本發(fā)明涉及汽車技術(shù)領(lǐng)域，特別涉及一種發(fā)動機的斷缸模式實現(xiàn)方法、系統(tǒng)及車輛。

背景技術(shù)：

發(fā)動機工作于面工況區(qū)間，其轉(zhuǎn)速和負荷范圍很廣，低負荷率下燃油經(jīng)濟性較差，而隨著油耗法規(guī)愈發(fā)的嚴格，對于多缸數(shù)大排量發(fā)動機，降低油耗的需求愈發(fā)迫切。斷缸技術(shù)可以在發(fā)動機部分負荷時關(guān)閉某個或某幾個氣缸，為保證發(fā)動機功率不變，需要提升工作氣缸的負荷率，從而提高發(fā)動機的機械效率，降低泵氣損失，提升燃油經(jīng)濟性。

斷缸控制的關(guān)鍵是何時斷缸，關(guān)閉哪些氣缸，斷缸時間和關(guān)閉哪些氣缸將直接影響發(fā)動機運轉(zhuǎn)的平穩(wěn)性、乘客的舒適性、各氣缸磨損的均勻性、整機的可靠性，還影響到燃油經(jīng)濟性的改善效果。

現(xiàn)有斷缸模式的常見實現(xiàn)方式是在發(fā)動機部分負荷工況，停止某些特定氣缸的工作，不能根據(jù)工況變化精確調(diào)整斷缸時間以及工作缸和停止缸的選擇，進而影響斷缸的經(jīng)濟性；另外，工作缸和停止缸通常是固定的，容易造成氣缸間工作的不均勻性，影響整機的可靠性。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明旨在提出一種發(fā)動機的斷缸模式實現(xiàn)方法，該方法在保證斷缸效果(即燃油經(jīng)濟性)的同時，提升了氣缸間的均勻性與工作的穩(wěn)定性，提升整車的可靠性，提升駕駛員的舒適性。

為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一種發(fā)動機的斷缸模式實現(xiàn)方法，包括以下步驟：選取多個發(fā)動機轉(zhuǎn)速，并分別在每個發(fā)動機轉(zhuǎn)速下以多個預(yù)先設(shè)定的斷缸模式進行負荷特性試驗，得到多組訓(xùn)練樣本，其中，所述訓(xùn)練樣本包括發(fā)動機轉(zhuǎn)速、輸出扭矩和隨曲軸轉(zhuǎn)角的扭矩波動情況；根據(jù)所述訓(xùn)練樣本對預(yù)先設(shè)定的小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練直至滿足預(yù)定條件，得到訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)；獲取車輛的運行參數(shù)，根據(jù)所述運行參數(shù)判斷是否進入斷缸模式；如果是，則將所述車輛的運行參數(shù)輸入所述訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)，以根據(jù)所述車輛的運行參數(shù)確定斷缸數(shù)目和斷缸次序，生成相應(yīng)的斷缸模式信號，并根據(jù)所述斷缸模式信號得到工作氣缸的進氣流量和噴油量； 以及根據(jù)所述斷缸模式信號、所述工作氣缸的進氣流量和噴油量對所述發(fā)動機的斷缸過程進行控制。

進一步的，所述小波神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，其中，所述輸入層具有n個輸入節(jié)點，所述輸出層具有m個輸出節(jié)點，所述n和m為正整數(shù)，所述隱含層的節(jié)點數(shù)目通過如下公式得到，所述公式為：

其中，所述k為所述隱含層的節(jié)點數(shù)，所述β為1至10之間的任意一個常數(shù)。

進一步的，所述根據(jù)訓(xùn)練樣本對預(yù)先設(shè)定的小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練直至滿足預(yù)定條件，得到訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)，具體包括：

對所述訓(xùn)練樣本進行歸一化處理，其中，通過sigmoid函數(shù)對所述訓(xùn)練樣本進行歸一化，所述sigmoid函數(shù)為：

其中，所述c為所述sigmoid函數(shù)的系數(shù)；

將歸一化處理后的一組訓(xùn)練樣本輸入所述小波神經(jīng)網(wǎng)絡(luò)進行正向傳播；

獲取由全缸模式切換至斷缸模式時的實際扭矩波動差值，并根據(jù)所述實際扭矩波動差值和期望的扭矩波動差值進行比較；

當(dāng)所述實際扭矩波動差值和期望的扭矩波動差值之間的誤差大于第一誤差閾值時，則通過所述小波神經(jīng)網(wǎng)絡(luò)對所述誤差進行反向傳播，以對所述小波神經(jīng)網(wǎng)絡(luò)中輸入層至隱含層之間的連接權(quán)值以及隱含層的連接閾值進行修正，直至所述實際扭矩波動差值和期望的扭矩波動差值之間的誤差小于所述第一誤差閾值時，得到所述訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)。

進一步的，從所述輸出層作為起始到所述輸入層，通過調(diào)整每一層的節(jié)點的連接權(quán)值和連接閾值，進行誤差反向傳播，其中，通過如下公式對所述小波神經(jīng)網(wǎng)絡(luò)中輸入層至隱含層之間的連接權(quán)值進行修正，所述公式為：

其中，所述η為權(quán)值修正的學(xué)習(xí)率，0<η<1，所述w_ij為第i個輸入層至第j個隱含層的連接權(quán)值；

通過如下公式對所述小波神經(jīng)網(wǎng)絡(luò)中隱含層的連接閾值進行修正，所述公式為：

其中，所述μ為閾值修正的學(xué)習(xí)率，0<μ<1，所述θ_j是第j個隱含層單元的連接閾值；

通過如下公式對所述小波神經(jīng)網(wǎng)絡(luò)中隱含層至輸出層之間的連接權(quán)值進行修正，所述公式為：

其中，所述v_ji為第i個隱含層至第j個輸出層的連接權(quán)值。

進一步的，所述車輛的運行參數(shù)包括：發(fā)動機轉(zhuǎn)速信號、發(fā)動機扭矩信號、油門踏板信號、檔位信號、車速信號和冷卻液溫度信號。

相對于現(xiàn)有技術(shù)，本發(fā)明所述的發(fā)動機的斷缸模式實現(xiàn)方法具有以下優(yōu)勢：

本發(fā)明所述的發(fā)動機的斷缸模式實現(xiàn)方法，結(jié)合了小波分析和人工神經(jīng)網(wǎng)絡(luò)控制，可以對發(fā)動機的斷缸系統(tǒng)進行精確的實時控制，神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自學(xué)習(xí)的能力，可以克服控制對象的不確定性和時變性，用較少的試驗數(shù)據(jù)作為樣本對網(wǎng)絡(luò)進行訓(xùn)練，利用小波分析可以使神經(jīng)網(wǎng)絡(luò)具有更快的學(xué)習(xí)和收斂速度，提升控制的實時性。該方法在保證斷缸效果(即燃油經(jīng)濟性)的同時，提升了氣缸間的均勻性與工作的穩(wěn)定性，提升整車的可靠性，提升駕駛員的舒適性。

本發(fā)明的另一目的在于提出一種發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)，該系統(tǒng)在保證斷缸效果(即燃油經(jīng)濟性)的同時，提升了氣缸間的均勻性與工作的穩(wěn)定性，提升整車的可靠性，提升駕駛員的舒適性。

為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一種發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)，包括：訓(xùn)練樣本獲取模塊，用于選取多個發(fā)動機轉(zhuǎn)速，并分別在每個發(fā)動機轉(zhuǎn)速下以多個預(yù)先設(shè)定的斷缸模式進行負荷特性試驗，得到多組訓(xùn)練樣本，其中，所述訓(xùn)練樣本包括發(fā)動機轉(zhuǎn)速、輸出扭矩和隨曲軸轉(zhuǎn)角的扭矩波動情況；訓(xùn)練模塊，用于根據(jù)所述訓(xùn)練樣本對預(yù)先設(shè)定的小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練直至滿足預(yù)定條件，得到訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)；判斷模塊，用于獲取車輛的運行參數(shù)，并根據(jù)所述運行參數(shù)判斷是否進入斷缸模式；控制模塊，在所述判斷模塊判斷進入斷缸模式時，將所述車輛的運行參數(shù)輸入所述訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)，以根據(jù)所述車輛的運行參數(shù)確定斷缸數(shù)目和斷缸次序，生成相應(yīng)的斷缸模式信號，并根據(jù)所述斷缸模式信號得到工作氣缸的進氣流量和噴油量，以及根據(jù)所述斷缸模式信號、所述工作氣缸的進氣流量和噴油量對所述發(fā)動機的斷缸過程進行控制。

進一步的，所述小波神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，其中，所述輸入層具有n個輸入節(jié)點，所述輸出層具有m個輸出節(jié)點，所述n和m為正整數(shù)，所述隱含層的節(jié)點數(shù) 目通過如下公式得到，所述公式為：

其中，所述k為所述隱含層的節(jié)點數(shù)，所述β為1至10之間的任意一個常數(shù)。

進一步的，所述訓(xùn)練模塊用于：

對所述訓(xùn)練樣本進行歸一化處理，其中，通過sigmoid函數(shù)對所述訓(xùn)練樣本進行歸一化，所述sigmoid函數(shù)為：

其中，所述c為所述sigmoid函數(shù)的系數(shù)；

將歸一化處理后的一組訓(xùn)練樣本輸入所述小波神經(jīng)網(wǎng)絡(luò)進行正向傳播；

獲取由全缸模式切換至斷缸模式時的實際扭矩波動差值，并根據(jù)所述實際扭矩波動差值和期望的扭矩波動差值進行比較；

當(dāng)所述實際扭矩波動差值和期望的扭矩波動差值之間的誤差大于第一誤差閾值時，則通過所述小波神經(jīng)網(wǎng)絡(luò)對所述誤差進行反向傳播，以對所述小波神經(jīng)網(wǎng)絡(luò)中輸入層至隱含層之間的連接權(quán)值以及隱含層的連接閾值進行修正，直至所述實際扭矩波動差值和期望的扭矩波動差值之間的誤差小于所述第一誤差閾值時，得到所述訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)。

進一步的，所述訓(xùn)練模塊從所述輸出層作為起始到所述輸入層，通過調(diào)整每一層的節(jié)點的連接權(quán)值和連接閾值，進行誤差反向傳播，其中，通過如下公式對所述小波神經(jīng)網(wǎng)絡(luò)中輸入層至隱含層之間的連接權(quán)值進行修正，所述公式為：

其中，所述η為權(quán)值修正的學(xué)習(xí)率，0<η<1，所述w_ij為第i個輸入層至第j個隱含層的連接權(quán)值；

通過如下公式對所述小波神經(jīng)網(wǎng)絡(luò)中隱含層的連接閾值進行修正，所述公式為：

其中，所述μ為閾值修正的學(xué)習(xí)率，0<μ<1，所述θ_j是第j個隱含層單元的連接閾值；

通過如下公式對所述小波神經(jīng)網(wǎng)絡(luò)中隱含層至輸出層之間的連接權(quán)值進行修正，所述公式為：

其中，所述v_ji為第i個隱含層至第j個輸出層的連接權(quán)值。

所述的發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)與上述的發(fā)動機的斷缸模式實現(xiàn)方法相對于現(xiàn)有技術(shù)所具有的優(yōu)勢相同，在此不再贅述。

本發(fā)明的再一個目的在于提出一種車輛，該車輛結(jié)在保證斷缸效果(即燃油經(jīng)濟性)的同時，提升了氣缸間的均勻性與工作的穩(wěn)定性，提升整車的可靠性，提升駕駛員的舒適性。

為達到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一種車輛，設(shè)置有如上述實施例所述的發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)。

所述的車輛與上述的發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)相對于現(xiàn)有技術(shù)所具有的優(yōu)勢相同，在此不再贅述。

附圖說明

構(gòu)成本發(fā)明的一部分的附圖用來提供對本發(fā)明的進一步理解，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：

圖1為本發(fā)明實施例所述的發(fā)動機的斷缸模式實現(xiàn)方法的流程圖；

圖2為本發(fā)明實施例所述的發(fā)動機的斷缸模式實現(xiàn)方法中神經(jīng)網(wǎng)絡(luò)的示意圖；

圖3為本發(fā)明實施例所述的發(fā)動機的斷缸模式實現(xiàn)方法中神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)過程示意圖；

圖4為本發(fā)明實施例所述的發(fā)動機的斷缸模式實現(xiàn)方法中斷缸模式控制示意圖；

圖5為本發(fā)明實施例所述的發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)的結(jié)構(gòu)框圖。

附圖標(biāo)記說明：

500-發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)、510-訓(xùn)練樣本獲取模塊、520-訓(xùn)練模塊、530-判斷模塊和540-控制模塊。

具體實施方式

需要說明的是，在不沖突的情況下，本發(fā)明中的實施例及實施例中的特征可以相互組合。

下面將參考附圖并結(jié)合實施例來詳細說明本發(fā)明。

圖1是根據(jù)本發(fā)明一個實施例的發(fā)動機的斷缸模式實現(xiàn)方法的流程圖。如圖1所示，根據(jù)本發(fā)明一個實施例的發(fā)動機的斷缸模式實現(xiàn)方法，包括以下步驟：

步驟S101：選取多個發(fā)動機轉(zhuǎn)速，并分別在每個發(fā)動機轉(zhuǎn)速下以多個預(yù)先設(shè)定的斷缸模式進行負荷特性試驗，得到多組訓(xùn)練樣本，其中，訓(xùn)練樣本包括發(fā)動機轉(zhuǎn)速、輸出扭矩和隨曲軸轉(zhuǎn)角的扭矩波動情況。

具體地說，可以通過采集少量的試驗數(shù)據(jù)，映射大量的未知的運轉(zhuǎn)工況。例如：選取p個不同的發(fā)動機轉(zhuǎn)速，對每個轉(zhuǎn)速以預(yù)先設(shè)定的q種斷缸模式進行負荷特性試驗，一共采集p*q個樣本作為學(xué)習(xí)樣本。對于這p*q個樣本，記錄下相應(yīng)的發(fā)動機轉(zhuǎn)速、輸出扭矩以及隨曲軸轉(zhuǎn)角的扭矩波動情況，將這些數(shù)據(jù)存入發(fā)動機控制單元，作為小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。需要說明的是，試驗實測數(shù)據(jù)越多，樣本庫越充實，覆蓋工況越廣，后期對于小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果越好。

步驟S102：根據(jù)訓(xùn)練樣本對預(yù)先設(shè)定的小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練直至滿足預(yù)定條件，得到訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)。

如圖2所示，在本發(fā)明的一個實施例中，小波神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，其中，輸入層具有n個輸入節(jié)點，輸出層具有m個輸出節(jié)點，n和m為正整數(shù)，隱含層的節(jié)點數(shù)目通過如下公式得到，公式為：

其中，k為隱含層的節(jié)點數(shù)，β為1至10之間的任意一個常數(shù)。

具體地說，輸入層的輸入?yún)?shù)為經(jīng)過小波變換之后的相應(yīng)的傳感器信號，包括發(fā)動機轉(zhuǎn)速、扭矩、變速箱檔位、車速等。隱含層是內(nèi)部信息處理層，其通過信息的正向傳播和誤差的反向傳播，調(diào)節(jié)相應(yīng)的系數(shù)，以達到實際輸出與期望輸出相符的目的。輸出層的輸出參數(shù)為斷缸數(shù)目和斷缸次序，控制目標(biāo)是提升燃油經(jīng)濟性的同時，提升全缸模式和斷缸模式切換前后動力輸出的均勻性。采用上述的訓(xùn)練樣本作為該小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本，建立輸入?yún)?shù)與輸出參數(shù)之間的函數(shù)關(guān)系。

具體的，輸入模式向量為，

X_a＝(x₁,x₂,...,x_n),a＝1,2,...,n；

對應(yīng)的輸出模式向量為，

Y_b＝(y₁,y₂,...,y_m),b＝1,2,...,m；

該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)便是如圖2所示的n輸入和m輸出的非線性映射。

另外，根據(jù)神經(jīng)元模型的原理，則有：

其中，s_j是第j個隱含層的輸入，w_ij是第i個輸入層至第j個隱含層的連接權(quán)值，θ_j是第j個隱含層的連接閾值。按照模式順傳播的思路，得出輸出層各單元的輸入，

其中，l_j是第j個輸出層的輸入，v_ji是第i隱含層至第j個輸出層的連接權(quán)值，γ_j是第j個輸出層的連接閾值。神經(jīng)網(wǎng)絡(luò)(即小波神經(jīng)網(wǎng)絡(luò))通過調(diào)整以上兩個公式中的連接權(quán)值和連接閾值來實現(xiàn)控制過程。

在介紹完本發(fā)明實施例的小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)之后，以下詳細介紹對該小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程。

具體而言，根據(jù)訓(xùn)練樣本對預(yù)先設(shè)定的小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練直至滿足預(yù)定條件，得到訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)，具體包括：

1、對訓(xùn)練樣本進行歸一化處理，其中，通過sigmoid函數(shù)對訓(xùn)練樣本進行歸一化，sigmoid函數(shù)為：

其中，c為sigmoid函數(shù)的系數(shù)。

2、將歸一化處理后的一組訓(xùn)練樣本輸入小波神經(jīng)網(wǎng)絡(luò)進行正向傳播。

3、獲取由全缸模式切換至斷缸模式時的實際扭矩波動差值，并根據(jù)實際扭矩波動差值和期望的扭矩波動差值進行比較。

4、當(dāng)實際扭矩波動差值和期望的扭矩波動差值之間的誤差大于第一誤差閾值時，則通過小波神經(jīng)網(wǎng)絡(luò)對誤差進行反向傳播，以對小波神經(jīng)網(wǎng)絡(luò)中輸入層至隱含層之間的連接權(quán)值以及隱含層的連接閾值進行修正，直至實際扭矩波動差值和期望的扭矩波動差值之間的誤差小于第一誤差閾值時，得到訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)。其中，第一誤差閾值指允許的誤差，可根據(jù)經(jīng)驗確定。

在以上描述中，從輸出層作為起始到輸入層，通過調(diào)整每一層的節(jié)點的連接權(quán)值和連接閾值，進行誤差反向傳播，其中，可以通過如下公式對小波神經(jīng)網(wǎng)絡(luò)中輸入層至隱含層之間的連接權(quán)值進行修正，公式為：

其中，η為權(quán)值修正的學(xué)習(xí)率，0<η<1，w_ij為第i個輸入層至第j個隱含層的連接權(quán)值；

通過如下公式對小波神經(jīng)網(wǎng)絡(luò)中隱含層的連接閾值進行修正，公式為：

其中，μ為閾值修正的學(xué)習(xí)率，0<μ<1，θ_j是第j個隱含層單元的連接閾值；

通過如下公式對小波神經(jīng)網(wǎng)絡(luò)中隱含層至輸出層之間的連接權(quán)值進行修正，公式為：

其中，v_ji為第i個隱含層至第j個輸出層的連接權(quán)值。

更為具體地說，如圖3所示，小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程(即自學(xué)習(xí)過程)可以概括為幾個階段，如數(shù)據(jù)預(yù)處理、樣本選擇、正向傳播、誤差計算、誤差反向傳播。

數(shù)據(jù)預(yù)處理：

從網(wǎng)絡(luò)訓(xùn)練開始，給各輸入分量以同等的地位，通過上述的sigmoid函數(shù)將輸入數(shù)據(jù)歸一化到0～1間變化，降低網(wǎng)絡(luò)權(quán)值的調(diào)整范圍，減輕網(wǎng)絡(luò)訓(xùn)練時的難度。

樣本選擇：

從預(yù)處理后的訓(xùn)練樣本集中選取一組數(shù)據(jù)，輸入到神經(jīng)網(wǎng)絡(luò)，由神經(jīng)網(wǎng)絡(luò)計算出其輸出值。

正向傳播：

正向傳播過程是按照如圖2所示的箭頭方向的傳播的過程，當(dāng)學(xué)習(xí)過程開始時，從輸入層經(jīng)各中間隱層向輸出層傳播，在輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)。

誤差分析：

誤差分析環(huán)節(jié)中針對的是模式切換前后曲軸的輸出扭矩波動的分析，其中，扭矩波動信號可由電磁轉(zhuǎn)速傳感器和測速齒盤測得。扭矩波動過大，易形成共振，影響整機性能與動力性能，造成車內(nèi)乘客舒適性的下降。在本環(huán)節(jié)中，實際的扭矩波動值是模式切換前采集的扭矩波動值與模式切換后采集的扭矩波動值的差值的絕對值，將該差值與設(shè)定好的期望的扭矩波動的差值相比較。

理想的情況下，即未發(fā)生斷缸/全缸的模式切換時，發(fā)動機保持同一模式工作時，兩次采集扭矩波動值，其差值是零，即整車性能與動力性能未發(fā)生變化，車內(nèi)乘客的舒適性未發(fā)生變化。

對于節(jié)點j，實際輸出與期望輸出的誤差定義為，

其中，和o_j分別是節(jié)點j的期望輸出和實際輸出。

設(shè)定ε為指定的允許誤差，若m個輸出節(jié)點的實際輸出均滿足該樣本的相應(yīng)的m個期望輸出，即E_j≤ε,j＝1,2,...,m，則學(xué)習(xí)過程結(jié)束，進行所控制參數(shù)的輸出。否則，若E_j>ε,j＝1,2,...,m則進入誤差反向傳播過程。

誤差反向傳播：

從輸出層起始到輸入層，通過調(diào)整每一層神經(jīng)元的權(quán)值和閾值，進行誤差反向傳播；人工神經(jīng)網(wǎng)絡(luò)通過調(diào)節(jié)每個神經(jīng)元的權(quán)值來存儲“新知識”，在誤差反向傳播過程中，系數(shù)調(diào)節(jié)的原則是，按照上述的誤差的負梯度來修改權(quán)值w，并按照上述的公式進行閾值的修正即可。

網(wǎng)絡(luò)訓(xùn)練依此步驟重復(fù)執(zhí)行，在執(zhí)行的過程中，根據(jù)實際輸出和期望輸出之間的差值來調(diào)節(jié)權(quán)值和閾值，使實際輸出愈來愈接近期望輸出，從而完成小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

步驟S103：獲取車輛的運行參數(shù)，根據(jù)運行參數(shù)判斷是否進入斷缸模式。其中，車輛的運行參數(shù)包括但不限于：發(fā)動機轉(zhuǎn)速信號、發(fā)動機扭矩信號、油門踏板信號、檔位信號、車速信號和冷卻液溫度信號。

對于在線控制階段，斷缸控制系統(tǒng)需考慮到發(fā)動機的各種復(fù)雜工況下的工作情況，怠速工況或轉(zhuǎn)速過低時，斷缸會引發(fā)整機劇烈振動，需全缸模式工作；發(fā)動機冷啟動或冷卻液溫度過低時，燃油汽化不完全，此時需全缸工作，保證燃燒穩(wěn)定；急加速工況，為滿足整機的功率需求，需全缸模式工作，保證良好的動力性能；而檔位信號、油門踏板信號等均與車輛的行駛工況直接相關(guān)，也需將它們作為是否進入斷缸模式的充分條件。

如圖4所示，首先根據(jù)傳感器的信號(包括發(fā)動機轉(zhuǎn)速信號、發(fā)動機扭矩信號、油門踏板信號、檔位信號、車速信號、冷卻液溫度信號等)，判斷出發(fā)動機和車輛的實際運行工況，為避免影響發(fā)動機正常運行，在暖機、怠速、加/減速、轉(zhuǎn)速過低/過高等工況下均不進入斷缸模式，根據(jù)采集的傳感器信號，首先設(shè)定一個與這些運行工況相對應(yīng)的控制區(qū)間(包括轉(zhuǎn)速區(qū)間、扭矩區(qū)間、車速區(qū)間、冷卻液溫度區(qū)間等)，判斷發(fā)動機是否在此區(qū)間工況運行：若在此區(qū)間工況運行，則保持原機正常模式工作；若不在此區(qū)間工況運行，則認為符合斷缸模式的基本要求，進入控制系統(tǒng)的下一環(huán)節(jié)。由控制系統(tǒng)對斷缸模式的具體參數(shù)進行控制。

步驟S104：如果是，則將車輛的運行參數(shù)輸入訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)，以根據(jù)車輛的運行參數(shù)確定斷缸數(shù)目和斷缸次序，生成相應(yīng)的斷缸模式信號，并根據(jù)斷缸模式信號得到工作氣缸的進氣流量和噴油量。

步驟S105：根據(jù)斷缸模式信號、工作氣缸的進氣流量和噴油量對發(fā)動機的斷缸過程進行控制。

具體而言，在符合斷缸模式時，輸入?yún)?shù)通過小波信號分析環(huán)節(jié)進行小波變換，小波變換的特點是運算速度快，有利于發(fā)動機控制單元的實時處理。小波變換之后的參數(shù)進入神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，計算得到輸出參數(shù)，輸出參數(shù)包括2個變量，為斷缸數(shù)目和斷缸次序。其中，斷缸數(shù)目是指停止的工作氣缸數(shù)目，斷缸次序是指確定斷缸數(shù)目后，各個氣缸(噴油器)工作的時間序列，如斷缸數(shù)目為2時，確定具體是對哪兩個缸停止工作。更為具體地，是通過 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，根據(jù)所處發(fā)動機工況，選擇合適的斷缸數(shù)目，根據(jù)模式切換前后扭矩波動變化最小的原則，選擇合適的斷缸次序。再根據(jù)輸出的斷缸模式信號，得出斷缸模式下工作氣缸的進氣流量，對配氣相位進行相應(yīng)的控制，并對噴油量進行相應(yīng)的控制，完成整個斷缸過程的控制。

根據(jù)本發(fā)明實施例的發(fā)動機的斷缸模式實現(xiàn)方法，結(jié)合了小波分析和人工神經(jīng)網(wǎng)絡(luò)控制，可以對發(fā)動機的斷缸系統(tǒng)進行精確的實時控制，神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自學(xué)習(xí)的能力，可以克服控制對象的不確定性和時變性，用較少的試驗數(shù)據(jù)作為樣本對網(wǎng)絡(luò)進行訓(xùn)練，利用小波分析可以使神經(jīng)網(wǎng)絡(luò)具有更快的學(xué)習(xí)和收斂速度，提升控制的實時性。該方法在保證斷缸效果(即燃油經(jīng)濟性)的同時，提升了氣缸間的均勻性與工作的穩(wěn)定性，提升整車的可靠性，提升駕駛員的舒適性。

圖5是根據(jù)本發(fā)明一個實施例的發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)的結(jié)構(gòu)框圖。如圖5所示，根據(jù)本發(fā)明一個實施例的發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)500，包括：訓(xùn)練樣本獲取模塊510、訓(xùn)練模塊520、判斷模塊530和控制模塊540。

其中，訓(xùn)練樣本獲取模塊510用于選取多個發(fā)動機轉(zhuǎn)速，并分別在每個發(fā)動機轉(zhuǎn)速下以多個預(yù)先設(shè)定的斷缸模式進行負荷特性試驗，得到多組訓(xùn)練樣本，其中，所述訓(xùn)練樣本包括發(fā)動機轉(zhuǎn)速、輸出扭矩和隨曲軸轉(zhuǎn)角的扭矩波動情況。訓(xùn)練模塊520用于根據(jù)所述訓(xùn)練樣本對預(yù)先設(shè)定的小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練直至滿足預(yù)定條件，得到訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)。判斷模塊530用于獲取車輛的運行參數(shù)，并根據(jù)所述運行參數(shù)判斷是否進入斷缸模式?？刂颇K540用于在所述判斷模塊判斷進入斷缸模式時，將所述車輛的運行參數(shù)輸入所述訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)，以根據(jù)所述車輛的運行參數(shù)確定斷缸數(shù)目和斷缸次序，生成相應(yīng)的斷缸模式信號，并根據(jù)所述斷缸模式信號得到工作氣缸的進氣流量和噴油量，以及根據(jù)所述斷缸模式信號、所述工作氣缸的進氣流量和噴油量對發(fā)動機的斷缸過程進行控制。

在本發(fā)明的一個實施例中，所述小波神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，其中，所述輸入層具有n個輸入節(jié)點，所述輸出層具有m個輸出節(jié)點，所述n和m為正整數(shù)，所述隱含層的節(jié)點數(shù)目通過如下公式得到，所述公式為：

其中，所述k為所述隱含層的節(jié)點數(shù)，所述β為1至10之間的任意一個常數(shù)。

在本發(fā)明的一個實施例中，訓(xùn)練模塊520用于：

對所述訓(xùn)練樣本進行歸一化處理，其中，通過sigmoid函數(shù)對所述訓(xùn)練樣本進行歸一化，所述sigmoid函數(shù)為：

其中，所述c為所述sigmoid函數(shù)的系數(shù)；

將歸一化處理后的一組訓(xùn)練樣本輸入所述小波神經(jīng)網(wǎng)絡(luò)進行正向傳播；

獲取由全缸模式切換至斷缸模式時的實際扭矩波動差值，并根據(jù)所述實際扭矩波動差值和期望的扭矩波動差值進行比較；

當(dāng)所述實際扭矩波動差值和期望的扭矩波動差值之間的誤差大于第一誤差閾值時，則通過所述小波神經(jīng)網(wǎng)絡(luò)對所述誤差進行反向傳播，以對所述小波神經(jīng)網(wǎng)絡(luò)中輸入層至隱含層之間的連接權(quán)值以及隱含層的連接閾值進行修正，直至所述實際扭矩波動差值和期望的扭矩波動差值之間的誤差小于所述第一誤差閾值時，得到所述訓(xùn)練完成的小波神經(jīng)網(wǎng)絡(luò)。其中，第一誤差閾值指允許的誤差，可根據(jù)經(jīng)驗確定。

訓(xùn)練模塊520從輸出層作為起始到輸入層，通過調(diào)整每一層的節(jié)點的連接權(quán)值和連接閾值，進行誤差反向傳播，其中，通過如下公式對所述小波神經(jīng)網(wǎng)絡(luò)中輸入層至隱含層之間的連接權(quán)值進行修正，所述公式為：

其中，所述η為權(quán)值修正的學(xué)習(xí)率，0<η<1，w_ij為第i個輸入層至第j個隱含層的連接權(quán)值；

通過如下公式對所述小波神經(jīng)網(wǎng)絡(luò)中隱含層的連接閾值進行修正，所述公式為：

其中，所述μ為閾值修正的學(xué)習(xí)率，0<μ<1，所述θ_j是第j個隱含層單元的連接閾值；

通過如下公式對所述小波神經(jīng)網(wǎng)絡(luò)中隱含層至輸出層之間的連接權(quán)值進行修正，所述公式為：

其中，所述v_ji為第i個隱含層至第j個輸出層的連接權(quán)值。

根據(jù)本發(fā)明實施例的發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)，結(jié)合了小波分析和人工神經(jīng)網(wǎng)絡(luò)控制，可以對發(fā)動機的斷缸系統(tǒng)進行精確的實時控制，神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自學(xué)習(xí)的能力，可以克服控制對象的不確定性和時變性，用較少的試驗數(shù)據(jù)作為樣本對網(wǎng)絡(luò)進行訓(xùn)練，利用小波分析可以使神經(jīng)網(wǎng)絡(luò)具有更快的學(xué)習(xí)和收斂速度，提升控制的實時性。該系統(tǒng)在保證斷 缸效果(即燃油經(jīng)濟性)的同時，提升了氣缸間的均勻性與工作的穩(wěn)定性，提升整車的可靠性，提升駕駛員的舒適性。

需要說明的是，本發(fā)明實施例的發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)的具體實現(xiàn)方式與本發(fā)明實施例的發(fā)動機的斷缸模式實現(xiàn)方法的具體實現(xiàn)方式類似，具體請參見方法部分的描述，為了減少冗余，不做贅述。

進一步地，本發(fā)明的實施例公開了一種車輛，該車輛包括了上述實施例所述的發(fā)動機的斷缸模式實現(xiàn)系統(tǒng)。該車輛結(jié)合了小波分析和人工神經(jīng)網(wǎng)絡(luò)控制，可以對發(fā)動機的斷缸系統(tǒng)進行精確的實時控制，神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自學(xué)習(xí)的能力，可以克服控制對象的不確定性和時變性，用較少的試驗數(shù)據(jù)作為樣本對網(wǎng)絡(luò)進行訓(xùn)練，利用小波分析可以使神經(jīng)網(wǎng)絡(luò)具有更快的學(xué)習(xí)和收斂速度，提升控制的實時性。在保證斷缸效果(即燃油經(jīng)濟性)的同時，提升了氣缸間的均勻性與工作的穩(wěn)定性，提升整車的可靠性，提升駕駛員的舒適性。

另外，根據(jù)本發(fā)明實施例的車輛的其它構(gòu)成以及作用對于本領(lǐng)域的普通技術(shù)人員而言都是已知的，為了減少冗余，不做贅述。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。