基于高斯过程回归的软传感器技术研究

-发动机气缸内空气填充效率的估算-

摘要

汽车发动机实现低排放、低油耗的关键是通过高精度预测发动机气缸内空气量来实现空燃比控制技术。为此，需要在各种驾驶场景中实时掌握瞬态复杂变化的气缸内空气量。为了解决这个问题，作者正在研究一种使用高斯过程（以下简称GP）的估计技术，它是一种统计模型。在本报告中，我们报告了研究使用GP预测风量的解释变量的选择方法的结果以及基于WLTC模式下的条件的估计结果。

关键词：热机,火花点火发动机,理论/建模,统计建模,高斯过程

1.首先

人们对汽车发动机的低排放和低油耗越来越感兴趣，并且需要一种更清洁、更高效地燃烧燃料的技术。其关键是通过高精度预测发动机气缸内的空气量来实现空燃比控制技术。为此，需要实时掌握气缸内的空气量，该空气量在各种驾驶场景中瞬态而复杂地变化。然而，一般来说，即使试图估计气缸中的空气量，由于发动机的结构，空气量传感器也不能放置在气缸中。为了应对这一点，可以通过从物理方程得到的模型进行推断，但物理方程往往很难完全描述瞬态变化。换句话说，挑战在于开发一种技术，该技术可以根据实际机器的瞬态实验数据准确估计发动机气缸内过度变化的空气量的值。

为了解决这个问题，作者们正在研究一种使用被称为统计模型的高斯过程（以下简称GP）的估计技术。与纯统计方法相比，GP具有很强的非线性优势。此外，通过开发这项技术，可能有助于实现软件传感器，该软件传感器可以根据最少的传感器信息实时估计许多其他状态量。

在本报告中，我们报告了研究使用GP选择用于预测空气量的解释变量的方法的结果，重点

转载请注明:http://www.aideyishus.com/lktp/415.html