生成一个深度学习SI引擎模型
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,用于硬件在环(HIL)测试、动力总成控制、诊断和估计算法设计。例如,将深度学习模型拟合到发动机瞬态排放测量数据中,并将其用于后处理控制和诊断算法开发。深度学习SI发动机从测量的实验室数据或高保真发动机模型建模发动机的动态行为。
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 |
---|---|
|
|
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(DoE)响应设计数据。或者,您可以使用由Powertrain Blockset生成的发动机数据伽马科技有限责任公司发动机型号或其他高保真发动机型号。
查看训练进度窗口,查看迭代或停止训练。
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。
回顾测试与训练数据集引擎稳态目标的成对覆盖。
对于每个引擎输入,一个图显示了深度学习模型用来训练自身以匹配输出响应的输入信号。暂态输入稳定,以匹配覆盖图中显示的稳态目标。该模型没有使用油门位置作为深度学习模型的输入,而是使用测量到的进气歧管压力响应。该软件使用物理模型计算进气歧管压力,并将其提供给深度学习模型。
对于四个引擎输出,一个图显示SI引擎深度学习模型(预测-红色)和测试数据(测试-蓝色)。
对于四个引擎输出,直方图显示了深度学习模型预测的响应与引擎实测测试响应之间的SI引擎深度学习模型误差分布。
仿真数据检查器显示经过训练的SI发动机深度学习模型的发动机性能测试结果,该模型在一个由命令发动机转速和发动机扭矩操作点组成的网格上。使用命令与测量扭矩响应的比较来评估深度学习模型对车辆模型的适用性。
网格图显示了深度学习SI发动机模型的准稳态扭矩响应。用这个图来定性地直观地了解发动机的行为是否与真实的物理发动机在稳态运行时一致。
你可以使用深度学习SI模型,
SiDLEngine
,作为发动机工厂的模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,就建模选项卡,设计节,打开变体管理器。导航到客车>发动机。右键单击设置SiDLEngine
作为主动选择。若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。