【技术实现步骤摘要】
本专利技术涉及发动机控制领域，更具体地说，涉及一种发动机目标进气密度学习优化方法。
技术介绍
1、发动机扭矩控制影响着发动机动力性、经济性、排放和nvh的性能，因此发动机扭矩是发动机控制的重要参数。如果发动机扭矩出现控制偏差，则严重影响发动机的动力性。现有技术中是基于扭矩在台架标定确定的进气量，并没有考虑到发动机整个生命周期下的目标进气量的精度。
技术实现思路
1、本专利技术要解决的技术问题在于，提供一种发动机目标进气密度学习优化方法，可以对进气控制进行优化，从而改善目标进气量，提高扭矩控制响应性。
2、本专利技术解决其技术问题所采用的技术方案是：构造一种发动机目标进气密度学习优化方法，包括：
3、确定初始目标进气密度；
4、读取当前发动机请求气路扭矩与发动机实际气路扭矩之差，并据此确定第n次采样周期下的目标进气密度增量；
5、设定不同工况，并根据学习情况更新不同工况对应存储的目标进气密度增量，更新后的存储的目标进气密度增量与初始目标进气密度之和为优化后的目标进气密度。
6、按上述方案，根据以下公式确定第n次采样周期下的目标进气密度增量：
7、δrho(n)＝ktrqtorho×mairtrqerr+δrho(n-1)
8、其中，n＝1,2,3…；δrho(n)为第n次采样周期下的目标进气密度增量，δrho(n-1)为第n-1次采样周期下的目标进气密度增量，mairtrqerr为当前发动机请求气路扭
9、按上述方案，根据以下公式确定目标进气密度增益系数：
10、
11、其中，dmairtrqerr为扭矩之差mairtrqerr的变化率，klrn为目标进气密度增益系数自学习修正系数，λ为目标进气密度增益系数ktrqtorho的滤波时间，f(mairtrqerr，dmairtrqerr)为在不同扭矩之差mairtrqerr和扭矩之差变化率dmairtrqerr的修正系数。
12、按上述方案，若第n次采样周期下的目标进气密度增量δrho(n)达到其允许最大值和最小值，则将其维持不变，即δrho(n)＝δrho(n-1)；
13、其允许最大值和最小值均取决于目标进气密度rhore qraw(z)和发动机转速n共同决定，即最大值等于f(n,rhore qraw(z))×(1+radap)，最小值等于f(n,rhore qraw(z))×(1+radap)的负值，f(n,rhore qraw(z))的标定依据是调整气量后扭矩之差mairtrqerr波动范围在预设范围内的同时，扭矩之差mairtrqerr的绝对值比调整前扭矩之差mairtrqerr的绝对值小；radap为最大值最小值自学习修正系数。
14、按上述方案，当满足(1)～(3)任一条件时
15、(1)δrho(n)达到其最大值或最小值后的时间超过预设时间；
16、(2)实时读取到的扭矩之差mairtrqerr在预设范围内；
17、(3)稳定条件同时满足时间超过预设时间；
18、则立即停止更新目标进气密度增量δrho，其中δrho(n)是指第n次采样周期下的目标进气密度增量δrho。
19、按上述方案，如果在满足(1)～(3)任一条件的同时满足以下条件(4)：发动机请求气路扭矩mairtrq req与发动机实际气路扭矩mairtrqact之差mairtrqerr波动范围不超过预设值；
20、记录工况信息并将当前的δrho更新存储在对应相同工况内，并可在车辆下电后保存，其存储的目标进气密度增量δrhostored存储方法如下：
21、δrhostored＝k1×δrhostored(z)+(1-k1)×δrho
22、其中，δrhostored(z)为相同工况下上一次学习存储的目标进气密度增量，k1为加权系数；
23、更新后的δrhostored加上初始目标进气密度rhoreqraw得到优化后的目标进气密度rhore qnew。
24、按上述方案，记录每一次进行相同工况下满足(1)～(3)任一条件的同时满足条件(4)的次数cnt，以及分别满足条件(1)、(2)和(3)的次数cnt1、cnt2和cnt3，则有cnt1+cnt2+cnt3＝cnt；
25、如果相同工况下出现cnt大于15，且cnt1大于10，且cnt2小于2，则最大值最小值自学习修正系数radap＝radap(z)+0.1；其中radap(z)为上一次学习更新的最大值最小值自学习修正系数，更新完成后则将cnt、cnt1、cnt2和cnt3均清零；
26、如果相同工况下出现cnt大于15，且cnt3大于10，且cnt2小于2，则目标进气密度增益系数klrn＝klrn(z)+0.02；其中klrn(z)为上一次学习更新的目标进气密度增益系数，更新完成后则将cnt、cnt1、cnt2和cnt3均清零；
27、如果相同工况下出现cnt大于15，且cnt1不大于2，且cnt3大于2，则目标进气密度增益系数klrn＝klrn(z)-0.01；最大值最小值自学习修正系数radap＝radap(z)-0.1；更新完成后则将cnt、cnt1、cnt2和cnt3均清零；
28、其他情况下，目标进气密度增益系数klrn和最大值最小值自学习修正系数radap维持不变。
29、按上述方案，如果在满足(1)～(3)任一条件的同时不满足条件(4)，则记录工况信息并更新存储在对应相同工况内下的目标进气密度增量，存储的目标进气密度增量δrhostored＝0。
30、本专利技术还提供了一种发动机目标进气密度学习优化装置，包括：
31、初始目标进气密度获取模块，用于确定初始目标进气密度；
32、目标进气密度增量确定模块，用于读取当前发动机请求气路扭矩与发动机实际气路扭矩之差，并据此确定第n次采样周期下的目标进气密度增量；
33、学习优化模块，用于设定不同工况，并根据学习情况更新不同工况对应存储的目标进气密度增量，更新后的存储的目标进气密度增量与初始目标进气密度之和为优化后的目标进气密度。
34、本专利技术还提供了一种发动机目标进气密度学习优化装置，所述目标进气密度增量确定模块根据以下公式确定第n次采样周期下的目标进气密度增量：
35、δrho(n)＝ktrqtorho×mairtrqerr+δrho(n-1)
36、其中，n＝1,2,3…；δrho(n)为第n次采样周期下的目标进气密度增量，δrho(n-1)为第n-1次采样周期下的目标进气密度增量，mairtrqerr为当前发动机请求气路扭矩与发动机实际气路扭矩之差；ktrqtorho为目标进气密度增益系数。
37本文档来自技高网...
【技术保护点】
1.一种发动机目标进气密度学习优化方法，其特征在于，包括：
2.根据权利要求1所述的发动机目标进气密度学习优化方法，其特征在于，根据以下公式确定第N次采样周期下的目标进气密度增量：
3.根据权利要求2所述的发动机目标进气密度学习优化方法，其特征在于，根据以下公式确定目标进气密度增益系数：
4.根据权利要求3所述的发动机目标进气密度学习优化方法，其特征在于，若第N次采样周期下的目标进气密度增量Δrho(N)达到其允许最大值和最小值，则将其维持不变，即Δrho(N)＝Δrho(N-1)；
5.根据权利要求4所述的发动机目标进气密度学习优化方法，其特征在于，当满足(1)～(3)任一条件时
6.根据权利要求5所述的发动机目标进气密度学习优化方法，其特征在于，如果在满足(1)～(3)任一条件的同时满足以下条件(4)：发动机请求气路扭矩MAirTrqReq与发动机实际气路扭矩MAirTrqAct之差MAirTrqErr波动范围不超过预设值；
7.根据权利要求6所述的发动机目标进气密度学习优化方法，其特征在于，记录每一次进
8.根据权利要求6所述的发动机目标进气密度学习优化方法，其特征在于，如果在满足(1)～(3)任一条件的同时不满足条件(4)，则记录工况信息并更新存储在对应相同工况内下的目标进气密度增量，存储的目标进气密度增量ΔrhoStored＝0。
9.一种发动机目标进气密度学习优化装置，其特征在于，包括：
10.根据权利要求9所述的发动机目标进气密度学习优化装置，其特征在于，所述目标进气密度增量确定模块根据以下公式确定第N次采样周期下的目标进气密度增量：
11.一种汽车，其特征在于，包括如权利要求9或10所述的发动机目标进气密度学习优化装置。
12.一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其特征在于，所述存储器中存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1～8任一项所述发动机目标进气密度学习优化方法的步骤。
13.一种计算机可读存储介质，其上存储有可执行指令，其特征在于，该指令被处理器执行时使处理器实现权利要求1～8任一项所述的发动机目标进气密度学习优化方法。
...【技术特征摘要】
1.一种发动机目标进气密度学习优化方法，其特征在于，包括：
2.根据权利要求1所述的发动机目标进气密度学习优化方法，其特征在于，根据以下公式确定第n次采样周期下的目标进气密度增量：
3.根据权利要求2所述的发动机目标进气密度学习优化方法，其特征在于，根据以下公式确定目标进气密度增益系数：
4.根据权利要求3所述的发动机目标进气密度学习优化方法，其特征在于，若第n次采样周期下的目标进气密度增量δrho(n)达到其允许最大值和最小值，则将其维持不变，即δrho(n)＝δrho(n-1)；
5.根据权利要求4所述的发动机目标进气密度学习优化方法，其特征在于，当满足(1)～(3)任一条件时
6.根据权利要求5所述的发动机目标进气密度学习优化方法，其特征在于，如果在满足(1)～(3)任一条件的同时满足以下条件(4)：发动机请求气路扭矩mairtrqreq与发动机实际气路扭矩mairtrqact之差mairtrqerr波动范围不超过预设值；
7.根据权利要求6所述的发动机目标进气密度学习优化方法，其特征在于，记录每一次进行相同工况下满足(1)～(3)任一条件的同时满足条件(4)的次数cnt，以及分别满足条件(1)、(2)和(3)的次数c...
【专利技术属性】
技术研发人员：张昊，雷雪，权卫平，张德全，陈鹏，
申请(专利权)人：东风汽车集团股份有限公司，
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。