بهبود روش شناسایی موتور احتراق داخلی با هدف بهره‌‌گیری در نگاشت الگوی پایه

نویسندگان

شرکت تحقیق، طراحی و تولید موتور ایران خودرو (ایپکو

چکیده

نگاشت موتورهای احتراق داخلی پیشرفته بسیار پیچیده ‌است و نیاز به‌صرف زمان و هزینه هنگفت بر روی بستر آزمون دارد. پیچیدگی این امر نه فقط به دلیل تعداد زیاد متغیرهای نگاشت، بلکه به‌دلیل بهینه‌سازی همزمان مصرف سوخت و انتشار آلاینده است. این امر اساساً نگاشت را به مسأله بهینه­ سازی چند­منظوره تبدیل می­کند. علاوه براین، با افزایش تعداد متغیرهای تنظیمی، امکان نگاشت موتور، تنها با استفاده از بستر آزمون عملاً غیرممکن است؛ درنتیجه در این مقاله توسعه روش­های نگاشت الگوی پایه با هدف دستیابی کامل به رفتار و درجات آزادی موتور احتراق داخلی به‌منظور کاهش زمان و هزینه نگاشت، بهبود دقت بهینه‌سازی و درنهایت بهبود راهبرد پایشی ارائه شده‌ است. در راستای شناسایی الگو­های احتراق، جعبه ابزار الگو­سازی به کمک روش­های شناسایی هوشمند، توسعه یافته‌است و در راستای داده‌برداری بهینه، روش‌های طراحی آزمایش بررسی و متناسب با مساله پیش‌رو، روش مناسب با هدف پوشش سراسری و با کم‌ترین تعداد داده، انتخاب شده‌ است. در این تحقیق، مطالعه برروی موتور ملی EF7 موجود در اتاق آزمون شرکت ایپکو انجام شده‌ است و نشان داده‌شد که به کمک طراحی آزمون پیشرفته به روش سوبل و الگوسازی با بهره‌گیری از شبکه‌ عصبی عمیق، می‌توان تعداد داده‌های آزمایشگاهی مورد نیاز را از 5500 داده به 1500 داده کاهش داد. درنهایت برای تعیین بهینه متغیرهای تنظیمی، الگو آموزش‌دیده، جایگزین موتور واقعی گردیده ‌است.

کلیدواژه‌ها


عنوان مقاله [English]

Improving identification of combustion engine to use in model-based calibration

نویسندگان [English]

  • S Soltanalizadeh
  • V Esfahaniyan
  • M Haeri Yazdi
  • S Alizadehnia
چکیده [English]

The calibration of modern internal combustion engines is complex and requires a lot of time and cost on the test bench. A large number of calibration parameters and a tradeoff between fuel consumption and emissions make calibration a complex multi-objective optimization problem. The purpose of this article is the development of calibration and model-based optimization techniques for internal combustion engines to reduce calibration time and cost and improve optimization accuracy. This paper focuses on empirical modeling of engines and optimization concerning emissions standards and fuel consumption. To identify the combustion models, a modeling toolbox is developed with an intelligent identification method. To optimize the data collection, the design of experiment methods is reviewed and appropriate methods are selected to collect information with the minimum data from all over the design space. Finally, a study is performed on the EF7 engine in the test room of IPCO and it is shown that the number of experimental data is reduced from 5500 data to 1500 data with the help of the design of experiment by Sobol method and modeling by a deep neural network. so, the virtual engine can replace the real engine in the calibration process.

کلیدواژه‌ها [English]

  • Model-based calibration
  • Multi-objective optimization
  • Intelligent identification
  • Test bench
  • Design of experiment
دوره 63، شماره 63 - شماره پیاپی 63
مقالات برتر سومین همایش ملی موتورهای درونسوز
تیر 1400
صفحه 23-34
  • تاریخ دریافت: 06 آذر 1401
  • تاریخ بازنگری: 15 اسفند 1402
  • تاریخ پذیرش: 06 آذر 1401