CN117872806A - 基于一维三维联合仿真的整车热管理策略优化方法及系统 - Google Patents
基于一维三维联合仿真的整车热管理策略优化方法及系统 Download PDFInfo
- Publication number
- CN117872806A CN117872806A CN202410046600.5A CN202410046600A CN117872806A CN 117872806 A CN117872806 A CN 117872806A CN 202410046600 A CN202410046600 A CN 202410046600A CN 117872806 A CN117872806 A CN 117872806A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- simulation
- control strategy
- dimensional simulation
- cooling water
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000000498 cooling water Substances 0.000 claims abstract description 54
- 238000011217 control strategy Methods 0.000 claims abstract description 46
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 238000001816 cooling Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 12
- 230000002068 genetic effect Effects 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 5
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 description 15
- 101100491149 Caenorhabditis elegans lem-3 gene Proteins 0.000 description 4
- 101100011382 Aspergillus niger eglB gene Proteins 0.000 description 3
- 101100285402 Danio rerio eng1a gene Proteins 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于一维三维联合仿真的整车热管理策略优化方法及系统，包括：以冷却水流量和空气流量为决策变量，随机生成初代控制策略；基于初代控制策略进行冷却系统的一维三维联合仿真；以仿真得到的缸盖火力面最高温度与缸套外壁面平均换热量为待优化目标，并更新控制策略，直至满足迭代条件后，得到最优控制策略。在对电子水泵与电子风扇控制策略的多目标优化算法中耦合一维三维联合仿真技术，提高优化过程的可靠性。
Description
技术领域
本发明涉及整车热管理技术领域，特别是涉及一种基于一维三维联合仿真的整车热管理策略优化方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
车辆发动机冷却系统的功用在于将发动机热负荷较大部位的温度稳定在适当的范围内，冷却水流量与空气流量是决定其冷却效能的重要参数。在传统的机械耦合式发动机冷却系统中，由于部件与发动机曲轴进行机械耦合，导致其无法自动调节转速以适应不同的工况。
由电子水泵与电子风扇等电控部件组成的发动机电子冷却系统可以根据工况的不同自动调节冷却水与空气的流量，在保证关键部件具有较低热负荷的同时降低冷却水带走的热量，保证发动机的工作效率。因此制定合理的冷却策略是提高电控冷却系统性能的关键，在制定热管理策略时有必要对冷却水与空气的流量进行优化。
随着计算机仿真技术的发展，一维、三维仿真逐渐成为了车辆动力系统开发工作中的重要一环。以Simulink、GT-Power、FlowMaster等软件为代表的一维计算软件在构建冷却热管理真实物理环境方面具有强大能力，通过此类一维软件可以很好地探究冷却系统中水温的具体变化情况；以Fluent、Star-ccm+等为代表的三维计算软件具有较强的处理流固耦合传热问题能力，可以用于探究系统中某一部件内部物理场分布情况。运用一维/三维联合仿真可以将两种仿真方式的优势进行互补，提高仿真过程的精准度。
现阶段存在的一维与三维仿真软件联合仿真技术主要基于一维与三维仿真软件数据的互相交换，例如有研究提出基于Simulink的联合仿真方法，但是针对Simulink与某些软件仍未开发出接口的问题，通过将其他软件仿真数据导入MATLAB工作区的方式实现数据交换，在数据交换时依靠数据记录文档作为载体，操作繁琐。
其次，现有技术未基于真实物理场景制定合理的数据交换步长，对于动态联合仿真而言，数据交换步长过长可能会导致准确性缺乏，过短会导致计算成本增加，因此如何合理地选择联合仿真步长是优化联合仿真过程的关键问题。
此外，目前针对汽车发动机冷却系统的一维/三维联合仿真技术多为利用三维仿真软件对某一部件进行标定，然后采用一维仿真对整个过程进行仿真，但仅依靠标定可能会导致在整个过程中无法获得某一时刻较为准确的结果进而产生误差，同时增加了时间成本。
发明内容
为了解决上述问题，本发明提出了一种基于一维三维联合仿真的整车热管理策略优化方法及系统，在对电子水泵与电子风扇控制策略的多目标优化算法中耦合一维三维联合仿真技术，提高优化过程的可靠性。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种基于一维三维联合仿真的整车热管理策略优化方法，包括：
以冷却水流量和空气流量为决策变量，随机生成初代控制策略；
基于初代控制策略进行冷却系统的一维三维联合仿真；
所述一维三维联合仿真包括：基于初代控制策略进行一维仿真，将一维仿真得到的散热器冷却水入口温度和发动机冷却水入口温度作为三维仿真的边界条件，将三维仿真得到的发动机缸套换热系数与散热器管道换热系数作为一维仿真的边界条件；且根据散热器冷却水入口温度的变化量判断是否停止当前一维仿真，根据当前一维仿真步长确定当前三维仿真步长，直至一维仿真总时长超过总时间阈值，则停止一维三维联合仿真；
以三维仿真得到的缸盖火力面最高温度与缸套外壁面平均换热量为待优化目标，并更新控制策略，直至满足迭代条件后，得到最优控制策略。
作为可选择的实施方式，当前一维仿真是否停止的判断是仿真前后散热器冷却水入口温度的变化量大于设定阈值时则停止一维仿真，并确定当前一维仿真步长。
作为可选择的实施方式，根据当前一维仿真步长确定当前三维仿真步长的过程包括：若当前一维仿真步长小于设定时间阈值时，以当前一维仿真步长作为三维仿真步长进行三维仿真，否则以设定时间阈值作为三维仿真步长。
作为可选择的实施方式，三维仿真的过程包括：若当前一维仿真步长小于设定时间阈值时，进行瞬态三维仿真，否则进行稳态三维仿真。
作为可选择的实施方式，一维仿真的边界条件包括散热器冷却水入口温度和发动机冷却水入口温度、发动机缸套和散热器管道的初始换热系数、根据发动机工况设置的有效功率以及根据控制策略设置的冷却水流量与空气流量。
作为可选择的实施方式，以缸盖火力面最高温度与缸套外壁面平均换热量最小为目标执行非支配排序遗传算法，从而选取出对应的决策变量，并将其作为新一代父种群，对新一代父种群进行遗传算法的选择、交叉和变异后，得到新一代种群，继续进行一维三维联合仿真，直至满足迭代条件后，得到最优控制策略。
作为可选择的实施方式，所述最优控制策略为电子水泵与电子风扇的最优转速。
第二方面，本发明提供一种基于一维三维联合仿真的整车热管理策略优化系统，包括：
初始化模块，被配置为以冷却水流量和空气流量为决策变量，随机生成初代控制策略；
联合仿真模块，被配置为基于初代控制策略进行冷却系统的一维三维联合仿真；所述一维三维联合仿真包括：基于初代控制策略进行一维仿真，将一维仿真得到的散热器冷却水入口温度和发动机冷却水入口温度作为三维仿真的边界条件，将三维仿真得到的发动机缸套换热系数与散热器管道换热系数作为一维仿真的边界条件；且根据散热器冷却水入口温度的变化量判断是否停止当前一维仿真，根据当前一维仿真步长确定当前三维仿真步长，直至一维仿真总时长超过总时间阈值，则停止一维三维联合仿真；
迭代优化模块，被配置为以三维仿真得到的缸盖火力面最高温度与缸套外壁面平均换热量为待优化目标，并更新控制策略，直至满足迭代条件后，得到最优控制策略。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明提出一种基于一维三维联合仿真的整车热管理策略优化方法及系统，在对电子水泵与电子风扇控制策略的多目标优化算法中耦合一维三维联合仿真技术，提高优化过程的可靠性。
本发明提出一种基于一维三维联合仿真的整车热管理策略优化方法及系统，结合一维、三维仿真各自的优势，利用软件接口进行数据交换，实现一维、三维仿真边界条件随时间的实时更新，使仿真过程更贴合物理实际，相比传统标定方法，更贴合冷却系统实际的时序性工作过程，减小仿真过程中的误差；且在一定条件下能够将所有操作通过程序集成实现，避免了使用其他文件或软件作为载体的繁琐过程。
本发明中的一维仿真的变化间隔随着仿真得到的散热器冷却水入口温度的变化而变化，根据该时间间隔确定三维仿真步长，也就是一维仿真和三维仿真的数据交换步长根据散热器冷却水入口温度的变化量进行自动调节，在保证仿真精度的同时控制计算成本。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的基于一维三维联合仿真的整车热管理策略优化方法流程图；
图2为本发明实施例1提供的一维三维联合仿真流程图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“包含”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。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
本实施例提供一种基于一维三维联合仿真的整车热管理策略优化方法，包括：
以冷却水流量和空气流量为决策变量，随机生成初代控制策略；
基于初代控制策略进行冷却系统的一维三维联合仿真；
所述一维三维联合仿真包括：基于初代控制策略进行一维仿真，将一维仿真得到的散热器冷却水入口温度和发动机冷却水入口温度作为三维仿真的边界条件，将三维仿真得到的发动机缸套换热系数与散热器管道换热系数作为一维仿真的边界条件；且根据散热器冷却水入口温度的变化量判断是否停止当前一维仿真，根据当前一维仿真步长确定当前三维仿真步长，直至一维仿真总时长超过总时间阈值，则停止一维三维联合仿真；
以三维仿真得到的缸盖火力面最高温度与缸套外壁面平均换热量为待优化目标，并更新控制策略，直至满足迭代条件后，得到最优控制策略。
在本实施例中，以基于MATLAB-ANSYS数据接口的MATLAB/Simulink与Fluent的联合仿真为例对本实施例方法进行详细说明；但可以理解的，一维三维联合仿真不限于MATLAB与Fluent。
下面结合图1和图2对本实施例方法进行详细说明。
步骤S1、在MATLAB中进行遗传算法的种群初始化，以冷却水流量qw与空气流量qa为决策变量，随机生成x组的初代冷却水流量qw0和初代空气流量qa0的组合[qw0，qa0]作为初代控制策略。
可以理解的，x的值可设为200、300、400等，不做具体限定。
步骤S2、在MATLAB中启动一维/三维软件数据交换接口，在一维仿真软件Simulink中设立用于记录仿真时间的变量tout，并设置仿真步长。
可以理解的，仿真步长可以设置为1s、1.5s、2s等，不做具体限定。
步骤S3、在冷却系统的一维仿真模型中设置边界条件，包括散热器冷却水初始入口温度Trad0和发动机冷却水初始入口温度Teng0，发动机缸套和散热器管道的初始换热系数，以及根据发动机工况设置有效功率Qeng，以初代控制策略设置冷却水流量qw与空气流量qa；
作为可选择的一种实施方式，Trad0、Teng0可以均设置为293.15K，Qeng可以设置为60kW；本步骤只需在MATLAB中建立相应的变量并通过相应代码赋予Simulink即可。
步骤S4、基于设定的边界条件，在MATLAB中启动Simulink一维仿真，得到散热器冷却水入口温度Trad1和发动机冷却水入口温度Teng1。
步骤S5、判断Trad1-Trad0是否大于设定阈值(如本实施例设置为5K)；若是，则停止一维仿真，进入步骤S6，否则继续进行一维仿真。
步骤S6、通过软件数据交换接口，调取一维仿真后得到的散热器冷却水入口温度Trad1和发动机冷却水入口温度Teng1，在该时间节点将Trad1、Teng1分别赋予Fluent三维模型中的散热器、发动机冷却水入口作为初始边界条件。
其次，一维仿真的仿真时间被记录至变量tout中，由此通过变量tout确定上一次一维仿真的变化间隔Δt，时间间隔Δt随着仿真得到的散热器冷却水入口温度的变化而变化，根据时间间隔Δt确定三维仿真步长，也就是一维仿真和三维仿真的数据交换步长根据散热器冷却水入口温度的变化量进行自动调节；当Δt小于设定的时间阈值Δtmax时，以时间间隔Δt作为数据交换步长，即以Δt为三维仿真步长进行三维仿真；否则，以设定的时间阈值Δtmax为三维仿真步长进行三维仿真。
比如，Δtmax可以设置为20s，即当Δt达到20s后，每一次的数据交换步长便不再变化，固定为20s。
需要说明的是，在仿真前期，节温器开启前的冷却系统小循环阶段，水温变化率较高，步骤S5中的判断条件在短时间内满足，因此Δt将处于较小范围，并且会随着水温变化率的降低而逐渐变长；在后期节温器开启的大循环阶段中，水温变化率较低，满足步骤S5中的条件需要的时间逐渐变长，因此Δt将处于较大范围，即依据散热器冷却水入口温度的变化实现数据交换步长的动态设置。
步骤S7、在MATLAB中逐步判断Δt的变化情况，判断Δt是否小于设定的时间阈值Δtmax；若是，说明此时冷却水温度变化程度较为剧烈，则以Δt为三维仿真步长，进行瞬态三维仿真；若否，说明水温变化程度较为缓慢，则可以不考虑冷却水温度变化带来的微小误差，进行稳态三维仿真；最终三维仿真结束后得到发动机缸套换热系数heng与散热器管道换热系数hrad。
步骤S8、将三维仿真得到的发动机缸套换热系数heng与散热器管道换热系数hrad，再次赋予一维仿真模型作为边界条件继续进行一维仿真。
步骤S9、判断一维仿真总时长是否超过总时间阈值Ttot；若是，则终止联合仿真，并调取三维仿真中得到的缸盖火力面最高温度Th_max与缸套外壁面平均换热量Qavg，进入步骤S10；若否，则返回步骤S4。
作为一种可选实施例，Ttot可以被设置为600s、700s等，不做具体限定。
步骤S10、以三维仿真得到的缸盖火力面最高温度Th_max与缸套外壁面平均换热量Qavg作为待优化目标，以缸盖火力面最高温度Th_max与缸套外壁面平均换热量Qavg最小为目标在MATLAB中执行非支配排序遗传算法，即进行编码、快速非支配排序和拥挤度评估后，从初代控制策略中选取出合适的个体，将它们对应的决策变量组合作为新一代父种群。
步骤S11、设置交叉率和变异率，将新一代父种群进行遗传算法的选择、交叉、变异之后，得到新一代种群[qw1，qa1]，继续进行一维三维联合仿真，直至遗传算法的迭代次数达到设定代数n，输出得到的最后一代Th_max与Qavg所对应的[qwn，qan]作为最优解集，即可对应得到此工况下电子水泵与电子风扇的最优转速。
作为一种可选实施例，交叉率可设置为0.9，变异率可设置为0.1，n可以设置为300，但不做具体限定。
在本实施例中，缸盖火力面最高温度Th_max被用于评估冷却系统的可靠性，缸套外壁面换热量平均值Qavg被用于评估冷却系统的能耗，即其对发动机有效效率的影响，在考虑优化目标时让二者尽量达到最小以体现出发动机冷却系统的工作性能。
本实施例在冷却系统非支配排序遗传算法的多目标优化中嵌套一维三维联合仿真方法，将联合仿真过程建立在相互存在接口的软件之间，通过开源软件编写代码可以在其中集成地实现仿真的启停、边界条件的设置等一系列操作，不需要额外文件作为载体，相比于现有技术更加集中、便捷。
实施例2
本实施例提供一种基于一维三维联合仿真的整车热管理策略优化系统，包括：
初始化模块，被配置为以冷却水流量和空气流量为决策变量，随机生成初代控制策略；
联合仿真模块，被配置为基于初代控制策略进行冷却系统的一维三维联合仿真；所述一维三维联合仿真包括：基于初代控制策略进行一维仿真，将一维仿真得到的散热器冷却水入口温度和发动机冷却水入口温度作为三维仿真的边界条件，将三维仿真得到的发动机缸套换热系数与散热器管道换热系数作为一维仿真的边界条件；且根据散热器冷却水入口温度的变化量判断是否停止当前一维仿真，根据当前一维仿真步长确定当前三维仿真步长，直至一维仿真总时长超过总时间阈值，则停止一维三维联合仿真；
迭代优化模块，被配置为以三维仿真得到的缸盖火力面最高温度与缸套外壁面平均换热量为待优化目标，并更新控制策略，直至满足迭代条件后，得到最优控制策略。
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.基于一维三维联合仿真的整车热管理策略优化方法，其特征在于，包括：
以冷却水流量和空气流量为决策变量，随机生成初代控制策略；
基于初代控制策略进行冷却系统的一维三维联合仿真；
所述一维三维联合仿真包括：基于初代控制策略进行一维仿真，将一维仿真得到的散热器冷却水入口温度和发动机冷却水入口温度作为三维仿真的边界条件，将三维仿真得到的发动机缸套换热系数与散热器管道换热系数作为一维仿真的边界条件；且根据散热器冷却水入口温度的变化量判断是否停止当前一维仿真，根据当前一维仿真步长确定当前三维仿真步长，直至一维仿真总时长超过总时间阈值，则停止一维三维联合仿真；
以三维仿真得到的缸盖火力面最高温度与缸套外壁面平均换热量为待优化目标，并更新控制策略，直至满足迭代条件后，得到最优控制策略。
2.如权利要求1所述的基于一维三维联合仿真的整车热管理策略优化方法，其特征在于，当前一维仿真是否停止的判断是仿真前后散热器冷却水入口温度的变化量大于设定阈值时则停止一维仿真，并确定当前一维仿真步长。
3.如权利要求1所述的基于一维三维联合仿真的整车热管理策略优化方法，其特征在于，根据当前一维仿真步长确定当前三维仿真步长的过程包括：若当前一维仿真步长小于设定时间阈值时，以当前一维仿真步长作为三维仿真步长进行三维仿真，否则以设定时间阈值作为三维仿真步长。
4.如权利要求1所述的基于一维三维联合仿真的整车热管理策略优化方法，其特征在于，三维仿真的过程包括：若当前一维仿真步长小于设定时间阈值时，进行瞬态三维仿真，否则进行稳态三维仿真。
5.如权利要求1所述的基于一维三维联合仿真的整车热管理策略优化方法，其特征在于，一维仿真的边界条件包括散热器冷却水入口温度和发动机冷却水入口温度、发动机缸套和散热器管道的初始换热系数、根据发动机工况设置的有效功率以及根据控制策略设置的冷却水流量与空气流量。
6.如权利要求1所述的基于一维三维联合仿真的整车热管理策略优化方法，其特征在于，以缸盖火力面最高温度与缸套外壁面平均换热量最小为目标执行非支配排序遗传算法，从而选取出对应的决策变量，并将其作为新一代父种群，对新一代父种群进行遗传算法的选择、交叉和变异后，得到新一代种群，继续进行一维三维联合仿真，直至满足迭代条件后，得到最优控制策略。
7.如权利要求6所述的基于一维三维联合仿真的整车热管理策略优化方法，其特征在于，所述最优控制策略为电子水泵与电子风扇的最优转速。
8.基于一维三维联合仿真的整车热管理策略优化系统，其特征在于，包括：
初始化模块，被配置为以冷却水流量和空气流量为决策变量，随机生成初代控制策略；
联合仿真模块，被配置为基于初代控制策略进行冷却系统的一维三维联合仿真；所述一维三维联合仿真包括：基于初代控制策略进行一维仿真，将一维仿真得到的散热器冷却水入口温度和发动机冷却水入口温度作为三维仿真的边界条件，将三维仿真得到的发动机缸套换热系数与散热器管道换热系数作为一维仿真的边界条件；且根据散热器冷却水入口温度的变化量判断是否停止当前一维仿真，根据当前一维仿真步长确定当前三维仿真步长，直至一维仿真总时长超过总时间阈值，则停止一维三维联合仿真；
迭代优化模块，被配置为以三维仿真得到的缸盖火力面最高温度与缸套外壁面平均换热量为待优化目标，并更新控制策略，直至满足迭代条件后，得到最优控制策略。
9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410046600.5A CN117872806A (zh) | 2024-01-11 | 2024-01-11 | 基于一维三维联合仿真的整车热管理策略优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410046600.5A CN117872806A (zh) | 2024-01-11 | 2024-01-11 | 基于一维三维联合仿真的整车热管理策略优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117872806A true CN117872806A (zh) | 2024-04-12 |
Family
ID=90586375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410046600.5A Pending CN117872806A (zh) | 2024-01-11 | 2024-01-11 | 基于一维三维联合仿真的整车热管理策略优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117872806A (zh) |
-
2024
- 2024-01-11 CN CN202410046600.5A patent/CN117872806A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6687144B1 (ja) | 機関冷却水循環システムの異常検出装置 | |
| CN111005799B (zh) | 一种水温的控制方法、装置、热管理系统和存储介质 | |
| CN109057940A (zh) | 汽车水泵控制方法、装置、系统及控制器 | |
| CN106285906A (zh) | 内燃机的冷却装置 | |
| CN110987476A (zh) | 适用于汽车动力总成标定测试的虚拟标定测试方法及系统 | |
| JP2003528241A (ja) | 車両用エンジンの冷却方法と装置 | |
| JP2015059458A (ja) | クーリングシステムの制御装置 | |
| CN106979060B (zh) | 用于在冷启动期间提高内燃机温度的系统 | |
| CN113928108B (zh) | 车辆主动格栅的控制方法、装置、车载终端、存储介质 | |
| CN113460026A (zh) | 一种功率分配方法、装置、设备及汽车 | |
| CN111472873B (zh) | 用于活塞冷却喷嘴的控制方法、装置及系统 | |
| JP2003193838A (ja) | エンジンの冷却装置 | |
| CN117872806A (zh) | 基于一维三维联合仿真的整车热管理策略优化方法及系统 | |
| CN110284980A (zh) | 一种基于主喷角度的油量修正方法及装置 | |
| RU2566977C1 (ru) | Устройство управления двигателем | |
| CN114483284B (zh) | 一种电控节温器的控制系统及方法 | |
| WO2022228309A1 (zh) | 一种热管理控制方法、设备、存储介质和车辆 | |
| CN113503749B (zh) | 一种用于间接空冷系统的智能水温控制方法 | |
| CN114992808A (zh) | 基于组合智能算法的热泵空调热管理控制方法及系统 | |
| JP2023132568A (ja) | 機械学習装置、冷却温度推定装置、冷却回路制御装置、低温回路、車載温調装置、及びコンピュータプログラム | |
| CN109343680A (zh) | 一种基于机器学习算法的风扇调控方法及系统 | |
| JP2018181144A (ja) | 電子制御装置 | |
| CN114763762B (zh) | 一种车辆中冷系统控制方法和系统 | |
| US9442472B2 (en) | Engine control device | |
| JP2022529770A (ja) | 内燃エンジンコントローラー |
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 |