Разработка и применение эмпирических моделей для оптимизации управления двигателем внутреннего сгорания

Введение. Качество программного обеспечения (ПО) блоков управления двигателями значительно определяет выходные показатели работы двигателя внутреннего сгорания (ДВС). Важная составляющая процесса разработки ПО - его адаптация или калибровка, включающая большой объём работ по выбору конкретных значений управляющих воздействий для улучшения показателей рабочего цикла ДВС при ограничениях по токсичности.

Цель работы - снижение временных и материальных затрат при проведении начальных калибровочных работ.

Методология и методы. Достижение поставленной цели предлагается осуществить применением методики калибровки системы управления бензиновым двигателем с помощью эмпирических (получаемых экспериментально) моделей ДВС. Основной инструмент, используемый в работе, -программное обеспечение ASCMO, применяемое при технической поддержке ETAS. Представленный в статье процесс калибровки разбит на этапы: разработка плана эксперимента, проведение испытаний (проводится на модели бензинового двигателя), анализ и обработка результатов с построением эмпирической модели ДВС, оптимизация управляемых воздействий и подготовка калибровочных карт с учётом ограничений на вредные выбросы, накладываемых при испытаниях по автомобильному циклу.

Результаты и научная новизна. Сформулирована методика начальной калибровки ДВС, основанная на применении эмпирической модели двигателя. Представленные результаты получены без учёта законодательно установленных норм и правил; накладываемые ограничения сформированы произвольным образом.

Практическая значимость. Представленная методика имеет практическую значимость, поскольку позволяет оптимизировать трудозатраты на проведение калибровочных работ. Краткая оценка эффективности и вариантов применения методики приводится в публикации.

1. Гирявец А.К. Теория управления автомобильным бензиновым двигателем. - М.: Стройиздат, 1997. - 161 с.

2. Yooshin Cho, Hube Th., Lauff U., Reddy R. Optimisation of gasoline engines automation and machine learning techniques in calibration // ATZelektronik worldwide. - 2017. - No. 03. - P. 48-53.

3. Farraen M.A., Rutledge J., Winward E. Using a statistical machine learning tool for diesel engine air path calibration // SAE Technical Paper. - 2014. - No. 201401-2391. - 17 p.

4. Соболь И.М. Численные методы Монте-Карло. -М.: Наука, 1973. - 311 с.: черт.

5. Farraen M.A. Benefiting from Sobol Sequences Experiment Design Type for Model-based Calibration // SAE Technical Paper. - 2015. - No. 2015-01-1640. - 5 p.

6. Двигатели внутреннего сгорания. В 3 кн. Кн. 3. Компьютерный практикум. Моделирование процессов в ДВС / В.Н. Луканин [и др.]; под ред. В.Н. Луканина и М.Г. Шатрова / 3-е изд., перераб. и доп. - М.: Высш. шк., 2007. - 414 c.: ил.

7. Савенков Н.В. Метод выбора передаточных чисел силовой установки автомобиля категории N1 на основе ездового цикла: дисс. ... кандидат технических наук. - М.: МАДИ, 2017. - 206 с.