用于摩托车控制器的通用自标定系统及方法与流程

摘要: 本发明涉及车辆电子控制单元标定,更具体地说是指用于摩托车控制器的通用自标定系统及方法。背景技术:1、随着科技的进步,现代摩托车越来越多地采用了先进的机电一体化电...
用于摩托车控制器的通用自标定系统及方法与流程

本发明涉及车辆电子控制单元标定,更具体地说是指用于摩托车控制器的通用自标定系统及方法。

背景技术:

1、随着科技的进步,现代摩托车越来越多地采用了先进的机电一体化电控产品,如发动机管理系统(ems,engine management system)、防抱死制动控制器(abs,anti-lockbraking system)、整车控制器(vcu,vehicle control unit)和变速箱控制器(tcu,transmission control unit)。这些电控单元的有效运作依赖于在各种工况下进行大量的匹配测试与参数标定试验。然而,由于调整参数量庞大且各参数之间的影响具有高度耦合性,使得匹配过程变得异常复杂。此外,不同类型的控制器因其控制对象、控制策略及评价指标的差异,其标定流程和工具通常相互独立,这进一步增加了标定工作的难度和重复投入。

2、目前行业内广泛采用的标定工作模式主要依赖于标定工程师使用通用测量标定工具,如inca、canape等,通过人工方式逐一调整控制器参数,并基于车辆实测表现和控制器内部监测变量来决定调参方向。这种反复迭代的过程直至各项性能指标达到验收标准为止。对于同一车型搭载的多种控制器,往往需要多个标定团队并行作业,各自维护本领域的标定数据与经验文档。然而,这种方法存在几个显著不足:首先,它高度依赖工程师的经验,面对多控制器、多车型的并行任务时人力调配压力大;其次,从数据采集到参数决策的整个链路由人工完成,导致单轮迭代周期长,整体进度受限;再者,分散存储的历史标定数据和调参经验难以形成可复用的知识资产;最后,当前的独立标定方式无法捕捉和利用系统级的协同优化空间。

3、因此,有必要设计一种新的系统,兼容发动机管理系统、防抱死制动控制器、整车控制器和变速箱控制器等多种电控单元的自动化标定,以提升匹配过程的自动化程度,实现跨控制器类型的标定经验复用,有效缩短标定周期,提升摩托车的整体性能和市场竞争力。

技术实现思路

1、本发明的目的在于克服现有技术的缺陷,提供用于摩托车控制器的通用自标定系统及方法。

2、为实现上述目的,本发明采用以下技术方案:用于摩托车控制器的通用自标定系统,包括:

3、摩托车控制器,安装于摩托车上,所述摩托车控制器为发动机管理系统、防抱死制动控制器、整车控制器或变速箱控制器中的至少一种;

4、自动标定终端,包括can网络接口、无线通讯接口;所述摩托车控制器通过can总线与所述can网络接口连接,所述自动标定终端被配置为:通过所述can网络接口接收并缓存来自所述摩托车控制器的数据流,通过所述无线通讯接口与自动标定引擎进行无线网络通讯,以及接收并缓存来自所述自动标定引擎的优化标定数据集;

5、自动标定引擎包括控制器类型识别模型、通用智能评价模型和通用智能优化模型;

6、所述自动标定引擎被配置为:接收来自所述自动标定终端的数据流,基于所述控制器类型识别模型自动适配所述通用智能评价模型和所述通用智能优化模型的输入输出维度,由所述通用智能评价模型输出量化的控制器性能指标,由所述通用智能优化模型输出最优化的标定数据域参数,以及将所述最优化的标定数据域参数下发至所述自动标定终端。

7、其进一步技术方案为:所述摩托车控制器包括:

8、控制策略,用于实现所述摩托车控制器所承担的车载控制功能;

9、状态参数域,为反映所述控制策略性能优劣的状态空间的最大线性无关组,用于评价所述控制策略的性能,并作为所述标定数据域优化的依据;

10、标定数据域,包含所述控制策略的关键控制参数,所述标定数据域的参数类型随控制器类型自动适配。

11、其进一步技术方案为:所述自动标定终端为手持式设备,自动标定终端包括tf卡存储系统、终端控制中枢以及人机交互界面;

12、其中,所述tf卡存储系统通过spi或sdio接口与tf卡连接,用于缓存来自所述摩托车控制器的数据流以及来自所述自动标定引擎的优化标定数据集;

13、所述终端控制中枢用于执行缓存数据流上传、缓存优化标定数据集下载、以及测试场景选择的控制逻辑;

14、所述人机交互界面用于显示系统状态、选择当前连接的控制器类型,并响应操作员的操作指令。

15、其进一步技术方案为:所述自动标定引擎部署于云端服务器;

16、其中,所述控制器类型识别模型被配置为接收所述自动标定终端传输的控制器类型标识及对应的状态参数域和标定数据域结构描述,自动适配所述通用智能评价模型和所述通用智能优化模型的输入输出维度;

17、所述通用智能评价模型被配置为接收所述自动标定终端传输的状态参数域数据流,结合驾驶场景信息,输出量化的控制器性能指标;

18、所述通用智能优化模型被配置为依据所述控制器性能指标,结合车辆结构参数及原始标定数据域参数,输出最优化的标定数据域参数。

19、其进一步技术方案为:所述通用智能评价模型和所述通用智能优化模型均为控制器类型感知的多任务模型;

20、所述多任务模型包括:

21、输入层,包含控制器类型编码向量;

22、共享隐藏层,用于提取跨控制器类型的共性标定知识;

23、输出层,按控制器类型分支,以适配不同的状态参数维度和标定参数维度;

24、其中,所述多任务模型通过结构化标签数据进行有监督学习,所述结构化标签数据由所述tf卡存储系统中的数据进行预处理得到,不同控制器类型的训练数据按类型标签统一管理;所述多任务模型的总损失函数为各控制器类型分支损失函数的加权和,所述权重依据各类型训练样本量自适应调整,以平衡不同样本规模对共享隐藏层梯度更新的影响。

25、本发明还提供了一种用于摩托车控制器的通用自标定方法,基于上述用于摩托车控制器的通用自标定系统执行,包括:

26、通过所述自动标定终端采集多种控制器类型的测试数据,对所述测试数据进行标签化预处理,生成结构化训练数据集并上传至所述自动标定引擎,对所述通用智能评价模型和所述通用智能优化模型执行多任务联合训练;

27、选择待标定的控制器类型并配置测试场景,在所述测试场景下采集状态参数域实时数据并上传至所述自动标定引擎,由所述自动标定引擎对控制性能进行自动评价与优化,生成最优化的标定数据域参数,将所述最优化的标定数据域参数部署至所述摩托车控制器,并在相同测试场景下验证参数有效性。

28、其进一步技术方案为:所述通过所述自动标定终端采集多种控制器类型的测试数据,对所述测试数据进行标签化预处理,生成结构化训练数据集并上传至所述自动标定引擎,对所述通用智能评价模型和所述通用智能优化模型执行多任务联合训练,包括:

29、tf卡存储系统用于各类型控制器的测试数据采集与存储,终端控制中枢用于测试数据的标签化预处理,包括添加控制器类型标签、性能等级标签以及训练集与测试集的划分;标签化后的数据集通过无线通讯网络传输至所述自动标定引擎,完成所述通用智能评价模型与通用智能优化模型的多任务训练;训练过程中,共享隐藏层参数在所有控制器类型数据的混合批次上联合优化,各类型分支层参数仅在对应类型的训练样本上更新,并采用梯度截断策略防止单一类型数据的梯度主导共享层更新方向。

30、其进一步技术方案为:所述选择待标定的控制器类型并配置测试场景,在所述测试场景下采集状态参数域实时数据并上传至所述自动标定引擎,由所述自动标定引擎对控制性能进行自动评价与优化,生成最优化的标定数据域参数,将所述最优化的标定数据域参数部署至所述摩托车控制器,并在相同测试场景下验证参数有效性,包括:

31、通过人机交互界面选择待标定的控制器类型,设置车辆参数、选择测试场景并设置性能偏好;所述车辆参数依据控制器类型包括相应的子系统参数;所述测试场景包括功能验证、极限工况、环境适配和失效容错四个维度;

32、在所述测试场景下驾驶摩托车,触发目标控制器的控制动作并采集测试数据,同一场景下执行多次测试,测试完成后通过所述人机交互界面触发数据流上传;所述数据流包括控制器类型标识、状态参数域和标定数据域的结构描述、车辆结构参数、测试场景信息、原始标定数据域参数以及状态参数域实时数据;

33、自动标定引擎通过所述控制器类型识别模型确定控制器类型并适配模型输入输出维度,由所述通用智能评价模型和所述通用智能优化模型对控制性能进行评价,输出最优化的标定参数数据集;

34、最优化标定参数数据集自动下传至自动标定终端的tf卡存储系统;

35、通过人机交互界面触发tf卡存储系统中优化参数集到所述摩托车控制器中标定数据域的部署,在相同设定场景下验证最优参数的有效性,验证结果通过所述人机交互界面反馈至所述自动标定引擎。

36、其进一步技术方案为:所述自动标定引擎通过所述控制器类型识别模型确定控制器类型并适配模型输入输出维度,由所述通用智能评价模型和所述通用智能优化模型对控制性能进行评价,输出最优化的标定参数数据集,包括:

37、所述通用智能评价模型和所述通用智能优化模型利用跨控制器类型的共性知识进行知识迁移,所述共性知识包括不同控制器在相似工况下的参数敏感性传递规律、多目标优化中的帕累托前沿偏好一致性、以及控制性能随参数变化的非线性响应模式;

38、其中,所述参数敏感性传递规律是指若在一种控制器类型中参数对性能指标的敏感性在特定工况区间呈现局部峰值,则该敏感性模式作为先验知识迁移至另一控制器类型中具有相似物理含义或相同量纲的参数的优化过程。

39、其进一步技术方案为:所述控制器类型的选择包括:

40、当选择发动机管理系统时,所述状态参数域包括各工况下的空燃比偏差、点火提前角余量、怠速稳定性指标、过渡工况响应时间,所述标定数据域包括喷油脉宽map、点火提前角map、怠速空气量、加速加浓系数、减速断油恢复转速;

41、当选择防抱死制动控制器时,所述状态参数域包括各路面下的滑移率偏差、减速度波动幅值、压力循环频率、制动距离,所述标定数据域包括滑移率目标值、减压阈值、保压时间、增压速率、路面识别自适应增益;

42、当选择整车控制器时,所述状态参数域包括各模式下的扭矩响应延迟、模式切换平顺度、能量回收效率、soc维持偏差,所述标定数据域包括扭矩分配系数map、模式切换阈值、功率限制曲线、pid控制增益;

43、当选择变速箱控制器时,所述状态参数域包括换挡时间、换挡冲击度、离合器接合温度、挡位决策准确率,所述标定数据域包括换挡map、离合器接合压力曲线、换挡定时参数、扭矩递减恢复曲线;

44、所述控制器类型识别模型依据所选类型自动匹配对应的状态参数域维度和标定数据域维度,实现不同控制器类型之间输入输出张量的自动对齐。

45、本发明与现有技术相比的有益效果是:本发明通过自动标定终端和自动标定引擎的协作,兼容了发动机管理系统、防抱死制动控制器、整车控制器及变速箱控制器等多种电控单元的自动化标定。该系统利用can总线接口收集摩托车控制器的数据,并通过无线通讯与云端引擎交换信息,实现数据流的实时分析和优化参数反馈。核心在于采用控制器类型识别模型自动适配不同控制器类型的输入输出维度,结合通用智能评价和优化模型,量化并提升控制器性能,从而不仅实现了跨控制器类型的标定经验复用,还显著提升了匹配过程的自动化程度,有效缩短了标定周期,最终增强了摩托车的整体性能和市场竞争力。

46、下面结合附图和具体实施例对本发明作进一步描述。