CN113239533A - 发动机排气系统温度模型构建方法、装置及存储介质 - Google Patents

发动机排气系统温度模型构建方法、装置及存储介质 Download PDF

Info

Publication number
CN113239533A
CN113239533A CN202110499356.4A CN202110499356A CN113239533A CN 113239533 A CN113239533 A CN 113239533A CN 202110499356 A CN202110499356 A CN 202110499356A CN 113239533 A CN113239533 A CN 113239533A
Authority
CN
China
Prior art keywords
model
temperature
calibrated
parameter
parameters
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.)
Pending
Application number
CN202110499356.4A
Other languages
English (en)
Inventor
李兵洋
龚昊
陆唯佳
刘鹏
马春山
汪阳
王建强
王志伟
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.)
United Automotive Electronic Systems Co Ltd
Original Assignee
United Automotive Electronic Systems 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 United Automotive Electronic Systems Co Ltd filed Critical United Automotive Electronic Systems Co Ltd
Priority to CN202110499356.4A priority Critical patent/CN113239533A/zh
Publication of CN113239533A publication Critical patent/CN113239533A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本申请公开了一种发动机排气系统温度模型构建方法、装置及存储介质，涉及车辆技术领域。该方法包括根据车辆配置信息建立排气系统温度模型，排气系统温度模型由若干个温度子模型级联构成；温度子模型至少包括入口排气歧管模型、管路温度计算模型、催化器温度计算模型；根据排气系统温度模型中各个温度子模型的位置，依次利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值；根据每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型；解决了目前发动机电子控制系统中排气系统温度模型需要人工标定，标定周期长、模型的全局性差的问题达到了提高排气系统温度模型的标定效率和标定结果的精度的效果。

Description

发动机排气系统温度模型构建方法、装置及存储介质
技术领域
本申请涉及车辆技术领域，具体涉及一种发动机排气系统温度模型构建方法、装置及存储介质。
背景技术
发动机是将其他形式的能转化为机械能的机器。汽车的内燃机将液体燃料或气体燃料与空气混合后，直接输入气缸燃烧产生热能，再转化为机械能。气缸内燃烧产生的废气由排气系统排出。发动机排气系统一般由排气歧管、排气管、催化器、排气温度传感器、汽车消声器和排气尾管等组成。发动机机外排气净化装置、氧传感器、气缸等重要零部件的工作状态与发动机排气温度相关，通过合理地控制发动机排气温度可以避免不合理的工作温度带来的部件老化、损坏甚至失效等情况。因此，精准地计算和监测发动机排气温度对于保证发动机排气系统正常工作非常重要。
目前，在发动机电子控制系统中主要采用以物理原型为依据建立数学模型的“物理模型驱动”方法，该种方法通过基础排温MAP以及一系列修正MAP或修正曲线实现对排气温度的模拟，故，这些MAP及修正曲线的参数标定至关重要，其结果直接影响排气温度模拟结果的精确性。
然而，在“物理模型驱动”方法中，MAP及修正曲线的参数标定需要工程师进行人工标定，标定工作投入的工作量和成本巨大、且标定时间周期长，此外，标定过程非常依赖工程师经验，即使是相同的模型参数，不同工程师也可能会得到完全不同的参数标定值和不同的性能效果。因此，传统的人工标定方式具有通用性较弱、操作不易普及等缺点。
发明内容
为了解决相关技术中的问题，本申请提供了一种发动机排气系统温度模型构建方法、装置及存储介质。该技术方案如下：
第一方面，本申请实施例提供了一种发动机排气系统温度模型构建方法，该方法包括：
根据车辆配置信息建立排气系统温度模型，排气系统温度模型由若干个温度子模型级联构成；温度子模型至少包括入口排气歧管模型、管路温度计算模型、催化器温度计算模型；
根据排气系统温度模型中各个温度子模型的位置，依次利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值；待标定参数与温度子模型中包括的MAP和/或CURVE相关；
根据每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型。
通过根据车辆配置信息建立排气系统温度模型，排气系统温度模型由若干个温度子模型级联构成，根据排气系统温度模型中的各个温度子模型的位置，依次利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值；根据每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型；解决了目前发动机电子控制系统中的排气系统温度模型需要人工标定，标定周期长、模型的全局性差的问题达到了提高排气系统温度模型的标定效率和标定结果的精度的效果。
可选的，利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值，包括：
根据温度子模型中包括的MAP和/或CURVE，对待标定参数进行解空间编码，将温度子模型中的待标定参数映射为参数行向量，参数行向量的维数等于待标定参数的个数；
获取与温度子模型对应的实验数据；
随机生成初始化种群，初始化种群包含Npop条个体，每条个体的维数与参数行向量的维数相同；
根据初始化种群、配置的种群进化算法的运行参数以及温度子模型的模型参数、温度子模型对应的目标函数，基于种群进化算法确定温度子模型中待标定参数的标定值。
可选的，根据排气系统温度模型中各个温度子模型的位置，依次利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值之前，该方法还包括：
配置种群进化算法的运行参数以及温度子模型的模型参数；
建立与温度子模型对应的目标函数。
可选的，入口排气歧管模型包括若干个二维的基础MAP和若干个一维的基础CURVE，入口排气歧管模型中的待标定参数为基础MAP和基础CURVE中的参数；
管路温度计算模型包括若干个一维的基础CURVE，管路温度计算子模型中的待标定参数为基础CURVE中的参数；
催化器温度计算模型包括若干个一维的修正CURVE和若干个二维的修正MAP，催化器温度计算模型中的待标定参数为修正CURVE和修正MAP中的参数。
可选的，实验数据包括实验点对应的发动机转速、发动机负荷、排气流量、环境温度、车速、空燃比、以及温度实测值。
可选的，当车辆包括涡轮增压装置时，温度子模型还包括涡轮模型；
涡轮模型包括若干个一维的修正CURVE表和若干个二维的修正MAP表，涡轮模型中的待标定参数为修正CURVE和修正MAP中的参数。
可选的，实验数据还包括实验点对应的涡轮增压器压降比、涡轮增压器上游排气流量。
可选的，根据温度子模型中包括的MAP和/或CURVE，对待标定参数进行解空间编码，将温度子模型中的待标定参数映射为参数行向量，包括：
当温度子模型包括a个MAP时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将a个MAP的行向量按预定拼接规则拼接为一个参数行向量；
当温度子模型包括b个CURVE时，将每个CURVE中的待标定参数整理为p维的行向量；将b个CURVE的待标定参数按预定拼接规则拼接为一个参数行向量；
当温度子模型包括a个MAP和b个CURVE时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将每个CURVE中的待标定参数整理为p维的行向量；将a个MAP的行向量和b个CURVE的行向量按预定顺序拼接为一个参数行向量。
可选的，该方法还包括：
存储参数行向量与预定拼接规则之间的映射关系。
可选的，配置种群进化算法的运行参数以及温度子模型的模型参数，包括：
配置种群进化算法的最大迭代次数、种群规模、缩放因子、交叉概率；
配置温度子模型中MAP和/或CURVE的参数范围、MAP和/或CURVE的约束条件。
可选的，温度子模型对应的目标函数为：
Figure BDA0003043145040000031
或，
Figure BDA0003043145040000041
其中，weight(Yi)表示预设的加权映射函数，Yi表示实验点对应的温度实测值，Xi表示实验点对应的温度模型值，m表示实验点的个数。
可选的，根据初始化种群、配置的种群进化算法的运行参数以及温度子模型的模型参数、温度子模型对应的目标函数，基于种群进化算法确定温度子模型中待标定参数的标定值，包括：
计算初始化种群中各条个体对应的目标函数值；
通过种群进化算法的进化更新机制生成新一代种群，并计算新一代种群中各条个体对应的目标函数值；
检测种群迭代次数是否达到最大迭代次数；
若检测到种群迭代次数未达到最大迭代次数，则重新执行通过种群进化算法的进化更新机制生成新一代种群，并计算新一代种群中各条个体对应的目标函数值的步骤；
若检测到种群迭代次数达到最大迭代次数，则停止迭代，输出历史最优个体，历史最优个体为最小目标函数值对应的个体；历史最优个体中的元素与温度子模型中的待标定参数一一对应。
可选的，种群进化算法为差分进化算法、遗传算法、粒子群算法、群搜索优化算法中的任意一种。
可选的，根据每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型，包括：
针对每个温度子模型，根据温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原标定后的MAP和/或CURVE；
根据排气系统温度模型中各个温度子模型的级联关系，得到标定后的排气系统温度模型。
第二方面，本申请实施例提供了一种发动机排气系统温度模型构建装置，该装置包括：
模型构建模块，用于根据车辆配置信息建立排气系统温度模型，排气系统温度模型由若干个温度子模型级联构成；温度子模型至少包括入口排气歧管模型、管路温度计算模型、催化器温度计算模型；
参数标定模块，用于根据排气系统温度模型中各个温度子模型的位置，依次利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值；待标定参数与温度子模型中包括的MAP和/或CURVE相关
模型构建模块，用于根据每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型。
可选的，参数标定模块，用于根据温度子模型中包括的MAP和/或CURVE，对待标定参数进行解空间编码，将温度子模型中的待标定参数映射为参数行向量，参数行向量的维数等于待标定参数的个数；
获取与温度子模型对应的实验数据；
随机生成初始化种群，初始化种群包含Npop条个体，每条个体的维数与参数行向量的维数相同；
根据初始化种群、配置的种群进化算法的运行参数以及温度子模型的模型参数、温度子模型对应的目标函数，基于种群进化算法确定温度子模型中待标定参数的标定值。
可选的，该装置还包括：
配置模块，用于配置种群进化算法的运行参数以及温度子模型的模型参数；
目标函数建立模块，用于建立与温度子模型对应的目标函数。
可选的，入口排气歧管模型包括若干个二维的基础MAP和若干个一维的基础CURVE，入口排气歧管模型中的待标定参数为基础MAP和基础CURVE中的参数；
管路温度计算模型包括若干个一维的基础CURVE，管路温度计算子模型中的待标定参数为基础CURVE中的参数；
催化器温度计算模型包括若干个一维的修正CURVE和若干个二维的修正MAP，催化器温度计算模型中的待标定参数为修正CURVE和修正MAP中的参数。
可选的，实验数据包括实验点对应的发动机转速、发动机负荷、排气流量、环境温度、车速、空燃比、以及温度实测值。
可选的，当车辆包括涡轮增压装置时，温度子模型还包括涡轮模型；
涡轮模型包括若干个一维的修正CURVE表和若干个二维的修正MAP表，涡轮模型中的待标定参数为修正CURVE和修正MAP中的参数。
可选的，实验数据还包括实验点对应的涡轮增压器压降比、涡轮增压器上游排气流量。
可选的，参数标定模块，还用于：
当温度子模型包括a个MAP时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将a个MAP的行向量按预定拼接规则拼接为一个参数行向量；
当温度子模型包括b个CURVE时，将每个CURVE中的待标定参数整理为p维的行向量；将b个CURVE的待标定参数按预定拼接规则拼接为一个参数行向量；
当温度子模型包括a个MAP和b个CURVE时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将每个CURVE中的待标定参数整理为p维的行向量；将a个MAP的行向量和b个CURVE的行向量按预定顺序拼接为一个参数行向量。
可选的，参数标定模块，还用于存储参数行向量与预定拼接规则之间的映射关系。
可选的，配置模块，用于配置种群进化算法的最大迭代次数、种群规模、缩放因子、交叉概率；
配置温度子模型中MAP和/或CURVE的参数范围、MAP和/或CURVE的约束条件。
可选的，温度子模型对应的目标函数为：
Figure BDA0003043145040000061
或，
Figure BDA0003043145040000062
其中，weight(Yi)表示预设的加权映射函数，Yi表示实验点对应的温度实测值，Xi表示实验点对应的温度模型值，m表示实验点的个数。
可选的，参数标定模块，用于计算初始化种群中各条个体对应的目标函数值；
通过种群进化算法的进化更新机制生成新一代种群，并计算新一代种群中各条个体对应的目标函数值；
检测种群迭代次数是否达到最大迭代次数；
若检测到种群迭代次数未达到最大迭代次数，则重新执行通过种群进化算法的进化更新机制生成新一代种群，并计算新一代种群中各条个体对应的目标函数值的步骤；
若检测到种群迭代次数达到最大迭代次数，则停止迭代，输出历史最优个体，历史最优个体为最小目标函数值对应的个体；历史最优个体中的元素与温度子模型中的待标定参数一一对应。
可选的，种群进化算法为差分进化算法、遗传算法、粒子群算法、群搜索优化算法中的任意一种。
可选的，模型构建模块，用于针对每个温度子模型，根据温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原标定后的MAP和/或CURVE；
根据排气系统温度模型中各个温度子模型的级联关系，得到标定后的排气系统温度模型。
第三方面，本申请实施例提供了一种发动机排气系统温度模型构建装置，该装置包括处理器和存储器；该存储器中存储有程序，该程序由处理器加载并执行以实现如上述第一方面所示的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，该存储介质中存储有程序，该程序由处理器加载并执行以实现如上述第一方面所示的方法。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种发动机排气系统温度模型构建方法的流程图；
图2是本申请一实施例提供的一种发动机排气系统温度模型的框图；
图3是本申请另一实施例提供的一种发动机排系统温度模型的框图；
图4是本申请实施例提供的每个温度子模型中待标定参数的标定流程图；
图5是本申请另一实施例提供的一种发动机排系统温度模型的框图；
图6是本申请实施例提供的一个MAP被整理为2×2矩阵的示意图；
图7是本申请实施例提供的一种发动机排气系统温度模型构建装置的框图；
图8是本申请一个示例性实施例提供的发动机排气系统温度模型构建装置的结构方框图。
具体实施方式
下面将结合附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在不做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。
在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。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。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，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，或一体地连接；可以是机械连接，也可以是电气连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
此外，下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
请参考图1，其示出了本申请实施例提供的一种发动机排气系统温度模型构建方法的流程图，该方法至少包括如下步骤：
步骤101，根据车辆配置信息建立排气系统温度模型，排气系统温度模型由若干个温度子模型级联构成。
温度子模型至少包括入口排气歧管模型(pipe0模型)、管路温度计算模型(pipe1模型)、催化器温度计算模型(cat模型)。
为了令排气系统温度模型能够适配于不同的车辆配置环境，利用多种温度子模型构建排气系统温度模型，排气系统温度模型中的温度子模型级联。
排气系统温度模型中温度子模型的数量根据实际的车辆配置确定，一般情况下，温度子模型至少包括入口排气歧管模型(pipe0模型)、管路温度计算模型(pipe1模型)、催化器温度计算模型(cat模型)，pipe0模型、pipe1模型以及cat模型在排气系统温度模型中的位置、数量根据实际情况确定。
在一个例子中，如图2所示，排气系统温度模型包括pipe0模型(入口歧管排气模型)、pipe1模型(管路温度计算模型)、cat模型(催化器温度计算模型)，pipe0模型的数量为1、pipe1模型的数量为1、cat模型的数量为1，pipe0模型与pipe1模型级联，pipe1模型与cat模型级联。
在另一个例子中，如图3所示，排气系统温度模型中pipe0模型的数量为1，cat模型的数量为1，pipe1模型的数量为2，按pipe0模型-pipe1模型-cat模型-pipe1模型的顺序级联。
入口排气歧管模型(pipe0模型)：在T1时刻，根据发动机转速、发动机负荷，通过查找二维表差值的方式来计算出基础排气温度，然后根据车速、环境温度、排气流量计算排气流经管路时对管壁的散热以及对环境的散热，根据对管壁的散热和对环境的散热对基础排气温度进行修正；pipe0模型有两个输出量，其中，排气温度为默认输出量，管壁温度为可选输出量。
管路温度修正模型(pipe1模型)，用于计算发动机排气流经一段排气管后的排气温度(比如，氧传感器处的温度)，pipe1模型的一个输入为前一个温度子模型输出的排气温度值，pipe1模型根据车速、排气流量、环境温度计算排气流经管路时对管壁的散热和对环境的散热，并输出排气管路中预设位置的排气温度。pipe1模型有两个输出量，其中，排气温度为默认输出量，管壁温度为可选输出量。
目前，在发动机排气管路中，都安装有三元催化器。
催化器温度计算模型(cat模型)：cat模型的一个输入为前一个温度子模型输出的排气温度值，cat模型根据T1时刻的空燃比、车速、排气流量、排气流量、环境温度对前一个温度子模型输出的排气温度值进行修正，并输出相应的催化器处的排气温度。
需要说明的是，车辆在T1时刻的车速、排气流量、环境温度、发动机负荷、发动机转速、空燃比等，可以通过获取设置在车辆中的传感器的信号直接得到，或根据传感器的信号计算得到。
步骤102，根据排气系统温度模型中各个温度子模型的位置，依次利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值。
由于排气系统温度模型的各个温度子模型为级联关系，各个温度子模型之间存在先后顺序，前一个温度子模型的输出是后一个温度子模型的输入，因此，需要根据排气系统温度模型中温度子模型的先后位置依次对温度子模型中的待标定参数进行标定，前一个位置的温度子模型中的待标定参数标定完成后，才会对后一个位置的温度子模型中的待标定参数进行标定。
若排气系统温度模型中某类温度子模型的数量为N，N为大于1的整数，该类的N个温度子模型中的待标定参数需要分别标定，该类的N个温度子模型中待标定参数的标定值不相同。
比如：如图3所示，排气系统温度模型的中温度子模型的位置关系为：pipe0模型-pipe1模型-cat模型-pipe1模型，则对温度子模型的标定顺序为：pipe0模型-pipe1模型-cat模型-pipe1模型，在第2位置的pipe1模型和在第4位置的pipe1模型均需要分别标定。
待标定参数与温度子模型中包括的MAP和/或CURVE相关。
步骤103，根据每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型。
根据每个温度子模型中待标定参数的标定值，确定每个温度子模型中包含的MAP和/或CURVE，再根据排气系统温度模型中各个温度子模型的级联关系，得到标定后的排气系统温度模型。
综上所述，本申请实施例提供的发动机排气系统温度模型构建方法，通过根据车辆配置信息建立排气系统温度模型，排气系统温度模型由若干个温度子模型级联构成，根据排气系统温度模型中的各个温度子模型的位置，依次利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值；根据每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型；解决了目前发动机电子控制系统中的排气系统温度模型需要人工标定，标定周期长、模型的全局性差的问题达到了提高排气系统温度模型的标定效率和标定结果的精度的效果。
针对每个温度子模型，如图4所示，利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值，可以包括如下步骤：
步骤401，根据温度子模型中包括的MAP和/或CURVE，对待标定参数进行解空间编码，将温度子模型中的待标定参数映射为参数行向量，参数行向量的维数等于待标定参数的个数。
温度子模型中包括若干个MAP和若干个CRUVE，或，包括若干个CURVE；MAP的种类为基础MAP和修正MAP，CURVE的种类为基础CURVE和修正CURVE；每个温度子模型中MAP和/或CRUVE的数量、种类根据实际情况确定。
由于MAP、CURVE为图表形式，MAP、CURVE中的待标定参数无法直接被种群进化算法处理，因此，需要对存在于MAP和/或CURVE中的待标定参数进行解空间编码，将待标定参数表示为可以被种群进化算法识别并处理的解个体，即将MAP和/或CURVE映射到种群进化算法能够处理的解空间中。
将温度子模型中的待标定参数映射为参数行向量，参数行向量的位数等于待标定参数的个数，即参数行向量中的元素由温度子模型中的待标定参数构成。
步骤402，获取与温度子模型对应的实验数据。
实验数据是预先通过实验得到的；实验数据包括作为温度子模型输入的数据和作为温度子模型输出的温度实测值。
步骤403，随机生成初始化种群。
初始化种群包含Npop条个体，每条个体的维数与参数行向量的维数相同。
步骤404，根据初始化种群、配置的种群进化算法的运行参数以及温度子模型的模型参数、温度子模型对应的目标函数，基于种群进化算法确定温度子模型中待标定参数的标定值。
可选的，排气系统温度模型中，各个温度子模型的模型参数在对待标定参数进行标定之前配置；或者，在对每个温度子模型中的待标定参数进行标定时，配置温度子模型对应的模型参数。
可选的，种群进化算法的运行参数在对待标定参数进行标定之前配置，或，在对待标定参数进行标定时配置。
可选的，种群进化算法的运行参数与温度子模型的模型参数同时配置，或，种群进化算法的运行参数与温度子模型的模型参数不同时配置。
利用种群进化算法进行迭代寻优，在迭代寻优过程中，种群进化算法不断地读取标定数据、实验数据以及调用基于生成的候选解所构建的温度子模型，搜寻令温度子模型对应的目标函数值最优的解，输出令温度子模型对应的目标函数值最优的个体；令温度子模型对应的目标函数值最优的个体中的元素即为温度子模型中待标定参数的标定值。
温度子模型至少包括入口排气歧管模型、管路温度计算模型、催化器温度计算模型。其中：
入口排气歧管模型(pipe0模型)包括若干个二维的基础MAP和若干个一维的基础CURVE。pipe0模型中基础MAP和基础CURVE的数量根据实际情况确定，本申请实施例对此不作限定。在一个例子中，pipe0模型包括1个二维的基础MAP和2个一维的基础CURVE。
入口排气歧管模型中的待标定参数为基础MAP和基础CURVE中的参数。
管路温度计算模型(pipe1模型)包括若干个一维的基础CURVE。pipe1模型中基础CURVE的数量根据实际情况确定，本申请实施例对此不作限定。在一个例子中，pipe1模型包括2个一维的基础CURVE。
管路温度计算模型中的待标定参数为基础CURVE中的参数。
需要说明的是，pipe0模型中的基础CURVE与pipe1模型中的基础CURVE不同。
催化器温度计算模型(cat模型)包括若干个一维的修正CURVE和若干个二维的修正MAP。cat模型中修正CURVE和修正MAP的数量根据实际情况确定，本申请实施例对此不作限定。在一个例子中，cat模型包括4个一维的修正CRUVE和1个二维的修正MAP。
催化器温度计算模型中的待标定参数为修正CURVE和修正MAP中的参数。
在基于图1所示实施例的可选实施例中，当车辆包括涡轮增压装置时，排气系统温度模型的温度子模型中还包括涡轮模型(turbo模型)。
涡轮模型，用于计算经由涡轮增加装置后的排气温度。涡轮模型根据T1时刻的车速、环境温度、涡轮增压器压降比、涡轮增压器上游排气量对前一个温度子模型输出的排气温度值进行修正；涡轮模型由两个输出量，其中，排气温度为默认输出量，管壁温度为可选输出量。
需要说明的是，涡轮增压器压降比、涡轮增压器上游排气量可以通过获取设置在车辆中的传感器的信号直接得到，或根据传感器的信号计算得到。
在一个例子中，车辆中设置有涡轮增加装置，根据车辆配置信息构建的排气系统温度模型的框图如图5所示，排气系统温度模型中pipe0模型的数量为1，cat模型的数量为1，pipe1模型的数量为1，涡轮模型(turbo模型)的数量为1，按pipe0模型-pipe1模型-turbo模型-cat模型的顺序级联。
turbo模型包括若干个一维的修正CURVE表和若干个二维的修正MAP表，turbo模型中的待标定参数为修正CURVE中的参数和修正MAP中的参数。
需要说明的是，turbo模型中的修正CURVE与cat模型中的修正CURVE不同，turbo模型中的修正MAP和cat模型中的修正MAP不同。
在一个例子中，当根据车辆配置信息建立排气系统温度模型后，在根据排气系统温度模型中各个温度子模型的位置，自动化地依次利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值之前，先对各个温度子模型配置模型参数，以及对种群进化算法配置运行参数，即在上述步骤101之后，步骤102之前，该发动机排气系统温度模型构建方法还包括如下几个步骤：
步骤601，配置种群进化算法的运行参数以及温度子模型的模型参数。
配置种群进化算法的最大迭代次数、种群规模、缩放因子、交叉概率。
配置温度子模型中MAP和/或CURVE的参数范围、MAP和/或CURVE的约束条件。
若温度子模型包含基础MAP，则配置基础MAP中待标定参数的标定值的上下限；若温度子模型包含基础CURVE，则配置基础CURVE中待标定参数的标定值的上下限；若温度子模型包含修正MAP，则配置修正MAP中待标定参数的标定值的上下限；若温度子模型包含修正CURVE，则配置修正CURVE中待标定参数的标定值的上下限。
需要说明的是，种群进化算法的运行参数可以与温度子模型的模型参数同时配置，或，种群进化算法的运行参数在温度子模型的模型参数之前配置，或，种群进化算法的运行参数在温度子模型的模型参数之后配置。
步骤602，建立与温度子模型对应的目标函数。
目标函数用于对种群进化算法在迭代过程中生成的候选解进行性能评估，从而引导算法朝着“优胜劣汰”的方向进化。在标定温度子模型的过程中，期望最终标定参数下得到的温度模型值与温度实测值的差异越小越好。
温度子模型对应的目标函数为：
Figure BDA0003043145040000131
或，
Figure BDA0003043145040000132
其中，weight(Yi)表示预设的加权映射函数，Yi表示实验点对应的温度实测值，Xi表示实验点对应的温度模型值，m表示实验点的个数。
当n＝1时，公式(1)退化为平均绝对无差；当n＝2时，公式(1)退化为均方根误差，当n＝+∞时，公式(1)退化为最大绝对值误差。
以n＝1为例，公式(1)为：
Figure BDA0003043145040000141
当n＝2时，公式(2)退化为均方误差。
温度实测值指的是，将种群进化算法迭代过程中生成的候选解带入温度子模型中，得到候选温度子模型，并利用候选温度子模型计算得到的实验点对应的温度值。
在标定温度子模型的过程中，更加关注对高温点处的预测精度，对低温点出的预测精度可以稍微放宽，为了达到这一效果，设置加权映射函数weight(Yi)对不同温度下的数据点进行分层加权，来引导种群进化算法在迭代过程中更加注重对高温点的预测精度。
在一个例子中，将温度等级分为四层，由温度点K1、K2、K3划分，K3＞K2＞K1，定义加权映射函数weight(Yi)如公式(3)所示，将每个温度下的实验点映射到相应的权值上。
Figure BDA0003043145040000142
g1、g2、g3、g4分别表示每个层级的权重值，比如：g1＝4，g2＝3，g3＝2，g4＝1。
需要说明的是，公式(3)所示的加权映射函数weight(Yi)仅为示例性说明，在实际标定过程中，加权映射函数weight(Yi)可以根据实际项目需求进行不同层级分段划分以及为不同层级权重按需赋值。若不需要关注不同温度点的预测精度，则令weight(Yi)＝1。
每个温度子模型对一个目标函数，每个温度子模型对应的目标函数均按公式(1)或公式(2)来构造和计算，不同温度子模型的目标函数中的，加权映射函数weight(Yi)可以不相同。
在基于图1所示实施例的可选实施例中，实验数据包括实验点对应的发动机转速、发动机负荷、排气流量、环境温度、车速、空燃比、以及温度实测值。
当排气系统温度模型中的温度子模型包括涡轮模型(turbo模型)时，实验数据还包括实验点对应的涡轮增压器压降比、涡轮增压器上游排气流量。
在基于图1所示实施例的可选实施例中，步骤“根据温度子模型中包括的MAP和/或CURVE，对待标定参数进行解空间编码，将温度子模型中的待标定参数映射为参数行向量”，即上述步骤401可以由如下方式实现：
1、当温度子模型包括a个MAP时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将a个MAP的行向量按预定拼接规则拼接为一个参数行向量。
以一个2×2的MAP为例，如图6所示，将MAP中的待标定参数整理为2×2矩阵，按行为单位进行拼接，将第2行的参数m12、m22拼接到2行的参数m11、m21的后面，得到一个行向量(m11，m21，m12，m22)。
若有a个MAP，则将a个MAP整理为a个行向量，再将a个行向量按预定拼接规则拼接为一个参数行向量。比如，有2个MAP，一个MAP的行向量为(m11，m21，m12，m22)，另一个MAP的行向量为(p11，p21，p12，p22)，按预定拼接规则拼接得到的额参数行向量为((m11，m21，m12，m22，z11，z21，z12，z22)。
2、当温度子模型包括b个CURVE时，将每个CURVE中的待标定参数整理为p维的行向量；将b个CURVE的待标定参数按预定拼接规则拼接为一个参数行向量。
在一个例子中，有2个CURVE，一个CURVE中的待标定参数整理为行向量(c1，c2，c3，c4)，另一个CURVE中的待标定参数整理为行向量(d1，d2，d3，d4)，将2个CURVE的行向量按预定拼接规则拼接后得到的参数行向量为(c1，c2，c3，c4，d1，d2，d3，d4)。
3、当温度子模型包括a个MAP和b个CURVE时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将每个CURVE中的待标定参数整理为p维的行向量；将a个MAP的行向量和b个CURVE的行向量按预定顺序拼接为一个参数行向量。
在一个例子中，温度子模型包括2个MAP和2个CURVE，一个MAP的行向量为(m11，m21，m12，m22)，另一个MAP的行向量为(p11，p21，p12，p22)，一个CURVE中的待标定参数整理为行向量(c1，c2，c3，c4)，另一个CURVE中的待标定参数整理为行向量(d1，d2，d3，d4)，2个MAP的行向量和2个CURVE的行向量按预定拼接规则拼接后得到的参数行向量为(m11，m21，m12，m22，p11，p21，p12，p22，c1，c2，c3，c4，d1，d2，d3，d4)。
当温度子模型包括MAP和CURVE时，各个MAP和各个CURVE在参数行向量中对应的位置根据预定拼接规则确定。
在完成对温度子模型中待标定参数的解空间编码后，该方法还包括存储参数行向量与预定拼接规则之间的映射关系。
对于一个包含有a个k×l维MAP和b个p维CURVE的温度子模型来说，该温度子模型的个体解空间被编码为一个a*k*l+b*p维的参数行向量。
在得到温度子模型中待标定参数的标定值后，根据存储的参数行向量与预定拼接规则之间的映射关系，即可反推还原为MAP或CURVE。
在基于图1所示实施例的可选实施例中，“根据初始化种群、配置的种群进化算法的运行参数以及温度子模型的模型参数、温度子模型对应的目标函数，基于种群进化算法确定温度子模型中待标定参数的标定值”，即上述步骤404可以由如下步骤实现：
步骤4041，计算初始化种群中各条个体对应的目标函数值。
步骤4042，通过种群进化算法的进化更新机制生成新一代种群，并计算新一代种群中各条个体对应的目标函数值。
可选的，种群进化算法为差分进化算法、遗传算法、粒子群算法、群搜索优化算法中的任意一种。
以种群进化算法为差分进化算法为例，通过交叉和变异算子生成新的变异个体，通过选择算子生成新一代种群。
以种群进化算法为粒子群算法为例，通过速度位置更新公式生成新一代的个体。
步骤4043，检测种群迭代次数是否达到最大迭代次数。
若检测到种群迭代次数未达到最大迭代次数，则重新执行步骤4042；若检测到种群迭代次数达到最大迭代次数，则停止迭代，输出历史最优个体。
历史最优个体为最小目标函数值对应的个体。
历史最优个体中的元素与温度子模型中的待标定参数一一对应，即历史最优个体中的元素是待待标定参数的标定值。
在基于图1所示实施例的可选实施例中，步骤“根据每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型”，即上述步骤103可以由如下方式实现：
步骤1031，针对每个温度子模型，根据温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原标定后的MAP和/或CURVE。
当温度子模型中包括基础MAP时，根据温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原得到基础MAP。
当温度子模型中包括基础CURVE时，根据温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原得到基础CURVE。
当温度子模型中包括修正MAP时，根据温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原得到修正MAP。
当温度子模型中包括修正CURVE时，根据温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原得到修正CURVE。
步骤1032，根据排气系统温度模型中各个温度子模型的级联关系，得到标定后的排气系统温度模型。
在一个例子中，构建的排气系统温度模型的框图如图5所示，种群进化算法为差分进化算法，pipe0模型包含1个基础MAP和2个基础CURVE，pipe1模型包含2个基础CURVE，cat模型包含4个修正CURVE和1个修正MAP，涡轮模型(turbo模型)包含1个修正MAP和2个修正CURVE，该发动机排气系统温度模型构建方法包括如下步骤：
步骤701，根据车辆配置信息建立排气系统温度模型，排气系统温度模型由1个入口排气歧管模型(pipe0模型)、1个管路温度计算模型(pipe1模型)、1个涡轮模型(turbo模型)、1个催化器温度计算模型(cat模型)级联构成。
步骤702，配置差分进化算法的最大迭代次数、种群规模、缩放因子、交叉概率。
步骤703，配置pipe0模型、pipe1模型、turbo模型、cat模型各自的模型参数。
模型参数为各个温度子模型中待标定参数的参数范围、MPA及CURVE自身需要满足的约束条件。
步骤704，建立pipe0模型对应的目标函数、pipe1模型对应的目标函数、turbo模型对应的目标函数、cat模型对应的目标函数。
各个温度子模型对应的目标函数分别按照公式(1)或公式(2)建立。
步骤705，针对pipe0模型，利用差分进化算法和pipe0模型对应的目标函数确定pipe0模型中待标定参数的标定值。
将pipe0模型中1个基础MAP和2个基础CURVE的待标定参数进行解空间编码，将pipe0模型中的待标定参数映射为参数行向量。
获取与pipe0模型对应的实验数据，实验数据包括m个实验点，实验数据包括实验点对应的发动机转速、发动机负荷、环境温度、车速以及温度实测值。
随机生成初始化种群，初始化种群包含Npop条个体，每条个体的维数与pipe0模型对应的参数行向量的维数相同。
通过变异和交叉算子为种群中的每个个体生成变异个体，并通过选择算子生成新一代种群。
在差分进化算法的迭代过程中，根据pipe0模型对应的目标函数分别计算初始化种群中每条个体和每一代种群中每条个体对应的目标函数值。
当差分进化算法的迭代次数达到最大迭代次数时，停止迭代，将最小目标函数值对应的个体输出。
最小目标函数值对应的个体中的元素为pipe0模型中待标定参数的标定值。
步骤706，针对pipe1模型，利用差分进化算法和pipe1模型对应的目标函数确定pipe1模型中待标定参数的标定值。
对pipe1模型进行标定的具体步骤与上述步骤401至404一致，本申请实施例对此不作赘述。
用于标定pipe1模型的实验数据包括m个实验点，实验数据包括实验点对应的排气流量、环境温度、车速以及温度实测值。
步骤707，针对turbo模型，利用差分进化算法和turbo模型对应的目标函数确定turbo模型中待标定参数的标定值。
对turbo模型进行标定的具体步骤与上述步骤401至404一致，本申请实施例对此不作赘述。
用于标定turbo模型的实验数据包括m个实验点，实验数据包括实验点对应的环境温度、车速、涡轮增压器压降比、涡轮增压器上游排气流量以及温度实测值。
步骤708，针对cat模型，利用差分进化算法和cat模型对应的目标函数确定cat模型中待标定参数的标定值。
对cat模型进行标定的具体步骤与上述步骤401至404一致，本申请实施例对此不作赘述。
用于标定cat模型的实验数据包括m个实验点，实验数据包括实验点对应的排气流量、环境温度、车速、空燃比以及温度实测值。
步骤709，针对每个温度子模型，根据温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原标定后的MAP和/或CURVE。
对于pipe0模型，还原标定后的1个基础MAP和2个基础CURVE。
对于pipe1模型，还原标定后的2个基础CURVE。
对于turbo模型，还原标定后的1个修正MAP和2个修正CURVE。
对于cat模型，还原标定后的4个修正CURVE和1个修正MAP。
步骤710，根据排气系统温度模型中各个温度子模型的级联关系，得到标定后的排气系统温度模型。
根据pipe0模型、pipe1模型、turbo模型、cat模型的级联关系，得到标定后的排气系统温度模型。
本申请实施例提供的发动机排气系统温度模型构建方法，采用自动化标定，相比传统的人工标定过程，每次标定过程的耗时少，降低了标定过程的工作量，提高了标定效率。
通过依次自动化标定排气系统温度模型中的各个温度子模型，同时考虑到了各个工况之间的耦合效应，实现局部最优化以及相对全局最优化，提高了标定结果的精度。
在排气系统温度模型的标定过程中，只输入待标定参数的上下限以及MAP和CURVE的约束条件以及实验数据，将排气系统温度模型的标定与标定工程师的个人经验独立开，提升排气系统温度模型构建的客观性和通用性。
在构建排气系统温度模型时是根据车辆的配置信息构建的，该排气系统温度模型的构建方法可以适用于不同的车辆配置，适应性更强。
图7是本申请一个实施例提供的发动机排气系统温度模型构建装置的框图，该装置至少包括模型构建模块710、参数标定模块720。
模型构建模块710，用于根据车辆配置信息建立排气系统温度模型，排气系统温度模型由若干个温度子模型级联构成；温度子模型至少包括入口排气歧管模型、管路温度计算模型、催化器温度计算模型；
参数标定模块720，用于根据排气系统温度模型中各个温度子模型的位置，依次利用种群进化算法和温度子模型对应的目标函数确定温度子模型中待标定参数的标定值；待标定参数与温度子模型中包括的MAP和/或CURVE相关；
模型构建模块710，用于根据每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型。
可选的，参数标定模块720，用于根据温度子模型中包括的MAP和/或CURVE，对待标定参数进行解空间编码，将温度子模型中的待标定参数映射为参数行向量，参数行向量的维数等于待标定参数的个数；
获取与温度子模型对应的实验数据；
随机生成初始化种群，初始化种群包含Npop条个体，每条个体的维数与参数行向量的维数相同；
根据初始化种群、配置的种群进化算法的运行参数以及温度子模型的模型参数、温度子模型对应的目标函数，基于种群进化算法确定温度子模型中待标定参数的标定值。
可选的，该装置还包括：
配置模块，用于配置种群进化算法的运行参数以及温度子模型的模型参数；
目标函数建立模块，用于建立与温度子模型对应的目标函数。
可选的，入口排气歧管模型包括若干个二维的基础MAP和若干个一维的基础CURVE，入口排气歧管模型中的待标定参数为基础MAP和基础CURVE中的参数；
管路温度计算模型包括若干个一维的基础CURVE，管路温度计算子模型中的待标定参数为基础CURVE中的参数；
催化器温度计算模型包括若干个一维的修正CURVE和若干个二维的修正MAP，催化器温度计算模型中的待标定参数为修正CURVE和修正MAP中的参数。
可选的，实验数据包括实验点对应的发动机转速、发动机负荷、排气流量、环境温度、车速、空燃比、以及温度实测值。
可选的，当车辆包括涡轮增压装置时，温度子模型还包括涡轮模型；
涡轮模型包括若干个一维的修正CURVE表和若干个二维的修正MAP表，涡轮模型中的待标定参数为修正CURVE和修正MAP中的参数。
可选的，实验数据还包括实验点对应的涡轮增压器压降比、涡轮增压器上游排气流量。
可选的，参数标定模块720，还用于：
当温度子模型包括a个MAP时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将a个MAP的行向量按预定拼接规则拼接为一个参数行向量；
当温度子模型包括b个CURVE时，将每个CURVE中的待标定参数整理为p维的行向量；将b个CURVE的待标定参数按预定拼接规则拼接为一个参数行向量；
当温度子模型包括a个MAP和b个CURVE时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将每个CURVE中的待标定参数整理为p维的行向量；将a个MAP的行向量和b个CURVE的行向量按预定顺序拼接为一个参数行向量。
可选的，参数标定模块720，还用于存储参数行向量与预定拼接规则之间的映射关系。
可选的，配置模块，用于配置种群进化算法的最大迭代次数、种群规模、缩放因子、交叉概率；
配置温度子模型中MAP和/或CURVE的参数范围、MAP和/或CURVE的约束条件。
可选的，温度子模型对应的目标函数为：
Figure BDA0003043145040000211
或，
Figure BDA0003043145040000212
其中，weight(Yi)表示预设的加权映射函数，Yi表示实验点对应的温度实测值，Xi表示实验点对应的温度模型值，m表示实验点的个数。
可选的，参数标定模块720，用于计算初始化种群中各条个体对应的目标函数值；
通过种群进化算法的进化更新机制生成新一代种群，并计算新一代种群中各条个体对应的目标函数值；
检测种群迭代次数是否达到最大迭代次数；
若检测到种群迭代次数未达到最大迭代次数，则重新执行通过种群进化算法的进化更新机制生成新一代种群，并计算新一代种群中各条个体对应的目标函数值的步骤；
若检测到种群迭代次数达到最大迭代次数，则停止迭代，输出历史最优个体，历史最优个体为最小目标函数值对应的个体；历史最优个体中的元素与温度子模型中的待标定参数一一对应。
可选的，种群进化算法为差分进化算法、遗传算法、粒子群算法、群搜索优化算法中的任意一种。
可选的，模型构建模块710，用于针对每个温度子模型，根据温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原标定后的MAP和/或CURVE；
根据排气系统温度模型中各个温度子模型的级联关系，得到标定后的排气系统温度模型。
相关细节参考上述方法实施例。
需要说明的是：上述实施例中提供的发动机排气系统温度模型构建装置在构建发动机排气系统温度模型时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将发动机排气系统温度模型构建装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的发动机排气系统温度模型构建装置与发动机排气系统温度模型构建方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
请参考图8，其示出了本申请一个示例性实施例提供的发动机排气系统温度模型构建装置的结构方框图。本申请中的终端可以包括一个或多个如下部件：处理器810和存储器820。
处理器810可以包括一个或者多个处理核心。处理器810利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储器820内的指令、程序、代码集或指令集，以及调用存储在存储器820内的数据，执行终端的各种功能和处理数据。可选地，处理器810可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器810可集成中央处理器(CentralProcessing Unit，CPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统和应用程序等；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器810中，单独通过一块芯片进行实现。
可选地，处理器810执行存储器820中的程序指令时实现上述各个方法实施例提供的发动机排气系统温度模型构建方法。
存储器820可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选地，该存储器820包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器820可用于存储指令、程序、代码、代码集或指令集。存储器820可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令、用于实现上述各个方法实施例的指令等；存储数据区可存储根据终端的使用所创建的数据等。
需要补充说明的是，上述终端仅是示意性地，在实际实现时，终端还可以包括更少或更多的部件，比如：设备还包括触摸显示屏、通信组件、传感器组件等，本实施例在此不再一一限定。
可选地，本申请还提供有一种计算机可读存储介质，该计算机可读存储介质中存储有程序，该程序由处理器加载并执行以实现上述方法实施例的发动机排气系统温度模型构建方法。
可选地，本申请还提供有一种计算机产品，该计算机产品包括计算机可读存储介质，该计算机可读存储介质中存储有程序，该程序由处理器加载并执行以实现上述方法实施例的发动机排气系统温度模型构建方法。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本申请创造的保护范围之中。

Claims (30)

1.一种发动机排气系统温度模型构建方法，其特征在于，所述方法包括：
根据车辆配置信息建立排气系统温度模型，所述排气系统温度模型由若干个温度子模型级联构成；所述温度子模型至少包括入口排气歧管模型、管路温度计算模型、催化器温度计算模型；
根据所述排气系统温度模型中各个温度子模型的位置，依次利用种群进化算法和所述温度子模型对应的目标函数确定所述温度子模型中待标定参数的标定值；所述待标定参数与所述温度子模型中包括的MAP和/或CURVE相关；
根据所述每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型。
2.根据权利要求1所述的方法，其特征在于，所述利用种群进化算法和所述温度子模型对应的目标函数确定所述温度子模型中待标定参数的标定值，包括：
根据所述温度子模型中包括的MAP和/或CURVE，对待标定参数进行解空间编码，将所述温度子模型中的待标定参数映射为参数行向量，所述参数行向量的维数等于待标定参数的个数；
获取与所述温度子模型对应的实验数据；
随机生成初始化种群，所述初始化种群包含Npop条个体，每条个体的维数与所述参数行向量的维数相同；
根据所述初始化种群、配置的种群进化算法的运行参数以及温度子模型的模型参数、所述温度子模型对应的目标函数，基于所述种群进化算法确定所述温度子模型中待标定参数的标定值。
3.根据权利要求1所述的方法，其特征在于，所述根据所述排气系统温度模型中各个温度子模型的位置，依次利用种群进化算法和所述温度子模型对应的目标函数确定所述温度子模型中待标定参数的标定值之前，所述方法还包括：
配置所述种群进化算法的运行参数以及所述温度子模型的模型参数；
建立与所述温度子模型对应的目标函数。
4.根据权利要求1所述的方法，其特征在于，所述入口排气歧管模型包括若干个二维的基础MAP和若干个一维的基础CURVE，所述入口排气歧管模型中的待标定参数为所述基础MAP和所述基础CURVE中的参数；
所述管路温度计算模型包括若干个一维的基础CURVE，所述管路温度计算子模型中的待标定参数为所述基础CURVE中的参数；
所述催化器温度计算模型包括若干个一维的修正CURVE和若干个二维的修正MAP，所述催化器温度计算模型中的待标定参数为所述修正CURVE和所述修正MAP中的参数。
5.根据权利要求2或4所述的方法，其特征在于，所述实验数据包括实验点对应的发动机转速、发动机负荷、排气流量、环境温度、车速、空燃比、以及温度实测值。
6.根据权利要求1至3任一所述的方法，其特征在于，当车辆包括涡轮增压装置时，所述温度子模型还包括涡轮模型；
所述涡轮模型包括若干个一维的修正CURVE表和若干个二维的修正MAP表，所述涡轮模型中的待标定参数为所述修正CURVE和所述修正MAP中的参数。
7.根据权利要求6所述的方法，其特征在于，所述实验数据还包括实验点对应的涡轮增压器压降比、涡轮增压器上游排气流量。
8.根据权利要求1至5任一所述的方法，其特征在于，根据所述温度子模型中包括的MAP和/或CURVE，对待标定参数进行解空间编码，将所述温度子模型中的待标定参数映射为参数行向量，包括：
当所述温度子模型包括a个MAP时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将a个MAP的行向量按预定拼接规则拼接为一个参数行向量；
当所述温度子模型包括b个CURVE时，将每个CURVE中的待标定参数整理为p维的行向量；将b个CURVE的待标定参数按预定拼接规则拼接为一个参数行向量；
当所述温度子模型包括a个MAP和b个CURVE时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将每个CURVE中的待标定参数整理为p维的行向量；将a个MAP的行向量和b个CURVE的行向量按预定顺序拼接为一个参数行向量。
9.根据权利要求2或8所述的方法，其特征在于，所述方法还包括：
存储所述参数行向量与预定拼接规则之间的映射关系。
10.根据权利要求3所述的方法，其特征在于，所述配置所述种群进化算法的运行参数以及所述温度子模型的模型参数，包括：
配置所述种群进化算法的最大迭代次数、种群规模、缩放因子、交叉概率；
配置所述温度子模型中MAP和/或CURVE的参数范围、MAP和/或CURVE的约束条件。
11.根据权利要求1至3任一所述的方法，其特征在于，所述温度子模型对应的目标函数为：
Figure FDA0003043145030000031
或，
Figure FDA0003043145030000032
其中，weight(Yi)表示预设的加权映射函数，Yi表示实验点对应的温度实测值，Xi表示实验点对应的温度模型值，m表示实验点的个数。
12.根据权利要求2所述的方法，其特征在于，所述根据所述初始化种群、配置的种群进化算法的运行参数以及温度子模型的模型参数、所述温度子模型对应的目标函数，基于所述种群进化算法确定所述温度子模型中待标定参数的标定值，包括：
计算所述初始化种群中各条个体对应的目标函数值；
通过所述种群进化算法的进化更新机制生成新一代种群，并计算所述新一代种群中各条个体对应的目标函数值；
检测种群迭代次数是否达到最大迭代次数；
若检测到所述种群迭代次数未达到最大迭代次数，则重新执行所述通过所述种群进化算法的进化更新机制生成新一代种群，并计算所述新一代种群中各条个体对应的目标函数值的步骤；
若检测到所述种群迭代次数达到最大迭代次数，则停止迭代，输出历史最优个体，所述历史最优个体为最小目标函数值对应的个体；所述历史最优个体中的元素与所述温度子模型中的待标定参数一一对应。
13.根据权利要求1、2、3或12所述的方法，其特征在于，所述种群进化算法为差分进化算法、遗传算法、粒子群算法、群搜索优化算法中的任意一种。
14.根据权利要求1所述的方法，其特征在于，所述根据所述每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型，包括：
针对每个温度子模型，根据所述温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原标定后的MAP和/或CURVE；
根据所述排气系统温度模型中各个温度子模型的级联关系，得到标定后的排气系统温度模型。
15.一种发动机排气系统温度模型构建装置，其特征在于，所述装置包括：
模型构建模块，用于根据车辆配置信息建立排气系统温度模型，所述排气系统温度模型由若干个温度子模型级联构成；所述温度子模型至少包括入口排气歧管模型、管路温度计算模型、催化器温度计算模型；
参数标定模块，用于根据所述排气系统温度模型中各个温度子模型的位置，依次利用种群进化算法和所述温度子模型对应的目标函数确定所述温度子模型中待标定参数的标定值；所述待标定参数与所述温度子模型中包括的MAP和/或CURVE相关；
所述模型构建模块，用于根据所述每个温度子模型中待标定参数的标定值，得到标定后的排气系统温度模型。
16.根据权利要求15所述的装置，其特征在于，所述参数标定模块，用于根据所述温度子模型中包括的MAP和/或CURVE，对待标定参数进行解空间编码，将所述温度子模型中的待标定参数映射为参数行向量，所述参数行向量的维数等于待标定参数的个数；
获取与所述温度子模型对应的实验数据；
随机生成初始化种群，所述初始化种群包含Npop条个体，每条个体的维数与所述参数行向量的维数相同；
根据所述初始化种群、配置的种群进化算法的运行参数以及温度子模型的模型参数、所述温度子模型对应的目标函数，基于所述种群进化算法确定所述温度子模型中待标定参数的标定值。
17.根据权利要求15所述的装置，其特征在于，所述装置还包括：
配置模块，用于配置所述种群进化算法的运行参数以及所述温度子模型的模型参数；
目标函数建立模块，用于建立与所述温度子模型对应的目标函数。
18.根据权利要求15所述的装置，其特征在于，所述入口排气歧管模型包括若干个二维的基础MAP和若干个一维的基础CURVE，所述入口排气歧管模型中的待标定参数为所述基础MAP和所述基础CURVE中的参数；
所述管路温度计算模型包括若干个一维的基础CURVE，所述管路温度计算子模型中的待标定参数为所述基础CURVE中的参数；
所述催化器温度计算模型包括若干个一维的修正CURVE和若干个二维的修正MAP，所述催化器温度计算模型中的待标定参数为所述修正CURVE和所述修正MAP中的参数。
19.根据权利要求15至17任一所述的装置，其特征在于，所述实验数据包括实验点对应的发动机转速、发动机负荷、排气流量、环境温度、车速、空燃比、以及温度实测值。
20.根据权利要求15至17任一所述的装置，其特征在于，当车辆包括涡轮增压装置时，所述温度子模型还包括涡轮模型；
所述涡轮模型包括若干个一维的修正CURVE表和若干个二维的修正MAP表，所述涡轮模型中的待标定参数为所述修正CURVE和所述修正MAP中的参数。
21.根据权利要求20所述的方法，其特征在于，所述实验数据还包括实验点对应的涡轮增压器压降比、涡轮增压器上游排气流量。
22.根据权利要求15至19任一所述的装置，其特征在于，所述参数标定模块，还用于：
当所述温度子模型包括a个MAP时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将a个MAP的行向量按预定拼接规则拼接为一个参数行向量；
当所述温度子模型包括b个CURVE时，将每个CURVE中的待标定参数整理为p维的行向量；将b个CURVE的待标定参数按预定拼接规则拼接为一个参数行向量；
当所述温度子模型包括a个MAP和b个CURVE时，将每个MAP中的待标定参数整理为k×l矩阵；将每个MAP的待标定参数按行拼接为一个行向量；将每个CURVE中的待标定参数整理为p维的行向量；将a个MAP的行向量和b个CURVE的行向量按预定顺序拼接为一个参数行向量。
23.根据权利要求15或22所述的装置，其特征在于，所述参数标定模块，还用于存储所述参数行向量与预定拼接规则之间的映射关系。
24.根据权利要求17所述的装置，其特征在于，所述配置模块，用于配置所述种群进化算法的最大迭代次数、种群规模、缩放因子、交叉概率；
配置所述温度子模型中MAP和/或CURVE的参数范围、MAP和/或CURVE的约束条件。
25.根据权利要求15至17任一所述的装置，其特征在于，所述温度子模型对应的目标函数为：
Figure FDA0003043145030000061
或，
Figure FDA0003043145030000062
其中，weight(Yi)表示预设的加权映射函数，Yi表示实验点对应的温度实测值，Xi表示实验点对应的温度模型值，m表示实验点的个数。
26.根据权利要求16所述的装置，其特征在于，所述参数标定模块，用于计算所述初始化种群中各条个体对应的目标函数值；
通过所述种群进化算法的进化更新机制生成新一代种群，并计算所述新一代种群中各条个体对应的目标函数值；
检测种群迭代次数是否达到最大迭代次数；
若检测到所述种群迭代次数未达到最大迭代次数，则重新执行所述通过所述种群进化算法的进化更新机制生成新一代种群，并计算所述新一代种群中各条个体对应的目标函数值的步骤；
若检测到所述种群迭代次数达到最大迭代次数，则停止迭代，输出历史最优个体，所述历史最优个体为最小目标函数值对应的个体；所述历史最优个体中的元素与所述温度子模型中的待标定参数一一对应。
27.根据权利要求15、16、17或26所述的装置，其特征在于，所述种群进化算法为差分进化算法、遗传算法、粒子群算法、群搜索优化算法中的任意一种。
28.根据权利要求15所述的装置，其特征在于，所述模型构建模块，用于针对每个温度子模型，根据所述温度子模型中待标定参数的标定值、参数行向量与预定拼接规则之间的映射关系，还原标定后的MAP和/或CURVE；
根据所述排气系统温度模型中各个温度子模型的级联关系，得到标定后的排气系统温度模型。
29.一种发动机排气系统温度模型构建装置，其特征在于，所述装置包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现如权利要求1至14任一项所述的方法。
30.一种计算机可读存储介质，其特征在于，所述存储介质中存储有程序，所述程序由处理器加载并执行以实现如权利要求1至14任一项所述的方法。
CN202110499356.4A 2021-04-28 2021-04-28 发动机排气系统温度模型构建方法、装置及存储介质 Pending CN113239533A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110499356.4A CN113239533A (zh) 2021-04-28 2021-04-28 发动机排气系统温度模型构建方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110499356.4A CN113239533A (zh) 2021-04-28 2021-04-28 发动机排气系统温度模型构建方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN113239533A true CN113239533A (zh) 2021-08-10

Family

ID=77132468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110499356.4A Pending CN113239533A (zh) 2021-04-28 2021-04-28 发动机排气系统温度模型构建方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113239533A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113778941A (zh) * 2021-09-15 2021-12-10 成都中科合迅科技有限公司 一种基于群体智能算法的功能可重组模拟电子系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951628A (zh) * 2015-07-14 2015-09-30 无锡沃尔福汽车技术有限公司 一种基于多目标优化的发动机热力学仿真模型标定方法
CN110414090A (zh) * 2019-07-10 2019-11-05 一汽解放汽车有限公司 一种柴油车后处理器设计开发多目标优化方法
CN112146888A (zh) * 2020-09-23 2020-12-29 中国第一汽车股份有限公司 参数标定方法、装置、设备和存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951628A (zh) * 2015-07-14 2015-09-30 无锡沃尔福汽车技术有限公司 一种基于多目标优化的发动机热力学仿真模型标定方法
CN110414090A (zh) * 2019-07-10 2019-11-05 一汽解放汽车有限公司 一种柴油车后处理器设计开发多目标优化方法
CN112146888A (zh) * 2020-09-23 2020-12-29 中国第一汽车股份有限公司 参数标定方法、装置、设备和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
任学成;吴峰胜;陈勤学;陆晓燕;陈灿玉;郭际家;刘一航;: "柴油机后处理多目标优化方法研究", 现代车用动力, no. 01 *
张丹;赵军;李东;: "基于RBF神经网络的柴油机排气温度智能检测方法的研究", 仪器仪表学报, no. 02 *
王帅等: "发动机排气温度的预测模型研究", 2011中国汽车工程学会年会论文集, pages 1 *
鲁胜;吴长水;凌宪政;刘扬柏;: "基于模型的发动机仿真与优化", 计算机测量与控制, no. 09 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113778941A (zh) * 2021-09-15 2021-12-10 成都中科合迅科技有限公司 一种基于群体智能算法的功能可重组模拟电子系统及方法
CN113778941B (zh) * 2021-09-15 2023-06-27 成都中科合迅科技有限公司 一种基于群体智能算法的功能可重组模拟电子系统及方法

Similar Documents

Publication Publication Date Title
US20240061385A1 (en) Method for constructing digital twin by combining reduced order models, measurement data and machine learning techniques for multiphysical equipment system
US20200184131A1 (en) A method for prediction of key performance parameter of an aero-engine transition state acceleration process based on space reconstruction
EP3258089A1 (en) Hybrid partial and full step quadratic solver for model predictive control of diesel engine air path flow and methods of use
US7593804B2 (en) Fixed-point virtual sensor control system and method
US8036764B2 (en) Virtual sensor network (VSN) system and method
CN104951628A (zh) 一种基于多目标优化的发动机热力学仿真模型标定方法
WO2008156678A1 (en) Virtual sensor system and method
CN111597631B (zh) 基于自适应代理模型的汽车风阻系数优化方法
CN112348292A (zh) 一种基于深度学习网络的短期风电功率预测方法和系统
CN107957555A (zh) 一种估算动力锂电池SoC的新方法
CN110717600B (zh) 样本池构建方法和装置、以及算法训练方法和装置
CN113239533A (zh) 发动机排气系统温度模型构建方法、装置及存储介质
CN112270139A (zh) 基于母型库的燃料电池离心压缩机气动优化设计方法
CN116599050A (zh) 基于自注意力机制的光伏预测方法及相关装置
CN112101612A (zh) 一种城镇燃气用量的预测方法、存储介质及终端设备
CN115982918B (zh) 阻力特性辨识方法、装置、设备及存储介质
CN116629024A (zh) 铸造工艺粉尘排放数据预测方法及系统
CN113837451B (zh) 油气管道的数字孪生体构建方法、装置、设备及存储介质
CN112488550A (zh) 基于深度学习的不确定性电网静态安全分析方法及系统
CN109357957A (zh) 一种基于极值窗口的疲劳监测计数方法
CN117094231B (zh) 天然气发动机硬件参数确定方法、装置、设备及存储介质
CN114297946B (zh) 一种实现多学科仿真模型降阶的工业互联网平台
CN113807024B (zh) 一种基于代理模型的燃气轮机最优动态工作点选择方法
CN117556725A (zh) 一种流场预测方法及系统
CN117933104A (zh) 固体姿轨控发动机燃气调节阀压强修正方法

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