分会场

智能控制与混合动力

摘要

长期以来，发动机标定技术高度依赖于发动机台架及整车等资源。通过离线仿真降低发动机油耗和污染物排放，可以减少标定工作对台架和车辆资源的依赖，提高工作效率。本文介绍了一种基于强化学习的发动机离线标定技术。利用Pearson相关性分析的结果，构建了发动机的黑盒模型，选择12个变量作为输入，3个变量作为输出。与传统的基于原理的建模方法不同，基于高斯过程回归的建模技术采用了基于统计学的建模方法，使高精度建模成为可能。研究结果表明，NOx排放预测R2值达到0.999，发动机扭矩预测R2值达1.000，油耗预测R2值可达0.998。本文对发动机在WHSC循环下的性能进行了仿真和优化。优化结果表明，在保持发动机扭矩在可接受范围内的情况下，通过优化标定数据，NOx排放可减少9.052%，油耗可减少4.629%。

关键词

强化学习;离线标定;被控模型;高斯回归

电子U盘全文仅限大会已缴费参会代表下载。

您还没有登录，请您先 点击这里登录