(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110295055.X (22)申请日 2021.03.19 (65)同一申请的已公布的文献号 申请公布号 CN 112883653 A (43)申请公布日 2021.06.01 (73)专利权人 广西玉柴 机器股份有限公司 地址 537005 广西壮 族自治区玉林市天桥 西路88号 (72)发明人 王任信　班智博　 (74)专利代理 机构 北京兴智翔达知识产权代理 有限公司 1 1768 专利代理师 郭卫芹 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/17(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/08(2020.01) G06F 119/14(2020.01) (56)对比文件 CN 10754512 2 A,2018.01.0 5 CN 104102781 A,2014.10.15 CN 104111650 A,2014.10.2 2 CN 10275869 9 A,2012.10.31 US 2020248641 A1,2020.08.0 6 班智博 等.汽油机电液式可变气门正时系 统响应性能仿真与试验. 《农业机 械学报》 .2013, 第44卷(第9期),12-18. 审查员 唐俊峰 (54)发明名称 基于人工智能的发动机实时模型的建模方 法 (57)摘要 本发明公开了一种基于人工智能的发动机 实时模型的建模 方法， 包括以下试验设计及试验 测量步骤、 发动机子系统特性获取及建模步骤、 发动机气缸的人工智能神经网络建模步骤、 将在 发动机子系统特性获取及建模步骤中建立的模 型进行耦合计算， 并进行一系列迭代后收敛计算 以及模型集成于HIL系统步骤等步骤。 本发明的 整套建模 方法， 其可以使最终气缸模 型能够体 现 电控参数的影 响； 保证输入电控变量个数不变的 前提下， 简化最终气缸模块神经网络模型的输入 变量个数， 从而提升模型输出结果的精度； 提升 发动机摩 擦功计算的精度， 建立能够考虑电控参 数影响的摩擦功模型。 权利要求书2页 说明书6页 附图5页 CN 112883653 B 2022.06.24 CN 112883653 B 1.一种基于人工智能的发动机实时模型的建模方法， 其特 征在于， 包括以下步骤： 试验设计及试验测量 步骤， 其包括： 试验设计： 为考虑电控参数对燃烧及排放的影响， 在试验设计时需要测量出所述电控 参数的自变量变化后的发动机性能和排放指标的变化情况的针对性设计， 并测量喷油规律 及燃烧分析 结果； 及 试验测试： 使用高精度的测试设备对测试 结果进行碳平衡分析； 发动机子系统特性获取及建模步骤， 其包括： 节气门和EGR子系统特性获取： 针对节气门和EGR两个子系统的阀门开度的变化进行试 验， 并采用最小二乘法建模； 增压子系统特性获取： 使用原厂提供的增压器MAP数据， 并使用万有特性数据修正所述 增压器MAP数据； 摩擦数值子系统特性获取： 使用转速、 功率、 MFB10及MFB90参数进行摩擦数值建模； 及 各个管路的容积腔子系统特性获取： 使用 传统的零维容积模型， 根据气体属性快速计 算所述各个管路的容积 腔的压力及温度变化情况； 发动机气缸的人工智能神经网络建模步骤， 其包括： 喷油特性换算： 通过实测的喷油速率曲线获取电控参数与实 际喷油时刻的关系， 并将 喷油角度的电控数值 转换为实际的喷油参数； 获取气缸散热模型： 通过燃烧分析数据计算出气缸热损失， 并以散热量为输出， 以机油 温度、 水温、 转速及喷油总量作为模型的输入， 及通过神经网络的训练建立 发动机的所述气 缸散热模型； 燃烧速率神经网络模型： 以轨压、 EGR率、 空燃比、 转速和 实际的喷油 参数为输入， 以燃 烧速率指标为输出建立所述燃烧速率神经网络模型； 及 油耗及排放神经网络模型： 将所述空燃比、 气缸进出口压力、 所述EGR率及所述燃烧速 率指标作为输入建立所述油耗及排 放神经网络模型； 将在所述发动机子系统特性获取及建模步骤中建立的模型进行耦合计算， 并进行一系 列迭代后收敛计算； 以及 模型集成于HIL系统步骤， 其包括： 将所述发动机子系统特性获取及建模步骤建立的模 型生成FMU文件， 并将生成的所述FMU文件放到所述HIL系统中， 同时设置输入输出端口， 以 实现在所述HI L系统中进行电控标定 。 2.如权利要求1所述的基于人工智能的发动机实时模型的建模方法， 其特征在于， 所述 电控参数包括预喷参数、 主喷参数、 后喷参数、 远后喷参数以及节气门和EGR阀的开度参数。 3.如权利要求1所述的基于人工智能的发动机实时模型的建模方法， 其特征在于， 所述 发动机子系统特性获取及建模步骤和所述发动机气缸的人工智能神经网络建模步骤建立 的模型为Simul ink模型。 4.如权利要求2所述的基于人工智能的发动机实时模型的建模方法， 其特征在于， 所述 实际的喷油参数包括所述预喷参数、 所述主喷参数、 所述后喷参数以及所述远后喷参数。 5.如权利要求2所述的基于人工智能的发动机实时模型的建模方法， 其特征在于， 所述 实际的喷油参数为所述预喷参数、 所述主喷参数、 所述后喷参数以及所述远后喷参数 的实 际喷射角度与喷油量。权　利　要　求　书 1/2 页 2 CN 112883653 B 26.如权利要求1所述的基于人工智能的发动机实时模型的建模方法， 其特征在于， 所述 燃烧速率指标包括MFB10、 MFB5 0及MFB90数据。 7.如权利要求6所述的基于人工智能的发动机实时模型的建模方法， 其特征在于， 所述 燃烧速率指标的所述MFB10、 所述MFB50及所述MFB90数据为燃烧完成10％、 50％及90％时刻 对应的曲轴转角。 8.如权利要求1所述的基于人工智能的发动机实时模型的建模方法， 其特征在于， 所述 发动机子系统特性获取及建模步骤 采用传统热力学建模方式。 9.如权利要求1所述的基于人工智能的发动机实时模型的建模方法， 其特征在于， 所述 气缸进出口压力包括增压 压力及涡前压力。 10.如权利要求2所述的基于人工智能的发动机实时模型的建模方法， 其特征在于， 所 述预喷参数包括预喷正时及预喷油量、 所述主喷参数包括主喷正时及主喷油量、 所述后喷 参数包括后喷正时及后喷油量以及所述远后喷参数包括远后喷正时及远后喷油量。权　利　要　求　书 2/2 页 3 CN 112883653 B 3