1.一种利用人工神经网络预测车辆发动机扭矩的方法,包括:
通过处理器获取车辆发动机的n个配置的工作点的信息;
通过处理器在工作点中添加火花正时和扭矩,来配置n个工作点数据集;
通过处理器,从n个工作点数据集中提取最小火花正时、最大扭矩和火花正时效率曲线;
由处理器配置人工神经网络,包括具有n个工作点信息的输入层,具有最小火花正时和最大扭矩的输出层,以及输入层和输出层之间的隐藏层;
处理器利用人工神经网络从n个工作点数据集中进行学习;
通过将有关当前工作点的信息输入到学习的人工神经网络中,由处理器输出有关当前工作点信息的最小火花正时和最大扭矩;
由处理器根据当前工作点相关信息的当前火花正时和最小火花正时计算火花正时效率;以及根据火花正时效率计算电流扭矩。
2.根据权利要求1所述的方法,其特征在于,所述人工神经网络和使用所述人工神经网络的学习中学习到的火花正时效率曲线存储在电子控制单元中。
3.根据权利要求2所述的方法,其特征在于,关于当前工作点信息的最小火花正时和最大扭矩的输出是由存储在所述电子控制单元中的人工神经网络输出的。
4.根据权利要求1所述的方法,其特征在于,关于n个工作点的信息是通过将将火花正时从全迟钝相位角的位置移动到全提前相位角的位置而获得的。
5.根据权利要求1所述的方法,其特征在于,使用人工网络的学习是通过反复地改变权重和偏差值来进行的。
6.根据权利要求1所述的方法,其特征在于,关于操作点的信息包括每分钟转数、负荷和空燃比中的至少一个。
7.根据权利要求6所述的方法,其特征在于,当车辆发动机设有连续可变气门正时机构时,有关工作点的信息还包括排气门开启正时和进气门关闭正时。
8.根据权利要求6所述的方法,其特征在于,当车辆发动机配备有连续可变气门持续时间机构时,有关工作点的信息还包括排气门开启正时、排气门关闭正时、进气门开启正时和进气门关闭正时中的至少一个。
9.根据权利要求6所述的方法,其特征在于,当车辆发动机设有连续可变气门升程机构时,有关工作点的信息还包括排气门开启正时、排气门升程正时、进气门关闭正时和进气门升程正时。
10.一种利用人工神经网络预测车辆发动机扭矩的系统,包括:
存储器,被配置为用于存储程序指令;
处理器,被配置为用于执行程序指令,所述程序指令在执行时被配置为:
获取车辆发动机的n个配置工作点的信息;
通过在工作点中添加火花正时和扭矩,配置n个工作点数据集;
从n个工作点数据集中提取最小火花正时、最大扭矩和火花正时效率曲线;
配置人工神经网络,该人工神经网络包括具有n个工作点信息的输入层、具有最小火花正时和最大扭矩的输出层,以及输入层和输出层之间的隐藏层;
利用人工神经网络对n个工作点数据集进行学习;
通过将关于当前操作点的信息输入到学习的人工神经网络中,输出有关当前工作点信息的最小火花正时和最大扭矩;
根据当前工作点相关信息的当前火花正时和最小火花正时计算火花正时效率;以及根据火花正时效率计算电流扭矩。