技术特征：
1.一种vvt参数标定优化方法，其特征在于，所述方法包括：采集vvt特征数据和vvt标签数据；根据所述vvt特征数据和所述vvt标签数据建立排放、油耗及燃烧稳定性相关的vvt性能模型，所述vvt性能模型用于拟合所述vvt特征数据关于所述vvt标签数据的映射关系；通过多目标差分算法对所述vvt性能模型进行优化；根据所述vvt标签数据的目标分配权重确定出所述vvt性能模型对应的优化后综合指标。2.根据权利要求1所述的方法，其特征在于，所述根据所述vvt特征数据和所述vvt标签数据建立vvt性能模型，包括：对所述vvt特征数据和所述vvt标签数据标准化处理，得到统一量度的vvt特征数据和vvt标签数据；根据所述vvt特征数据关于所述vvt标签数据的映射关系，建立所述vvt标签数据一一对应的vvt性能模型。3.根据权利要求1所述的方法，其特征在于，所述通过多目标差分算法对所述vvt性能模型进行优化，包括：配置所述多目标差分算法需要的超参数以及所述vvt性能模型优化所需的模型参数；通过所述多目标差分算法对所述超参数和所述模型参数进行迭代寻优，得到模型最优解集；在所述模型最优解集下优化所述vvt性能模型。4.根据权利要求3所述的方法，其特征在于，所述通过所述多目标差分算法对所述超参数和所述模型参数进行迭代寻优，得到模型最优解集，包括：随机生成初始种群，所述初始种群由预设维度的个体组成，所述预设维度与所述vvt特征数据的种类相等，所述初始种群根据所述超参数和所述模型参数编码得到；通过变异和交叉算子为所述初始种群进行迭代；响应于所述初始种群达到最大迭代次数，终止计算并得到所述模型最优解集。5.根据权利要求4所述的方法，其特征在于，所述通过变异和交叉算子为所述初始种群进行迭代，包括：通过所述变异和交叉算子为所述初始种群的每个个体生成变异个体，得到新种群；将子父代种群合并，并通过非支配排序和拥挤度确定出下一代父代种群。6.根据权利要求3所述的方法，其特征在于，所述根据所述vvt标签数据的目标分配权重确定出所述vvt性能模型对应的优化后综合指标，包括：根据设计需求进行所述vvt标签数据的权重配置，得到所述vvt标签数据的权重矩阵；根据所述权重矩阵得到所述vvt标签数据的最优加权结果；根据所述vvt标签数据的最优加权结果从所述模型最优解集中确定出所述vvt性能模型对应的优化后综合指标。7.根据权利要求1至6任一所述的方法，其特征在于，所述vvt特征数据包括转速数据、负荷数据、进气vvt数据和排气vvt数据。8.根据权利要求1至6任一所述的方法，其特征在于，所述vvt标签数据包括hc碳氢化合物指标、nox氮氧化合物指标、coh碳氧化合物指标、imepvar0燃烧稳定性指标、pn固体悬浮
颗粒数量指标和be比油耗值指标。9.一种vvt参数标定优化装置，其特征在于，所述装置包括：数据采集模块，用于采集vvt特征数据和vvt标签数据；模型建立模块，用于根据所述vvt特征数据和所述vvt标签数据建立vvt性能模型，所述vvt性能模型用于拟合所述vvt特征数据关于所述vvt标签数据的映射关系；模型优化模块，用于通过多目标差分算法对所述vvt性能模型进行优化；指标优化模块，用于根据所述vvt标签数据的目标分配权重确定出所述vvt性能模型对应的优化后综合指标。10.一种终端，其特征在于，所述终端包括处理器和存储器；所述存储器存储有至少一条指令，所述至少一条指令用于被所述处理器执行以实现如权利要求1至8任一所述的vvt参数标定优化方法。
技术总结
本发明公开了一种VVT参数标定优化方法、装置及终端，属于发动机控制设计领域。采用本发明实施例提供的VVT参数标定优化方法，对于每一组VVT数据，实现通过有限的VVT采样样本拟合推断出相似未知进排气VVT下的各个关键指标值，避免标定所需的大量试验消耗，基于该建模方法，还利用多目标差分算法进行寻优，给出最终推荐进气排气VVT的方案；相比传统人工标定过程，本发明所提方法每次标定过程耗时较少，可以大幅降低标定过程的工作量，标定的效率得到大幅度提升。到大幅度提升。到大幅度提升。
技术研发人员：李兵洋 庄杰 陆唯佳 刘鹏 王志伟
受保护的技术使用者：联合汽车电子有限公司
技术研发日：2022.07.29
技术公布日：2022/11/2