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)模型用于动力系统控制、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 |
---|---|
发动机转速 命令转矩 |
制动转矩 进气歧管气体压力 进气歧管燃气温度 燃料流量 进入的空气质量流量 废气温度排气歧管入口 涡轮增压器的速度 引擎(EO)烃(HC)排放质量流量 EO一氧化碳(CO)排放质量流量 EO一氧化氮和二氧化氮排放氮氧化物排放质量流量 EO二氧化碳(CO2)排放质量流量 |
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。
训练时,动力系统Blockset日志数据的基本工作空间。
EngineInputs
- - - - - -米
2引擎输入的数组EngineOutputs
- - - - - -米
11引擎输出的数组
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。
对于每个发动机输出功率,一块显示SI引擎深度学习模型(Pred)和测试数据(测试)。例如,这个情节展示了动态的比较引擎CO排放质量流量。
仿真数据检查显示SI引擎深学习模型速度、转矩命令,燃料质量流率和轴的速度。
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。