增壓柴油機性能參數GM預測仿真平臺研究

摘要：針對小樣本、貧數據下柴油機性能參數預測問題，以TBD234V12增壓柴油機為試驗對象，采用灰色預測方法分別建立了不同柴油機運行參數的等間隔GM預測模型和非等間隔GM預測模型，并通過MATLAB語言和GUIDE自主設計和開發了相繼增壓柴油機性能參數預測仿真平臺。通過試驗及仿真驗證表明，該仿真平臺能夠較高精度的實現小樣本下的柴油機性能預測，為柴油機的性能優化研究提供了新的有效平臺。

Abstract： Aiming at the prediction problem of diesel engine performance parameters under small sample and lean data， the TBD234V12 sequential supercharged diesel engine was used as the test object. The gray prediction method was used to establish the equal interval GM prediction model and the non-equal interval GM prediction model for different diesel engine operating parameters. The MATLAB language and GUIDE were used to design and develop the simulation platform for performance parameters prediction of sequential turbocharged diesel engines. The experimental and simulation results show that the simulation platform can predict the diesel engine performance under small sample with high precision， which provides a new effective platform for diesel engine performance optimization research.

關鍵詞：柴油機;性能參數;GM預測;GUIDE;仿真平臺

Key words： diesel engine;performance parameters;GM prediction;GUIDE;simulation platform

0 ?引言

增壓柴油機較普通柴油機系統復雜，運行環境更加惡劣，為了確保其可靠穩定的運行，有必要對增壓系統的運行狀態和運行趨勢進行監測和預報，進而有效預防和避免故障的發生[1]。雖然針對柴油機性能參數預測的方法有很多，如神經網絡[2]、支持向量機[3]等，但是此類方法都是基于統計學的方法，需要大量的數據作為預測基礎。對于一些數據受限無法獲取足夠數據樣本的場合，此類方法便難以實施?；疑A測方法具有樣本少、運算簡便、短期預測精度高的特點[4]，理論上只需4個數據即可形成原始數據序列，進行數據建模，并通過模型中的反饋信息來檢驗預測結果的準確性。因此，將灰色預測方法應用于柴油機性能預測領域成為一種新的研究途徑。

目前，灰色預測在柴油機領域已經有了諸多成功的應用案例[5-7]，但是均存在共同的問題：一方面，灰色預測在柴油機領域的應用大多局限于基本模型的應用，應用范圍比較局限;另一方面，灰色預測在柴油機領域的應用實現基本都采用傳統編程方式，如C語言或者MATLAB語言等，缺乏有效的硬件平臺，不利于模型的基礎應用以及拓展研究，也不利于在線仿真的實現。

因此，本文基于“小樣本、貧數據”研究背景，對灰色預測應用于等間隔模式下和非等間隔模式下增壓柴油機主要性能參數預測進行了詳細研究，拓展了灰色預測在柴油機領域的應用范圍，并利用MATLAB GUIDE開發和設計了仿真優化平臺，為灰色預測方法在柴油機性能預測領域的應用及優化提供了有效方式。

1 ?GM預測建模方法

1.1 等間隔GM預測模型

通過以上步驟求解得到的模型稱作均值GM（1，1）模型，簡稱EGM模型。該模型也是目前應用最為普遍的模型，通常所提的GM（1，1）模型均代指該模型。

1.2 非等間隔GM預測模型

在柴油機運行參數實際采集過程中，并不是所有時候都采用等間隔采樣方式，往往會因為某些特殊情況無法獲得足夠等間隔數據，這樣由非等間隔采集組成的原始數據序列便不具備灰色預測的“時序性”，不宜再直接采用原GM模型進行建模。因此，本文采取加權處理的方法對原模型進行改進。

2 ?仿真平臺的設計與開發

目前GM預測的實現基本都是基于編程方式，如基于MATLAB語言、C語言等。該類方法在應用過程中存在明顯的不足：

①實現過程比較繁瑣。以MATLAB語言編程為例，具體的實現方式是采用MATLAB語言編寫預測程序m文件，然后通過MATLAB調用m文件或拷貝m文件中的程序內容至MATLAB命令窗口進行計算，整個操作均在命令行界面中完成。當需要對不同對象進行建?；蛘哌M行對比分析時，需要反復調用m文件中的程序，而反復的調用往往容易增加出錯的概率，嚴重影響計算效率。

②無法直觀顯示建模過程。無論GM預測的基礎應用還是優化研究，建模過程中的反饋參數都至關重要，而傳統方式很難直觀的呈現建模過程中模型參數的變化情況，這也是目前灰色預測應用中容易被忽略的環節。

③較難實現選擇性建模。由于不同GM模型具備不同的適用性，因此在應用過程中往往離不開模型適用性對比分析，尤其是對于柴油機不同運行參數，需要對其選擇性建模，而這便大大增加了傳統編程方式的工作量。

④無法實現在線預測功能。柴油機GM預測應用研究的目的還在實現運行參數的在線預測，而傳統方法則難以實現該功能。

雖然南京航空航天大學方面在2003年基于VisualBasic6.0開發了第一套基于Windows視窗界面的灰色系統建模軟件[8]，為灰色預測的應用提供了新的研究平臺。但是該軟件仍存在一些需要改進的地方。首先，該軟件側重于灰色預測模型的基礎性研究，無法體現柴油機GM預測應用的特點，且系統功能與最新研究結果比較脫節[9]，盡管后續更新了部分優化模型，但是并不能滿足柴油機性能預測建模要求。其次，該軟件功能拓展并未對外開放，因此系統功能比較受限，用戶無法實現自定義功能。最后，該軟件依然無法實現柴油機性能參數在線預測的功能。

因此，為了方便應用及優化研究的開展，本文采用MATLAB語言編程，基于MATLAB軟件中自帶的圖形用戶界面開發環境GUIDE（Graphic User Interface Design Environment）設計并建立了GM預測GUI，并編譯為可獨立運行的.exe文件，即柴油機性能GM預測仿真平臺。

GUI的實現主要包括GUI界面設計和回調程序的設計，分別對應保存在.fig和.m文件中[10]。GUI界面設計通過設置菜單和各個控件，并進行位置布置和屬性編輯來實現，GUI的具體實施過程在此不詳加贅述，可參考文獻[11]-[13]。考慮到盡可能的方便在線仿真及工程應用，該GUI設計有多個功能模塊，每個模塊包含多個子程序，用戶只需要通過簡單操作即可直觀獲得建模相關信息。仿真平臺的主要結構控制流程如圖1所示。

仿真平臺主要包括初始設置模塊、計算模塊和顯示、輸出模塊。

①初始設置模塊。該模塊主要包括GM模型選擇及對應模型基本參數的設置，該模塊也是GM預測GUI的核心部分。模型選擇子程序主要由EGM模型、NEGM模型以及DGM模型、ODGM模型、EDGM模型、Verhulst模型、殘差GM（1，1）模型、殘差均值GM（1，1）模型等共計10多種通用GM模型，便于快捷實現不同GM模型的適用性研究。

②計算模塊。該模塊主要包括數據的導入、模型檢驗、仿真計算、精度檢驗、誤差棒圖分析、不同步長預測等。用戶只需要選擇模型及設置相關模型參數，即可快捷實現GM仿真計算。

③顯示、輸出模塊。該模塊主要包括GM建模參數、仿真曲線、誤差棒圖等輸出。具體包括仿真與試驗對比曲線輸出、中間反饋參數的輸出、不同模型誤差棒圖的輸出等。各輸出子模塊相互獨立，且設置有導出功能，可以將每次仿真計算的結果以及相關反饋參數保存至工作目錄下EXCEL或WORD文件中，便于用戶進一步處理。

通常完成GUI的設計之后需要編寫菜單和各個控件的回調函數的程序代碼，從而激活各個控件相應的功能。由于GUI人機交互的實現必須依托MATLAB GUIDE環境，不利于實際應用，因此，本節通過編譯生成可獨立運行的.exe可執行文件，即柴油機性能GM預測仿真平臺，其主界面如圖2所示。

3 ?仿真實例驗證

3.1 等間隔GM預測

隨機選取增壓器轉速進行GM預測驗證。通過試驗獲取等間隔采集序列，如表1所示。

圖3為仿真值與試驗值對比曲線。

由圖3可以上看出，GM仿真預測曲線基本與試驗值曲線重合，一步預測相對誤差為6.2%，基本符合要求。

3.2 非等間隔GM預測

同樣選取增壓器轉速參數進行GM預測驗證。通過試驗獲取非等間隔采集序列，如表2所示。

由圖4可以看出，仿真預測曲線與試驗值曲線貼近程度較高，一步預測相對誤差為0.24%，具有較高的預測精度。

圖5所示為仿真平臺結果示意圖。

通過以上結果驗證了仿真平臺的有效性，對于柴油機性能參數GM預測提供了一種快捷便利的研究平臺。

4 ?結論

本文針對小樣本、貧數據下的柴油機性能參數預測問題進行了研究，基于等間隔和非等間隔模式分別建立柴油機不同參數的GM預測模型，采用MATLAB語言編寫了預測算法，并基于GUIDE設計和開發了柴油機性能GM預測仿真平臺，最終的結果驗證了平臺的有效性，可以滿足柴油機性能參數的預測要求，對于柴油機的性能預測及優化研究提供了一種新的研究方式和研究平臺。

參考文獻：

[1]王銀燕，何清林，王賀春等.柴油機采用4臺增壓器相繼增壓性能的試驗研究[J].內燃機工程，2012，33（1）：6-10，17.

[2]Mohammadhassani J ， Dadvand A ， Khalilarya S ， et al. Prediction and reduction of diesel engine emissions using a combined ANN–ACO method[J]. Applied Soft Computing， 2015， 34：139-150.

[3]Najafi G ， Ghobadian B ， Moosavian S A ， et al. SVM and ANFIS for prediction of performance and exhaust emissions of a SI engine with gasoline-ethanol blended fuels[J]. Applied Thermal Engineering， 2016，95：186-203.

[4]Kayacan E， Ulutas B， Kaynak O. Grey system theory-based models in time series prediction[J]. Expert Systems with Applications， 2010， 37（2）：1784-1789.

[5]鄒兆鵬.灰色理論在GE5080F型發動機油液監測中的應用研究[D].中南大學，2012.

[6]Lu X Z， Lu W K. Pre-alarm model of diesel vapour detection and alarm based on grey forecasting[J].Measurement， 2012， 45（4）：656-662.

[7]Du J W， Wang Y Y. Fault forecast and diagnosis of sequential turbocharging system based on grey theory and neural network [J].Transactions of CSICE， 2008， 26（6）：543-549.

[8]劉思峰.灰色系統理論的產生與發展[J].南京航空航天大學學報，2004（02）：267-272.

[9]劉思峰.灰色系統理論及應用[M].科學出版社，2010.

[10]祖象歡，楊傳雷，王銀燕.基于GM（1，1）模型和MATLAB GUI的相繼增壓柴油機性能預測[J].哈爾濱工程大學學報，2015， 36（11）：1-5.

[11]秦輝，席裕庚.基于Matlab GUI的預測控制仿真平臺設計[J].系統仿真學報，2006，18（10）：2778-2781.

[12]曹萬科，張天俠，張霖霖，等.汽車CAN總線可視化實時性分析研究及仿真[J].系統仿真學報，2008，20（9）：2345-2348.

[13]劉旭旺，汪定偉.基于Multi-Agent的多屬性拍賣評標機制的仿真研究[J].系統仿真學報，2013，15（10）：2367-2372.