System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于贝叶斯优化的柴油车后处理系统模型参数标定方法技术方案_技高网
当前位置: 首页 > 专利查询>吉林大学专利>正文

基于贝叶斯优化的柴油车后处理系统模型参数标定方法技术方案

技术编号:41128176 阅读:2 留言:0更新日期:2024-04-30 17:56
一种基于贝叶斯优化的柴油车后处理系统模型参数标定方法,属于汽车后处理系统建模技术领域。本发明专利技术的目的是使用一种扩展的贝叶斯优化算法BTAO,进行有限元法后处理系统模型参数标定任务的基于贝叶斯优化的柴油车后处理系统模型参数标定方法。本发明专利技术首先确定小代理模型及大代理模型基本结构,再生成超参数集,初步构建代理模型,最后通过采集函数不断测试新参数组合并更新代理模型。本发明专利技术故障诊断相较于传统方法更为容易,通过误差随多核模型运行次数变化曲线即可判断参数选取及上下限取值是否合理,大大减少了人为工作量。

【技术实现步骤摘要】

本专利技术属于汽车后处理系统建模。


技术介绍

1、汽车后处理系统如:柴油机氧化型催化器(diesel oxidation catalyst,doc)、柴油颗粒过滤器(diesel particulate filter,dpf)、选择性催化还原(selectivecatalytic reduction,scr)等均是涉及化学反应、热力学及流体力学的无穷维系统,然而受限于当前的技术能力,我们尚无法建立无限维度的数学模型,工程上常采用有限元法,将系统看作沿轴向分布的多个单元(核)。

2、为了尽可能提升模型的仿真效果,模型的核数一般设计的很高,这就导致其单次运行时间长,计算成本高。同时,不同型号的后处理系统在长度、体积、适用温度区间、适用排气流量区间等属性均不相同。若要使模型适用于不同型号的系统,就必须进行参数标定的工作。

3、以往的参数标定方法如非线性最小二乘、智能优化算法都需要使模型运行几千甚至上万次,而且单次计算的收益低。同时还存在着算法早熟、陷入局部最优值等问题。总体上,使用传统算法标定后处理系统模型时间成本高,而且未必取得预期的效果。基于以上原因,后处理系统高精度仿真模型的快捷参数标定方法已然成为了相关行业的需求。


技术实现思路

1、本专利技术的目的是使用一种扩展的贝叶斯优化算法btao(bayesian truncatedadditive gaussian process optimization),进行有限元法后处理系统模型参数标定任务的基于贝叶斯优化的柴油车后处理系统模型参数标定方法。

2、本专利技术的步骤是:

3、s1、确定小代理模型及大代理模型基本结构

4、代理模型表示如下:

5、

6、其中i为示性函数,fl(·)是一个高斯过程,δ(·)是一个与fl(·)独立的截断高斯过程,μ和σ为高斯过程的均值和方差;[δ1,δ2]是δ(·)的截断区间,且已知;ψ=(ψ1,…,ψd)为计算协方差矩阵的核函数κψ(·,·)的参数;

7、高斯核函数如下:

8、

9、其中d为待辨识参数的个数,x为具体某一个参数,使用ξ表示上述公式中出现的未知数,即如果令式(1)中0<ρ≤1,δ2∈[-∞,0],则

10、s2、生成超参数集,初步构建代理模型

11、s21、使用嵌套拉丁超立方体设计产生初始点

12、设分别为大代理模型和小代理模型的初始点,其中的每个元素都是一种待辨识参数组合,且n=sn1,s>1;令zn={1,2,…,n}表示从1到n的连续正整数集合;

13、使用nlhd为大模型生成n个初始点,小模型生成n1个初始点的步骤如下:

14、(a):对每个维度i在集合上产生一个随机置换π;

15、(b):在udis[(πj-1)s+1,πjs]上产生随机置换其中udis[a,b]表示离散空间{a,a+1,…,b-1,b},a≤b上的均匀分布;

16、(c):在集合zn\πa上产生随机置换πb,矩阵p第i个列向量为p.i={πa,πb};

17、(d):从均匀分布u[0,1]中产生n×d个随机数构成n×d的矩阵v,用矩阵元素运算得则矩阵xl的前n1行为xn;

18、s22、初步构建代理模型

19、在对应模型上的代价函数响应序列分别为:一般为少核模型、多核模型输出值与真实值之间的均方误差序列。为构建代理模型,需要确定μ、σ2、ψ;得到fl、fh的对数似然函数为:

20、

21、其中是的相关系数矩阵,1n是元素都为1的n维列向量;为fl的相关系数矩阵;

22、最大化式(3),得到μl和的极大似然估计值为

23、

24、将和带入式(3)再用数值优化算法得的极大似然估计值并记

25、大代理模型参数基于得出:

26、

27、

28、其中是δ(x)和δ相关系数向量,尺度参数为

29、s3、通过采集函数不断测试新参数组合并更新代理模型

30、定义非充分训练模型的采集函数为如下形式

31、

32、定义充分训练模型的采集函数为

33、

34、其中βn=0.2dlog(2n);

35、通过最大化il(x)和ih(x)产生下一个设计点:

36、

37、更新大小代理模型的步骤如下:

38、(a):人为定义内层循环数s,外层循环数nmax;

39、(b):每次外层循环开始,先进入内层循环,通过式(6)为小模型寻找新的设计点位置,再通过式(3)、(4)更新小代理模型,重复s次,退出内层循环;

40、(c):通过式(7)为大代理模型寻找新的设计点位置,再通过式(5)更新大代理模型;

41、(d)重复步骤(b)、(c)nmax次,最终取得

42、本专利技术模型参数标定任务的单次计算收益、算法全局寻优性能相较于传统的标定方法均有较大提升,同时减少了计算耗时。故障诊断相较于传统方法更为容易,通过误差随多核模型运行次数变化曲线即可判断参数选取及上下限取值是否合理,大大减少了人为工作量。

本文档来自技高网...

【技术保护点】

1.一种基于贝叶斯优化的柴油车后处理系统模型参数标定方法,其特征在于:其步骤是:

【技术特征摘要】

1.一种基于贝叶斯优化的柴油车后处理系统...

【专利技术属性】
技术研发人员:胡云峰范泽川孙耀杜家坤麻斌宫洵陈虹
申请(专利权)人:吉林大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1