一种VVT参数标定优化方法、装置及终端与流程

一种vvt参数标定优化方法、装置及终端
技术领域
1.本发明实施例涉及发动机控制设计领域，特别涉及一种vvt参数标定优化方法、装置及终端。


背景技术：

2.为了满足日益严格的排放法规要求并降低车辆的油耗，可变气门正时(variable valve timing，vvt)技术被广泛地应用在发动机控制系统中。vvt技术是一种用于汽车活塞式发动机中的技术，该技术可以调节发动机进气排气系统的重叠时间与正时(其中一部分或者全部)，降低油耗并提升效率。
3.然而vvt技术的应用存在较多的标定参数，工程师需要针对不同地排放需求对进气排气vvt值进行标定，从而使得诸如hc、nox、coh、imepvar0、pn以及be值等排放、油耗及燃烧稳定性指标达到可观的指标值。
4.相关处理方式中，尽量找到一组合适的进气排气vvt值使得以上关键指标都保持在一个尽可能低的水平，但是以上的关键指标通常对于同一组进气排气vvt值而言是相互冲突的，因此在实际标定过程中需要进行合适地折中取舍，选取使各个指标适中的vvt组合。也就是说在标定过程中，实际面临的是一个多变量多目标的高维非线性优化问题，这无疑提升了整个标定过程的难度。


技术实现要素：

5.本发明实施例提供了一种vvt参数标定优化方法、装置及终端，能够解决vvt技术中指标参数标定困难的问题。所述技术方案如下：
6.一方面，本发明实施例提供了一种vvt参数标定优化方法，所述方法包括：
7.采集vvt特征数据和vvt标签数据；
8.根据所述vvt特征数据和所述vvt标签数据建立vvt性能模型，所述vvt性能模型用于拟合所述vvt特征数据关于所述vvt标签数据的映射关系；
9.通过多目标差分算法对所述vvt性能模型进行优化；
10.根据所述vvt标签数据的目标分配权重确定出所述vvt性能模型对应的优化后综合指标。
11.另一方面，本发明实施例提供了一种vvt参数标定优化装置，所述装置包括：
12.数据采集模块，用于采集vvt特征数据和vvt标签数据；
13.模型建立模块，用于根据所述vvt特征数据和所述vvt标签数据建立vvt性能模型，所述vvt性能模型用于拟合所述vvt特征数据关于所述vvt标签数据的映射关系；
14.模型优化模块，用于通过多目标差分算法对所述vvt性能模型进行优化；
15.指标优化模块，用于根据所述vvt标签数据的目标分配权重确定出所述vvt性能模型对应的优化后综合指标。
16.另一方面，本发明实施例提供了一种终端，所述终端包括处理器和存储器；所述存
储器存储有至少一条指令，所述至少一条指令用于被所述处理器执行以实现如上述方面的vvt参数标定优化方法。
17.另一方面，提供了一种计算机可读存储介质，所述存储介质存储有至少一条指令，所述至少一条指令用于被处理器执行以实现如上述方面的vvt参数标定优化方法。
18.采用本发明实施例提供的vvt参数标定优化方法，对于每一组vvt数据，实现通过有限的vvt采样样本拟合推断出相似未知进排气vvt下的各个关键指标值，避免标定所需的大量试验消耗，基于该建模方法，还利用多目标差分算法进行寻优，给出最终推荐进气排气vvt的方案；相比传统人工标定过程，本发明所提方法每次标定过程耗时较少，可以大幅降低标定过程的工作量，标定的效率得到大幅度提升。
附图说明
19.图1示出了本发明示例性实施例示出的vvt参数标定优化方法的流程图；
20.图2示出了多目标差分进化算法流程示意图；
21.图3示出了本发明实施例提供的vvt参数标定优化装置的结构框图；
22.图4示出了本发明一个示例性实施例提供的终端的结构方框图。
具体实施方式
23.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
24.在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
25.本技术提出的一种vvt参数标定优化方法，可以集成于计算机终端进行，也可以在云端服务器进行，本技术实施例对此不作限定，且以下实施例以在计算机终端进行为例进行说明书的说明。
26.请参考图1，其示出了本发明示例性实施例示出的vvt参数标定优化方法的流程图。该方法包括：
27.步骤101，采集vvt特征数据和vvt标签数据。
28.可选的，vvt特征数据包括转速数据、负荷数据、进气vvt数据和排气vvt数据；vvt标签数据包括hc碳氢化合物指标、nox氮氧化合物指标、coh碳氧化合物指标、imepvar0燃烧稳定性指标、pn固体悬浮颗粒数量指标和be值指标。
29.步骤102，根据vvt特征数据和vvt标签数据建立vvt排放、油耗及燃烧稳定性相关的性能模型，vvt性能模型用于拟合vvt特征数据关于vvt标签数据的映射关系。
30.可选的，利用高斯过程回归(gpr)对试验采集的vvt特征数据和vvt标签数据进行建模，建立关于各个排放指标的vvt性能模型，其中模型输入为vvt特征数据，模型的输出依次为hc、nox、coh、pn、be、imepvra0(vvt标签数据)等若干个排放指标，每个排放指标都对应一个gpr模型(即vvt性能模型)。
31.在一种可能的实施方式中，步骤102具体包括如下内容一和内容二。
32.内容一、对vvt特征数据和vvt标签数据标准化处理，得到统一量度的vvt特征数据
和vvt标签数据。
33.内容二、根据vvt特征数据关于vvt标签数据的映射关系，建立vvt标签数据一一对应的vvt性能模型。
34.在一个示例中，采集不同工况(关于转速和负荷)下的样本数据，样本数据主要包括转速、负荷、进气排气vvt、hc、nox、coh、pn、be、imepvra0等数据。随后对这些数据进行预处理，首先将数据分为vvt特征数据和vvt标签数据两部分，其中vvt特征数据包括转速、负荷、进气vvt、排气vvt，而vvt标签数据则为剩下的六类数据。分别对特征和标签数据进行z-score标准化，随后针对标签集中的每一类数据，依次建立一个gpr模型来拟合特征关于该标签的映射关系，以得到转速负荷进排气vvt关于六个排放指标的模型。
35.在本发明中，共有hc、nox、coh、pn、be、imepvra0六类标签数据，因此最终应得到六个gpr模型(称为vvt性能模型)。建模过程中所用的核函数选取为matern核，并依次对每一个gpr模型的核参数进行遍历，具体的遍历范围为[0.5，1.5，2.5，inf]，共包含四个参数取值点，在每个取值点处通过三折交叉验证，并利用r-square来评价每次结果的性能好坏，最终取三折交叉验证中的三次r-square结果的均值作为模型在不同核参数下的性能评估结果。其中，某参数下模型的r-squre均值结果越大，则认为模型在该参数下的性能越好。在针对某个排放指标进行建模时，选择评估结果最优的核参数下的模型作为最终模型。
[0036]
步骤103，通过多目标差分算法对vvt性能模型进行优化。
[0037]
在完成gpr建模之后，进一步通过多目标差分进化算法进行vvt寻优。在多目标优化算法中，需要指定评估模型、优化变量、优化目标、优化约束几个方面，具体来说：在优化过程中我们首先需要能够对不同的可行解进行评估，了解当前优化结果的好坏，并对可行解的调整方向进行决策。评估模型就是帮助我们评估一个解优劣的模型或函数；这里我们选择上述通过gpr建立的6个vvt性能模型作为评估模型，每次优化算法给出一个可行解，都将该可行解带入到以上6个vvt性能模型中来模拟该可行解在hc、nox、coh、pn、be、imepvra0上的结果；优化变量即转速、负荷、进气vvt、排气vvt，由于在实际优化过程中，我们需要在选定的转速工况下去选取一组“最优”的进气和排气vvt，因此在某个指定工况(关于转速和负荷)下进行优化时需要将转速、负荷两个变量的上下限依次设置为某个固定值，而进气和排气vvt上下限按照正常取值范围设置即可，以上即是对优化变量的取值约束，也称优化约束；多目标优化问题的目标即为上述的六个排放指标hc、nox、coh、pn、be、imepvra0，具体在评估某个解关于优化目标的性能好坏时，不再根据目标值的大小来进行比较，而是通过pareto排序的方式对不同的解在目标上的性能表现进行分级比较。最终可行解会被分为几个级别，同一级别内的解认为其性能表现相同，不同级别的解则会按照级别整体划分好坏；在完成以上步骤以后，通过多目标差分进化算法生成可行解、并进行评估、更新和迭代，具体来说，多目标差分算法利用种群个体间的差异信息，根据变异操作来探索新解，利用交叉操作来对个体进行修正，通过非支配排序和拥挤度计算来对个体进行评估，最终由选择操作生成新一代种群个体。
[0038]
在一种可能的实施方式中，结合图2所示的多目标差分进化算法流程示意图，步骤103具体包括如下内容一至三。
[0039]
内容一、配置多目标差分算法需要的超参数以及vvt性能模型优化所需的模型参数。
[0040]
其中，配置超参数包括配置最大迭代次数gen、种群规模n_pop、缩放因子f、交叉概率cr；配置模型参数包括配置排气系统温度模型的优化map以及curve信息，并将其编码为算法能够识别的形式，即根据超参数和模型参数编码得到如下描述的初始种群。
[0041]
进一步的，根据实际需求设计目标函数，本发明中选择通过gpr模型建立的vvt性能模型作为目标函数。
[0042]
内容二、通过多目标差分算法对超参数和模型参数进行迭代寻优，得到模型最优解集。
[0043]
可选的，对于内容二包括如下执行内容。随机生成初始种群，初始种群由预设维度的个体组成，预设维度与vvt特征数据的种类相等，初始种群根据超参数和模型参数编码得到；通过变异和交叉算子为初始种群进行迭代；响应于初始种群达到最大迭代次数，终止计算并得到模型最优解集。
[0044]
在一个示例中，随机生成初始种群，初始种群包含n_pop条个体，每条个体的维度为4，分别表示转速、负荷、进气vvt、排气vvt。
[0045]
在一种可能的实施方式中，通过变异和交叉算子为初始种群进行迭代的内容具体如下，通过变异和交叉算子为初始种群的每个个体生成变异个体，得到新种群(即子代种群)；将子父代种群合并，并通过非支配排序和拥挤度确定出下一代父代种群。
[0046]
内容三、在模型最优解集下优化vvt性能模型。
[0047]
步骤104，根据vvt标签数据的目标分配权重确定出vvt性能模型对应的优化后综合指标。
[0048]
在一种可能的实施方式中，步骤104包括如下内容一至三。
[0049]
内容一、根据设计需求进行vvt标签数据的权重配置，得到vvt标签数据的权重矩阵。
[0050]
内容二、根据权重矩阵得到vvt标签数据的最优加权结果。
[0051]
内容三、根据vvt标签数据的最优加权结果从模型最优解集中确定出vvt性能模型对应的优化后综合指标。
[0052]
在一个示例中，在完成多目标寻优之后，我们会得到一个pareto最优解集(即模型最优解集)，也就是说会得到一系列模型最优解；但在实际应用时，只能最终选择一个解，为此首先提供一个权重列表，权重列表的长度与排放指标(等同于vvt标签数据)即优化目标的个数相同，权重的取值范围为[0，1]，工程师在应用时可针对不同客户项目中对不同优化目标的重视程度进行权重配置，某个目标越重要，则其权重一般设置的越大。在设置好权重矩阵后，对各个目标进行归一化操作，随后得到其加权结果后进行最优排序，得到最优加权结果后返回输出，最终返回输出的一系列目标对应的最优加权结果即为vvt性能模型对应的优化后综合指标。
[0053]
综上所述，采用本发明实施例提供的vvt参数标定优化方法，对于每一组vvt数据，实现通过有限的vvt采样样本拟合推断出相似未知进排气vvt下的各个关键指标值，避免标定所需的大量试验消耗，基于该建模方法，还利用多目标差分算法进行寻优，给出最终推荐进气排气vvt的方案；相比传统人工标定过程，本发明所提方法每次标定过程耗时较少，可以大幅降低标定过程的工作量，标定的效率得到大幅度提升。
[0054]
进一步的，本发明所提建模方法相较于传统插值方法精度更高，所建模型可信度
更高。
[0055]
进一步的，本发明所提方法可以实现结果在pareto意义下的最优化，标定结果的精度更高。
[0056]
进一步的，本发明所提方法将标定分析流程格式化，标定过程更具客观性，通用性强，减少因不同工程师经验差异对结果带来的影响。
[0057]
进一步的，本发明所提方法具有较好的自适应性，可适用于不同配置类型下的vvt性能模型。
[0058]
请参考图3，其示出了本发明实施例提供的vvt参数标定优化装置的结构框图。该装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分，该装置包括：
[0059]
数据采集模块301，用于采集vvt特征数据和vvt标签数据；
[0060]
模型建立模块302，用于根据所述vvt特征数据和所述vvt标签数据建立vvt性能模型，所述vvt性能模型用于拟合所述vvt特征数据关于所述vvt标签数据的映射关系；
[0061]
模型优化模块303，用于通过多目标差分算法对所述vvt性能模型进行优化；
[0062]
指标优化模块304，用于根据所述vvt标签数据的目标分配权重确定出所述vvt性能模型对应的优化后综合指标。
[0063]
可选的，所述模型建立模块302，包括：
[0064]
第一建立单元，用于对所述vvt特征数据和所述vvt标签数据标准化处理，得到统一量度的vvt特征数据和vvt标签数据；
[0065]
第二建立单元，用于根据所述vvt特征数据关于所述vvt标签数据的映射关系，建立所述vvt标签数据一一对应的vvt性能模型。
[0066]
可选的，所述模型优化模块303，包括：
[0067]
第一优化单元，用于配置所述多目标差分算法需要的超参数以及所述vvt性能模型优化所需的模型参数；
[0068]
第二优化单元，用于通过所述多目标差分算法对所述超参数和所述模型参数进行迭代寻优，得到模型最优解集；
[0069]
第三优化单元，用于在所述模型最优解集下优化所述vvt性能模型。
[0070]
可选的，所述第二优化单元，还用于：
[0071]
随机生成初始种群，所述初始种群由预设维度的个体组成，所述预设维度与所述vvt特征数据的种类相等，所述初始种群根据所述超参数和所述模型参数编码得到；
[0072]
通过变异和交叉算子为所述初始种群进行迭代；
[0073]
响应于所述初始种群达到最大迭代次数，终止计算并得到所述模型最优解集。
[0074]
可选的，所述第二优化单元，还用于：
[0075]
通过所述变异和交叉算子为所述初始种群的每个个体生成变异个体，得到新种群；
[0076]
将子父代种群合并，并通过非支配排序和拥挤度确定出下一代父代种群。
[0077]
可选的，所述指标优化模块304，包括：
[0078]
第四优化单元，用于根据设计需求进行所述vvt标签数据的权重配置，得到所述vvt标签数据的权重矩阵；
[0079]
第五优化单元，用于根据所述权重矩阵得到所述vvt标签数据的最优加权结果；
[0080]
第五优化单元，用于根据所述vvt标签数据的最优加权结果从所述模型最优解集中确定出所述vvt性能模型对应的优化后综合指标。
[0081]
可选的，所述vvt特征数据包括转速数据、负荷数据、进气vvt数据和排气vvt数据。
[0082]
可选的，所述vvt标签数据包括hc碳氢化合物指标、nox氮氧化合物指标、coh碳氧化合物指标、imepvar0燃烧稳定性指标、pn固体悬浮颗粒数量指标和be值指标。
[0083]
请参考图4，其示出了本发明一个示例性实施例提供的终端400的结构方框图。该终端400可以是智能手机、平板电脑、电子书、便携式个人计算机等安装并运行有应用程序的电子设备。本发明中的终端400可以包括一个或多个如下部件：处理器410、存储器420和屏幕430。
[0084]
处理器410可以包括一个或者多个处理核心。处理器410利用各种接口和线路连接整个终端400内的各个部分，通过运行或执行存储在存储器420内的指令、程序、代码集或指令集，以及调用存储在存储器420内的数据，执行终端400的各种功能和处理数据。可选地，处理器410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 logic array，pla)中的至少一种硬件形式来实现。处理器410可集成中央处理器(central processing unit，cpu)、图像处理器(graphics processing unit，gpu)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、用户界面和应用程序等；gpu用于负责屏幕430所需要显示的内容的渲染和绘制；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410中，单独通过一块通信芯片进行实现。
[0085]
存储器420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420包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器420可用于存储指令、程序、代码、代码集或指令集。存储器420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、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等，该操作系统可以是安卓(android)系统(包括基于android系统深度开发的系统)、苹果公司开发的ios系统(包括基于ios系统深度开发的系统)或其它系统。存储数据区还可以存储终端400在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
[0086]
屏幕430可以为触摸显示屏，该触摸显示屏用于接收用户使用手指、触摸笔等任何适合的物体在其上或附近的触摸操作，以及显示各个应用程序的用户界面。触摸显示屏通常设置在终端400的前面板。触摸显示屏可被设计成为全面屏、曲面屏或异型屏。触摸显示屏还可被设计成为全面屏与曲面屏的结合，异型屏与曲面屏的结合，本发明实施例对此不加以限定。
[0087]
本发明实施例还提供了一种计算机可读介质，该计算机可读介质存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的vvt参数标定优化方法。
[0088]
本发明实施例还提供了一种计算机程序产品，该计算机程序产品存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的vvt参数标定优化方法。
[0089]
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0090]
以上所述仅为本发明的可选实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。