Mazda速度迅速Skyactiv技术的下一代发动机开发

挑战

在满足全球严格的排放标准的同时优化Skyactiv发动机的效率

解决方案

使用Si金宝appmulink和基于模型的校准工具箱来加速最佳校准设置,ECU-Embeddable型号和HIL仿真发动机模型的发电和开发

结果

  • 发动机校准工作量最小化
  • 模型复杂性切成两半
  • 模型精度得到改善

“基于模型的校准工具箱不仅使我们能够为SkyActiv-D发动机识别最佳校准设置,它大大降低了所需的工程工作。它产生加速控制逻辑开发的模型,提供了有价值的见解,并使其轻松尝试新的想法。“

马自达哈林哈达
马自达的Skyactiv-D发动机。

SkyActiv技术引擎开发使Mazda能够将不依赖于缩小和瘦燃烧的燃油效率和汽油发动机来商业化。Skyactiv-G是世界上第一个用于批量生产车辆的汽油发动机,以实现压缩比为14.0:1,导致效率和扭矩增加15%。Its diesel counterpart, SKYACTIV-D, has the world’s lowest diesel-engine compression ratio, enabling it to deliver 20% more fuel efficiency while meeting strict exhaust regulations—including Euro6 and automobile exhaust gas regulations in Japan—without using costly exhaust after-treatment that reduces nitrogen oxide (NOx) emission.

马自达工程师依靠Matlab®,S金宝appimulink.®和基于模型的校准工具箱用于发动机控制器设计,验证和校准。

“Skyactiv发动机采用了更加扭矩和改善燃料经济性的硬件进步,”马自达助理经理Shingo Harada说。“基于模型的校准工具箱帮助我们利用了这些进步,提取了更好的燃油效率和较低的排气排放,而不是通过手动,电子表格的校准方法。”

图表显示参数数量的减少,作为最大汽缸压力(PMAX)模型的准确性。

挑战

由于马自达发动机增长了更复杂,因此使用传统方法可以找到最佳校准设置越来越困难。“使用电子表格和测试单元的试验和错误需要广泛的实验时间,使得难以满足送货时间表,”哈拉达说。“更重要的是,即使对于经验丰富的校准工程师,即使对于经验丰富的校准工程师而言,在五个或更多尺寸的搜索空间中找到最佳解决方案,所以我们永远不会确定我们找到了最佳设置。”

马自达希望减少Skyactiv-D的压缩比,以尽量减少烟灰和NOx排放。为了实现这一目标和其他设计目标,工程师需要最大缸压力和废气温度的ECU-Imbeddable统计模型。这些模型的初始版本每个参数每个都有40个参数,并且在ECU上运行太复杂。Mazda需要降低模型复杂性而不会牺牲准确性。

解决方案

Mazda使用了Sim金宝appulink和基于模型的校准工具箱来定义测试计划,开发统计模型,并为SkyActiv-D发动机产生最佳校准。它们使用相同的产品为SkyActiv-下载188bet金宝搏G开发统计模型,并执行发动机控制逻辑的硬件循环(HIL)仿真。

MAZDA采用基于模型的校准工具箱为基于实验设计设计了SkyActiv-D发动机的优化测试计划。该计划仅包括特征发动机性能和发射响应所需的测试点,最大限度地减少测试时间。

在对测试单元进行测试之后,工程师使用基于模型的校准工具箱来导入测量的数据并开发发动机响应的统计模型。

使用基于模型的校准工具箱和基于MATLAB的基于MATLAB的优化界面的校准生成(笼式)工具,团队从发动机模型中产生了最佳校准。

要定义用于仿真,优化和嵌入式模型评估的实际操作区域,它们使用基于模型的校准工具箱来创建边界模型。

使用基于模型的校准工具箱,Mazda工程师产生了嵌入式型号,包括生产Skyactiv-D ECU的最大气缸压力模型。

对于相同的ECU,它们为多个操作点变量的函数产生了总质量的注入燃料。该模型与排气温度模型一起使用,也由基于模型的校准工具箱产生的,以提高燃料质量模型的可靠性和性能。

Skyactiv-D发动机符合严格的欧洲和日本排放标准,并安装在生产车辆中,包括MAZDA CX-5。

在SkyActiv-G发动机上工作的工程师使用基于模型的校准工具箱开发了统计发动机燃料消耗模型。它们将此模型导出为Simulink用于开发,调试和发动机金宝app控制逻辑的模拟。该模型在自动传输燃料消耗模拟中重复使用,进一步降低了模型开发工作。

结果

  • 发动机校准工作量最小化。“通过传统方法,在校准新发动机时获取数据需要大量的测试,”Harada说。“通过基于模型的校准工具箱,我们重用现有数据并模拟响应,使我们能够最小化工作负载以获得测试数据和测试单元使用。”

  • 模型复杂性切成两半。“我们的初始嵌入式最大气缸压力模型具有38个参数。采用基于模型的校准工具箱,我们将该号码减少到20,这反过来减少了CPU的负载,“Harada Notes。“同样,工具箱使我们使我们的排气温度模型中的参数数量从约40到20减少,同时保持相同的精度水平。”

  • 模型精度得到改善。“使用采用基于模型的校准工具箱创建的边界模型,我们提高了我们的烟雾模型的准确性,并将其根均衡误差(RMSE)降低了80%,”Harada说。

下载188bet金宝搏使用的产品

展示你的成功

加入客户参考计划