利用灵敏度分析为燃油经济性优化动力系统的设计

如果你最近购买一辆新车,你可能看到过这样的贴纸在汽车展厅:

在美国它叫做Monroney贴纸。汽车制造商必须显示在所有新车以便客户知道他们可以期待什么样的里程。燃油经济性汽车购买者不仅是一个重要因素;环境监管机构也是一个严重的问题,是谁提出未来几年标准旨在增加油耗。

除了这个问题外,一些汽车制造商最近被消费者起诉发布Monroney贴纸的燃油经济性的数字不准确地反映“真实的驾驶。“真实的燃油经济性之间的差异和Monroney标签号码在过去的几年中显著增加。这是因为今天的控制系统在预定义的场景中表现得非常好用于Monroney里程估计。然而,当汽车在现实条件下,如以更快的速度在高速公路上,燃料消耗可以从贴纸数量不同。你可以想象一下,有很多汽车制造商的兴趣了解工程决策可以减少可变性在实际燃油经济性,使控制系统更加健壮的驾驶环境的变化。

因此,工程师被要求理解哪些参数产生最大的影响在其控制系统的行为和他们的车辆的燃料效率。在本文中,我们将描述一个交互式工作流,使用蒙特卡罗模拟和敏感性分析来确定哪些组件在一辆车的动力系统对燃油经济性的影响最大。通过识别这些组件,我们可以采取措施,调整设计,以减少燃料消耗或使控制系统更加健壮的变化在这些组件的参数来满足所需的燃油经济性价值观。

工作流模型是基于灵敏度分析工具设计优化™。万博1manbetx我们将考虑乘用车与传统的汽油发动机,并将考虑驾驶在高速公路上的差异和城市。而本文主要关注识别参数,影响燃油经济性,描述的方法可以用来分析任何系统的灵敏度,其设计参数的变化。

建模系统

进行蒙特卡罗模拟和随后的灵敏度分析,我们首先需要一个捕获车辆的动力学模型,描述了它的各种组件。在我们的示例中,定义的模型需要的参数,它们会影响车辆的燃料消耗,如驱动轮半径、轴比,甚至环境条件如温度。我们可以挑选感兴趣的参数并生成一组样本用于蒙特卡罗模拟。

在这个示例中,我们使用仿真软件万博1manbetx^®模型可以在动力总成Blockset™(图1)。这个模型的传统汽油汽车火花点火发动机和一个8速双离合器变速器包括环境条件以及车辆组件。

我们会通过运行一个基线模拟使用FTP75驱动周期的数据由美国环保署指定汽车制造商在美国销售的仿真结果表明,大约40分钟的城市驾驶,我们的油耗约30英里/加仑(图2)。

建立蒙特卡罗模拟

蒙特卡罗模拟,我们将确定五个参数对油耗的影响:

• 汽车的质量
• 轮半径
• 外部气压
• 节流孔直径
• 喷射器斜率

车辆质量和车轮半径都是不言而喻的。外部气压指的是周围的环境大气压力。节流孔径影响气流进入发动机,当注射器通过喷油器和斜率影响燃料流量,这决定了发动机功率。节流孔和喷射器斜率变化可以由组件制造变异和老化的一部分,如“节流炼焦”和燃料注射器针形存款。我们选择一组较小的参数为简单起见,但设置可以扩大到包括参数如气缸数、气缸容积,其他参数中定义的模型。

创建一个新的包含上面列出的五个参数的参数集,我们只是按“参数选择”按钮在灵敏度分析工具。接下来,我们创建一个样本集,涵盖了设计空间足够大给五参数如何影响里程。我们可以创建这个使用固定的样本集,已知值,但是我们将使用拟随机的序列Sobol序列覆盖很大范围内的可能值均匀有效地。其他sample-generation方法包括随机抽样和多元发布出去是依靠抽样。

我们可以指定要使用的概率分布生成样本为每个参数和设置在可能的值上下界。举个例子,我们假设车辆质量是1200公斤和1400公斤之间均匀分布,相应的汽车有一个主人的重量和四人,分别。我们类似的其他四个参数范围和生成100个样本,然后我们图(图3)。

接下来,我们在我们的模型中选择信号,计算里程为这个特别的城市驾驶循环。在我们的例子中,我们选择的仿真软件万博1manbetx信号,可用的“可视化”子系统,提供了一个连续的燃油效率的估计。通过观察这个信号的最终值,我们得到一个估计的mpg特定仿真的价值。然后点击“评估模式”按钮在灵敏度分析工具来评估整个设置的参数。该工具运行的仿真模型为每一行的样品和计算利息的价值(在我们的例子中,mpg)为每个模拟。在这个模型中,英里/加仑价值估计信号的“可视化”子系统。我们可以进行灵敏度分析的mpg值基于这些结果。

灵敏度分析工具可以运行并行模拟,这是特别重要的,当我们考虑大量drive-cycle运行所需的灵敏度分析。给定的一组参数评估由工人自动并行集群中的连接,和结果可视化在散点图(图4),x轴显示五个参数值的变化,而y轴显示的值为每个样本计算里程。这组参数的散点图显示,汽车的mpg可以在24到32之间不同的驱动周期。

分析MPG参数变化的敏感性

我们可以覆盖一个线性适合仿真数据的散点图来确定趋势(图5)。从这个适合,我们可以看到,城市驾驶的mpg值提高随着车轮半径的增加。同样,我们看到,更轻的汽车,燃料效率越好。

或者,我们可以计算mpg敏感性参数变化使用更多的统计方法与灵敏度分析工具。我们可以使用这个工具来计算统计值如mpg值的相关系数对参数变化。在这个例子中,我们将查看相关值,表示使用龙卷风图如图5所示。

情节表明mpg价值积极与车轮半径和负相关车辆质量。这告诉我们,提高mpg价值与车轮半径的增加和减少车辆质量。根据情节的大小酒吧里,由相关系数决定的,我们还看到车轮半径对mpg的影响大于车辆的质量。同样,英里/加仑价值提高喷射器下降斜率,和节流孔的值的变化和外部压力对燃料消耗的影响甚微,相关性低价值就体现了这一点。

然后我们看看驾驶在公路上如何影响燃油经济性。13分钟的高速公路开车的仿真结果如图6所示。这个模拟使用HWFET驱动周期环保局指定的数据,和我们看到的里程约35英里/加仑。我们运行的蒙特卡罗模拟和执行一个灵敏度分析高速公路行驶循环使用相同的样本集。相关系数的龙卷风图显示,气压的影响最大,里程增加外部压力下降。其他参数变化的影响,如注射器斜坡或车辆质量,要小得多(图7)。

我们可以看到,各种参数的影响是截然不同的两个驱动周期我们使用。这种差异可以归因于这样一个事实:发动机运行在不同的操作条件下使用的驱动周期。这可以被比较的发动机转速(第二轴)图2和图6所示。发动机转速更“的”城市驾驶循环和统一高速公路驾驶循环。在高海拔,气压较低,油门需要更开放的对于一个给定的扭矩输出。结果是减少能量损失,提高了燃油经济性。因此,气压的影响结果是更高的公路驾驶比城市驾驶(图7)。

必须指出这些结果严重依赖于样本数据集。如果我们运行的蒙特卡罗模拟窄的车轮半径值或范围更大范围的车辆质量价值观,我们将会看到不同的结果进行敏感性分析。

使用并行计算提高蒙特卡罗模拟性能

我们的仿万博1manbetx真软件模型有超过6000块和包含模型引用,变异和数据字典,允许不同的团队使用它用于多个应用程序。模型的大小使成百上千的模拟运行在本地桌面非常耗时。为了提高性能,我们在并行运行模拟。有几种方法可以做到这一点。我们可以使用桌面使用并行计算工具箱™的并行计算能力,或访问一个高性能集群网络MATLAB运行^®。在本例中,我们使用一个新款高能效型opteron集群运行MATLAB并行服务器可用™在本地网络,减少仿真时间的10倍。

要做到这一点,我们只是使我们聚集在灵敏度分析工具的使用选项菜单。该工具然后自动找到并添加所需的文件和路径依赖。这可以确保每个并行工作所需的所有信息来完成仿真成功。

总结和下一步

我们的分析表明,车轮半径最大的影响在城市驾驶,而环境条件最喜欢气压影响公路通车里程。

这种见解是什么使灵敏度分析一个有用的工具:它使工程师更好的理解这权衡他们需要考虑和设计的变化将如何影响系统的行为。在这种情况下,工程师可以确保mpg贴纸精度通过添加特殊功能控制器使燃油经济性更健壮的车轮直径变化。举个例子,我们可以使用轮直径估计通过车轮速度传感器调整传输计划转移到占直径变化和保持引擎最有效的范围内运行。同样的,我们可以减少燃料消耗城市驾驶通过增加节流孔。