发动机MAP图拟合优化方法、装置、设备及存储介质与流程

本发明涉及内燃机电子控制单元的标定与参数优化，具体涉及一种发动机map图拟合优化方法、装置、设备及存储介质。

背景技术：

1、发动机电控单元（ecu）标定是整车开发流程中的关键环节，直接决定发动机的动力性、经济性和排放性能。ecu内部包含大量通过map图定义的二维查表参数，如充气效率map、点火提前角map、废气再循环（egr）率map等。这些map图通常具有20x20或5x5的网格分辨率，参数总数可达数百至上千个。标定工程师需要基于台架试验采集的数千个稳态工况点的实测数据，通过数值优化方法拟合出这些map图的网格节点值，使得基于map插值计算得到的预测值与实测值之间的均方根误差（rmse）最小化。与传统标定任务中将每个map图作为独立查表对象不同，现代发动机控制策略中往往将多个map图通过代数表达式组合，形成复合控制量。因此现代的标定任务是一个挑战。

2、现有技术中，通常可以基于随机搜索的进化算法通过种群随机探索参数空间寻找最优解，还可以基于迭代学习控制的在线方案通过闭环反馈在线修正map图。然而现有方法普遍缺乏对用户自定义表达式的灵活支持，且无法在锁定点固定后保障周围区域的平滑过渡，导致拟合结果物理合理性不足。

3、因此，如何有效解决发动机map图拟合的高维非线性优化问题是本领域亟需解决的技术问题。

技术实现思路

1、本发明的目的之一在于提供一种发动机map图拟合优化方法、装置、设备及存储介质，以解决发动机map图拟合中的高维非线性优化问题。。

2、为了实现上述目的，本发明采用的技术方案如下：

3、一种发动机map图拟合优化方法，包括：

4、构建目标函数，所述目标函数包括误差项以及至少一项用于约束map参数特性的惩罚项；

5、基于预先构建的计算图，通过自动微分框架对所述目标函数执行一次前向传播和一次反向传播，得到所述目标函数的损失函数值和所述目标函数对所有map网格节点参数的分析梯度向量；

6、基于所述损失函数值和所述分析梯度向量，采用基于分析梯度的带边界约束优化算法对map网格节点参数进行迭代优化，在每次迭代中利用边界活跃集管理将触及边界的参数分量约束于边界值，在自由参数子空间内执行参数更新，得到优化后的map网格节点参数。

7、根据上述技术手段，通过精确分析梯度避免有限差分的边界截断误差和矩阵奇异性问题，同时利用边界活跃集管理将触及边界的参数分量约束于边界值并在自由参数子空间内执行参数更新，在紧边界约束下保持搜索方向的有效性，实现高维map参数优化在高维紧边界约束下的稳定收敛。。

8、进一步的，所述基于分析梯度的带边界约束优化算法为带边界约束拟牛顿优化算法；所述在自由参数子空间内执行参数更新为在自由参数子空间内执行拟牛顿优化。

9、根据上述技术手段，采用带边界约束拟牛顿优化算法，在自由参数子空间内执行拟牛顿优化，利用历史梯度信息构造hessian近似以加速收敛，相比一阶梯度方法在同等精度下显著减少迭代次数，同时配合边界活跃集管理精确约束边界参数，使优化过程在保持高收敛速度的同时稳定满足边界约束条件。

10、进一步的，所述基于预先构建的计算图，通过自动微分框架对所述目标函数执行一次前向传播和一次反向传播，得到所述目标函数的损失函数值和所述目标函数对所有map网格节点参数的分析梯度向量，包括：

11、以所述map网格节点参数作为输入，沿所述计算图执行前向传播，得到所述损失函数值；

12、沿所述计算图执行一次反向传播，利用链式法则将所述损失函数值的梯度逐层反向传递，得到所述分析梯度向量。

13、根据上述技术手段，通过在计算图上执行前向传播得到损失函数值、反向传播利用链式法则得到分析梯度向量，以一次前向和一次反向传播同时获得优化所需完整梯度信息，避免有限差分法的多次函数评估。

14、进一步的，所述惩罚项还包括锁定点同心圆过渡惩罚项；

15、所述锁定点同心圆过渡惩罚项以每个锁定点为中心按曼哈顿距离向外划分多圈邻域，不同圈层的邻域点被赋予不同的衰减权重，且所述衰减权重由内向外逐圈递减，使得距离锁定点越近的邻域点受到的惩罚越大，用于对用户选定的锁定网格点周围的自由参数施加平滑过渡约束。

16、根据上述技术手段，通过以锁定点为中心按曼哈顿距离划分多圈邻域并设置由内向外逐圈递减的衰减权重，使锁定点周围自由参数平滑渐近至锁定值，避免锁定点因被单独固定而产生阶梯状不连续面。

17、进一步的，所述方法还包括：

18、在构建所述目标函数的参数边界时，响应于用户在map图上选定的锁定网格点及锁定值，将所述锁定网格点对应的参数元素的上下界均设置为所述锁定值的容差范围内，以对所述锁定网格点施加不可移动的硬约束。

19、根据上述技术手段，通过将锁定点参数上下界均设为锁定值容差范围内，从优化器参数边界层面直接剥夺其可移动性，使锁定点在优化过程中绝对不可动。

20、进一步的，所述方法还包括：

21、在对所述map网格节点参数进行迭代优化的过程中，在每次参数更新后及最终结果输出时，强制将用户选定的锁定网格点对应的参数值恢复为所述锁定值。

22、根据上述技术手段，通过在每次参数更新后及最终输出时强制恢复锁定点值，从软件实现层面杜绝因浮点精度累积或异常导致的锁定点漂移。

23、进一步的，所述惩罚项包括平滑惩罚项；

24、所述平滑惩罚项由x方向二阶差分平方加权和、y方向二阶差分平方加权和及交叉项共同组成，用于约束map曲面的光滑程度。

25、根据上述技术手段，通过x方向和y方向二阶差分平方加权和抑制局部弯曲度。光滑曲面弯曲小惩罚小，尖峰/凹陷惩罚大。交叉项惩罚碗形/穹顶形弯曲，鼓励平坦或线性变化，保留发动机map真实存在的马鞍形特征。在不牺牲拟合精度的前提下防止map出现过拟合的剧烈波动。

26、进一步的，所述惩罚项还包括梯度约束惩罚项；

27、所述梯度约束惩罚项对超出预设梯度上下限的一阶差分施加单向惩罚，用于约束map在坐标轴方向的变化速率。

28、根据上述技术手段，通过对超出预设梯度上下限的一阶差分施加单向二次惩罚，将map在x/y方向的变化速率限制在物理允许范围内，避免违反发动机物理规律。

29、进一步的，所述基于所述损失函数值和所述分析梯度向量，采用基于分析梯度的带边界约束优化算法对map网格节点参数进行迭代优化，在每次迭代中利用边界活跃集管理将触及边界的参数分量约束于边界值，在自由参数子空间内执行参数更新，得到优化后的map网格节点参数，包括：

30、步骤a，在当前迭代步，基于所述分析梯度向量确定梯度方向；

31、步骤b，基于所述梯度方向，在每次迭代中利用边界活跃集管理将触及边界的参数分量约束于边界值，在自由参数子空间内执行拟牛顿优化，确定搜索方向和步长；

32、步骤c，根据所述搜索方向和步长更新map网格节点参数；

33、重复上述步骤a-步骤c，直至满足收敛条件，得到所述优化后的map网格节点参数。

34、根据上述技术手段，将基于分析梯度的带边界约束拟牛顿优化细化为“确定梯度方向→边界活跃集管理确定搜索方向和步长→更新参数→迭代直至收敛”的具体执行流程，使优化算法在权利要求层面完全落地。

35、进一步的，所述方法还包括：

36、在迭代优化的过程中，第一轮从原始map值出发，执行一次完整的迭代优化，并记录所得最优解作为安全网基准；

37、后续轮次从当前最优解出发，将map网格降采样至低分辨率，在低分辨率网格上施加随机噪声，再通过插值上采样恢复至原始分辨率，生成多个扰动后候选起点；

38、通过执行前向传播的评估从所述多个扰动候选起点中选出误差最优者作为实际起点，从所述实际起点出发重新执行一次完整的迭代优化；

39、若后续轮次迭代优化所得结果劣于所述安全网基准且恶化程度超过第一预设阈值，则回退至所述安全网基准重新扰动。

40、根据上述技术手段，通过空间相关扰动生成天然平滑的扰动map避免非物理锯齿形变，通过前向传播快速评估以极低计算成本筛选优质扰动候选，通过安全网基准防止“越优化越差”的级联失败。

41、进一步的，所述方法还包括：

42、若连续多轮优化所得误差相比于上一轮未降低，则增大扰动率；

43、若本轮误差相比于上一轮降低幅度超过第二预设阈值，则减小所述扰动率。

44、根据上述技术手段，通过监测连续多轮误差是否降低或改善幅度是否超过阈值来自动调节扰动率，实现“探索”与“开发”的自动平衡，无需人工预设。

45、进一步的，在所述构建目标函数之前，所述方法还包括：

46、接收用户输入的自定义拟合表达式，解析所述表达式的语法结构，提取map查表函数调用、数据列依赖关系以及function节点之间的依赖关系，以有向无环图形式构建计算依赖拓扑；

47、对所述计算依赖拓扑中非依赖节点进行预计算，对所述计算依赖拓扑中依赖节点保留表达式字符串供后续动态求值；

48、将所述表达式中不连续的分支选择函数替换为连续可微的过渡函数，得到可追溯梯度传播路径的所述计算图。

49、根据上述技术手段，通过解析用户自定义表达式构建可微分计算图，使任意复合表达式均可被自动微分，并结合依赖分析和bswitch连续化处理，实现标定工具的通用化，无需针对每种表达式重写优化代码。

50、进一步的，所述方法还包括：

51、对所述计算图中的每个map查表函数，预计算每个数据点的插值权重和索引，并将所述插值权重和索引注册为固定缓冲区，以供所述前向传播过程中查表调用。

52、根据上述技术手段，通过一次性预计算插值权重和索引并注册为固定缓冲区，使前向传播过程中对map查表函数节点的插值计算退化为纯查表乘加运算，无需在每次迭代中重复进行坐标定位和插值系数计算，显著降低单次前向传播的计算量，配合分析梯度的免有限差分特性，使整体优化效率大幅提升。

53、一种发动机map图拟合优化装置，包括：

54、构建模块，用于构建目标函数，所述目标函数包括误差项以及至少一项用于约束map参数特性的惩罚项；

55、计算模块，用于基于预先构建的计算图，通过自动微分框架对所述目标函数执行一次前向传播和一次反向传播，得到所述目标函数的损失函数值和所述目标函数对所有map网格节点参数的分析梯度向量；

56、迭代优化模块，用于基于所述损失函数值和所述分析梯度向量，采用基于分析梯度的带边界约束优化算法对map网格节点参数进行迭代优化，在每次迭代中利用边界活跃集管理将触及边界的参数分量约束于边界值，在自由参数子空间内执行参数更新，得到优化后的map网格节点参数。

57、一种电子设备，包括：存储器，处理器；

58、所述存储器存储计算机执行指令；

59、所述处理器执行所述存储器存储的计算机执行指令，以实现上述任一项所述的发动机map图拟合优化方法。

60、一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述任一项所述的发动机map图拟合优化方法。

61、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项所述的发动机map图拟合优化方法。

62、本发明的有益效果：

63、（1）通过自动微分框架在一次前向传播中同时获得损失函数值和精确分析梯度向量，完全避免了有限差分的边界截断误差和l-bfgs-b hessian逆矩阵近似被伪零梯度破坏的问题。相比于传统lm算法的jtj矩阵奇异性导致的优化停滞，分析梯度驱动的l-bfgs-b方案不受参数相关性影响，从根本上消除了奇异性问题。相比于有限差分l-bfgs-b的灾难性发散，分析梯度方案提供了稳定可靠的收敛路径。

64、（2）l-bfgs-b原生的投影梯度机制在每个迭代步自动将要触碰到边界的参数固定到边界活跃集，无需手动实现边界截断或反射投影逻辑。投影操作由cauchy点计算和子空间最小化精确处理，正确管理边界激活集，既保证参数严格在预设区间内，又不破坏优化器的搜索方向。

65、（3）支持用户通过图形界面自定义任意形式的代数拟合表达式，系统自动解析并构建可微分计算图，无需针对不同拟合公式编写不同的优化代码，极大降低了标定工程师的使用门槛。表达式框架支持map（二维插值参数）、curve（一维插值参数）和scalar（标量参数）三种参数类型的自由组合，配合递归节点依赖图构建和双路径计算策略，兼顾灵活性和计算效率。

66、（4）双线性插值预计算配合分析梯度的免有限差分特性，避免了n次额外前向传播。综合加速效果使得单次评估时间降至毫秒级别，整体优化速度较传统有限差分方案提升约40倍。

67、（5）空间相关扰动通过降采样-上采样流程生成天然平滑的扰动map，避免了传统独立噪声扰动方法产生的非物理锯齿形变，使扰动候选本身就具有物理合理性。多候选快速筛选以几乎可忽略的计算代价大幅提高扰动候选质量。梯度引导扰动强度分配使高敏感受扰少、低敏感受扰多，进一步提升了扰动效率。自适应扰动率调节实现了搜索范围的自动调优。安全网机制有效防止了扰动策略的级联失败。

68、（6）在严格保持锁定点固定值的前提下，通过三圈衰减权重的同心圆过渡惩罚机制，确保锁定点周边区域的自由参数平滑过渡到锁定值。配套的强制恢复机制从实现层面杜绝了任何可能的锁定点漂移。相比于简单的锁定点固定或单一的全局平滑约束，实现了"定点不动的平滑过渡"这一工程上理想但难以实现的效果。

69、（7）约束签名继承机制通过"边界越界检查+约束签名比较"的双重检测，智能判断上次运行的最优解是否仍适用于修改后的约束条件。任何不匹配都会触发从原始导入值重启，避免了跨运行参数污染。相比于每次从原始值重启或不加检测直接继承，在安全性和效率之间取得了平衡。

70、（8）面板统计诊断系统提供了从宏观统计到微观残差的完整分析链路。各面板共享统一的向量化预测计算引擎，避免重复计算。工程师可以一站式完成拟合质量评估。

71、（9）从数据导入到分析诊断的端到端流程，覆盖了发动机map拟合的完整业务需求。全流程通过图形界面操作，用户无需编写代码。用户界面的所有参数值直接传递至引擎，无任何代码层面的截断或修改，保证了用户对优化过程的完全控制权。