用于优化起重机的发动机油耗的方法及处理器与流程

1.本技术涉及车辆技术领域，具体地涉及一种用于优化起重机的发动机油耗的方法、处理器以及机器可读存储介质。


背景技术：

2.当前，起重机发动机通常直接采用卡车行业的发动机，未进行任何适配性开发，因主机厂无法提供载荷谱，各发动机厂没有针对起重机的工况开发相对应的产品，致使起重机燃油经济性较差。现有技术有根据实际工况的载荷图谱与发动机万有特性图谱对汽车动力系统实行能源根据效率优化的方案，但此方案未解决如何获取具有一定代表性的发动机实际工况载荷谱。


技术实现要素：

3.本技术的目的是为了克服现有技术存在的起重机的发动机燃油经济性差这一问题，提供了一种用于优化起重机的发动机油耗的方法、处理器以及机器可读存储介质。
4.为了实现上述目的，本技术第一方面提供一种用于优化起重机的发动机油耗的方法，应用于起重机，方法包括：
5.获取多个起重机的发动机的原始数据集，多个起重机包括至少一个起重机车型，每个起重机车型包括至少一个起重机，原始数据集包括发动机的转速与负荷百分比；
6.根据原始数据集确定工况数据集；
7.根据工况数据集确定发动机的载荷谱；以及
8.根据载荷谱调整发动机的万有特性曲线图谱，以优化发动机油耗。
9.在本技术实施例中，根据原始数据集确定工况数据集包括：
10.根据原始数据集中的发动机的转速和负荷百分比确定发动机的实际扭矩，工况数据集包括发动机的转速和实际扭矩。
11.在本技术实施例中，根据原始数据集确定工况数据集包括：
12.判断起重机是否处于行驶状态或作业状态；
13.在起重机处于行驶状态或作业状态的情况下，根据原始数据集中处于相应状态的起重机的目标发动机的转速和负荷百分比确定目标发动机的实际扭矩，其中工况数据集包括目标发动机的转速和实际扭矩。
14.在本技术实施例中，根据工况数据集确定发动机的载荷谱，包括：
15.对工况数据集进行离散化；
16.对离散化的工况数据集进行数据统计，以得到载荷谱。
17.在本技术实施例中，对离散化的工况数据集进行数据统计，以得到载荷谱，包括：
18.确定工况数据集中不同工况区间的发动机的转速和实际扭矩的数据数量在工况数据集的总数据数量中的占比；
19.根据占比得到载荷谱。
20.在本技术实施例中，根据载荷谱调整发动机的万有特性曲线，以优化发动机油耗，包括：
21.根据载荷谱调整发动机的万有特性曲线图谱，以得到多个调整后的万有特性曲线图谱；
22.根据多个调整后的万有特性曲线图谱确定对应的多个总油耗；
23.将多个调整后的万有特性曲线图谱对应的总油耗与根据调整前的万有特性曲线图谱确定的总油耗进行对比，将其中差值最大的调整后的万有特性曲线图谱作为最优万有特性曲线图谱；
24.根据最优万有特性曲线图谱优化发动机油耗。
25.在本技术实施例中，方法还包括：
26.根据载荷谱中各个工况区间的数据量在载荷谱总数据量中的占比与各个工况区间在每个调整后的万有特性曲线图谱中所对应的油耗计算每个调整后的万有特性曲线图谱对应的总油耗；
27.根据载荷谱中各个工况区间的数据量在载荷谱总数据量中的占比与各个工况区间在调整前的万有特性曲线图谱中所对应的油耗计算调整前的万有特性曲线图谱对应的总油耗。
28.在本技术实施例中，根据载荷谱调整发动机的万有特性曲线图谱，以得到多个调整后的万有特性曲线图谱包括：
29.根据载荷谱调整发动机的万有特性曲线图谱，使载荷谱中发动机的常用工况落入调整后的万有特性曲线图谱中的低油耗区，得到多个调整后的万有特性曲线图谱。
30.在本技术实施例中，方法还包括：
31.将每个调整后的万有特性曲线图谱与调整前的万有特性曲线图谱进行离散化，其离散化规则与工况数据集的离散化规则一致。
32.在本技术实施例中，方法还包括：
33.确定数据筛选规则，数据筛选规则包括指定区域车辆与指定间隔时间，根据数据筛选规则对工况数据集进行数据筛选
34.本技术第二方面提供一种处理器，被配置成执行上述实施例中任意一项的用于优化起重机的发动机油耗的方法。
35.本技术第三方面提供一种机器可读存储介质，机器可读存储介质上存储有指令，指令被处理器执行时使得处理器实现根据上述的用于优化起重机的发动机油耗的方法。
36.通过上述技术方案，可以通过大数据获得具有代表性的实际工况下的起重机载荷谱，并对海量的工况数据进行清洗过滤、离散化分析，提升分析结果的可用性、价值性和准确性；并根据载荷谱对发动机原有的万有特性图谱进行调整，使载荷谱中的常用工况落入万有特性曲线图谱中的低油耗区。在获得多个调整后的万有特性曲线图谱后，根据载荷谱计算调整前后的油耗差，以选择最优的调整方案，使起重机的发动机油耗可以获得有效优化，提升起重机的燃油经济性。
附图说明
37.图1示意性示出了根据本技术实施例的用于优化起重机的发动机油耗的方法的流
程示意图；
38.图2示意性示出了根据本技术实施例的确定行驶状态下的载荷谱的流程逻辑框图。
39.图3示意性示出了根据本技术实施例的根据载荷谱调整发动机的万有特性曲线图谱的流程逻辑框图。
40.图4示意性示出了根据本技术实施例的外特性扭矩随转速的变化曲线示例。
41.图5示意性示出了根据本技术实施例计算出的载荷谱示例。
具体实施方式
42.以下结合附图对本技术的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本技术，并不用于限制本技术。
43.需要说明，若本技术实施例中有涉及方向性指示(诸如上、下、左、右、前、后
……
)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
44.另外，若本技术实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本技术要求的保护范围之内。
45.图1示意性示出了根据本技术实施例的用于优化起重机的发动机油耗的方法的流程示意图。如图1所示，在本技术实施例中，提供了一种用于优化起重机的发动机油耗的方法，该方法可以包括以下步骤：
46.步骤101：获取多个起重机的发动机的原始数据集；
47.步骤102：根据原始数据集确定工况数据集；
48.步骤103：根据工况数据集确定发动机的载荷谱；
49.步骤104：根据载荷谱调整发动机的万有特性曲线图谱，以优化发动机油耗。
50.在本技术的一个实施例中，技术人员可以通过与品牌车型适配的工业互联网采集起重机的各部件的工作信息，例如每台起重机的车速、发动机的转速、变速箱齿轮的动力输出以及发动机的负荷百分比之类的一系列工作参数皆可被实时采集、调取。在本技术的一个实施例中，多台发动机的转速与发动机的负荷百分比可以作为后续计算载荷谱的参数，其可以被纳入原始数据集中。在工业互联网中，可通过起重机的车型以及其vin码实时查询匹配到对应车辆的工作信息，故在本技术的一个实施例中，在进行数据采集前，可先确定数据采集的时间范围，例如近两年的任意月份，以及需要被采集数据的起重机的vin码。在本技术实施例中，可以选择同一车型的多台起重机的vin码进行数据采集，计算其载荷谱完毕后再进行另一车型的数据采集与载荷谱计算，这样可以保证通过大数据计算出的载荷谱在其车型的起重机中具有代表性，没有其他车型的数据的干扰。
51.在本技术的一个实时例中，步骤102包括：
52.根据原始数据集中的发动机的转速和负荷百分比确定发动机的实际扭矩，工况数
据集包括发动机的转速和实际扭矩。
53.具体地，本技术的技术方案中需要获得的载荷谱包括起重机在行驶状态下的行驶载荷谱与在作业状态下的作业载荷谱，分别可用来进行起重机行驶状态下的发动机油耗优化与作业状态下的油耗优化，相应的，用来计算行驶状态下的载荷谱的工况数据集中的数据须是起重机在行驶状态下的数据，用来计算作业载荷谱的工况数据集中的数据须是起重机在作业状态下的数据。
54.在本技术的一个实施例中，需要进行起重机在行驶状态下的油耗优化，故非行驶状态下的起重机各类数据不具有参考意义，因此需要判断起重机是否处于行驶状态。图2示意性示出了根据本技术实施例的确定行驶状态下的载荷谱的流程逻辑框图，如图2所示，在本技术的一个实施例中，如图2所示步骤s102可以包括：
55.判断起重机是否处于行驶状态；
56.在起重机处于行驶状态的情况下，根据原始数据集中处于行驶状态的起重机的目标发动机的转速和负荷百分比确定目标发动机的实际扭矩，其中工况数据集包括目标发动机的转速和实际扭矩。
57.具体地，在本技术的一个实施例中，判断起重机是否处于行驶状态可以根据车速来判断。例如，若车速大于0，则可以认为车辆处于行驶状态；若仅在一段时间(例如3分钟)以内的车速为0，则此监测时间段内依然视车辆处于行驶状态；除上述两种情况的其他情况中的数据皆被视为起重机非行驶状态中的数据。
58.在本技术的另一个实施例中，判断车辆是否处于行驶状态可以依据起重机取力器的工作状态判断。取力器又称功率输出器，一般与变速箱低档齿轮或副箱输出轴连接，将动力输出至外部工作装置，如起重机的外部起吊机构或升降机构。在取力器处于正在取力的工作状态时，视起重机为作业状态，因起重机在一般情况下进行作业时皆处于非行驶的状态。故其他情况下的数据可被视为起重机处于行驶状态下的数据。
59.在本技术的一个实施例中，从原始数据集中提取发动机的转速与负荷百分比计算目标发动机的实际扭矩，根据发动机的转速以及发动机的附带参数——外特性扭矩随转速的变化曲线可计算出不同转速下发动机的外特性扭矩。图4示意性示出了根据本技术实施例的外特性扭矩随转速的变化曲线示例，如图4所示，因外特性扭矩与转速在整体上是属于非线性关系，故可以通过分析拟合曲线，可将各个相邻两点区间内的数据视为线性关系y＝k*x+b；
60.例如邻近点a的转速为s1，外特性扭矩为n1；邻近点b的转速为s2，外特性扭矩为n2，则有：
[0061][0062][0063]
最终根据此线性关系，可得到转速s1至转速s2间任意转速所对应的外特性扭矩数值。
[0064]
上述发动机的外特性扭矩随转速的变化曲线是当发动机节气门开度为100％时测得的发动机输出扭矩随转速变化的曲线，故通过上述方法求得的外特性扭矩需要与原始数
据中发动机的负荷百分比相乘以得到发动机的在各转速下的实际扭矩。
[0065]
进一步地，因本技术需要获得载荷谱以对油耗进行优化，而载荷谱表达的是动力系统在实际工作中，扭矩与转速的对应关系，故选取发动机的转速与通过上述方法求得的发动机的实际扭矩组成工况数据集。
[0066]
在本技术的一个实施例中，步骤103可以包括：
[0067]
对工况数据集进行离散化；
[0068]
对离散化的工况数据集进行数据统计，以得到载荷谱。
[0069]
具体地，可以对工况数据集进行离散化处理。离散化是大批量数据的一种处理方式，将无限空间中有限的个体映射到有限的空间中去，以此提高算法的时空效率。通俗的说，离散化是在不改变数据相对大小的条件下，对数据进行相应的缩小，即数据只与它们之间的相对大小有关，而与具体多少无关时(如本实施例中的发动机的转速与实际扭矩)可对数据进行离散化处理以提高计算结果对异常数据的鲁棒性。在本技术的一个实施例中，工况数据集的离散化规则可设置为：发动机的转速的离散化颗粒度为10r/min，发动机的实际扭矩的离散化颗粒度为10n
·
m。
[0070]
在本技术的一个实施例中，在对工况数据集进行离散化之前，可对工况数据集中的数据进行筛选，根据实际需求确定一种筛选规则，比如筛选出一定间隔时间中某指定区域内的起重机的数据进行计算，以形成特定区域产品群的载荷谱。
[0071]
进一步地，在工况数据集离散化完成后，确定工况数据集中不同工况区间的发动机的转速和实际扭矩的数据数量在工况数据集的总数据数量中的占比。例如，离散化后的工况数据集中，发动机的转速离散化后的区间数量为m个，发动机的实际扭矩离散化后的区间数量为n个，则实际的工况区间(包含转速与其对应的实际扭矩)即为m
×
n个，统计m
×
n个工况区间中每个工况区间的数据数量(即每个工况区间内转速与实际扭矩的数据数量)在工况数据集中总数据数量的占比，这个占比可以理解为每个工况区间所对应的工况(转速-实际扭矩)所发生的频率，频率较高的工况区间集合即可作为发动机的常用工况。在经过上述计算过程后，即可根据各工况区间的数据量占比确定发动机的载荷谱。图5示意性示出了根据本技术实施例计算出的载荷谱示例，如图5所示，颜色越深的部分即为占比越高的工况区间集合，而万有特性曲线图谱以转速为横坐标，以扭矩为纵坐标，其间同时分布着如等高线一般的等燃油消耗率曲线和等功率曲线，故在后续的万有特性曲线图谱的调整中，需要尽可能把载荷谱中深色部分即常用工况区间落入万有特性图谱中的低油耗区内。
[0072]
值得注意的是，上述确定发动机的载荷谱的实施例为确定发动机在起重机行驶状态下的行驶载荷谱的实施例，确定发动机在起重机作业状态下的作业载荷谱的具体方法与上述实施例类似，本领域技术人员可通过类比推断获得，本技术于此不再赘述。
[0073]
发动机厂商可以根据获取到的载荷谱对发动机原有的万有特性曲线图谱进行调整，具体可以通过增大交集的方式进行调整，本发明实施例对具体的万有特性图谱的调整方式不做限定。
[0074]
图3示意性示出了根据本技术实施例的根据载荷谱调整发动机的万有特性曲线图谱的流程逻辑框图，如图3所示，在本发明的一个实施例中，根据载荷谱调整发动机的万有特性曲线，以优化发动机油耗，包括：
[0075]
根据载荷谱调整发动机的万有特性曲线图谱，以得到多个调整后的万有特性曲线
图谱；
[0076]
根据多个调整后的万有特性曲线图谱确定对应的多个总油耗；
[0077]
将多个调整后的万有特性曲线图谱对应的总油耗与根据调整前的万有特性曲线图谱确定的总油耗进行对比，将其中对比的差值最大的调整后的万有特性曲线图谱作为最优万有特性曲线图谱；
[0078]
根据最优万有特性曲线图谱优化发动机油耗。
[0079]
进一步地，在本发明的一个实施例中，根据载荷谱中各个工况区间的数据量在载荷谱总数据量中的占比与各个工况区间在每个调整后的万有特性曲线图谱中所对应的油耗计算每个调整后的万有特性曲线图谱对应的总油耗；
[0080]
根据载荷谱中各个工况区间的数据量在载荷谱总数据量中的占比与各个工况区间在调整前的万有特性曲线图谱中所对应的油耗计算调整前的万有特性曲线图谱对应的总油耗。
[0081]
具体地，万有特性曲线图谱在实际的调整过程中会得到多种调整方案，也就是需要对多个调整后的万有特性曲线图谱进行对比评估。例如，若载荷谱中不同离散后的工况区间的频次与占比，以及其在调整前与调整后的万有特性曲线图谱中的油耗量如下表1所示：
[0082]
表1
[0083]
序号发动机转速扭矩频次占比调整前油耗调整后油耗1(500，510](0，10]f1f1/ffcb1fca12(510，520](0，10]f2f2/ffcb2fca2………ꢀꢀꢀꢀ
x(600，610](80，90]f
xfx
/ffcb
x
fca
x
x+1(610，520](80，90]f
x+1fx+1
/ffcb
x+1
fca
x+1
………ꢀꢀꢀꢀ
m(2490，2500](1390，1400]f
mfm
/ffcbmfcam[0084]
进一步地，可以根据载荷谱中各个工况区间的数据量在载荷谱总数据量中的占比与各个工况区间在每个调整后的万有特性曲线图谱中所对应的油耗计算每个调整后的万有特性曲线图谱对应的总油耗，即每个调整后的万有特性曲线图谱对应的总油耗(fc
后
)为：
[0085][0086]
其中，fcai表示各个离散后的工况区间在调整后的万有特性曲线图谱中所对应的油耗，fi表示载荷谱中不同离散后的工况区间的频次，f表示载荷谱中所有离散后的工况区间的总频次，故即表示各个离散后的工况区间的数据量在载荷谱总数据量中的占比p。
[0087]
可见，每个调整后的万有特性曲线图谱对应一种调整后的总油耗。
[0088]
可以根据载荷谱中各个工况区间的数据量在载荷谱总数据量中的占比与各个工况区间在调整前的万有特性曲线图谱中所对应的油耗计算调整前的万有特性曲线图谱对应的总油耗，即发动机原有的、调整前的万有特性曲线图谱对应的总油耗(fc
前
)为：
[0089][0090]
其中，fcbi表示各个离散后的工况区间在调整前的万有特性曲线图谱中所对应的油耗，fi表示载荷谱中不同离散后的工况区间的频次，f表示载荷谱中所有离散后的工况区间的总频次，故即表示各个离散后的工况区间的数据量在载荷谱总数据量中的占比p。
[0091]
计算每个调整后的万有特性曲线图谱的总油耗与调整前的万有特性曲线的总油耗的油耗差：
[0092]
δfc＝fc
前
–
fc
后
[0093]
其中，fc
前
为调整前的万有特性曲线图谱对应的总油耗，fc
后
为调整后的万有特性曲线图谱对应的总油耗，δfc为调整后的万有特性曲线图谱的总油耗与调整前的万有特性曲线的总油耗的油耗差。
[0094]
可以选取油耗差最大的调整后的万有特性曲线图谱作为最优万有特性曲线图谱，并根据最有万有特性曲线图谱优化发动机油耗。
[0095]
值得注意的是，为了保证计算时各数据来源的数据量级与数据区间划分的一致性，故需要对每个调整后的万有特性曲线图谱与调整前的万有特性曲线图谱进行离散化，其离散化规则与工况数据集的离散化规则一致。
[0096]
通过上述用于优化起重机的发动机油耗的方法，可以根据大数据综合分析手段，对工况的海量数据进行清洗过滤、离散化分析，提升分析结果的可用性、价值性和准确性，获得具有代表性的实际工况下的载荷谱，以作为发动机厂商对发动机的万有特性图谱进行调整的有效依据。在获得多种调整后的万有特性曲线图谱后，通过油耗计算与比对选择最优的调整后的万有特性曲线图谱所对应的调整方案作为最优调整方案，使起重机的发动机油耗可以获得有效优化，提升起重机的燃油经济性。
[0097]
在本技术一实施例中，提供一种处理器，被配置成执行上述实施例的用于优化起重机的发动机油耗的方法。
[0098]
在本技术一实施例中，提供一种机器可读存储介质，机器可读存储介质上存储有指令，指令被处理器执行时使得处理器实现上述实施例的用于优化起重机的发动机油耗的方法。
[0099]
以上结合附图详细描述了本技术的优选实施方式，但是，本技术并不限于上述实施方式中的具体细节，在本技术的技术构思范围内，可以对本技术的技术方案进行多种简单变型，这些简单变型均属于本技术的保护范围。
[0100]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本技术对各种可能的组合方式不再另行说明。
[0101]
此外，本技术的各种不同的实施方式之间也可以进行任意组合，只要其不违背本技术的思想，其同样应当视为本技术所公开的内容。