如果您有深度学习工具箱™和统计和机器学习工具箱™,您可以生成一个动态深度学习火花点火(SI)发动机模型,用于动力系统控制、诊断和估计算法设计。例如,将深度学习模型拟合到测量的发动机熄火瞬态排放数据中,并将其用于后处理控制和诊断算法开发。深度学习SI引擎根据测量的实验室数据或高保真引擎模型对发动机的动态行为进行建模。
为了训练深度学习SI引擎模型,Powertrain Blockset™使用这些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 进气歧管气体温度 燃料流量 进气质量流量 排气歧管入口的废气温度 涡轮增压器的速度 发动机输出(EO)碳氢化合物(HC)排放质量流 EO一氧化碳(CO)发射质量流 EO排放一氧化氮和二氧化氮(NOx)的质量流量 EO二氧化碳(CO2)排放质量流量 |
要生成深度学习引擎模型,请遵循以下步骤。
如果还没有打开,请打开引用应用程序。
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,为了训练深度学习引擎模型,参考应用程序从SI核心引擎块生成实验设计(DoE)响应数据。或者,您也可以使用Powertrain Blockset生成的引擎数据伽马技术有限责任公司引擎模型或其他高保真引擎模型。
查看训练进度窗口,查看迭代或停止训练。
在训练运行时,Powertrain Blockset将此数据记录在基本工作空间中。
EngineInputs
- - - - - -米
引擎输入的-by-2数组
EngineOutputs
- - - - - -米
引擎输出的-by-11数组
Powertrain Blockset使用一半的数据来训练模型,另一半用于测试模型。
生成深度学习SI模型后,查看结果。
对于每个引擎输出,一个图表显示SI引擎深度学习模型(Pred)和测试数据(test)。例如,这张图显示了发动机动态CO排放质量流的比较。
仿真数据检查器显示SI发动机深度学习模型的速度、扭矩命令、燃料质量流量和轴转速。
你可以使用深度学习SI模型,SiDLEngine
,作为发动机厂的车型变体在传统汽车和混合动力电动汽车(HEV)的参考应用。例如,在传统的车辆参考应用中,对建模选项卡,在设计,打开变体管理器。导航到客车>引擎。右击设置SiDLEngine
作为主动选择。
要适合您自己的深度学习SI引擎模型或调整深度学习训练设置,请使用FitSiEngineLSTM.m
参考应用程序项目文件夹中的脚本。