【技術實現步驟摘要】
本專利技術實施例涉及渦前排溫預測，尤其涉及一種渦前排溫預測方法及裝置。
技術介紹
1、渦前排溫通常是排溫控制、燃燒開發控制、增壓器匹配及監控、基于模型的空氣系統控制(model?based?charge?contro，mcc)的關鍵參數。現有的渦前排溫測量和監控方案有兩種：一.通過高響應的熱電偶溫度傳感器實現，但該方案的成本高，不宜推廣應用；二.通過模型來預測渦前排溫，但現有預測模型均是基于正常情況的預測模型，無法處理故障模式以及系統老化對測渦前排溫的影響。
2、以上問題亟待解決。
技術實現思路
1、為解決相關技術問題，本專利技術提供一種渦前排溫預測方法及裝置，來解決以上
技術介紹
部分提到的問題。
2、為實現上述目的，本專利技術實施例采用如下技術方案：
3、第一方面，本專利技術實施例提供了一種渦前排溫預測方法，該方法包括：
4、建立正常模式下的渦前排溫預測模型；
5、建立故障模式下的渦前排溫預測模型；
6、判斷當前模式是正常模式或故障模式；
7、在所述判斷結果為正常模式時，采用所述正常模式下的渦前排溫預測模型預測渦前排溫；
8、在所述判斷結果為故障模式時，采用所述故障模式下的渦前排溫預測模型預測渦前排溫。
9、作為一種可選的實施方式，所述建立正常模式下的渦前排溫預測模型，包括：建立正常模式下短里程、中里程、長里程的渦前排溫預測融合模型。
10、作為一種可選的實施方式
11、作為一種可選的實施方式，所述建立正常模式下的渦前排溫預測模型，包括：
12、建立渦前排溫預測的第一基準模型；
13、建立正常模式的老化修正模型。
14、作為一種可選的實施方式，所述建立故障模式下的渦前排溫預測模型，包括：
15、建立渦前排溫預測的第二基準模型；
16、建立故障模式的老化修正模型。
17、作為一種可選的實施方式，所述建立正常模式下短里程、中里程、長里程的渦前排溫預測融合模型，具體包括：
18、基于增壓器渦輪能量方程和短時記憶神經網絡建立正常模式下短里程、中里程、長里程的渦前排溫預測融合模型。
19、作為一種可選的實施方式，所述建立故障模式下短里程、中里程、長里程的渦前排溫預測融合模型，具體包括：
20、基于增壓器渦輪能量方程和短時記憶神經網絡建立故障模式下短里程、中里程、長里程的渦前排溫預測融合模型。
21、作為一種可選的實施方式，所述正常模式下短里程、中里程、長里程的渦前排溫預測融合模型與故障模式下短里程、中里程、長里程的渦前排溫預測融合模型集成在t-box中。
22、作為一種可選的實施方式，所述t-box與云平臺進行數據交互，基于若干臺車的數據，對渦前排溫預測融合模型進行優化。
23、第二方面，本專利技術實施例提供了一種渦前排溫預測裝置，該裝置采用上述第一方面實施例任一項所述的渦前排溫預測方法，包括：
24、正常模式預測模塊，用于建立正常模式下的渦前排溫預測模型；
25、故障模式預測模塊，用于建立故障模式下的渦前排溫預測模型；
26、模式選擇模塊，用于判斷當前模式是正常模式或故障模式；在所述判斷結果為正常模式時，選擇所述正常模式下的渦前排溫預測模型預測渦前排溫；在所述判斷結果為故障模式時，選擇所述故障模式下的渦前排溫預測模型預測渦前排溫。
27、本專利技術實施例提出的技術方案解決了現有渦前排溫預測方案存在的不足，對正常模式和故障模式下的短里程、中里程及長里程分別建立相應的渦前排溫預測融合模型，顯著提高了預測精度；渦前排溫預測融合模型預測算法集成在t-box中便于實時輸出到ecu，參與或輔助排溫等控制；同時t-box與云平臺進行數據交互，基于若干臺車的數據，對渦前排溫預測融合模型進行不斷優化，提高其精度和魯棒性。
本文檔來自技高網...【技術保護點】
1.一種渦前排溫預測方法，其特征在于，該方法包括：
2.根據權利要求1所述的渦前排溫預測方法，其特征在于，所述建立正常模式下的渦前排溫預測模型，包括：建立正常模式下短里程、中里程、長里程的渦前排溫預測融合模型。
3.根據權利要求1所述的渦前排溫預測方法，其特征在于，所述建立故障模式下的渦前排溫預測模型，包括：建立故障模式下短里程、中里程、長里程的渦前排溫預測融合模型。
4.根據權利要求1所述的渦前排溫預測方法，其特征在于，所述建立正常模式下的渦前排溫預測模型，包括：
5.根據權利要求1所述的渦前排溫預測方法，其特征在于，所述建立故障模式下的渦前排溫預測模型，包括：
6.根據權利要求2所述的渦前排溫預測方法，其特征在于，所述建立正常模式下短里程、中里程、長里程的渦前排溫預測融合模型，具體包括：
7.根據權利要求3所述的渦前排溫預測方法，其特征在于，所述建立故障模式下短里程、中里程、長里程的渦前排溫預測融合模型，具體包括：
8.根據權利要求7所述的渦前排溫預測方法，其特征在于，所述正常模式下短里程、中
9.根據權利要求8所述的渦前排溫預測方法，其特征在于，，所述T-BOX與云平臺進行數據交互，基于若干臺車的數據，對渦前排溫預測融合模型進行優化。
10.一種渦前排溫預測裝置，其特征在于，該裝置采用權利要求1至9任一項所述的渦前排溫預測方法，包括：
...【技術特征摘要】
1.一種渦前排溫預測方法，其特征在于，該方法包括：
2.根據權利要求1所述的渦前排溫預測方法，其特征在于，所述建立正常模式下的渦前排溫預測模型，包括：建立正常模式下短里程、中里程、長里程的渦前排溫預測融合模型。
3.根據權利要求1所述的渦前排溫預測方法，其特征在于，所述建立故障模式下的渦前排溫預測模型，包括：建立故障模式下短里程、中里程、長里程的渦前排溫預測融合模型。
4.根據權利要求1所述的渦前排溫預測方法，其特征在于，所述建立正常模式下的渦前排溫預測模型，包括：
5.根據權利要求1所述的渦前排溫預測方法，其特征在于，所述建立故障模式下的渦前排溫預測模型，包括：
6.根據權利要求2所述的渦前排溫預測方法，其特征在于，所...
【專利技術屬性】
技術研發人員：楊瑜，朱昊罡，鄧康，李濤，
申請(專利權)人：江蘇沃開汽車技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。