Anwenderberichte.

马自达加速SKYACTIV技术的下一代发动机开发

挑战

在全球严格的排放标准时,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-IMBEDDABLE模型和发动机模型的发电和开发,用于HIL仿真

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确定SKYACTIV-D发动机的最佳校准设置,而且大大减少了工程所需的工作量。它生成的模型加速了控制逻辑的发展,提供了有价值的见解,并使尝试新想法变得容易。”

香取Harada马自达
马自达的SKYACTIV-D引擎。

Skyactiv技术引擎开发使Mazda能够将燃油效率和汽油发动机商业化,这些柴油和汽油发动机不依赖缩小和瘦燃烧。Skyactiv-G是全球首款汽油发动机,用于达到压缩比为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.

马自达的工程师依赖于MATLAB®,s金宝appimulink.®以及基于模型的校准工具箱用于发动机控制器的设计、验证和校准。

“Skyactiv引擎包括提供更多扭矩和提高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这些进步,提取更好的燃油效率和较低的排气排放,而不是可以使用手动,电子表格的校准方法。”

图显示减少
图表显示参数数量的减少,作为最大汽缸压力的准确性(PMAX)模型的提高。

挑战

随着马自达发动机变得越来越复杂,使用传统方法找到最佳校准设置变得越来越困难。Harada表示:“使用电子表格和测试单元进行反复试验需要大量的实验室时间,因此很难满足交付计划。“更重要的是,即使是经验丰富的校准工程师,也很难在五维或五维以上的搜索空间中找到最佳解决方案,所以我们永远无法确定我们找到了可能的最佳设置。”

马自达希望降低skyactive - d的压缩比,以最大限度地减少烟尘和氮氧化物的排放。为了实现这一目标和其他设计目标,工程师需要可嵌入ecu的最大气缸压力和排气温度统计模型。这些模型的初始版本每个都有40个参数,而且过于复杂,无法在ECU上运行。马自达需要在不牺牲精度的前提下降低车型的复杂性。

解决方案

马自达使用Simuli金宝appnk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skyactid引擎生成最佳校准。他们使用相同的产品为SKYACTIV-下载188bet金宝搏G开发了统计模型,并对发动机控制逻辑进行了半实物(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。

在测试单元上进行测试后,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在内部开发的MATLAB基于优化界面中的校准生成(笼式)工具,团队从发动机模型中产生最佳校准。

为了为仿真、优化和嵌入式模型评估定义一个真实的操作区域,他们使用基于模型的校准工具箱创建边界模型。

采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,它们作为多功能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。

SKYACTIV-G发动机的工程师使用基于模型的校准工具箱开发了一个统计发动机油耗模型。他们将该模型导出到Simulink,用于发动机控制逻辑的金宝app开发、调试和HIL仿真。该模型在自动变速箱燃油消耗仿真中重复使用,进一步减少了模型开发的工作量。

结果

  • 发动机校准工作量最小化.Harada说:“使用传统方法,在校准新引擎时获取数据需要进行大量测试。“使用基于模型的校准工具箱,我们重用了现有的数据并模拟了响应,这使我们能够最小化获取测试数据和测试单元使用的工作量。”

  • 模型复杂性切成两半.“我们最初的嵌入式最大气缸压力模型有38个参数。使用基于模型的校准工具箱,我们将这个数字减少到20,这反过来降低了CPU的负载,”Harada说。“同样,这个工具箱使我们能够将废气温度模型中的参数数量从大约40个减少到20个,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

请您访问über我想了解一下这个项目

制定客户参考方案