一种装甲车辆动力性与发动机运行MAP图匹配系统及方法技术方案

一种装甲车辆动力性与发动机运行MAP图匹配的系统及方法,属于人工智能技术领域。方法包括：基于装甲车辆各典型工况发动机的油耗、转速、扭矩、功率绘制发动机的运行MAP图；根据装甲车辆发动机运行MAP图构建装甲车辆的整车模型；发动机最佳外特性线获取模块基于装甲车辆的整车模型，优化装甲车辆各挡位下的传动比，使装甲车辆各典型工况下发动机的功率或扭矩最佳，获得发动机最佳外特性线。本发明专利技术能够快速准确地确定发动机额定参数。快速准确地确定发动机额定参数。快速准确地确定发动机额定参数。

【技术实现步骤摘要】
一种装甲车辆动力性与发动机运行MAP图匹配系统及方法


[0001]本专利技术提供一种装甲车辆动力性与发动机运行MAP图匹配的系统及方法，属于人工智能


技术介绍

[0002]装甲车辆开发过程中，整车动力性能与发动机的匹配是一件关键且困难的工作。传统的匹配过程是先根据车辆的使用需求，直接选用某型发动机，然后再对车辆动力性与发动机进行匹配。但是这种方法耗时长，成本高，第一，选用一台满足车辆使用需求的发动机是一件困难的事情，这个过程常采用试错的方法，并且十分依赖于工程师傅的经验；第二，选用的发动机虽然在某些工况下满足整车驱动功率需求，但是偏离高效区运行。

技术实现思路

[0003]本专利技术提供一种装甲车辆动力性与发动机运行MAP图匹配的系统及方法，其能快速准确地确定发动机额定参数。
[0004]为实现所述专利技术目的，本专利技术一方面提供一种装甲车辆动力性与发动机运行MAP图匹配方法,其包括：确定每个作战场景下所需达到的各路况下车辆行驶性能，所述车辆行驶性能包括车速；确定满足装甲车辆作战需求下发动机的功率、扭矩及油耗；根据所需要的车速通过第一深度神经网络调整发动机的功率、转速、扭矩、油耗；根据基于装甲车辆各典型工况发动机的油耗、转速、扭矩、功率绘制发动机的运行MAP图；根据装甲车辆发动机运行MAP图构建装甲车辆的整车模型；发动机最佳外特性线获取模块基于装甲车辆的整车模型，优化装甲车辆各挡位下的传动比，使装甲车辆各典型工况下发动机的功率或扭矩最佳，获得发动机最佳外特性线。
[0005]为实现所述专利技术目的，本专利技术另一方面提供一种装甲车辆动力性与发动机运行MAP图匹配的系统,其包括行驶性能指标确定单元、发动机参数确定单元和处理器，其中，行驶性能指标确定单元被配置为确定每个作战场景下所需达到的各路况下车辆行驶性能，所述车辆行驶性能包括车速；发动机参数确定单元被配置为确定满足装甲车辆作战需求下发动机的功率、扭矩及油耗；处理器包第一深度神经网络、发动机运行MAP图绘制模块、装甲车辆整车模型和发动机最佳外特性线获取模块，深度神经网络被配置为根据所需要的车速调整发动机的功率、转速、扭矩、油耗；所述发动机运行MAP图绘制模块根据基于装甲车辆各典型工况发动机的油耗、转速、扭矩、功率，绘制发动机的运行MAP图；装甲车辆整车模型被配置为根据装甲车辆发动机运行MAP图构建装甲车辆的整车模型；发动机最佳外特性线获取模块基于装甲车辆的整车模型，优化装甲车辆各挡位下的传动比，使装甲车辆各典型工况下发动机的功率或扭矩最佳，获得发动机最佳外特性线。
[0006]为实现所述专利技术目的，本专利技术另一方面还提供一种装甲车辆动力性与发动机运行MAP图匹配方法,其包括：确定每个作战场景下所需达到的各路况下车辆行驶性能，所述车辆行驶性能包括车速；确定满足装甲车辆作战需求下发动机的功率、扭矩及油耗；根据所需
要的车速通过第一深度神经网络调整发动机的功率、转速、扭矩、油耗；根据基于装甲车辆各典型工况发动机的油耗、转速、扭矩、功率绘制发动机的运行MAP图；根据装甲车辆发动机运行MAP图构建装甲车辆的整车模型；发动机最佳外特性线获取模块基于装甲车辆的整车模型，优化装甲车辆各挡位下的传动比，使装甲车辆各典型工况下发动机的功率或扭矩最佳，获得发动机最佳外特性线
[0007]优选地，第一深度神经网络包括第一输入层、第一隐含层和第一输出层，所述第一输入层包括两个神经元，分别输入装甲车辆车速v和挡位传动比i；第一输出层包括四个神经元，分别输出发动机的功率P、转速n、扭矩T、油耗b；第一隐含层至少包括函数层和调整层，函数层的函数关系包括：
[0008][0009][0010][0011][0012]式中，η为的装甲车的效率，P
z
为阻力功率；ρ为燃油密度(kg/L)；g为重力加速度；G
s
为装甲车辆的行驶性能中百公里油耗；k
p
、k
n
、k
T
和k
b
为可调系数；G为装甲车辆的重量、f为地面变形阻力系数、d为装甲车辆主动轮的直径
[0013]调整层用对可调系数进行调整以使装甲车辆在作战场景下的多种典型工况达到最大速度行驶时，所需的功率在达到发动机的额定功率、额定转速、额定扭矩，式中θ表示k
p
、k
n
、k
T
和k
b
任一量，J(θ)表示优化的损失函数，δ表示学习次数。
[0014]优选地，多种典型工况包括爬坡工况和全速工况。
[0015]优选地，装甲车辆的整车模型包括第二深度学习神经网络，第二深度学习神经网络包括第二输入层、第二隐藏层、第二输出层，所述第二输入层包括三个神经元，分别输入发动机的有效扭矩、有效油耗以及有效功率；输出层输出传动比；隐含层采用响应函数来拟合输出层神经元和输入层各神经元的函数关系，当响应函数的相关性系数过大时，保持输入层的节点数不变，以步长1逐次增加隐藏层节点数使相关性系数减小，当响应函数的相关性系数过小时，以步长1逐次减小隐藏层节点数使相关性系数增大。
[0016]优选地，i(T
i
,P
i
,b
i
)＝α
T
·
i
T
(T
i
)+α
p
·
i
P
(P
i
)+α
b
·
i
b
(b
i
)
[0017]式中，T
i
为有效扭矩，为有效功率，b
i
为有效油耗，α
T
、α
p
、α
b
为加权系数；i
T
(T
i
)为传动比i随有效扭矩T
i
变化的函数关系，i
P
(P
i
)为传动比i随有效功率P
i
变化的函数关系，i
b
(b
i
))为传动比i随有效有效油耗b
i
变化的函数关系。
[0018]与现有技术相比，本专利技术提供的装甲车辆动力性与发动机运行MAP图匹配的系统及方法可达到如下有益效果：快速准确地确定发动机额定参数，解决装甲车辆整车与发动
机匹配过程中难以准确快速确定一款发动机的问题，解决装甲车辆整车与发动机匹配过程中，选定的车辆某些工况发动机没有在高效区运行的问题。
附图说明
[0019]图1是本专利技术提供的装甲车辆动力性与发动机运行MAP图匹配方法流程图。
具体实施方式
[0020]为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。
[0021]本专利技术中，术语
“”
、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种装甲车辆动力性与发动机运行MAP图匹配方法,其特征在于，包括：确定每个作战场景下所需达到的各路况下车辆行驶性能指标，所述车辆行驶性能指标包括车速；确定满足装甲车辆作战需求下发动机的功率、转速、扭矩及油耗，并根据所需要的车速通过第一深度神经网络调整发动机的功率、转速、扭矩、油耗；根据基于装甲车辆各典型工况发动机的油耗、转速、扭矩、功率绘制发动机的运行MAP图；根据装甲车辆发动机运行MAP图构建装甲车辆的整车模型；基于装甲车辆的整车模型，优化装甲车辆各挡位下的传动比，使装甲车辆各典型工况下发动机的功率或扭矩最佳，获得发动机最佳外特性线。2.根据权利要求1所述的方法,其特征在于，第一深度神经网络包括第一输入层、第一隐含层和第一输出层，所述第一输入层包括两个神经元，分别输入装甲车辆车速v和挡位传动比i；第一输出层包括四个神经元，分别输出发动机的功率P、转速n、扭矩T、油耗b；第一隐含层至少包括函数层和调整层，函数层的函数关系包括：含层至少包括函数层和调整层，函数层的函数关系包括：含层至少包括函数层和调整层，函数层的函数关系包括：含层至少包括函数层和调整层，函数层的函数关系包括：式中，η为的装甲车的效率，P
z
为阻力功率；ρ为燃油密度(kg/L)；g为重力加速度；G
s
为装甲车辆的行驶性能中百公里油耗；k
p
、k
n
、k
T
和K
b
为可调系数；G为装甲车辆的重量、f为地面变形阻力系数、d为装甲车辆主动轮的直径；调整层用对可调系数进行调整以使装甲车辆在作战场景下的多种典型工况达到最大速度行驶时，所需的功率在达到发动机的额定功率、额定转速、额定扭矩，式中θ表示k
p
、k
n
、k
T
和k
b
任一量，J(θ)表示优化的损失函数，δ表示学习次数。3.根据权利要求2所述的方法,其特征在于，多种典型工况包括爬坡工况和全速工况。4.根据权利要求3所述的方法,其特征在于，装甲车辆的整车模型包括第二深度学习神经网络，第二深度学习神经网络包括第二输入层、第二隐藏层和第二输出层，所述第二输入层包括三个神经元，分别输入发动机的有效扭矩、有效油耗以及有效功率；输出层输出传动比；隐含层采用响应函数来拟合输出层神经元和输入层各神经元的函数关系，当响应函数的相关性系数过大时，保持输入层的节点数不变，以步长1逐次增加隐藏层节点数使相关性系数减小，当响应函数的相关性系数过小时，以步长1逐次减小隐藏层节点数使相关性系数增大。5.根据权利要求4所述的方法,其特征在于，响应函数如下：i(T
i
,P
i
,b
i
)＝α
T
·
T
i
+α
p
·
P
i
+α
b
·
b
i
式中，T
i
为有效扭矩，P
i
为有效功率，b
i
为有效油耗，α
T
、α
p
、α
b
为加权系数。6.一种装甲车辆动力性与发动机运行MAP图匹配的系统,其特征在于，包括行驶性能指标确定单元、发动机参数确定单元和处理器，其中，行驶性能指标确定单元被配置为确定每个作战场景下所需达到的各路况下车辆行驶性能，所述车辆行驶性能包括车速；发动机参数确定单元被配置为确定满足装甲车辆作战需求下发动机的功率、扭矩及油耗；处理器包第一深度神经网络、发动机运行MAP图绘制模块、装甲车辆整车模型和发动机最佳外特性线...

【专利技术属性】
技术研发人员：刘丽芳，刘洋，沈宏继，蔡磊，
申请(专利权)人：中国人民解放军六三九六三部队，
类型：发明
国别省市：