闫雪华 李岩 杨淑玲

摘  要：基于1.5L汽油增压发动机的VVT标定试验，对进排气VVT角度采用拉丁超立方抽样建立试验样本，并构建高斯过程回归模型，通过试验数据分别训练扭矩回归模型和油耗回归模型，使用训练后的回归模型预测发动机扭矩、比油耗。通过与发动机万有特性测试数据对比，结果表明：在发动机扭矩大于25N.m的区域，油耗回归模型的预测值偏差小于5%;在发动机小负荷区域，因测量误差、发动机燃烧等因素影响，油耗回归模型的预测值偏差较高。总而言之，高斯过程回归模型对发动机万有特性的预测具有较高的精度及普适性，为发动机参数的优化工作提供参考。

关键词：高斯过程回归; 发动机性能;发动机标定

中图分类号：U464.171     文献标识码：A      文章编号：1005-2550（2022）02-0061-05

Engine Performance Prediction Base on Gaussian Process

Regression Model

YAN Xue-hua，  LI Yan，  YANG Shu-ling

（ SAIC GM Wuling Automobile Co.，Ltd.， Liuzhou 545007， China ）

Abstract： Based on VVT calibration test result of 1.5L gasoline turbocharged engine， test plan for VVT Angle of intake and exhaust was sampled via Latin hyper-cube method ， torque and fuel consumption Gaussian process regression（GPR） models were constructed. Torque regression model and fuel consumption regression model were trained respectively by test data. Compared the engine universal characteristics with  test data， the results show that the deviation of the predicted value of the fuel consumption regression model is less than 5% in the region where the engine torque is greater than 25N.m. Due to the influence of measurement error， engine combustion etc.， the predicted value of fuel consumption regression model has high deviation in small engine load area. In a word， Gaussian process regression model has high accuracy and generalization for the prediction of engine universal characteristics， which can provide reference for the optimization of engine parameters.

Key Words：Gaussian Process Regression（GPR）;  Engine Performance;  Engine Calibration    1    前言

随着发动机新技术的使用和电控系统技术的不断发展进步，因新技术引入的相关执行机构增加了电控系统的复杂性，发动机需要标定优化的参数不断增加，不同参数之间的关系也愈加复杂，标定优化的工作量呈指数级增加， 台架实验成本及人工成本也不断激增[1]。为减少标定优化的工作量和提高参数标定优化的精度，实验设计统计方法[2-3]和基于模型标定方法[4-5]被结合起来应用于发动机优化标定。通过引入试验设计方法（DOE），利用部分具有代表性的工况点实验数据构建发动机输入参数和输出响应的数学模型，从而估计出全局工况点下的性能参数。合理的试验设计方案以及恰当的寻优方法，能够在确保模型精度的基础上实现对发动机控制参数的标定和优化[6]。……