马自达加快下一代应用创驰蓝天技术(SKYACTIV TECHNOLOGY)的发动机开发

解决方案

使用 Simulink 和 Model-Based Calibration Toolbox（基于模型的标定工具箱）来加速优化标定生成，开发ECU 可嵌入式模型以及用于 HIL仿真的发动机模型

结果

最大限度地减少发动机标定工作量
模型复杂度降低一半
提高了模型精度

“Model-Based Calibration Toolbox 不仅使我们可以确定创驰蓝天柴油发动机（SKYACTIV-D）的最优标定设置，而且还可以大幅减少工程投入。该工具箱生成的模型加快了控制策略的开发速度，提供了有价值的信息，同时还使得尝试新策略变得更加容易。”
Shingo Harada, Mazda

马自达的创驰蓝天（SKYACTIV-D）柴油发动机

创驰蓝天技术（SKYACTIV TECHNOLOGY）发动机的开发，使得马自达无须依赖小型化和稀薄燃烧方法，即可实现节能型柴油和汽油发动机的商业化。创驰蓝天汽油发动机(SKYACTIV-G) 是世界上第一台压缩比高达14.0:1的量产汽油发动机，效率和转矩提升了15%。相应的创驰蓝天柴油发动机(SKYACTIV-D) ，具有全世界最低的柴油机压缩比，在符合严格的排放法规（包括欧洲Euro6和日本汽车尾气排放法规）的情况下将燃油效率提高了20%，同时无需使用昂贵的尾气后处理装置来减少氮氧化物(NO_x)的排放。

马自达工程师采用MATLAB^®、Simulink^®和Model-Based Calibration Toolbox™来进行发动机控制器的设计、验证和标定。

“创驰蓝天发动机（SKYACTIV）的设计采用了能提供更大转矩和改善燃油经济性的先进技术”，马自达的副经理Shingo Harada说：“而Model-Based Calibration Toolbox则帮助我们充分发挥这些先进技术的性能，相比于手工的、基于电子表格的标定方法，可获得更高燃油效率和更低的尾气排放。”

该图表示的是参数数量的减少，对最大气缸压力（Pmax）模型精度的影响。

挑战

由于马自达发动机已经变得越来越复杂，因此，使用传统的标定方法越来越难以获得最优的标定。“采用基于电子表格的试错法需要大量的试验时间，试验室很难按时交付”，Harada说：“更重要的是，就算是经验丰富的标定工程师，也很难在五个或更多维度的搜寻范围内找到最佳值，所以，我们永远无法确定是否已找到了最优标定。”

马自达希望降低柴油机(SKYACTIV-D)的压缩比，从而最大限度地减少炭烟和NO_x排放。为了实现这个目标和其他设计目标，工程师们需要使用最大缸压和排温的统计模型，并且可嵌入ECU。初始版本的模型具有40个参数，由于过于复杂而不能在ECU上运行。马自达需要在不牺牲精度的前提下降低模型复杂度。

解决方案

马自达采用了Simulink和Model-Based Calibration Toolbox来制定试验计划、开发统计模型和生成柴油机(SKYACTIV-D)的最优标定。他们也使用相同的工具来开发汽油机(SKYACTIV-G)的统计模型，并进行发动机控制策略的硬件在环(HIL)仿真测试。

马自达采用了Model-Based Calibration Toolbox来优化了柴油机(SKYACTIV-D)的测试方案。测试计划只包含足够涵盖发动机性能和排放特性的测试点，从而最大限度地缩短测试时间。

在试验室完成测试后，工程师将测试数据导入Model-Based Calibration Toolbox，并建立发动机响应的统计模型。

使用Model-Based Calibration Toolbox中的标定生成工具(CAGE)和内部开发的基于MATLAB的优化界面，开发团队可从发动机模型生成最优标定。

为了定义发动机实际工作范围，得到仿真、优化和嵌入式模型所需的边界条件，他们使用Model-Based Calibration Toolbox来创建边界模型。

利用Model-Based Calibration Toolbox，马自达的工程师生成了嵌入式模型，包括在柴油发动机(SKYACTIV-D)的产品ECU上使用的最大缸压模型。

对于相同的ECU，他们建立了总燃油消耗量与多个工况点变量的函数关系模型，结合排温模型（也通过Model-Based Calibration Toolbox生成），改善油耗模型的可靠性和性能。

柴油发动机(SKYACTIV-D)符合严格的欧洲和日本尾气排放标准，广泛安装在量产车辆中，包括Mazda CX-5。

研究创驰蓝天汽油发动机(SKYACTIV-G)的工程师使用Model-Based Calibration Toolbox开发了一种发动机油耗统计模型。他们将该模型导出到Simulink，用于发动机控制逻辑的开发、调试和HIL仿真。该模型在自动变速箱油耗仿真中重用，从而进一步减少了模型开发的投入。

结果

最大限度地减少发动机标定工作量。“采用传统方法，标定一款新发动机的测试量非常大”，Harada说：“而使用Model-Based Calibration Toolbox，我们可以重用现有数据和仿真结果，从而最大限度地减少了测试的工作量和试验设备的使用。”
模型复杂度降低一半。“我们最初的ECU里最高缸压模型有38个参数。使用Model-Based Calibration Toolbox，参数减少到了20个，从而减少了ECU的负荷。”Harada说：“类似地，该工具箱还使排温模型的参数从大约40个减少到20个，同时保持同等的精度级别。”
提高了模型精度。Harada说：“使用Model-Based Calibration Toolbox创建的边界模型，我们改善了烟气模型的精度，均方根误差（RMSE）减小80%。”