CN113153543B - 进气负荷模型修正方法及车辆 - Google Patents

Abstract

本发明提供了一种进气负荷模型修正方法及车辆，其中，所述进气负荷模型修正方法基于发电机输出的电流得到实际的发动机输出扭矩；基于实际的所述发动机输出扭矩得到实际的进气负荷；并根据实际的所述进气负荷和计算进气负荷之间的差别对所述进气负荷模型进行修正。如此配置，能够在不增加任何硬件成本前提下，使进气负荷模型更加准确；同时还能够在极端环境下知晓进气负荷的偏差、减少极端环境的标定工作量；解决了现有技术中的进气负荷模型无法避免生产一致性问题、无法自适应地匹配零部件的磨损状况以及对特殊环境条件下的偏差只能通过开环标定的方式进行优化的问题。

Description

进气负荷模型修正方法及车辆

技术领域

本发明涉及车辆技术领域，特别涉及一种进气负荷模型修正方法及车辆。

背景技术

发动机控制系统中发动机气缸进气量可以通过理想气体方程

计算得来，即进气量

为了系统计算方便，发动机控制系统以气缸内进气负荷表征发动机进气效率，其计算方法如下：

其中：P代表气体的压强，单位为Pa；

P₀代表理想气体的压强，单位为Pa；

V代表气体体积，单位为m³；

V₀代表理想气体体积，单位为m³；

m代表气体质量，单位为g；

m₀代表理想气体质量，单位为g；

M代表摩尔质量，单位为g/mol

r代表比例常数，即

发动机进气负荷是发动机控制系统中一个重要参数，发动机喷油量、模型扭矩输出、点火角上下限等都要以发动机进气负荷作为基础。在P系统中(通过理想气体方程利用压力换算进气量的发动机控制系统)，进气岐管压力与进气负荷有如图1(图1是无气门重叠的情况下，恒定发动机转速和恒定凸轮轴正时下的进气负荷模型曲线)所示的对应关系。即：进气负荷可根据P(进气岐管压力-残余废气分压)*斜率

计算得来。

基于以上模型可知，系统中进气负荷是受气缸内温度、进气岐管压力与残余废气分压压差等因素影响。在发动机台架标定此模型时是通过恒定进气温度为30度，排气压力是客户设定值。但在车辆实际运用过程中，由于生产一致性、零部件磨损、外界条件差异等原因使进气负荷计算出现偏差，进而导致空燃比偏差、模型扭矩输出不准确、点火角无法调节至最优等问题。

当前市面上主流增程式电动车中，都无法避免生产一致性问题和零部件磨损问题，且对于特殊环境条件下的偏差，大多都是通过开环标定的方式优化。而无法从系统上解决此问题。

总之，现有技术中的进气负荷模型无法避免生产一致性问题、无法自适应地匹配零部件的磨损状况以及对特殊环境条件下的偏差只能通过开环标定的方式进行优化。

发明内容

本发明的目的在于提供一种进气负荷模型修正方法及车辆，以解决现有技术中的进气负荷模型无法避免生产一致性问题、无法自适应地匹配零部件的磨损状况以及对特殊环境条件下的偏差只能通过开环标定的方式进行优化的问题。

为了解决上述技术问题，本发明提供了一种进气负荷模型修正方法，所述进气负荷模型修正方法包括如下步骤：

基于扭矩预测模型得到扭矩预测逆模型，所述扭矩预测模型的输入参数包括进气负荷和参数组，所述扭矩预测模型的输出参数包括发动机输出扭矩；所述扭矩预测逆模型的输入参数包括所述发动机输出扭矩和所述参数组，所述扭矩预测逆模型的输出参数包括所述进气负荷；

基于发电机输出的电流得到实际的所述发动机输出扭矩；

所述扭矩预测逆模型基于实际的所述发动机输出扭矩得到实际的所述进气负荷；

基于进气负荷模型得到计算进气负荷；以及，

基于实际的所述进气负荷与所述计算进气负荷得到进气负荷差值，并根据预设逻辑修正所述进气负荷模型。

可选的，所述参数组包括发动机转速、空燃比效率以及点火角效率。

可选的，所述预设逻辑包括第一预设子逻辑，所述第一预设子逻辑包括：进气负荷修正值叠加于所述进气负荷模型的输出值得到修正结果，所述进气负荷修正值基于所述进气负荷差值得到。

可选的，得到所述进气负荷修正值的步骤包括：所述进气负荷差值进行积分。

可选的，所述第一预设子逻辑还包括：实时地对所述进气负荷模型进行修正；当满足预设条件时，当前的所述进气负荷差值不参与所述进气负荷修正值的计算，所述预设条件包括：转速变化率超过第一预设值、水温低于第二预设值、出现影响负荷计算的故障以及需求扭矩变化率超过第三预设值中的至少一者。

可选的，所述预设逻辑包括第二预设子逻辑，所述第二预设子逻辑包括：修改所述进气负荷模型得到修正结果，修改所述进气负荷模型的依据包括基于所述进气负荷差值进行的进气负荷自学习的结果。

可选的，所述第二预设子逻辑还包括：将车辆的运行状态划分为至少两个工况，在不同的所述工况下独立地通过对所述进气负荷差值进行进气负荷自学习；根据当前车辆所处的工况下的自学习结果对所述进气负荷模型进行修正。

可选的，所述进气负荷差值还用于车辆运行状态预测模型的自学习，所述第二预设子逻辑还包括：当一部分的所述进气负荷差值会导致自学习后的所述车辆运行状态预测模型的预测准确度降低时，停止对该部分的所述进气负荷差值进行的所述进气负荷自学习。

可选的，所述第二预设子逻辑还包括：当所述发电机的控制器局域网络信息失效时，停止所述进气负荷自学习。

为了解决上述技术问题，本发明还提供了一种车辆，所述车辆包括发动机、发电机以及控制器，其中，

所述发动机用于驱使所述发电机工作；

所述控制器用于基于扭矩预测模型得到扭矩预测逆模型，所述扭矩预测模型的输入参数包括进气负荷和参数组，所述扭矩预测模型的输出参数包括发动机输出扭矩；所述扭矩预测逆模型的输入参数包括所述发动机输出扭矩和所述参数组，所述扭矩预测逆模型的输出参数包括所述进气负荷；基于所述发电机输出的电流得到实际的所述发动机输出扭矩；所述扭矩预测逆模型基于实际的所述发动机输出扭矩得到实际的所述进气负荷；基于进气负荷模型得到计算进气负荷；以及，基于实际的所述进气负荷与所述计算进气负荷得到进气负荷差值，并根据预设逻辑修正所述进气负荷模型。

与现有技术相比，本发明提供的进气负荷模型修正方法及车辆中，所述进气负荷模型修正方法基于发电机输出的电流得到实际的所述发动机输出扭矩；基于实际的所述发动机输出扭矩得到实际的所述进气负荷；并根据实际的所述进气负荷和计算进气负荷之间的差别对所述进气负荷模型进行修正。如此配置，能够在不增加任何硬件成本前提下，利用发动机实测扭矩修正模型进气负荷，进而覆盖极端环境下或者零部件的散差、磨损后对进气负荷的影响，使进气负荷模型更加准确；同时还能够在极端环境下知晓进气负荷的偏差、减少极端环境的标定工作量；解决了现有技术中的进气负荷模型无法避免生产一致性问题、无法自适应地匹配零部件的磨损状况以及对特殊环境条件下的偏差只能通过开环标定的方式进行优化的问题。

附图说明

本领域的普通技术人员将会理解，提供的附图用于更好地理解本发明，而不对本发明的范围构成任何限定。其中：

图1是无气门重叠的情况下，恒定发动机转速和恒定凸轮轴正时下的进气负荷模型曲线；

图2是本发明一实施例的进气负荷模型修正方法的流程示意图；

图3是本发明一实施例的扭矩预测模型的示意图；

图4是本发明一实施例的扭矩预测逆模型的示意图。

具体实施方式

为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明作进一步详细说明。需说明的是，附图均采用非常简化的形式且未按比例绘制，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。

如在本发明中所使用的，单数形式“一”、“一个”以及“该”包括复数对象，术语“或”通常是以包括“和/或”的含义而进行使用的，术语“若干”通常是以包括“至少一个”的含义而进行使用的，术语“至少两个”通常是以包括“两个或两个以上”的含义而进行使用的，此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者至少两个该特征，“一端”与“另一端”以及“近端”与“远端”通常是指相对应的两部分，其不仅包括端点，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。此外，如在本发明中所使用的，一元件设置于另一元件，通常仅表示两元件之间存在连接、耦合、配合或传动关系，且两元件之间可以是直接的或通过中间元件间接的连接、耦合、配合或传动，而不能理解为指示或暗示两元件之间的空间位置关系，即一元件可以在另一元件的内部、外部、上方、下方或一侧等任意方位，除非内容另外明确指出外。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

本发明的核心思想在于提供一种进气负荷模型修正方法及车辆，以解决现有技术中的进气负荷模型无法避免生产一致性问题、无法自适应地匹配零部件的磨损状况以及对特殊环境条件下的偏差只能通过开环标定的方式进行优化的问题。

以下参考附图进行描述。

请参考图2至图4，其中，图2是本发明一实施例的进气负荷模型修正方法的流程示意图；图3是本发明一实施例的扭矩预测模型的示意图；图4是本发明一实施例的扭矩预测逆模型的示意图。

如图2所示，本实施例的进气负荷模型修正方法包括如下步骤：

S10基于扭矩预测模型得到扭矩预测逆模型，所述扭矩预测模型的输入参数包括进气负荷和参数组，所述扭矩预测模型的输出参数包括发动机输出扭矩；所述扭矩预测逆模型的输入参数包括所述发动机输出扭矩和所述参数组，所述扭矩预测逆模型的输出参数包括所述进气负荷；

S20基于发电机输出的电流得到实际的所述发动机输出扭矩；

S30所述扭矩预测逆模型基于实际的所述发动机输出扭矩得到实际的所述进气负荷；

S40基于进气负荷模型得到计算进气负荷；以及，

S50基于实际的所述进气负荷与所述计算进气负荷得到进气负荷差值，并根据预设逻辑修正所述进气负荷模型。

在本实施例中，所述进气负荷模型即背景技术中介绍的P(进气岐管压力-残余废气分压)*斜率

模型。在其他的实施例中，也可以是其他形式的模型，例如神经网络训练后得到的模型。

在步骤S20中，得到实际的所述发动机输出扭矩的步骤，本领域技术人员可以根据现有技术进行设置，例如，将电流的有效值乘以一个转换系数得到实际的所述发动机输出扭矩。在步骤S50中，所述进气负荷差值通过实际的所述进气负荷与所述计算进气负荷之间求差得到。

本实施例的设计思路是，在发动机控制系统中，有一套完整的扭矩预测模型，此扭矩模型是利用当前发动机进气负荷、点火角、发动机转速、空燃比换算出发动机实际输出扭矩(请参考图3)。而此扭矩预测模型的标定是在台架标定中得来，完成台架标定后可理解为此模型是准确的，且模型中输入量：点火角、发动机转速、空燃比都是通过系统传感器或者闭环修正准确得到，只有进气负荷由于如上背景技术的介绍，在特殊情况下会出现偏差。针对此问题，EMS(Engine Management System，系统发动机管理系统)可利用增程式车辆自带发电机的硬件优势，通过发电机发电电流换算出实际的所述发动机输出扭矩。进而利用扭矩预测逆模型计算，换算出实际的所述进气负荷，把实际的所述进气负荷作为发动机控制系统中模型进气负荷的修正依据。

如此配置，可以获得如下有益效果：

1、进气负荷模型更加准确后，可使系统空燃比控制更加准确；

2、进气负荷模型更加准确后，可使系统点火角控制更加准确；

3、进气负荷模型更加准确后，可使输出扭矩更加准确；

4、可利用所述进气负荷差值来预测极端环境下的进气负荷。

所述进气负荷模型修正方法可用于增程式电动车，在其他的一些同时具有发电机和发动机，且发电机用于输出电流换算所述发动机实际输出扭矩的车辆中，所述进气符合模型修正方法也可以使用。

本实施例中的所述扭矩预测模型和所述扭矩预测逆模型的具体形式可以参考图3和图4进行理解。在其他的实施例中所述扭矩预测模型和所述扭矩预测逆模型的输入参数和输出参数可能存在其他的方案。所述扭矩预测模型通过台架标定得到，所述扭矩预测逆模型可通过任何一种数学方式获得，例如在获得必要的参数后，将其代入所述扭矩预测模型，然后利用数值方法反向求解该参数下对应的所述进气负荷；或者通过等价变换获得所述扭矩预测逆模型的解析形式。本说明书对获得所述扭矩预测逆模型的具体方式和所述扭矩预测逆模型的具体形式不做限定。

较优地，所述参数组包括发动机转速、空燃比效率以及点火角效率。在本实施例中，所述参数组同时包括发动机转速、空燃比效率以及点火角效率。上述参数能够使得所述扭矩预测模型和所述扭矩预测逆模型的预测结果更为精确。

在本实施例中，修正所述进气负荷模型的方式可以分为两类，第一类方法是不改变所述进气负荷模型的内部形式，仅仅对其计算结果进行修正，这一类方法的实时性较好，但是准确性不足，也不能及时地与车辆的零部件磨损情况相匹配；第二类方法是改变所述进气负荷模型的内部形式，从而使得其输出的结果本身就是精确的，这一类方法的准确性较高，且能够对应多种工况，但是在实施时有一定的滞后性。具体描述详见下文。

所述预设逻辑包括第一预设子逻辑，所述第一预设子逻辑包括：进气负荷修正值叠加于所述进气负荷模型的输出值得到修正结果，所述进气负荷修正值基于所述进气负荷差值得到。

较优地，得到所述进气负荷修正值的步骤包括：所述进气负荷差值进行积分。在本实施例中，直接将积分结果作为所述进气负荷修正值。在其他的实施例中，也可能存在其他的步骤，例如将所述积分结果乘以一个可调的积分系数，将乘积作为所述进气负荷修正值。

为了防止修正值出现异常但仍然进行修正的情况，在一个较优的实施例中，所述第一预设子逻辑还包括：实时地对所述进气负荷模型进行修正；当满足预设条件时，当前的所述进气负荷差值不参与所述进气负荷修正值的计算，所述预设条件包括：转速变化率超过第一预设值、水温低于第二预设值、出现影响负荷计算的故障以及需求扭矩变化率超过第三预设值中的至少一者。所述第一预设值、第二预设值、第三预设值都可以根据实际需要进行配置，所述出现影响负荷计算的故障也可以通过实际需求进行确认，然后通过设置相应的判断逻辑进行判别。

所述第一预设子逻辑与上述的第一类方法相对应。

在本实施例中，所述预设逻辑包括第二预设子逻辑，所述第二预设子逻辑包括：修改所述进气负荷模型得到修正结果，修改所述进气负荷模型的依据包括基于所述进气负荷差值进行的进气负荷自学习的结果。修改所述进气负荷模型的过程包括修改所述进气负荷模型的参数，和/或改变所述进气负荷模型的形式。例如，当所述进气负荷模型是以神经网络训练后得到的模型时，可以改变神经网络的结构从而使得学习后的所述进气负荷模型预测效果更为精准。所述自学习的输入数据，优选为所述进气负荷差值的积分值，在其他的实施例中，也可以是所述进气负荷差值本身，或者由所述进气负荷差值得到的其他计算结果。

优选地，所述第二预设子逻辑还包括：将车辆的运行状态划分为至少两个工况，在不同的所述工况下独立地基于所述进气负荷差值进行进气负荷自学习；根据当前车辆所处的工况下的所述进气负荷自学习的结果得到修正结果。在一实施例中，所述工况包括低环境温度区域、正常环境温度区域、高海拔区域、平原区域中的至少一者，所述工况的判断逻辑可以根据现有技术进行设置，在本说明书中不作详细描述。

在一些情况下，所述进气负荷差值还用于车辆运行状态预测模型的自学习，所述第二预设子逻辑还包括：当一部分的所述进气负荷差值会导致自学习后的所述车辆运行状态预测模型的预测准确度降低时，停止对该部分的所述进气负荷差值进行的所述进气负荷自学习。也就是说，当所述进气负荷模型的自学习和所述车辆运行状态预测模型的自学习效果发生冲突时，以所述车辆运行状态预测模型的准确度为优先，停止所述进气负荷模型的自学习过程。所述车辆运行状态预测模型包括空燃比预测模型。预测准确度可以根据模型的预测结果与实际值之间差值的统计学特征值进行判断，例如，所述统计学特征值可以是模型的预测结果与实际值之间差值的平均值、标准差等。

在本实施例中，所述第二预设子逻辑还包括：当所述发电机的控制器局域网络信息失效时，停止所述进气负荷自学习。判断所述发电机的控制器局域网络信息是否失效的逻辑可以根据本领域公知常识进行设置。

所述第二预设子逻辑与上述的第二类方法相对应。

本实施例还提供了一种车辆，所述车辆包括发动机、发电机以及控制器，其中，

所述发动机用于驱使所述发电机工作；

所述控制器用于基于扭矩预测模型得到扭矩预测逆模型，所述扭矩预测模型的输入参数包括进气负荷和参数组，所述扭矩预测模型的输出参数包括发动机输出扭矩；所述扭矩预测逆模型的输入参数包括所述发动机输出扭矩和所述参数组，所述扭矩预测逆模型的输出参数包括所述进气负荷；基于所述发电机输出的电流得到实际的所述发动机输出扭矩；所述扭矩预测逆模型基于所述发动机输出扭矩得到实际的所述进气负荷；基于进气负荷模型得到计算进气负荷；以及，基于实际的所述进气负荷与所述计算进气负荷得到进气负荷差值，并根据预设逻辑修正所述进气负荷模型。

本领域技术人员可根据现有技术对所述发动机、所述发电机以及所述控制器在车辆中的布置方式、连接方式，以及所述车辆的其它部件进行设置，在本说明书中不作详细描述。由于所述车辆也使用了上述的进气负荷模型修正方法，因此也具有进气负荷模型更为精确的有益效果。

所述车辆优选为增程式电动车，也可以是其他的一些同时具有所述发电机和所述发动机，且能够通过所述发电机的输出电流换算出所述发动机实际输出扭矩的车辆。

综上所述，本实施例提供的进气负荷模型修正方法及车辆中，所述进气负荷模型修正方法基于发电机输出的电流得到实际的所述发动机输出扭矩；基于实际的所述发动机输出扭矩得到实际的所述进气负荷；并根据实际的所述进气负荷和计算进气负荷之间的差别对所述进气负荷模型进行修正。如此配置，能够在不增加任何硬件成本前提下，利用发动机实测扭矩修正模型进气负荷，进而覆盖极端环境下或者零部件的散差、磨损后对进气负荷的影响，使进气负荷模型更加准确；同时还能够在极端环境下知晓进气负荷的偏差、减少极端环境的标定工作量；解决了现有技术中的进气负荷模型无法避免生产一致性问题、无法自适应地匹配零部件的磨损状况以及对特殊环境条件下的偏差只能通过开环标定的方式进行优化的问题。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于本发明技术方案的保护范围。

Claims (9)

1.一种进气负荷模型修正方法，其特征在于，所述进气负荷模型修正方法包括如下步骤：

基于扭矩预测模型得到扭矩预测逆模型，所述扭矩预测模型的输入参数包括进气负荷和参数组，所述扭矩预测模型的输出参数包括发动机输出扭矩；所述扭矩预测逆模型的输入参数包括所述发动机输出扭矩和所述参数组，所述扭矩预测逆模型的输出参数包括所述进气负荷；基于发电机输出的电流得到实际的所述发动机输出扭矩；

所述扭矩预测逆模型基于实际的所述发动机输出扭矩得到实际的所述进气负荷；

基于进气负荷模型得到计算进气负荷；以及，

基于实际的所述进气负荷与所述计算进气负荷得到进气负荷差值，并根据预设逻辑修正所述进气负荷模型；

所述参数组包括发动机转速、空燃比效率以及点火角效率。

2.根据权利要求1所述的进气负荷模型修正方法，其特征在于，所述预设逻辑包括第一预设子逻辑，所述第一预设子逻辑包括：进气负荷修正值叠加于所述进气负荷模型的输出值得到修正结果，所述进气负荷修正值基于所述进气负荷差值得到。

3.根据权利要求2所述的进气负荷模型修正方法，其特征在于，得到所述进气负荷修正值的步骤包括：所述进气负荷差值进行积分。

4.根据权利要求2所述的进气负荷模型修正方法，其特征在于，所述第一预设子逻辑还包括：实时地对所述进气负荷模型进行修正；当满足预设条件时，当前的所述进气负荷差值不参与所述进气负荷修正值的计算，所述预设条件包括：转速变化率超过第一预设值、水温低于第二预设值、出现影响负荷计算的故障以及需求扭矩变化率超过第三预设值中的至少一者。

5.根据权利要求1所述的进气负荷模型修正方法，其特征在于，所述预设逻辑包括第二预设子逻辑，所述第二预设子逻辑包括：修改所述进气负荷模型得到修正结果，修改所述进气负荷模型的依据包括基于所述进气负荷差值进行的进气负荷自学习的结果。

6.根据权利要求5所述的进气负荷模型修正方法，其特征在于，所述第二预设子逻辑还包括：将车辆的运行状态划分为至少两个工况，在不同的所述工况下独立地基于所述进气负荷差值进行进气负荷自学习；根据当前车辆所处的工况下的所述进气负荷自学习的结果得到修正结果。

7.根据权利要求5所述的进气负荷模型修正方法，其特征在于，所述进气负荷差值还用于车辆运行状态预测模型的自学习，所述第二预设子逻辑还包括：当一部分的所述进气负荷差值会导致自学习后的所述车辆运行状态预测模型的预测准确度降低时，停止对该部分的所述进气负荷差值进行的所述进气负荷自学习。

8.根据权利要求5所述的进气负荷模型修正方法，其特征在于，所述第二预设子逻辑还包括：当所述发电机的控制器局域网络信息失效时，停止所述进气负荷自学习。

9.一种车辆，其特征在于，包括发动机、发电机以及控制器，其中，

所述发动机用于驱使所述发电机工作；

所述控制器用于基于扭矩预测模型得到扭矩预测逆模型，所述扭矩预测模型的输入参数包括进气负荷和参数组，所述扭矩预测模型的输出参数包括发动机输出扭矩；所述扭矩预测逆模型的输入参数包括所述发动机输出扭矩和所述参数组，所述扭矩预测逆模型的输出参数包括所述进气负荷；基于所述发电机输出的电流得到实际的所述发动机输出扭矩；所述扭矩预测逆模型基于实际的所述发动机输出扭矩得到实际的所述进气负荷；基于进气负荷模型得到计算进气负荷；以及，基于实际的所述进气负荷与所述计算进气负荷得到进气负荷差值，并根据预设逻辑修正所述进气负荷模型；

所述参数组包括发动机转速、空燃比效率以及点火角效率。

Images