112818521A (zh) 一种液冷板多目标优化方法、电子设备及存储介质
CN113934626A (zh) 模型过程调试方法、设备和存储介质
CN113469434A (zh) 多能负荷预测方法、装置、预测设备及存储介质
CN112782584A (zh) 电池电量的剩余使用额度的预测方法、系统、介质及设备
CN117313579B (zh) 发动机压缩部件流场预测方法、装置、设备及存储介质
CN114615144B (zh) 网络优化方法及系统

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