.png){kind=icon}
返回
Iso-surface sampler: Bayesian optimization-based sampling framework for controlling multi-fuel compression ignition engines
.png){kind=icon}
PRE
AI
DOI：10.1177/14680874261422894.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多年来，发动机不断改进以适应广泛的工作条件并满足各种要求，这导致执行器及其对应控制输入的增加。传统上，通过人工标定开发控制地图来控制发动机。然而，随着工作条件和控制输入数量的增加，这变得具有挑战性。为克服这一问题，提出了基于数据驱动的模型框架，假设存在用于模型开发的数据集。所开发控制器的准确性取决于模型的准确性，而模型的准确性又取决于所使用的数据集。然而，开发覆盖整个工作条件和控制输入范围的大型数据集具有挑战性。本文提出了一种名为等值面采样器（ISS）的采样框架，用于开发输出在期望范围内的数据集，使其适用于控制器开发。该采样框架利用底层系统的知识和贝叶斯优化来构建数据集。通过基于计算流体动力学（CFD）的发动机模型进行实验研究，验证了所提出的ISS框架的有效性。生成了一个涵盖不同燃料特性和发动机速度的数据集。利用该数据集开发了燃烧相位的前馈（FF）控制地图，并使用CFD发动机模型进行验证。采样数据集中有73.4%的点位于期望输出范围内。在FF控制地图的验证过程中，获得了1.78度曲轴转角（CAD）的均方根误差（RMSE），其中63.91%的FF地图位置误差小于1 CAD。
Keyword:
Bayesian optimization
sampling methods
data-driven control
multi-fuel compression ignition engine
combustion phasing control
期刊
IF:
2.1
论文数:
132
被引数:
3.1K
机构
引用论文
暂无论文信息