如果您有深度学习工具箱™和统计和机器学习工具箱™,您可以生成一个动态深度学习火花点火(SI)发动机模型,用于动力总成控制、诊断和估计算法设计。例如,拟合深度学习模型测量发动机输出瞬态排放数据,并将其用于后处理控制和诊断算法开发。深度学习SI发动机从测量的实验室数据或高保真发动机模型中模拟发动机的动态行为。
为了训练SI发动机模型的深度学习,Powertrain Blockset™使用了这些SI发动机数据。
输入数据 | 输出数据 |
---|---|
发动机转速 命令转矩 |
制动转矩 进气歧管气压 进气歧管气体温度 燃料流量 进气质量流量 排气歧管进口处的废气温度 涡轮增压器的速度 发动机输出(EO)碳氢化合物(HC)排放质量流量 一氧化碳(CO)排放质量流量 EO排放的一氧化氮和二氧化氮(NOx)排放质量流量 二氧化碳(CO2)排放质量流量 |
要生成深度学习引擎模型,请遵循以下步骤。
如果尚未打开,则打开引用应用程序。
双击生成深度学习引擎模型.生成模型可能需要几个小时。
默认情况下,为了训练深度学习引擎模型,参考应用程序从SI核心引擎块生成实验设计(DoE)响应数据。或者,您可以使用由Powertrain Blockset生成的引擎数据伽马科技有限责任公司发动机模型或其他高保真发动机模型。
查看训练进度窗口以查看迭代或停止训练。
随着培训的进行,Powertrain Blockset将这些数据记录在基础工作空间中。
EngineInputs
- - - - - -米
-by-2引擎输入数组
EngineOutputs
- - - - - -米
引擎输出的-by-11数组
Powertrain Blockset使用一半的数据来训练模型,另一半数据用来测试模型。
生成深度学习SI模型后,查看结果。
对于每个引擎输出,一个图显示SI引擎深度学习模型(Pred)和测试数据(test)。例如,这张图显示了动态发动机输出CO排放质量流量的比较。
仿真数据检查显示SI发动机深度学习模型速度,扭矩命令,燃油质量流量,轴转速。
你可以使用深度学习SI模型,SiDLEngine
作为发动机厂模型在常规汽车和混合动力汽车(HEV)中的参考应用。例如,在常规车辆参考应用中,就建模选项卡,设计节,打开变量管理器。导航到乘用车>引擎。右键单击设置SiDLEngine
作为主动选择。
要适合您自己的深度学习SI引擎模型或调整深度学习训练设置,请使用FitSiEngineLSTM.m
脚本在参考应用程序项目文件夹中。