执行引擎映射实验

评估发动机扭矩、燃料流量和排放性能结果使用现有的发动机控制器校准。

测功机控制器命令一系列发动机速度和扭矩的发动机控制器。在每个准稳态操作点,实验记录发动机工厂模型输出和控制器命令当前校准参数。

执行模型预测控制植物模型实验

线性植物产生瞬态发动机数据集模型用于模型预测控制器。

测功机控制器命令发动机转速和转矩动态作为时间的函数使用一个伪随机二进制序列。实验记录瞬态发动机扭矩、温度、气流和发射响应从线性动态确定植物通过系统辨识模型拟合。

调整控制器

比赛引擎扭矩测量吩咐发动机扭矩在引擎运行范围。

测功机控制器生成一个前馈节流表通过匹配吩咐发动机扭矩的测量发动机扭矩在发动机工作范围。

调整发动机和调整控制器

匹配发动机扭矩所需的发动机功率和缸数。

测功器动态调整大小发动机和发动机标定参数。此外,测力计重新校准控制器和映射引擎模型匹配大小动态引擎。

例如,看到的调整SI引擎。

从电子表格生成映射引擎

生成的映射引擎校准数据表格。更新映射引擎的校准数据。

测功器使用基于模型的标定工具箱™适合电子表格的数据,生成校准表,更新映射引擎参数。

例如,看到的从电子表格生成映射SI引擎。

生成深度学习引擎模型

火车深学习模型的动态引擎行为从实验室测量数据或高保真引擎模型。

测功器使用深度学习工具箱™和统计和机器学习工具箱™来生成一个动态深度学习引擎模型和更新映射引擎参数。

例如,看到的生成一个深度学习SI引擎模型。