Точечное моделирование позволяет построить модель в каждой рабочей точке двигателя с необходимой точностью для получения оптимальной калибровки. Часто вам нужны точечные модели для дизельных двигателей с несколькими впрысками и бензиновых двигателей с прямым впрыском.
Вы можете использовать точечные модели, чтобы попробовать различные модели для ваших данных. Они могут быть полезны, если вы хотите попробовать несколько видов моделей, особенно если вы думаете, что существует много различий между рабочими точками в ваших данных. Подбор моделей (и любых других выбранных моделей) выполняется, и панель инструментов выбирает наилучшую модель для каждого теста. Таким образом, вы можете иметь множество моделей одновременно. Например, для некоторых тестов лучше всего подходит модель гауссова процесса, а для других - квадратичная.
В двухточечных моделях между рабочими точками отсутствуют прогнозы. Если требуется прогнозирование между рабочими точками, используйте одноступенчатую модель. См. раздел Посадка одноступенчатой модели.
Подготовьте данные перед подгонкой модели.
В MATLAB ® на вкладке Приложения (Apps) в группе Автомобильный (Automotive) щелкните MBC Модель фитинга (MBC Model Fitting).
На главной странице браузера модели щелкните Импорт данных (Import Data).
Выберите импорт из файла или рабочей области.
С помощью обозревателя файлов выберите файл для импорта.
Откроется окно Редактор данных (Data Editor).
Используйте редактор данных для проверки и подготовки данных. Можно фильтровать, группировать и редактировать данные, а также определять новые переменные. См. раздел Использование данных.
Примечание
Перед двухэтапным моделированием необходимо определить группы тестов. См. раздел Определение групп тестов. Если группы тестов не определены, после попытки подгонки моделей выводится запрос.
На главной странице обозревателя моделей щелкните Вписать модели (Fit models).
В диалоговом окне «Подгонка моделей» выберите набор данных в проекте из списка «Набор данных».
Если данные не загружены, можно щелкнуть Импорт из файла (Import from file) на панели Данные (Data). С помощью обозревателя файлов выберите файл для импорта.
При необходимости можно выбрать данные проверки в качестве образца данных фитинга или отдельного набора данных.
Щелкните значок План тестирования по точкам на панели Шаблон. Этот шаблон позволяет создавать точечные планы испытаний с локальными моделями в каждой рабочей точке двигателя, что полезно при выполнении тестирования в фиксированных настройках рабочей точки. См. раздел Примеры использования двухточечных моделей.
На панели Входы и ответы (Inputs and Responses) выберите каналы данных для использования при моделировании ответов и нажмите кнопку для добавления к ответам.
Чтобы создать граничную модель, оставьте флажок Подогнать граничную модель (Fit boundary model) установленным. Панель инструментов будет соответствовать отдельной модели границы типа «Выпуклый корпус» для каждой рабочей точки. Граничная модель, описывающая пределы рабочей оболочки, может быть полезна при создании и оценке моделей и результатов оптимизации.
Выберите каналы данных для локальных входов и входов рабочих точек и нажмите кнопку для добавления к ответам.
Нажмите кнопку ОК, чтобы подогнать типы моделей по умолчанию к выбранным данным.
При использовании созданного шаблона для переопределения моделей по умолчанию снимите флажок Использовать модели по умолчанию для больших данных (Use default models for large data).
Если данные не имеют тестовых групп, появится диалоговое окно Тестовые группы (Test Groupings) с тестами по умолчанию, определенными глобальными входами. Проверьте или измените группы тестов и нажмите кнопку ОК, чтобы продолжить фитинг модели.
Панель инструментов вычисляет вписывание и добавляет новые узлы модели в дерево модели.
Двухточечная модель автоматически запускается параллельно при наличии программного обеспечения Parallel Computing Toolbox™.
| Типы моделей по умолчанию | Параметры больших данных для любой операционной точки > 2000 точек или > 100 рабочих точек |
|---|---|
|
Панель инструментов подгоняет эти типы моделей к каждой рабочей точке и выбирает оптимальную модель:
| Переключается на установку одного GPM для каждой рабочей точки (без гибридного RBF или полинома). |
| Граничная модель: Поточечная граничная модель с одной выпуклой посадкой корпуса на все входы в каждой рабочей точке. |
Если какая-либо рабочая точка имеет > 2000 точек, то двухточечная граничная модель переключается на выпуклый корпус для каждой пары входов. Выключатель, когда ≥ 8 исходных данных, даже когда <2 000 пунктов. |
Панель инструментов выбирает наилучший тип модели для каждого теста в данных, используя PRESS RMSE критерии выбора. Например, для некоторых тестов лучше всего подходит модель гауссова процесса, а для других - квадратичная.
В браузере модели отображается узел двухточечной модели, если создана одна модель ответа, или узел плана тестирования, если создано несколько моделей ответа.
Оценка соответствия модели для каждой рабочей точки в Point-by-Point узел.
Дополнительные сведения об инструментах просмотра и уточнения аппроксимации модели см. в разделе Оценка двухточечных моделей и рекомендации по выбору наилучшего аппроксимации модели.
Экспортируйте точечные модели в CAGE для оптимизированной калибровки. В узле плана тестирования щелкните Generate calibration (Генерировать калибровку) на панели Common Tasks (Общие задачи).
Совет
Пример проекта с данными о двигателе и готовыми моделями см. в разделе Калибровка дизельного топлива с несколькими впрысками.
Шаблон плана двухточечного тестирования обеспечивает удобный механизм моделирования ряда тестов в различных рабочих точках с использованием одного и того же набора моделей. Использование плана тестирования имеет следующие преимущества:
Можно разделить данные на тесты и моделировать их в рамках одного плана испытаний, а не иметь отдельный одноступенчатый план испытаний для каждой операционной точки. Панель инструментов не создает двухэтапные модели или модели элементов ответа, поскольку невозможно выбрать элементы ответа, которые применяются ко всем тестам, когда существуют различные типы моделей для различных тестов. Необходимо иметь хотя бы одну глобальную переменную (например, скорость, время впрыска, нагрузку), и нельзя использовать ковариационное моделирование.
Можно также использовать двухточечные модели в оптимизации CAGE, создавая оптимизацию на основе моделей, или можно использовать модели в существующей оптимизации при условии, что значения глобальных переменных совпадают с глобальными переменными, используемыми для локальных моделей в браузере моделей.
Можно экспортировать двухточечные модели в файл или непосредственно в CAGE и автоматически создавать оптимизацию, компромисс и набор данных из двухточечных моделей.