基于高維靈敏度分析法的車輛組件和CO2排放量分析

基于高維靈敏度分析法的車輛組件和CO2排放量分析

通過模型開發組件對重型發動機的摩擦模型進行組件級參數估計，可以簡化車輛原型開發階段的驗證工作。利用高維靈敏度分析方法對模型輸入參數靈敏度進行分析，并基于標準循環工況對車輛模型的燃油效率和CO2排放量進行系統評估。

選取的實例基于試驗數據的發動機模型參數估計，試驗數據由卡特皮勒公司提供。介紹了模型開發組件，該組件為一種集合多種設計軟件和分析過程的工具軟件，可為后續的模型分析提供基礎，利用該組件可進行參數估計。根據靈敏度分析參數個數的不同，將靈敏度分析分為局部靈敏度分析和全局靈敏度分析，利用該方法對相關模型的參數進行靈敏度分析，并分析不同參數之間的相關性。在利用上述組件和方法時，需要先建立目標函數，然后通過不斷優化目標函數中的參數，獲得目標函數的最大值或最小值，從而實現參數估計和靈敏度分析。利用模型開發組件建立了發動機摩擦模型，并將其與Shayler建立的摩擦模型進行對比，然通過對CO2排放量、制動平均有效壓力、摩擦平均有效壓力、燃料消耗率等性能參數的評估，驗證了利用模型開發組件建立的發動機摩擦模型可以用于參數估計，并對這兩種模型的魯棒性進行了對比。結果顯示，利用模型開發組件建立的發動機摩擦模型具有較高的魯棒性。建立的車輛傳動系統、循環工況、空氣阻力和滾動阻力這些子系統模型構成了汽車模型，應用高維靈敏度分析方法分析了各參數對其影響，尤其對CO2排放量的影響。

該方法不僅用于汽車模型的建立，而且在汽車模型建立后，通過對汽車模型進行各個級別的系統測試，所得到的數據反過來驗證原始模型，并對原始模型做進一步改進，該過程不斷迭代，從而形成優化的汽車模型。

Andrew Smallbone et al. SAE 2014-01-2564.

編譯：王祥