增压柴油机性能参数GM预测仿真平台研究

摘要：针对小样本、贫数据下柴油机性能参数预测问题，以TBD234V12增压柴油机为试验对象，采用灰色预测方法分别建立了不同柴油机运行参数的等间隔GM预测模型和非等间隔GM预测模型，并通过MATLAB语言和GUIDE自主设计和开发了相继增压柴油机性能参数预测仿真平台。通过试验及仿真验证表明，该仿真平台能够较高精度的实现小样本下的柴油机性能预测，为柴油机的性能优化研究提供了新的有效平台。

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.

關键词：柴油机;性能参数;GM预测;GUIDE;仿真平台

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

0  引言

增压柴油机较普通柴油机系统复杂，运行环境更加恶劣，为了确保其可靠稳定的运行，有必要对增压系统的运行状态和运行趋势进行监测和预报，进而有效预防和避免故障的发生[1]。虽然针对柴油机性能参数预测的方法有很多，如神经网络[2]、支持向量机[3]等，但是此类方法都是基于统计学的方法，需要大量的数据作为预测基础。对于一些数据受限无法获取足够数据样本的场合，此类方法便难以实施。灰色预测方法具有样本少、运算简便、短期预测精度高的特点[4]，理论上只需4个数据即可形成原始数据序列，进行数据建模，并通过模型中的反馈信息来检验预测结果的准确性。因此，将灰色预测方法应用于柴油机性能预测领域成为一种新的研究途径。

目前，灰色预测在柴油机领域已经有了诸多成功的应用案例[5-7]，但是均存在共同的问题：一方面，灰色预测在柴油机领域的应用大多局限于基本模型的应用，应用范围比较局限;另一方面，灰色预测在柴油机领域的应用实现基本都采用传统编程方式，如C语言或者MATLAB语言等，缺乏有效的硬件平台，不利于模型的基础应用以及拓展研究，也不利于在线仿真的实现。

因此，本文基于“小样本、贫数据”研究背景，对灰色预测应用于等间隔模式下和非等间隔模式下增压柴油机主要性能参数预测进行了详细研究，拓展了灰色预测在柴油机领域的应用范围，并利用MATLAB GUIDE开发和设计了仿真优化平台，为灰色预测方法在柴油机性能预测领域的应用及优化提供了有效方式。

1  GM预测建模方法

1.1 等间隔GM预测模型

通过以上步骤求解得到的模型称作均值GM（1，1）模型，简称EGM模型。该模型也是目前应用最为普遍的模型，通常所提的GM（1，1）模型均代指该模型。

1.2 非等间隔GM预测模型

在柴油机运行参数实际采集过程中，并不是所有时候都采用等间隔采样方式，往往会因为某些特殊情况无法获得足够等间隔数据，这样由非等间隔采集组成的原始数据序列便不具备灰色预测的“时序性”，不宜再直接采用原GM模型进行建模。因此，本文采取加权处理的方法对原模型进行改进。

2  仿真平台的设计与开发

目前GM预测的实现基本都是基于编程方式，如基于MATLAB语言、C语言等。该类方法在应用过程中存在明显的不足：

①实现过程比较繁琐。以MATLAB语言编程为例，具体的实现方式是采用MATLAB语言编写预测程序m文件，然后通过MATLAB调用m文件或拷贝m文件中的程序内容至MATLAB命令窗口进行计算，整个操作均在命令行界面中完成。当需要对不同对象进行建模或者进行对比分析时，需要反复调用m文件中的程序，而反复的调用往往容易增加出错的概率，严重影响计算效率。

②无法直观显示建模过程。无论GM预测的基础应用还是优化研究，建模过程中的反馈参数都至关重要，而传统方式很难直观的呈现建模过程中模型参数的变化情况，这也是目前灰色预测应用中容易被忽略的环节。

③较难实现选择性建模。由于不同GM模型具备不同的适用性，因此在应用过程中往往离不开模型适用性对比分析，尤其是对于柴油机不同运行参数，需要对其选择性建模，而这便大大增加了传统编程方式的工作量。

④无法实现在线预测功能。柴油机GM预测应用研究的目的还在实现运行参数的在线预测，而传统方法则难以实现该功能。

虽然南京航空航天大学方面在2003年基于VisualBasic6.0开发了第一套基于Windows视窗界面的灰色系统建模软件[8]，为灰色预测的应用提供了新的研究平台。但是该软件仍存在一些需要改进的地方。首先，该软件侧重于灰色预测模型的基础性研究，无法体现柴油机GM预测应用的特点，且系统功能与最新研究结果比较脱节[9]，尽管后续更新了部分优化模型，但是并不能满足柴油机性能预测建模要求。其次，该软件功能拓展并未对外开放，因此系统功能比较受限，用户无法实现自定义功能。最后，该软件依然无法实现柴油机性能参数在线预测的功能。

因此，为了方便应用及优化研究的开展，本文采用MATLAB语言编程，基于MATLAB软件中自带的图形用户界面开发环境GUIDE（Graphic User Interface Design Environment）设计并建立了GM预测GUI，并编译为可独立运行的.exe文件，即柴油机性能GM预测仿真平台。

GUI的实现主要包括GUI界面设计和回调程序的设计，分别对应保存在.fig和.m文件中[10]。GUI界面设计通过设置菜单和各个控件，并进行位置布置和属性编辑来实现，GUI的具体实施过程在此不详加赘述，可参考文献[11]-[13]。考虑到尽可能的方便在线仿真及工程应用，该GUI设计有多个功能模块，每个模块包含多个子程序，用户只需要通过简单操作即可直观获得建模相关信息。仿真平台的主要结构控制流程如图1所示。

仿真平台主要包括初始设置模块、计算模块和显示、输出模块。

①初始设置模块。该模块主要包括GM模型选择及对应模型基本参数的设置，该模块也是GM预测GUI的核心部分。模型选择子程序主要由EGM模型、NEGM模型以及DGM模型、ODGM模型、EDGM模型、Verhulst模型、残差GM（1，1）模型、残差均值GM（1，1）模型等共计10多种通用GM模型，便于快捷实现不同GM模型的适用性研究。

②计算模块。该模块主要包括数据的导入、模型检验、仿真计算、精度检验、误差棒图分析、不同步长预测等。用户只需要选择模型及设置相关模型参数，即可快捷实现GM仿真计算。

③显示、输出模块。该模块主要包括GM建模参数、仿真曲线、误差棒图等输出。具体包括仿真与试验对比曲线输出、中间反馈参数的输出、不同模型误差棒图的输出等。各输出子模块相互独立，且设置有导出功能，可以将每次仿真计算的结果以及相关反馈参数保存至工作目录下EXCEL或WORD文件中，便于用户进一步处理。

通常完成GUI的设计之后需要编写菜单和各个控件的回调函数的程序代码，从而激活各个控件相应的功能。由于GUI人机交互的实现必须依托MATLAB GUIDE环境，不利于实际应用，因此，本节通过编译生成可独立运行的.exe可执行文件，即柴油机性能GM预测仿真平台，其主界面如图2所示。

3  仿真实例验证

3.1 等间隔GM预测

随机选取增压器转速进行GM预测验证。通過试验获取等间隔采集序列，如表1所示。

图3为仿真值与试验值对比曲线。

由图3可以上看出，GM仿真预测曲线基本与试验值曲线重合，一步预测相对误差为6.2%，基本符合要求。

3.2 非等间隔GM预测

同样选取增压器转速参数进行GM预测验证。通过试验获取非等间隔采集序列，如表2所示。

由图4可以看出，仿真预测曲线与试验值曲线贴近程度较高，一步预测相对误差为0.24%，具有较高的预测精度。

图5所示为仿真平台结果示意图。

通过以上结果验证了仿真平台的有效性，对于柴油机性能参数GM预测提供了一种快捷便利的研究平台。

4  结论

本文针对小样本、贫数据下的柴油机性能参数预测问题进行了研究，基于等间隔和非等间隔模式分别建立柴油机不同参数的GM预测模型，采用MATLAB语言编写了预测算法，并基于GUIDE设计和开发了柴油机性能GM预测仿真平台，最终的结果验证了平台的有效性，可以满足柴油机性能参数的预测要求，对于柴油机的性能预测及优化研究提供了一种新的研究方式和研究平台。

参考文献：

[1]王银燕，何清林，王贺春等.柴油机采用4台增压器相继增压性能的试验研究[J].内燃机工程，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]邹兆鹏.灰色理论在GE5080F型发动机油液监测中的应用研究[D].中南大学，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]刘思峰.灰色系统理论的产生与发展[J].南京航空航天大学学报，2004（02）：267-272.

[9]刘思峰.灰色系统理论及应用[M].科学出版社，2010.

[10]祖象欢，杨传雷，王银燕.基于GM（1，1）模型和MATLAB GUI的相继增压柴油机性能预测[J].哈尔滨工程大学学报，2015， 36（11）：1-5.

[11]秦辉，席裕庚.基于Matlab GUI的预测控制仿真平台设计[J].系统仿真学报，2006，18（10）：2778-2781.

[12]曹万科，张天侠，张霖霖，等.汽车CAN总线可视化实时性分析研究及仿真[J].系统仿真学报，2008，20（9）：2345-2348.

[13]刘旭旺，汪定伟.基于Multi-Agent的多属性拍卖评标机制的仿真研究[J].系统仿真学报，2013，15（10）：2367-2372.