CN115853628A - 发动机冷却方法、装置及非道路移动设备 - Google Patents
发动机冷却方法、装置及非道路移动设备 Download PDFInfo
- Publication number
- CN115853628A CN115853628A CN202211447894.XA CN202211447894A CN115853628A CN 115853628 A CN115853628 A CN 115853628A CN 202211447894 A CN202211447894 A CN 202211447894A CN 115853628 A CN115853628 A CN 115853628A
- Authority
- CN
- China
- Prior art keywords
- cooling liquid
- fans
- engine
- fan
- liquid 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.)
- Pending
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 38
- 239000000110 cooling liquid Substances 0.000 claims abstract description 114
- 238000000034 method Methods 0.000 claims abstract description 45
- 239000002826 coolant Substances 0.000 claims description 88
- 230000002068 genetic effect Effects 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 239000007788 liquid Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 44
- 230000008569 process Effects 0.000 description 9
- 238000013135 deep learning Methods 0.000 description 5
- 239000012809 cooling fluid Substances 0.000 description 4
- 230000035772 mutation Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Landscapes
- Cooling Or The Like Of Electrical Apparatus (AREA)
Abstract
本申请提供的一种发动机冷却方法、装置及非道路移动设备,涉及发动机技术领域。该方法包括获取发动机处于工作状态时的机内参数和机外参数;根据机内参数、机外参数和预设的第一函数模型,确定多组风扇的转速和冷却液系统的流量的取值,根据预设的第二函数模型从多组风扇的转速与冷却液系统的流量中,选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值,第二函数模型用于指示风扇和冷却液系统的功耗之和,和风扇的转速与冷却液系统的流量的函数关系,根据选择的风扇的转速,控制风扇转动,并根据选择的冷却液系统的流量,控制冷却液系统运行,可以使得冷却液的温度保持在预设温度的情况下,降低了能耗成本。
Description
技术领域
本申请涉及发动机技术领域,尤其涉及一种发动机冷却方法、装置及非道路移动设备。
背景技术
非道路移动设备因其工作环境的复杂性,使得非道路移动设备的发动机产热较大,进而导致发动机的温度偏高。当发动机的温度偏高时,发动机的工作效率、可靠性会降低。因此,需要对发动机进行冷却,以便降低发动机的温度,保证发动机的工作效率和可靠性。
目前,对发动机进行冷却的方式为:通过使用冷却液系统的冷却液,对发动机进行冷却。一般地,可以通过调节冷却液的流量和开启风扇,使得冷却液的温度保持在预设温度(如90摄氏度)。如此,可以保证发动机的工作效率和可靠性。然而,目前的冷却液系统和风扇的功耗之和较高,不够节能环保,成本高。
发明内容
本申请提供一种发动机冷却方法、装置及非道路移动设备,用于解决现有技术中在对发动机进行冷却时,功耗较高的问题。
第一方面,本申请提供了一种发动机的冷却处理方法,应用于发动机冷却系统,发动机冷却系统包括:ECU、风扇、冷却液系统,则本申请提供的方法包括:
获取发动机处于工作状态时的机内参数和机外参数;
根据机内参数、机外参数和预设的第一函数模型,确定多组风扇的转速和冷却液系统的流量的取值,其中,第一函数模型是基于多组发动机在历史上的机内参数和历史上的机外参数、风扇的转速以及冷却液系统的流量拟合得到的;
根据预设的第二函数模型从多组风扇的转速与冷却液系统的流量中,选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值,其中,第二函数模型用于指示风扇和冷却液系统的功耗之和,和风扇的转速与冷却液系统的流量的函数关系;
根据选择的风扇的转速,控制风扇转动,并根据选择的冷却液系统的流量,控制冷却液系统运行。
在一种可选地实施方式中,ECU根据预设的第二函数模型从多组风扇的转速和冷却液系统的流量的取值中,选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值,包括:
ECU基于遗传算法,选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值,其中,多组风扇的转速和冷却液系统的流量的取值作为遗传算法的种子集合,第二函数模型作为遗传算法的自适应函数,风扇与冷却液系统的功耗之和作为遗传算法的自适应度,且风扇与冷却液系统的功耗之和越低,对应的自适应度越高,遗传算法的目标函数为选择选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值。
可以理解地,遗传算法可以将多组风扇的转速和冷却液系统的流量的取值作为种子池;将每组风扇的转速和冷却液系统的流量的取值对应的功耗之和,作为对环境的适应度,其中,功耗之和越低,适应度越高。经过对多次对种子池内的种子交叉、变异等操作,可以选择出使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值,可靠性高且计算量小。
在一种可选地实施方式中,ECU根据预设的第二函数模型从多组风扇的转速和冷却液系统的流量的取值中,选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值,包括:
ECU根据预设的第二函数模型,确定多组风扇的转速和冷却液系统的流量的取值分别对应的功耗之和;
ECU遍历多组风扇的转速和冷却液系统的流量的取值分别对应的功耗之和,以查找出风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值。
可以理解地,通过遍历多组风扇的转速和冷却液系统的流量的取值分别对应的功耗之和,可以查找出风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值,可靠性高。
在一种可选地实施方式中,在获取发动机处于工作状态时的机内参数和机外参数之前,本申请提供的方法还包括:
ECU基于BP神经网络对基于多组发动机在历史上的机内参数和机外参数、风扇的转速以及冷却液系统的流量进行拟合,建立第一函数模型。
可以理解地,BP神经网络可以对多组发动机在历史上的机内参数和机外参数、风扇的转速以及冷却液系统的流量之间的关系进行深度学习。进而,基于深度学习的结果建立的第一函数模型的可靠性高。
在一种可选地实施方式中,选择的一组风扇的转速和冷却液系统的流量的取值满足:
0<Y1<Y1max,0<Y2<Y2max;
其中,Y1为选择的风扇的转速,Y1max使得风扇不超转的最大转速,Y2为冷却液系统的液体泵的转速,Y2max使得冷却液系统的液体泵不超转的最大转速。
这样一来,可以避免在后续风扇不超转且不反转,以及避免后续冷却液系统的液体泵的转速不超转也不反转。
在一种可选地实施方式中,机内参数为发动机在之前的预设时长内的机内参数的平均值,机外参数为发动机在之前的预设时长内的机外参数的平均值。
这样一来,可以使得采集的机内参数、和采集的机外参数的可靠性高。
在一种可选地实施方式中,机外参数包括发动机所处的机舱内的温度和发动机的转速,机内参数包括发动机的负荷、发动机的进气温度、以及设定的冷却液的温度。
第二方面,本申请还提供了一种发动机冷却系统,发动机冷却系统包括:ECU、多组风扇、冷却液系统,其中,ECU在执行计算机程序时,使得发动机冷却系统执行如本申请第一方面提供的方法。
第三方面,本申请还提供了一种非道路移动设备,包括本申请第二方面提供的发动机冷却系统。
第四方面,本申请提供了一种发动机的冷却处理装置,本申请提供的装置包括:
参数获取单元,用于获取发动机处于工作状态时的机内参数和机外参数;
参数确定单元,用于根据机内参数、机外参数和预设的第一函数模型,确定多组风扇的转速和冷却液系统的流量的取值,其中,第一函数模型是基于多组发动机在历史上的机内参数和机外参数、风扇的转速以及冷却液系统的流量拟合得到的;
参数选择单元,用于根据预设的第二函数模型从多组风扇的转速与冷却液系统的流量中,选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值,其中,第二函数模型用于指示风扇和冷却液系统的功耗之和,和风扇的转速与冷却液系统的流量的函数关系;
运行控制单元,用于根据选择的风扇的转速,控制风扇转动,并根据选择的冷却液系统的流量,控制冷却液系统运行。
第五方面,本申请还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,其特征在于,计算机程序被处理器执行时,使得计算机执行如本申请第一方面提供的方法。
第六方面,本申请还提供了一种计算机程序产品,包括计算机程序,当计算机程序被运行时,使得计算机执行如本申请第一方面提供的方法。
本申请提供一种发动机冷却方法、装置及系统,可以根据机内参数、机外参数和预设的第一函数模型,确定多组风扇的转速和冷却液系统的流量的取值。进而,可以根据预设的第二函数模型从多组风扇的转速与冷却液系统的流量中,选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值。如此,当根据选择的风扇的转速,控制风扇转动,并根据选择的冷却液系统的流量,控制冷却液系统运行时,可以使得冷却液的温度保持在预设温度的情况下,使得冷却液系统和风扇的功耗之和最小,节能环保,降低了能耗成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的发动机、冷却液系统设置于机舱内的结构示意图;
图2为本申请实施例提供的发动机的冷却处理方法的流程图之一;
图3为本申请实施例提供的发动机的冷却处理方法的流程图之二;
图4为本申请实施例提供的发动机的冷却处理方法的流程图之三;
图5为本申请实施例提供的发动机的冷却处理方法的流程图之四;
图6为本申请实施例提供的发动机的冷却处理装置的功能模块框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,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根据本实施例的启示下作出的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先对本申请所涉及的名词进行解释:
非道路移动设备:非道路移动设备是指装配有发动机的移动机械和可运输工业设备,用于非道路上的机械,非道路移动设备包括但不限于以下机械类型,挖掘机、推土机、装载机等。
ECU:即电子控制单元(Electronic Control Unit,ECU),又称“行车电脑”、“车载电脑”等。它和普通的电脑一样,由微控制器(MCU)、存储器(ROM、RAM)、输入/输出接口(I/O)、模数转换器(A/D)以及整形、驱动等大规模集成电路组成。
遗传算法:遗传算法是一种基于自然选择和群体遗传机理的搜索算法,它模拟了自然选择和自然遗传过程中的繁殖、杂交和突变现象。在利用遗传算法求解问题时,若干个种子构成了群体。在遗传算法开始时,总是随机的产生一些种子,根据预定的目标函数对每一个种子进行评估,给出一个适应度值。根据适应度值选择一些种子用来产生下一代,选择操作体现了“适者生存”的原理,“好”的种子被用来产生下一代,“坏”的种子则被淘汰。然后选择出来的种子,经过交叉和变异算子进行再组合生成新的一代,这一代的种子由于继承了上一代的一些优良性状,因而在性能上要优于上一代,这样逐步朝着最优解的方向进化。通常地,遗传算法可以用于进行参数寻优。
BP神经网络:BP神经网络的深度学习过程为:由信号的正向传播和误差的反向传播两个过程组成。其中,正向传播是指:输入层的神经元负责接受外界发来的各种信息,并将信息传递给中间层。神经元,中间隐含层神经元负责将接收到的信息进行处理变换,根据需求处理信息,实际应用中可将中间隐含层设置为一层或者多层隐含层结构,并通过最后一层的隐含层将信息传递到输出层,这个过程就是BP神经网络的正向传播过程。反向传播:当实际输出与理想输出之间的误差超过期望时,就需要进入误差的反向传播过程。它首先从输出层开始,误差按照梯度下降的方法对各层权值进行修正,并依次向隐含层、输入层传播。进而,通过不断的信息正向传播和误差反向传播,各层权值会不断进行调整,这就是神经网络的学习训练。当输出的误差减小到期望程度或者预先设定的学习迭代次数时,BP神经网络完成学习。
非道路移动设备因其工作环境的复杂性,使得非道路移动设备的发动机产热较大,进而导致发动机的温度偏高。当发动机的温度偏高时,发动机的工作效率、可靠性会降低。因此,需要对发动机进行冷却,以便降低发动机的温度,保证发动机的工作效率和可靠性。
目前,对发动机进行冷却的方式为:通过使用冷却液系统的冷却液,对发动机进行冷却。一般地,可以通过调节冷却液的流量和开启风扇,使得冷却液的温度保持在预设温度(如90摄氏度)。如此,可以保证发动机的工作效率和可靠性。然而,目前的冷却液系统和风扇的功耗之和较高,不够节能环保,成本高。
基于上述技术问题,本申请的发明构思在于:可以确定使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值。如此,当根据选择的风扇的转速,控制风扇转动,并根据选择的冷却液系统的流量,控制冷却液系统运行时,可以使得冷却液的温度保持在预设温度的情况下,使得冷却液系统和风扇的功耗之和最小,降低了能耗成本。
下面,以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
本申请实施例提供了一种发动机的冷却处理方法,应用于发动机冷却系统。其中,发动机冷却系统设置于非道路移动设备,该发动机冷却系统用于降低非道路移动设备的发动机的温度,发动机设置于非道路移动设备的机舱内。
如图1所示,发动机202冷却系统包括:ECU103、风扇101、以及冷却液系统102,风扇101和冷却液系统102也位于非道路移动设备的机舱201内,风扇101设置于发动机202的一侧。其中,ECU103通过发动机202的曲轴输出控制风扇101转动。
如图1所示,冷却液系统102具体可以包括第一输送管203、散热器204、第二输送管205、以及液体泵208,且发动机202、第一输送管203、散热器204、第二输送管205以及发动机202构成冷却液循环回路。
如此,液体泵208转动时,冷却液可以在散热器204中散热降温后,通过第一输送管203进入发动机202以吸收发动机202的热量。进而,冷却液通过第二输送管205输出到散热器204散热,如此循环,可以实现对发动机202的冷却。需要说明的是,当液体泵208的转速不同时,对应的冷却液的流量不同。
另外,发动机202还包括进气系统206和排气系统207,进气系统206用于将空气吸入发动机202,以便燃烧汽油将化学能转换为电能,排气系统207用于排出燃烧汽油产生的废气。
图2为本申请实施例提供的发动机202的冷却处理方法的流程图。如图2所示,本申请实施例提供的方法包括:
S301:ECU103获取发动机202处于工作状态时的机内参数和机外参数。
机外参数可以包括发动机202所处的机舱201内的温度和发动机202的转速。其中,发动机202所处的机舱201内的温度可以是设置于机舱201内的温度传感器采集的,发动机202的转速可以是设置于发动机202的转速传感器采集的。
机内参数包括发动机202的负荷、发动机202的进气温度、以及设定的冷却液的温度。发动机202的负荷可以是ECU103统计的非道路移动设备各个处于工作状态的模块的功率得到的。发动机202的进气温度可以是设置于发动机202的进气系统206的温度传感器采集到的。另外,当冷却液处于设定的冷却液的温度时,可以使得发动机202的工作效率和可靠性最高。示例性地,设定的冷却液的温度可以是89摄氏度、90摄氏度、91摄氏度等,在此不作限定。
需要说明的是,S101的执行条件为:在ECU上电并初始化完成。
另外,获取的机内参数为发动机202在之前的预设时长(如3min)内的机内参数的平均值;获取的机外参数(如3min)为发动机202在之前的预设时长内的机外参数的平均值。这样一来,可以使得采集的机内参数、和采集的机外参数的可靠性高。
S302:ECU103根据机内参数、机外参数和预设的第一函数模型,确定多组风扇101的转速和冷却液系统102的流量的取值。
其中,第一函数模型是基于多组发动机202在历史上的机内参数和历史上的机外参数、风扇101的转速以及冷却液系统102的流量拟合得到的。
示例性地,第一函数模型可以表达为F(Y1,Y2)=f(x1,x2,x3,x4,x5)。其中,Y1为风扇101的转速,Y2为冷却液系统102的流量,x1为机舱201内的温度,x2为发动机202的进气温度,x3为发动机202的转速、x4为发动机202的负荷,x5为冷却液的温度。可以理解地,ECU103可以通过多组发动机202在历史上的机内参数和历史上的机外参数、风扇101的转速以及冷却液系统102的流量,总结出机内参数和历史上的机外参数,与风扇101的转速以及冷却液系统102之间的规律。进而,ECU103可以建立第一函数模型F(Y1,Y2)=f(x1,x2,x3,x4,x5)。可以理解地,每组取值的x1,x2,x3,x4,x5,对应的一组Y1,Y2的取值。
S303:ECU103根据预设的第二函数模型从多组风扇101的转速与冷却液系统102的流量中,选择使得风扇101和冷却液系统102的功耗之和最小的一组风扇101的转速和冷却液系统102的流量的取值。
其中,第二函数模型用于指示风扇101和冷却液系统102的功耗之和,和风扇101的转速与冷却液系统102的流量的函数关系。
其中,第二函数模型可以表达为G(p)=g(Y1,Y2),其中,G(p)为风扇101和冷却液系统102的功耗之和,Y1为风扇101的转速,Y2为冷却液系统102的流量。可以理解地,当Y1,Y2的取值包括多组时,对应的G(p)的取值也包括多个。
示例性地,S303的具体实现方式包括但不限于以下两种:
第一种:如图3所示,ECU103基于遗传算法,选择使得风扇101和冷却液系统102的功耗之和最小的一组风扇101的转速和冷却液系统102的流量的取值。
其中,多组风扇101的转速和冷却液系统102的流量的取值作为遗传算法的种子集合,第二函数模型作为遗传算法的自适应函数,风扇101与冷却液系统102的功耗之和作为遗传算法的自适应度,且风扇101与冷却液系统102的功耗之和越低,对应的自适应度越高,遗传算法的目标函数为选择选择使得风扇101和冷却液系统102的功耗之和最小的一组风扇101的转速和冷却液系统102的流量的取值。
可以理解地,遗传算法可以将多组风扇101的转速和冷却液系统102的流量的取值作为种子池;将每组风扇101的转速和冷却液系统102的流量的取值对应的功耗之和,作为对环境的适应度,其中,功耗之和越低,适应度越高。经过对多次对种子池内的种子交叉、变异等操作,可以选择出使得风扇101和冷却液系统102的功耗之和最小的一组风扇101的转速和冷却液系统102的流量的取值,可靠性高且计算量小。
第二种:如图4所示,S303包括:
S501:ECU103根据预设的第二函数模型,确定多组风扇101的转速和冷却液系统102的流量的取值分别对应的功耗之和。
S502:ECU103遍历多组风扇101的转速和冷却液系统102的流量的取值分别对应的功耗之和,以查找出风扇101和冷却液系统102的功耗之和最小的一组风扇101的转速和冷却液系统102的流量的取值。
可以理解地,通过遍历多组风扇101的转速和冷却液系统102的流量的取值分别对应的功耗之和,可以查找出风扇101和冷却液系统102的功耗之和最小的一组风扇101的转速和冷却液系统102的流量的取值,可靠性高。
S304:ECU103根据选择的风扇101的转速,控制风扇101转动,并根据选择的冷却液系统102的流量,控制冷却液系统102运行。
可以理解地,由于风扇101位于发动机202的一侧,当风扇101转动时,可以降低发动机202的温度。ECU103根据选择的冷却液系统102的流量,确定冷却液系统102的液体泵208的转速。进而,根据确定的转速控制液体泵208转动以使冷却液系统102运行,也能降低发动机202的温度。
综上所述,本申请实施例提供一种发动机202冷却方法、装置及系统,可以根据机内参数、机外参数和预设的第一函数模型,确定多组风扇101的转速和冷却液系统102的流量的取值。进而,可以根据预设的第二函数模型从多组风扇101的转速与冷却液系统102的流量中,选择使得风扇101和冷却液系统102的功耗之和最小的一组风扇101的转速和冷却液系统102的流量的取值。如此,当根据选择的风扇101的转速,控制风扇101转动,并根据选择的冷却液系统102的流量,控制冷却液系统102运行时,可以使得冷却液的温度保持在预设温度的情况下,使得冷却液系统102和风扇101的功耗之和最小,节能环保,降低了能耗成本。
需要说明的是,如图5所示,在上述的图2对应的实施例的基础上,在S301之前,本申请实施例提供的方法还包括:
S601:采集多组发动机202在历史上的机内参数和机外参数、风扇101的转速以及冷却液系统102的流量。
其中,机内参数和机外参数、风扇101的转速以及冷却液系统102的流量。其中,机内参数和机外参数的采集方式与上述的机内参数和机外参数的采集方式类似,在此不作赘述。另外,风扇101的转速可以是设置于风扇101的转速传感器采集的,冷却液系统102的流量可以是设置于第一输送管203或者第二输送管205的流量计采集的。
S602:ECU103基于BP神经网络对基于多组发动机202在历史上的机内参数和机外参数、风扇101的转速以及冷却液系统102的流量进行拟合,建立第一函数模型。
可以理解地,BP神经网络可以对多组发动机202在历史上的机内参数和机外参数、风扇101的转速以及冷却液系统102的流量之间的关系进行深度学习。进而,基于深度学习的结果建立的第一函数模型的可靠性高。
在上述的图2对应的实施例中,选择的一组风扇101的转速和冷却液系统102的流量的取值满足:0<Y1<Y1max,0<Y2<Y2max。
其中,Y1为选择的风扇101的转速,Y1max使得风扇101不超转的最大转速,Y2为冷却液系统102的液体泵208的转速,Y2max使得冷却液系统102的液体泵208不超转的最大转速。这样一来,可以避免在后续风扇101不超转且不反转,以及避免后续冷却液系统102的液体泵208的转速不超转也不反转。
请参阅图6,本申请提供了一种发动机的冷却处理装置700,需要说明的是,本申请实施例所提供的发动机的冷却处理装置700,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本申请实施例部分未提及之处,可参考上述的实施例中相应内容。本申请提供的装置700包括参数获取单元701、参数确定单元702、参数选择单元703、以及运行控制单元704,其中,
参数获取单元701,用于获取发动机处于工作状态时的机内参数和机外参数。
参数确定单元702,用于根据机内参数、机外参数和预设的第一函数模型,确定多组风扇的转速和冷却液系统的流量的取值。
其中,第一函数模型是基于多组发动机在历史上的机内参数和机外参数、风扇的转速以及冷却液系统的流量拟合得到的。
参数选择单元703,用于根据预设的第二函数模型从多组风扇的转速与冷却液系统的流量中,选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值。
其中,第二函数模型用于指示风扇和冷却液系统的功耗之和,和风扇的转速与冷却液系统的流量的函数关系。
具体地,参数选择单元703,具体用于基于遗传算法,选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值。
其中,在一种可选地实施方式中,多组风扇的转速和冷却液系统的流量的取值作为遗传算法的种子集合,第二函数模型作为遗传算法的自适应函数,风扇与冷却液系统的功耗之和作为遗传算法的自适应度,且风扇与冷却液系统的功耗之和越低,对应的自适应度越高,遗传算法的目标函数为选择选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值。
在另一种可选地实施方式中,参数选择单元703,还具体用于根据预设的第二函数模型,确定多组风扇的转速和冷却液系统的流量的取值分别对应的功耗之和;遍历多组风扇的转速和冷却液系统的流量的取值分别对应的功耗之和,以查找出风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值。
在一种可选地实施方式中,选择的一组风扇的转速和冷却液系统的流量的取值满足:
0<Y1<Y1max,0<Y2<Y2max。
其中,Y1为选择的风扇的转速,Y1max使得风扇不超转的最大转速,Y2为冷却液系统的液体泵的转速,Y2max使得冷却液系统的液体泵不超转的最大转速。
运行控制单元704,用于根据选择的风扇的转速,控制风扇转动,并根据选择的冷却液系统的流量,控制冷却液系统运行。
在一种可选地实施方式中,本申请提供的装置700还可以包括:
模型建立单元,用于基于BP神经网络对基于多组发动机在历史上的机内参数和机外参数、风扇的转速以及冷却液系统的流量进行拟合,建立第一函数模型。
在一种可选地实施方式中,机内参数为发动机在之前的预设时长内的机内参数的平均值,机外参数为发动机在之前的预设时长内的机外参数的平均值。
在一种可选地实施方式中,机外参数包括发动机所处的机舱内的温度和发动机的转速,机内参数包括发动机的负荷、发动机的进气温度、以及设定的冷却液的温度。
本申请实施例还提供了一种发动机冷却系统,发动机冷却系统包括:ECU、多组风扇、冷却液系统,其中,ECU在执行计算机程序时,使得发动机冷却系统执行如本申请上述实施例提供的方法。
本申请实施例还提供了一种非道路移动设备,包括本申请上述实施例提供的发动机冷却系统。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时,使得计算机执行如上述实施例提供的方法。
本申请实施例还提供了一种计算机程序产品,包括计算机程序,当计算机程序被运行时,使得计算机执行如本申请上述实施例提供的方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种发动机的冷却处理方法,其特征在于,应用于发动机冷却系统,所述发动机冷却系统包括:ECU、风扇、冷却液系统,则所述方法包括:
获取所述发动机处于工作状态时的机内参数和机外参数;
根据所述机内参数、机外参数和预设的第一函数模型,确定多组风扇的转速和冷却液系统的流量的取值,其中,所述第一函数模型是基于多组所述发动机在历史上的机内参数和历史上的机外参数、风扇的转速以及所述冷却液系统的流量拟合得到的;
根据预设的第二函数模型从所述多组所述风扇的转速与所述冷却液系统的流量中,选择使得所述风扇和所述冷却液系统的功耗之和最小的一组风扇的转速和所述冷却液系统的流量,其中,所述第二函数模型用于指示所述风扇和所述冷却液系统的功耗之和,和风扇的转速与所述冷却液系统的流量的函数关系;
根据选择的风扇的转速,控制所述风扇转动,并根据选择的冷却液系统的流量,控制所述冷却液系统运行。
2.根据权利要求1所述的方法,其特征在于,所述ECU根据预设的第二函数模型从所述多组所述风扇的转速和所述冷却液系统的流量中,选择使得所述风扇和所述冷却液系统的功耗之和最小的一组风扇的转速和所述冷却液系统的流量,包括:
所述ECU基于遗传算法,选择使得所述风扇和所述冷却液系统的功耗之和最小的一组风扇的转速和所述冷却液系统的流量,其中,所述多组风扇的转速和所述冷却液系统的流量作为所述遗传算法的种子集合,所述第二函数模型作为所述遗传算法的自适应函数,所述风扇与所述冷却液系统的功耗之和作为所述遗传算法的自适应度,且所述风扇与所述冷却液系统的功耗之和越低,对应的自适应度越高,遗传算法的目标函数为选择选择使得风扇和冷却液系统的功耗之和最小的一组风扇的转速和冷却液系统的流量的取值。
3.根据权利要求1所述的方法,其特征在于,所述ECU根据预设的第二函数模型从所述多组所述风扇的转速和所述冷却液系统的流量中,选择使得所述风扇和所述冷却液系统的功耗之和最小的一组风扇的转速和所述冷却液系统的流量,包括:
所述ECU根据预设的第二函数模型,确定多组所述风扇的转速和所述冷却液系统的流量分别对应的功耗之和;
所述ECU遍历多组所述风扇的转速和所述冷却液系统的流量分别对应的功耗之和,以查找出所述风扇和所述冷却液系统的功耗之和最小的一组所述风扇的转速和所述冷却液系统的流量。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述ECU基于BP神经网络对基于多组所述发动机在历史上的机内参数和机外参数、风扇的转速以及所述冷却液系统的流量进行拟合,建立所述第一函数模型。
5.根据权利要求1所述的方法,其特征在于,所述选择的一组风扇的转速和所述冷却液系统的流量满足:
0<Y1<Y1max,0<Y2<Y2max;
其中,Y1为选择的风扇的转速,Y1max使得所述风扇不超转的最大转速,Y2为所述冷却液系统的液体泵的转速,Y2max使得所述冷却液系统的液体泵不超转的最大转速。
6.根据权利要求1所述的方法,其特征在于,所述机内参数为所述发动机在之前的预设时长内的机内参数的平均值,所述机外参数为所述发动机在之前的预设时长内的机外参数的平均值。
7.根据权利要求1所述的方法,其特征在于,所述机外参数包括所述发动机所处的机舱内的温度和所述发动机的转速,所述机内参数包括所述发动机的负荷、所述发动机的进气温度、以及设定的冷却液的温度。
8.一种发动机冷却系统,其特征在于,所述发动机冷却系统包括:ECU、多组风扇、冷却液系统,其中,所述ECU在执行所述计算机程序时,使得所述发动机冷却系统执行如权利要求1至7任一项所述的方法。
9.一种非道路移动设备,其特征在于,包括权利要求8所述的发动机冷却系统。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,使得计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211447894.XA CN115853628A (zh) | 2022-11-18 | 2022-11-18 | 发动机冷却方法、装置及非道路移动设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211447894.XA CN115853628A (zh) | 2022-11-18 | 2022-11-18 | 发动机冷却方法、装置及非道路移动设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115853628A true CN115853628A (zh) | 2023-03-28 |
Family
ID=85664130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211447894.XA Pending CN115853628A (zh) | 2022-11-18 | 2022-11-18 | 发动机冷却方法、装置及非道路移动设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115853628A (zh) |
-
2022
- 2022-11-18 CN CN202211447894.XA patent/CN115853628A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111756653A (zh) | 基于图神经网络深度强化学习的多coflow调度方法 | |
CN109188909A (zh) | 面向船舶航向非线性离散系统的自适应模糊最优控制方法及系统 | |
JP2000250604A (ja) | 特性最適化方法における最適化の協調方法 | |
CN111367172A (zh) | 一种基于逆向深度强化学习的混动系统能量管理策略 | |
US20230144995A1 (en) | Learning options for action selection with meta-gradients in multi-task reinforcement learning | |
US20220108153A1 (en) | Bayesian context aggregation for neural processes | |
JP2000020103A (ja) | 遺伝的アルゴリズムの評価方法 | |
CN107829878A (zh) | 风力发电机组的偏航控制设备和方法 | |
CN112930541A (zh) | 通过最小化妄想影响来确定控制策略 | |
CN109615071A (zh) | 一种高能效的神经网络处理器、加速系统及方法 | |
JP2019155561A (ja) | ロボットの動作制御装置 | |
Benini | Multiobjective design optimization of B-screw series propellers using evolutionary algorithms | |
CN116500986A (zh) | 一种分布式作业车间的优先调度规则生成方法及系统 | |
EP3993963A1 (en) | Motion planning for robots to optimize velocity while maintaining limits on acceleration and jerk | |
CN115130266A (zh) | 用于车辆的热管理控制的方法和系统 | |
CN117131606A (zh) | 一种可跨运动维度迁移的混合动力履带车辆能量管理方法 | |
JPH11327606A (ja) | 総合制御方式 | |
CN115853628A (zh) | 发动机冷却方法、装置及非道路移动设备 | |
JP2001084237A (ja) | ファジィ推論システムを備えた制御装置の実時間最適化方法 | |
JP2004116351A (ja) | 制御パラメータの最適化システム | |
JP2004326200A (ja) | 自動機械、機械の自動運転システム、及び、機械の自動運転方法 | |
JP2020035325A (ja) | 設計システム、学習済みモデル生成方法、および設計プログラム | |
CN110836168B (zh) | 一种基于pso寻优的风机阻尼自适应控制方法及其控制器 | |
CN112758078B (zh) | 车辆发动机负荷点调整量的寻优方法及寻优系统 | |
CN114545776A (zh) | 多智能体控制方法及装置 |
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 |