【技术实现步骤摘要】
本申请涉及机油泵领域，且更为具体地，涉及一种可变排量的机油泵及其控制方法。
技术介绍
1、机油泵是发动机的重要组成部分，其主要作用是将机油从油底壳中吸入并输送到发动机的各个润滑部位，以保证发动机的正常运行。然而，传统机油泵的排量是固定的，无法根据发动机的实际工作状态进行调整，这会导致机油泵在发动机低速运行时排量过大，造成能量浪费；而在发动机高速运行时排量过小，导致发动机润滑不足。
2、因此，期望一种可变排量的机油泵的控制方案。
技术实现思路
1、有鉴于此，本申请提出了一种可变排量的机油泵及其控制方法，其可以根据发动机的工作状态来确定机油泵的目标排量，以实现机油泵的目标排量的合理推荐。
2、根据本申请的一方面，提供了一种可变排量的机油泵的控制方法，其包括：
3、根据发动机的工作状态，确定机油泵的目标排量；
4、根据所述目标排量和当前排量，计算所述机油泵的排量差值，并生成控制信号；
5、将所述控制信号发送给所述机油泵的电磁阀，调节所述机油泵的排量；
6、通过传感器检测机油压力，并将所述机油压力与设定的压力阈值进行比较；
7、响应于所述机油压力低于所述阈值，增加所述机油泵的排量；以及
8、响应于所述机油压力高于所述阈值，减少所述机油泵的排量。
9、在上述的可变排量的机油泵的控制方法中，根据发动机的工作状态，确定机油泵的目标排量，包括：
10、获取发动机的运行参数的时间序
11、将所述发动机的运行参数的时间序列按照时间维度和运行参数样本维度进行数据规整以得到转速时序输入向量、负荷时序输入向量和温度时序输入向量；
12、通过基于深度神经网络模型的时序特征提取器分别对所述转速时序输入向量、所述负荷时序输入向量和所述温度时序输入向量进行特征提取以得到转速时序关联特征向量、负荷时序关联特征向量和温度时序关联特征向量；
13、将所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量通过基于伽马校正模块的特征向量修整器以得到校正后转速时序关联特征向量、校正后负荷时序关联特征向量和校正后温度时序关联特征向量；
14、将所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量进行基于类贝叶斯概率的特征融合分析以得到发动机运行状态时序表征特征；以及
15、基于所述发动机运行状态时序表征特征，确定推荐目标排量值。
16、在上述的可变排量的机油泵的控制方法中，根据发动机的工作状态，所述基于深度神经网络模型的时序特征提取器为基于rnn网络的时序特征提取器。
17、在上述的可变排量的机油泵的控制方法中，将所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量通过基于伽马校正模块的特征向量修整器以得到校正后转速时序关联特征向量、校正后负荷时序关联特征向量和校正后温度时序关联特征向量，包括：将所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量通过所述基于伽马校正模块的特征向量修整器以如下伽马校正公式进行处理以得到所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量；其中，所述伽马校正公式为：；其中，为所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量中的各个特征向量的归一化向量，a、b、c和d为调整超参数，为所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量中的各个校正后的特征向量。
18、在上述的可变排量的机油泵的控制方法中，将所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量进行基于类贝叶斯概率的特征融合分析以得到发动机运行状态时序表征特征，包括：
19、分别对所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量进行特征优化以得到优化校正后转速时序关联特征向量、优化校正后负荷时序关联特征向量和优化校正后温度时序关联特征向量；以及
20、将所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量输入类贝叶斯概率网络以得到发动机运行状态时序表征特征向量作为所述发动机运行状态时序表征特征。
21、在上述的可变排量的机油泵的控制方法中，分别对所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量进行特征优化以得到优化校正后转速时序关联特征向量、优化校正后负荷时序关联特征向量和优化校正后温度时序关联特征向量，包括：对所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量与所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量进行优化融合以得到所述优化校正后转速时序关联特征向量、所述优化校正后负荷时序关联特征向量和所述优化校正后温度时序关联特征向量。
22、在上述的可变排量的机油泵的控制方法中，基于所述发动机运行状态时序表征特征，确定推荐目标排量值，包括：将所述发动机运行状态时序表征特征向量通过基于解码器的目标排量推荐器以得到推荐目标排量值。
23、在上述的可变排量的机油泵的控制方法中，将所述发动机运行状态时序表征特征向量通过基于解码器的目标排量推荐器以得到推荐目标排量值，包括：使用所述基于解码器的目标排量推荐器的多个全连接层以如下解码公式对所述发动机运行状态时序表征特征向量进行解码回归以获得所述推荐目标排量值，其中，所述解码公式为：，其中，是所述发动机运行状态时序表征特征向量，是所述推荐目标排量值，是权重矩阵，是偏置向量，表示矩阵乘，为激活函数。
24、根据本申请的另一方面，提供了一种可变排量的机油泵，其中，所述可变排量的机油泵以如前任一所述的可变排量的机油泵的控制方法运行。
25、在本申请中，其首先根据发动机的工作状态，确定机油泵的目标排量，接着，根据所述目标排量和当前排量，计算所述机油泵的排量差值，并生成控制信号，然后，将所述控制信号发送给所述机油泵的电磁阀，调节所述机油泵的排量，接着，通过传感器检测机油压力，并将所述机油压力与设定的压力阈值进行比较，最后，响应于所述机油压力低于所述阈值，增加所述机油泵的排量，以及，响应于所述机油压力高于所述阈值，减少所述机油泵的排量。这样，可以提高发动机的燃油经济性。
26、根据下面参考附图对本申请的详细说明，本申请的其它特征及方面将变得清楚。
本文档来自技高网...【技术保护点】
1.一种可变排量的机油泵的控制方法，其特征在于，包括：
2.根据权利要求1所述的可变排量的机油泵的控制方法，其特征在于，根据发动机的工作状态，确定机油泵的目标排量，包括：
3.根据权利要求2所述的可变排量的机油泵的控制方法，其特征在于，根据发动机的工作状态，所述基于深度神经网络模型的时序特征提取器为基于RNN网络的时序特征提取器。
4.根据权利要求3所述的可变排量的机油泵的控制方法，其特征在于，将所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量通过基于伽马校正模块的特征向量修整器以得到校正后转速时序关联特征向量、校正后负荷时序关联特征向量和校正后温度时序关联特征向量，包括：将所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量通过所述基于伽马校正模块的特征向量修整器以如下伽马校正公式进行处理以得到所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量；其中，所述伽马校正公式为：；其中，为所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联
5.根据权利要求4所述的可变排量的机油泵的控制方法，其特征在于，将所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量进行基于类贝叶斯概率的特征融合分析以得到发动机运行状态时序表征特征，包括：
6.根据权利要求5所述的可变排量的机油泵的控制方法，其特征在于，分别对所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量进行特征优化以得到优化校正后转速时序关联特征向量、优化校正后负荷时序关联特征向量和优化校正后温度时序关联特征向量，包括：对所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量与所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量进行优化融合以得到所述优化校正后转速时序关联特征向量、所述优化校正后负荷时序关联特征向量和所述优化校正后温度时序关联特征向量。
7.根据权利要求6所述的可变排量的机油泵的控制方法，其特征在于，基于所述发动机运行状态时序表征特征，确定推荐目标排量值，包括：将所述发动机运行状态时序表征特征向量通过基于解码器的目标排量推荐器以得到推荐目标排量值。
8.根据权利要求7所述的可变排量的机油泵的控制方法，其特征在于，将所述发动机运行状态时序表征特征向量通过基于解码器的目标排量推荐器以得到推荐目标排量值，包括：使用所述基于解码器的目标排量推荐器的多个全连接层以如下解码公式对所述发动机运行状态时序表征特征向量进行解码回归以获得所述推荐目标排量值，其中，所述解码公式为：，其中，是所述发动机运行状态时序表征特征向量，是所述推荐目标排量值，是权重矩阵，是偏置向量，表示矩阵乘，为激活函数。
9.一种可变排量的机油泵，其特征在于，所述可变排量的机油泵以如权利要求1至8任一所述的可变排量的机油泵的控制方法运行。
...【技术特征摘要】
1.一种可变排量的机油泵的控制方法，其特征在于，包括：
2.根据权利要求1所述的可变排量的机油泵的控制方法，其特征在于，根据发动机的工作状态，确定机油泵的目标排量，包括：
3.根据权利要求2所述的可变排量的机油泵的控制方法，其特征在于，根据发动机的工作状态，所述基于深度神经网络模型的时序特征提取器为基于rnn网络的时序特征提取器。
4.根据权利要求3所述的可变排量的机油泵的控制方法，其特征在于，将所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量通过基于伽马校正模块的特征向量修整器以得到校正后转速时序关联特征向量、校正后负荷时序关联特征向量和校正后温度时序关联特征向量，包括：将所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量通过所述基于伽马校正模块的特征向量修整器以如下伽马校正公式进行处理以得到所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量；其中，所述伽马校正公式为：；其中，为所述转速时序关联特征向量、所述负荷时序关联特征向量和所述温度时序关联特征向量中的各个特征向量的归一化向量，a、b、c和d为调整超参数，为所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量中的各个校正后的特征向量。
5.根据权利要求4所述的可变排量的机油泵的控制方法，其特征在于，将所述校正后转速时序关联特征向量、所述校正后负荷时序关联特征向量和所述校正后温度时序关联特征向量进行基于类贝叶斯概率的特征融合分析以得到发动机运行状态时序表征...
【专利技术属性】
技术研发人员：李国平，李支巧，
申请(专利权)人：台州立众泵业制造有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。