生成一个深度学习SI引擎模型
如果你有深度学习工具箱™和统计和机器学习工具箱™,你可以生成一个动态深度学习火花点燃式发动机(SI)模型用于半实物(边境)测试、动力总成控制、诊断和估计算法设计。例如,适合深度学习模型来测量引擎瞬态排放数据和用它来再处理控制和诊断算法的发展。深度学习SI引擎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。
训练深度学习SI引擎模型,动力总成Blockset™使用这个SI引擎数据。
| 输入数据 | 输出数据 |
|---|---|
|
|
生成深度学习引擎模型,遵循这些步骤。
如果尚未打开,打开参考应用。
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,训练深度学习引擎模型,参考应用程序生成实验设计(DoE)响应SI核心引擎的数据块。或者,您可以使用引擎由动力Blockset从生成的数据伽马科技有限责任公司发动机模型或其他高保真引擎模型。
查看培训进度窗口看到迭代或停止训练。
动力总成Blockset使用一半的数据训练模型和测试模型的一半。
生成深度学习SI模型后,查看结果。
评估测试和训练数据集的两两叠加发动机稳态目标。
对于每个输入引擎,一块显示输入信号深度学习模型使用训练本身匹配输出响应。瞬态输入稳定与稳态目标覆盖图所示。而不是使用油门位置作为输入深度学习模型,该模型使用测量进气歧管压力响应。软件使用的物理模型计算进气歧管压力和提供深度学习模型。
四个引擎输出,一块显示SI引擎深度学习模型(预测-红色)和测试数据(测试-蓝色)。
四个引擎输出,直方图显示SI引擎深学习模型预测的响应之间的误差分布深度学习模型和测量测试发动机的响应。
仿真数据检查显示一个发动机的性能测试的结果训练SI引擎的深度学习模型的网格吩咐发动机转速和发动机扭矩操作点。使用命令和测量转矩响应比较评估深度学习模型是否适合一个汽车模型。
网格图显示的准恒定转矩响应深度学习SI引擎模型。使用这个情节定性视觉理解发动机的行为是否符合真实的物理引擎在稳态操作。
您可以使用深度学习SI模型,
SiDLEngine,作为一个发动机工厂模型变体在传统汽车和混合动力电动汽车(HEV)参考应用。例如,在传统汽车参考应用,建模选项卡,设计节,打开变体经理。导航到乘用车>引擎。右键单击设置SiDLEngine的主动选择。
适合自己的深度学习SI引擎模型或调整深度学习培训设置,使用
FitSiEngineLSTM.m脚本参考应用程序项目文件夹中。
