电控汽油机起燃工况控制参数优化方法、装置以及车辆

摘要

本发明实施例公开了一种电控汽油机起燃工况控制参数优化方法、装置以及车辆，涉及车辆技术领域，能快速确定控制参数的最优参数值，节省开发周期和成本。优化方法包括：根据预先获得的多组控制参数的参数值，开展台架采样试验，确定多组观测数据，所述观测数据包括每组控制参数的参数值以及通过台架采样试验获得的与所述参数值对应的所述优化目标的采集量；迭代地将所述多组观测数据分为训练组和测试组，所述训练组用于建立回归模型，所述测试组用于测试所述回归模型，在测试过程中获得由所述回归模型输出的所述优化目标的预测值；从多个所述回归模型输出的所述优化目标的预测值中确定最优预测值，然后确定所述控制参数的最优参数值。

说明书

技术领域

本发明涉及车辆技术领域，具体涉及一种电控汽油机起燃工况控制参数优化方法、装置以及车辆。

背景技术

为改善我国车辆对大气环境的污染，轻型国六排放法规针对电控汽油机(也称电控汽油发动机)排放进行了更为严格的限制，特别是增加了颗粒物数量排放物的要求。为应对法规需求，整车制造企业普遍采用电控汽油机颗粒物捕集器(GPF，GasolineParticulate Filter)来降低颗粒物数量(PN，Particle Number)和颗粒物质量(PM，Particulate Matter)的排放。然而，在车辆冷起动的催化器起燃阶段(简称起燃阶段)，因电控汽油机的水温较低，燃油蒸发和雾化能力较差，导致催化器起燃阶段电控汽油机缸内混合气的燃烧状态较差，颗粒物排放生成较多。参照图1，示出了某电控汽油机车辆在起燃阶段的颗粒物PN排放情况，可看出，车辆在起燃阶段排放生成的颗粒物较多。

进排气VVT(Variable Valve Timing)角度、燃油喷射压力、喷射时刻和比例等参数，都是影响电控汽油机起燃阶段性能的重要因素，特别影响颗粒物排放。依靠传统逐点测试的寻优方法，随着优化参数的数量增长会导致试验量以指数级增大，更需要耗费大量台架时间，最终开发周期和成本也难以承受。

发明内容

本发明实施例提供一种电控汽油机起燃工况控制参数优化方法，该方法能够有效缩短控制参数最优参数值的试验周期，提高试验精确度，以克服上述问题。相应的，本发明还提供了一种电控汽油机起燃工况控制参数优化装置以及一种车辆，以对该电控汽油机起燃工况控制参数优化方法进行应用，可大大减少车辆起燃阶段颗粒物PN的排放，以及获得电控汽油机的性能指标的更优值，提高用户驾驶体验感，更加环保。

为了解决上述问题，从本发明实施例的一方面，本发明实施例公开了一种电控汽油机起燃工况控制参数优化方法，包括：

确定电控汽油机起燃阶段下的控制参数和受所述控制参数影响的优化目标；

根据预先获得的多组所述控制参数的参数值，开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量；

迭代地将所述多组观测数据分为训练组和测试组，所述训练组用于建立回归模型，所述测试组用于对所述回归模型进行测试，在测试过程中获得由所述回归模型输出的所述优化目标的预测值；

从多个所述回归模型输出的所述优化目标的预测值中确定最优预测值，根据所述最优预测值，确定所述控制参数的最优参数值。

进一步的，所述方法还包括：

通过至少一次实车测试采集所述电控汽油机的负荷和转速；

根据采集获得的所述负荷和所述转速，得到所述电控汽油机起燃阶段下的工况分布区域；

依据所述工况分布区域中工况点的分布密度，统计所述电控汽油机起燃阶段的特征工况点；

根据预先获得的多组所述控制参数的参数值，开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量，包括：

根据预先获得的多组所述控制参数的参数值，在所述特征工况点下开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量。

进一步的，不同的电控汽油机具有不同的控制参数；其中，

当所述电控汽油机为进气道喷射PFI电控汽油机时，所述控制参数包括进气可变气门正时VVT角度、排气可变气门正时VVT角度、单次或多次燃油喷射时刻、多次喷射对应的燃油比例分配；

当所述电控汽油机为缸内直喷式GDI电控汽油机时，所述控制参数包括燃油油轨压力、喷油起始时刻SOI、喷油截止时刻EOIT；

受所述控制参数影响的优化目标包括：颗粒物PN、燃油消耗率FUELCOSP、燃烧稳定性Cov、扭矩Torque、氮氧化物NOx、一氧化碳CO、碳氢HC。

进一步的，所述方法还包括：

设置所述控制参数的参数范围；

对所述控制参数的参数范围进行预处理，得到多组所述控制参数的参数值；

根据预先获得的多组所述控制参数的参数值，开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量，包括：

将多组所述控制参数的参数值分别输入台架，通过台架采集所述电控汽油机的原始排放和/或测试所述电控汽油机的性能指标，得到多组与所述参数值对应的所述优化目标的采集量。

进一步的，对所述控制参数的参数范围进行预处理，得到多组所述控制参数的参数值，包括：

针对所述控制参数的参数范围，设定抽样间隔；

在所述控制参数的参数范围中，按所述抽样间隔提取所述控制参数的参数值，得到多组所述控制参数的参数值。

进一步的，迭代地将所述多组观测数据分为训练组和测试组，所述训练组用于建立回归模型，所述测试组用于对所述回归模型进行测试，在测试过程中获得由所述回归模型输出的所述优化目标的预测值，包括：

将所述多组观测数据按预设分配比例分为训练组和测试组，所述训练组用于建立所述回归模型，所述测试组用于对所述回归模型进行测试；

针对测试组中的观测数据，在测试过程中，将所述观测数据中的所述控制参数的参数值作为所述回归模型的输入，输出得到所述优化目标的预测值；

提取所述观测数据中的所述控制参数的参数值对应的所述优化目标的采集量，将所述优化目标的预测值与所述优化目标的采集量进行比较，以确定所述观测数据是否异常；

若所述观测数据正常，保留通过所述观测数据获得的所述优化目标的预测值；

若所述观测数据异常，在所述多组观测数据中将所述观测数据剔除，再将剩余的所述多组观测数据分为训练组和测试组，重复上述步骤。

进一步的，所述方法还包括：

统计正常的所述观测数据的组数；

根据正常的所述观测数据的组数、每组所述观测数据中的所述优化目标的采集量以及通过所述观测数据获得的所述优化目标的预测值，以对多个所述回归模型的预测精度进行评价；

从多个所述回归模型输出的所述优化目标的预测值中确定最优预测值，根据所述最优预测值，确定所述控制参数的最优参数值，包括：

将预测精度最高的所述回归模型输出的所述优化目标的预测值作为最优预测值；

确定所述最优预测值对应的观测数据，将所述观测数据中的控制参数的参数值作为所述控制参数的最优参数值。

进一步的，所述方法还包括：

根据预设的边界条件，通过台架控制所述电控汽油机的水温，模拟所述电控汽油机起燃阶段下的起动环境；

在所述起动环境下，将所述控制参数的最优参数值输入台架，通过台架采集与所述最优参数值对应的所述优化目标的实测量；

将所述优化目标的实测量与所述优化目标的采集量进行比对，以对所述控制参数的最优参数值进行验证。

从本发明实施例的另一方面，本发明实施例还公开了一种电控汽油机起燃工况控制参数优化装置，包括：

试验参数确定模块，用于确定电控汽油机起燃阶段下的控制参数和受所述控制参数影响的优化目标；

台架采样试验模块，用于根据预先获得的多组所述控制参数的参数值，开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量；

回归模型训练模块，用于迭代地将所述多组观测数据分为训练组和测试组，所述训练组用于建立回归模型，所述测试组用于对所述回归模型进行测试，在测试过程中获得由所述回归模型输出的所述优化目标的预测值；

最优参数值确定模块，用于从多个所述回归模型输出的所述优化目标的预测值中确定最优预测值，根据所述最优预测值，确定所述控制参数的最优参数值。

从本发明实施例的再一方面，本发明实施例公开了一种车辆，包括电控汽油机，所述电控汽油机在起燃阶段下的控制参数的最优参数值通过如本发明实施例所述的电控汽油机起燃工况控制参数优化方法获得。

本发明实施例包括以下优点：

本发明实施例，通过确定电控汽油机起燃阶段下的控制参数和受所述控制参数影响的优化目标；根据预先获得的多组所述控制参数的参数值，开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量；然后迭代地将所述多组观测数据分为训练组和测试组，所述训练组用于建立回归模型，所述测试组用于对所述回归模型进行测试，在测试过程中获得由所述回归模型输出的所述优化目标的预测值；最后从多个所述回归模型输出的所述优化目标的预测值中确定最优预测值，根据所述最优预测值，确定所述控制参数的最优参数值，以此能快速确定电控汽油机起燃阶段下的控制参数的最优参数值，所获得的最优参数值具有较高精度，能大大减少车辆起燃阶段颗粒物PN的排放，以及获得所述电控汽油机的性能指标的更优值，可有效缩短试验周期，节约试验成本，这对提高用户驾驶体验感和环保保护具有重要意义。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是某电控汽油机车辆在起燃阶段的颗粒物PN排放示意图；

图2是本发明实施例一种电控汽油机起燃工况控制参数优化方法的步骤流程图；

图3是本发明一可选实施例确定的控制参数和优化目标的部分说明示意图；

图4是针对某一优化目标的试验方案示意图；

图5是本发明实施例的模型评价标准示意图；

图6是本发明实施例特征工况点的分布示意图；

图7是本发明实施例一种车辆的结构示意图；

图8是本发明实施例一种电控汽油机起燃工况控制参数优化装置的结构示意图；

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

针对背景技术中所提出的技术问题，本发明实施例提供了一种电控汽油机起燃工况控制参数优化方法，通过台架控制电控汽油机冷却水温度为15～35℃，针对起燃阶段的特征工况点，基于空间填充方法设计试验方案，采集不同控制参数组合下的优化目标(如PN排放结果)，使用高斯过程算法建立并训练回归模型，给出最佳预测优化目标和相对应的控制参数数值。通过台架复测，确定最佳性能及其相应的参数设置数值。该方法通过模型预测能够有效缩短试验周期，提高试验精确度，具有重要实用意义。

参照图2，示出了本发明实施例一种电控汽油机起燃工况控制参数优化方法的步骤流程图，该方法可以包括以下步骤：

步骤S201，确定电控汽油机起燃阶段下的控制参数和受所述控制参数影响的优化目标；

其中，控制参数是影响电控汽油机起燃阶段排放与性能的重要影响因素，其是电控汽油机控制系统的输入(Inputs)。不同的电控汽油机具有不同的控制参数，如当所述电控汽油机为进气道喷射PFI(Port Fuel Injection)电控汽油机时，所述控制参数可包括进气可变气门正时VVT角度(iVVT，intake VVT)、排气可变气门正时VVT角度(eVVT，exhaustVVT)、单次或多次燃油喷射时刻、多次喷射对应的燃油比例分配等参数；如当所述电控汽油机为缸内直喷式GDI(Gasoline Direct Injection)电控汽油机时，所述控制参数可包括燃油油轨压力、喷油起始时刻SOI(Start of Injection)、喷油截止时刻EOIT(End ofInjection Timing)等参数。

优化目标是指起燃阶段下想要改善的目标，是电控汽油机控制系统的输出(Outputs)，受控制参数的影响。本发明实施例所指的优化目标可以是电控汽油机的排放物，如颗粒物PN、氮氧化物NOx(Nitrogen Oxide)、一氧化碳CO(Carbon Monoxide)、碳氢HC(Hydrocarbon)；也可以是电控汽油机的性能指标，如燃油消耗率FUELCOSP(FuelConsumption)、燃烧稳定性Cov(Coefficient Of Variance)、扭矩Torque。参照图3，示出了本发明一可选实施例确定的控制参数和优化目标的部分说明示意图。

在确定电控汽油机起燃阶段下的控制参数和受所述控制参数影响的优化目标之后，接下来，针对控制参数和优化目标进行试验方案的设计。

步骤S202，根据预先获得的多组所述控制参数的参数值，开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量；

不同的优化目标受一种或多种控制参数的影响，如颗粒物PN的排放量可同时受iVVT、eVVT、EOIT这三个控制参数的影响。在试验设计方案中，可以以同一优化目标为设计思路，进行试验方案的设计。即确定影响该优化目标的控制参数(可能为一个也可能为多个)，然后设定每个控制参数的参数范围，然后在该参数范围内，将控制参数设计为多个试验组，每个试验组中的控制参数和优化目标都是相同的，不同试验组之间仅是控制参数的具体参数值的不同，以此可以有效比对出不同参数值下的控制参数对优化目标的影响。

基于上述内容，本发明实施例提供了以下步骤：

设置所述控制参数的参数范围；

对所述控制参数的参数范围进行预处理，得到多组所述控制参数的参数值。

在本发明实施例中，预处理可以通过拉丁超立方抽样或均匀抽样的方法对控制参数的参数范围进行预处理，以在该控制参数的参数范围中抽取多个样本，得到多组所述控制参数的参数值。以均匀抽样为例，对所述控制参数的参数范围进行预处理，主要步骤如下：针对所述控制参数的参数范围，设定抽样间隔；在所述控制参数的参数范围中，按所述抽样间隔提取所述控制参数的参数值，得到多组所述控制参数的参数值。

示例的：控制参数为iVVT，参数范围-10～30度，该范围跨度为40度，设定抽样间隔为2，那么均匀抽样得到的多组参数值为20个，分别为-10、-8、-6……这样均等间隔的20个点。将影响同一优化目标的多个控制参数也做同样的预处理，得到多组该控制参数的参数值。针对同一优化目标，将多个控制参数的每一组参数值作为一个实验组，以此得到针对该优化目标的多个实验组。参照图4，示出了针对某一优化目标的试验方案，在该试验方案中有7个实验组，实验组中的控制参数的参数值通过拉丁超立方抽样获得。本发明实施例通过对控制参数的参数范围进行预处理，相比传统逐点测试的寻优方法，减少了台架采样试验的试验量，能降低开发周期和节约成本。

步骤S202的具体实现步骤如下：

将多组所述控制参数的参数值分别输入台架，通过台架采集所述电控汽油机的原始排放和/或测试所述电控汽油机的性能指标，得到多组与所述参数值对应的所述优化目标的采集量。

为测试同一优化目标，对该优化目标的每一试验组都进行一次台架采样试验。以图4的实验组2为例，在台架设置iVVT为2，eVVT为-29，EOIT为277，在该试验组的参数值下通过台架采集电控汽油机的原始排放或测试电控汽油机的性能指标。为降低颗粒物PN的数量，现有的车辆上都设置有GPF，电控汽油机的原始排放指进入GPF前的电控汽油机的排放物，然后通过稀释采样等方式测量原始排放中的颗粒物和污染物排放，以此得到与该参数值对应的优化目标(如原始排放中的颗粒物PN或性能指标中的燃油消耗率FUELCOSP)的采集量。实际中，不同的优化目标可能受同一控制参数的影响，在此种情况下，可快速获得多个优化目标的采集量。当然，试验时，也可以同时针对多个优化目标进行台架采样试验，进一步节约测试成本，提高测试效率。

步骤S203，迭代地将所述多组观测数据分为训练组和测试组，所述训练组用于建立回归模型，所述测试组用于对所述回归模型进行测试，在测试过程中获得由所述回归模型输出的所述优化目标的预测值；该步骤的具体实现过程包括：

子步骤S203-1，将所述多组观测数据按预设分配比例分为训练组和测试组，所述训练组用于建立所述回归模型，所述测试组用于对所述回归模型进行测试；

子步骤S203-2，针对测试组中的观测数据，在测试过程中，将所述观测数据中的所述控制参数的参数值作为所述回归模型的输入，输出得到所述优化目标的预测值；

子步骤S203-3，提取所述观测数据中的所述控制参数的参数值对应的所述优化目标的采集量，将所述优化目标的预测值与所述优化目标的采集量进行比较，以确定所述观测数据是否异常；

子步骤S203-4，若所述观测数据正常，保留通过所述观测数据获得的所述优化目标的预测值；

子步骤S203-5，若所述观测数据异常，在所述多组观测数据中将所述观测数据剔除，再将剩余的所述多组观测数据分为训练组和测试组，重复上述步骤。

在本发明实施例中，以控制参数为iVVT，优化目标是燃油消耗率为例，iVVT的参数范围为-10～30度，得到20组参数值，这20组参数值对应的燃油消耗率的采集量也是20组。每一组参数值和其对应的燃油消耗率的采集量为一组观测数据，在该例中，所得到的观测数据为20组。

由于观测数据的组数较多，为提高回归模型的输出精度，本发明实施例将多组观测数据按预设分配比例分为训练组和测试组，训练组和测试组的观测数据一般以9：1的比例进行分配，即训练组中的9组观测数据用于建立回归模型，测试组中的一组观测数据用于测试回归模型。

训练时，以高斯过程回归函数为例，利用训练组中的观测数据对高斯过程回归函数进行训练，以此建立回归模型。具体而言，将观测数据中的控制参数的参数值作为高斯过程回归函数的输入，将与该参数值对应的优化目标的采集量作为高斯过程回归函数的输出，通过训练组中的多组观测数据对高斯过程回归函数进行训练，以此能建立能表达控制参数与优化目标之间的关系的回归模型。因为控制参数是设定范围且是连续的，那么在该基础下，随着控制参数变化的回归模型就能输出对应的优化目标的预测值。

接着，本发明实施例采用同一次分配中的测试组的观测数据对由训练组的观测数据建立的回归模型进行验证，将测试组中的观测数据中的所述控制参数的参数值输入该回归模型后，该回归模型可以预测出所述优化目标的预测值，然后将所述优化目标的预测值与该测试组中的观测数据中的优化目标的采集量进行比较，判断两者的差值是否在预设差值阈值内，如果是，则说明预测值和采集量比较接近，即该组观测数据正常，保留通过所述观测数据获得的所述优化目标的预测值；反之，如果两者的差值不在预设差值阈值内，则说明该组观测数据异常，则需要将该观测数据剔除。然后再将剩余的所述多组观测数据分为训练组和测试组，以建立新的回归模型，重复子步骤S203-1～子步骤S203-5。以此本发明实施例可以对观测数据进行优化，从而达到对新建立的回归模型进行优化的目的。

以图4的7组数据为例，7组控制参数分别通过台架采集试验获得的优化目标的采集量也有7组，因此，观测数据有7组。将这7组观测数据分为6个训练组和1个测试组，比如，首先将ID 1～6号对应的6组观测数据作为训练组，将ID 7号对应的观测数据作为测试组，利用6个训练组中的控制参数和优化目标的采集量建立并训练回归模型，获得该回归模型后，将测试组中的控制参数作为该回归模型的输入，通过该回归模型输出得到优化目标的预测值。若该优化目标的预测值与该测试组中的优化目标的采集量比较接近，则该说明该测试组(观测数据)正常；反之，异常则将该测试组所在的观测数据剔除。

若ID 7号对应的观测数据正常，接下来，继续优化，将ID 2～7号对应的6组观测数据作为训练组，将ID 1号对应的观测数据作为测试组，利用6个训练组中的控制参数和优化目标的采集量建立并训练回归模型，重复上述步骤，判断该测试组所在的观测数据是否正常，正常则保留，不正常则剔除。

若ID 7号对应的观测数据异常，将该组观测数据剔除后，在后续优化过程中，只有6组观测数据参与训练组和测试组的分配，如将ID 1～5号对应的5组观测数据作为训练组，将ID 6号对应的观测数据作为测试组，利用5个训练组中的控制参数和优化目标的采集量建立并训练回归模型，重复上述优化过程。

通过子步骤S203-1～子步骤S203-5的优化过程后，本发明实施例可获得多个回归模型，接下来，对获得的回归模型的预测精度进行评价，以从中挑选出预测精度最高的回归模型，进而依据该预测精度最高的回归模型确定优化目标的最优预测值。评价过程可以包括以下步骤：

统计正常的所述观测数据的组数；

根据正常的所述观测数据的组数、每组所述观测数据中的所述优化目标的采集量以及通过所述观测数据获得的所述优化目标的预测值，以对多个所述回归模型的预测精度进行评价；

具体而言，本发明实施例可以根据正常的所述观测数据的组数、每组所述观测数据中的所述优化目标的采集量以及通过所述观测数据获得的所述优化目标的预测值，计算每个回归模型的均方根误差RMSE(Root Mean Square Error)和决定系数R

通过执行子步骤S203-1～子步骤S203-5，本发明实施例可统计得到正常的观测数据的组数。然后将正常的所述观测数据的组数、每组所述观测数据中的所述优化目标的采集量以及通过所述观测数据获得的所述优化目标的预测值带入公式(1)～(4)式进行计算，其中：

上式中，SSR(Sum of Squared Residuals)表示真实值(优化目标的采集量)与优化目标的预测值的平方差之和；SST(Total Sum of Squares)表示真实值(优化目标的采集量)与均值(优化目标的采集量的均值)的平方差之和，N表示正常的所述观测数据的组数。

以图4的7组数据为例，若所有的观测数据都正常，则可获得7组优化目标的预测值，如优化目标为颗粒物PN，那么可获得颗粒物PN的7组预测值。参照公式(3)，SSR为7组该优化目标的预测值减去该优化目标的采集量的平方差之和。参照公式(4)，7组优化目标的采集量之和除以7，得到该优化目标的采集量的均值，SST为7组该优化目标的采集量减去该优化目标的均值的平方差之和。SSR越小，表明该优化目标的预测值与实际值(该优化目标的采集量)越接近，则R

参照图5，示出了本发明实施例的模型评价标准示意图。在图5中，RMSE和R

步骤S204，从多个所述回归模型输出的所述优化目标的预测值中确定最优预测值，根据所述最优预测值，确定所述控制参数的最优参数值。

从上述内容可知，本申请通过建立多个回归模型，可以输出得到多个优化目标的预测值，对于如何在优化目标的预测值中确定最优预测值，本发明实施例可以采用经验的方法确定，如，最优预测值是相对于该优化目标而言的，不同的优化目标的最优预测值的评价标准不一，如颗粒物PN、一氧化碳CO以数量最低为最优预测值，如扭矩Torque以扭矩最大为最优预测值。也可以基于回归模型的预测精度去确定，即将预测精度最高的所述回归模型输出的所述优化目标的预测值作为最优预测值。

然后根据所述优化目标的预测值中确定最优预测值，确定所述最优预测值对应的观测数据；再将所述观测数据中的控制参数的参数值作为所述控制参数的最优参数值。

示例的，优化目标为燃油消耗率，以多个预测值中的燃油消耗率最低为最优预测值，根据当进气角度(控制参数)为-7°时，根据回归模型预测得到的燃油消耗率最低，那么燃油消耗率最低对应的该组观测数据中的进气角度为-7°也是该控制参数(进气角度)的最优参数值。

综上，可获知，在本发明实施例中，每剔除1个异常点(观测数据)，由于观测数据发生变化，RMSE和R

为进一步提高模型的预测效果，在本发明一可选实施例中，还提供了以下方法，包括：

通过至少一次实车测试采集所述电控汽油机的负荷和转速；

根据采集获得的所述负荷和所述转速，得到所述电控汽油机起燃阶段下的工况分布区域；

依据所述工况分布区域中工况点的分布密度，统计所述电控汽油机起燃阶段的特征工况点；

此时，步骤S202的实现步骤包括：

根据预先获得的多组所述控制参数的参数值，在所述特征工况点下开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量。

具体实现时，按预设采样频率或按预设时间间隔采集起燃阶段电控电控汽油机的转速、负荷，以电控汽油机转速为横坐标、电控汽油机负荷百分数为纵坐标，将横纵坐标所形成区域分成若干个子区域，根据某一子区域的点分布密度来确定所述特征工况点。即选取点分布密度高的某一坐标值作为特征工况点。当确定的特征工况点有多个时，本发明实施例建立所训练的回归模型也有多个，换言之，本发明实施例可根据特征工况点建立相应的回归模型，得到每个特征工况点下的控制参数的最优参数值，这对车辆起燃阶段的优化具有实际操作意义。

然后在特征工况点下开展台架采样试验，即在特定转速-负荷下，对应不同控制参数的参数值，通过台架采样试验得到优化目标的采集量变化，此时使用在特征工况点下得到的观测数据建模不会受转速负荷变化带来的干扰影响，模型预测效果更佳。参照图6，示出了本发明实施例特征工况点的分布示意图。如选取转速1500rpm、负荷55％作为特征工况点，选取转速1850rpm、负荷35％作为特征工况点。如图3是在转速1500rpm、负荷55％的特征工况点下所确定的控制参数和优化目标。

在本发明一可选实施例中，为验证通过本发明实施例获得的最优参数值的可行性，还提供了以下方法，该方法包括以下步骤：

根据预设的边界条件，通过台架控制所述电控汽油机的水温，模拟所述电控汽油机起燃阶段下的起动环境；

在所述起动环境下，将所述控制参数的最优参数值输入台架，通过台架采集与所述最优参数值对应的所述优化目标的实测量；

将所述优化目标的实测量与所述优化目标的采集量进行比对，以对所述控制参数的最优参数值进行验证。

上述边界条件为电控汽油机水温的条件，如电控汽油机热机正常水温90℃，常温冷机25℃。

比如对于未优化前，电控汽油机特定工况转速1500转/分，扭矩50Nm，在原控制参数(进气门开启时刻30度曲轴转角，排气门开启时刻-10度曲轴转角，喷油截止时刻280度曲轴转角)下，颗粒物PN的实测量为3^e7个/cm

基于同一发明构思，本发明实施例提供了一种车辆，参照图7，示出了本发明实施例一种车辆的结构示意图，包括电控汽油机，所述电控汽油机在起燃阶段下的控制参数的最优参数值通过如本发明实施例所述的电控汽油机起燃工况控制参数优化方法获得。通过本发明实施例的方法，可快速确定电控汽油机在起燃阶段下的控制参数的最优参数值，通过该最优参数值的设置，相比现有技术本发明实施例的车辆能大大减少车辆起燃阶段颗粒物PN的排放，以及获得所述电控汽油机的性能指标的更优值，提高用户驾驶体验感，更加环保。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

基于同一发明构思，本发明实施例还提供了一种电控汽油机起燃工况控制参数优化装置，参照图8，示出了本发明实施例一种电控汽油机起燃工况控制参数优化装置的结构示意图，该装置可以包括以下模块：

试验参数确定模块801，用于确定电控汽油机起燃阶段下的控制参数和受所述控制参数影响的优化目标；

台架采样试验模块802，用于根据预先获得的多组所述控制参数的参数值，开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量；

回归模型训练模块803，用于迭代地将所述多组观测数据分为训练组和测试组，所述训练组用于建立回归模型，所述测试组用于对所述回归模型进行测试，在测试过程中获得由所述回归模型输出的所述优化目标的预测值；

最优参数值确定模块804，用于从多个所述回归模型输出的所述优化目标的预测值中确定最优预测值，根据所述最优预测值，确定所述控制参数的最优参数值。

在本发明一可选实施例中，所述装置还包括：

负荷转速采集模块，用于通过至少一次实车测试采集所述电控汽油机的负荷和转速；

工况分布获得模块，用于根据采集获得的所述负荷和所述转速，得到所述电控汽油机起燃阶段下的工况分布区域；

特征工况点统计模块，用于依据所述工况分布区域中工况点的分布密度，统计所述电控汽油机起燃阶段中的特征工况点；

所述台架采样试验模块802，包括：

特征工况点试验子模块，用于根据预先获得的多组所述控制参数的参数值，在所述特征工况点下开展台架采样试验，确定多组观测数据，所述观测数据包括每组所述控制参数的参数值，以及通过所述台架采样试验获得的与所述参数值对应的所述优化目标的采集量。

在本发明一可选实施例中，不同的电控汽油机具有不同的控制参数；其中，

当所述电控汽油机为进气道喷射PFI电控汽油机时，所述控制参数包括进气可变气门正时VVT角度、排气可变气门正时VVT角度、单次或多次燃油喷射时刻、多次喷射对应的燃油比例分配；

当所述电控汽油机为缸内直喷式GDI电控汽油机时，所述控制参数包括燃油油轨压力、喷油起始时刻SOI、喷油截止时刻EOIT；

受所述控制参数影响的优化目标包括：颗粒物PN、燃油消耗率FUELCOSP、燃烧稳定性Cov、扭矩Torque、氮氧化物NOx、一氧化碳CO、碳氢HC。

在本发明一可选实施例中，所述装置还包括以下模块：

参数范围设置模块，用于设置所述控制参数的参数范围；

参数范围处理模块，用于对所述控制参数的参数范围进行预处理，得到多组所述控制参数的参数值；

所述台架采样试验模块802包括以下子模块：

采集量获得子模块，用于将多组所述控制参数的参数值分别输入台架，通过台架采集所述电控汽油机的原始排放和/或测试所述电控汽油机的性能指标，得到多组与所述参数值对应的所述优化目标的采集量。

在本发明一可选实施例中，所述参数范围处理模块，包括：

抽样间隔设置子模块，用于针对所述控制参数的参数范围，设定抽样间隔；

参数值提取子模块，用于在所述控制参数的参数范围中，按所述抽样间隔提取所述控制参数的参数值，得到多组所述控制参数的参数值。

在本发明一可选实施例中，所述回归模型训练模块803包括以下子模块：

观测数据分组子模块，用于将所述多组观测数据按预设分配比例分为训练组和测试组，所述训练组用于建立所述回归模型，所述测试组用于对所述回归模型进行测试；

模型输出子模块，用于针对测试组中的观测数据，在测试过程中，将所述观测数据中的所述控制参数的参数值作为所述回归模型的输入，输出得到所述优化目标的预测值；

观测数据判断子模块，用于提取所述观测数据中的所述控制参数的参数值对应的所述优化目标的采集量，将所述优化目标的预测值与所述优化目标的采集量进行比较，以确定所述观测数据是否正常；

第一结果执行子模块，用于在所述观测数据正常时，保留通过所述观测数据获得的所述优化目标的预测值；

第二结果执行子模块，用于在所述观测数据异常时，在所述多组观测数据中将所述观测数据剔除，再将剩余的所述多组观测数据分为训练组和测试组，重复上述步骤。

在本发明一可选实施例中，所述装置还包括：

观测数据统计模块，用于统计正常的所述观测数据的组数；

回归模型评价模块，用于根据正常的所述观测数据的组数、每组所述观测数据中的所述优化目标的采集量以及通过所述观测数据获得的所述优化目标的预测值，以对多个所述回归模型的预测精度进行评价；

所述最优参数值确定模块804，包括：

最优预测值确定子模块，用于将预测精度最高的所述回归模型输出的所述优化目标的预测值作为最优预测值；

参数值选定子模块，用于确定所述最优预测值对应的观测数据，将所述观测数据中的控制参数的参数值作为所述控制参数的最优参数值。

在本发明一可选实施例中，该装置还包括：

起动环境模拟模块，用于根据预设的边界条件，通过台架控制所述电控汽油机的水温，模拟所述电控汽油机起燃阶段下的起动环境；

实测量采集模块，用于在所述起动环境下，将所述控制参数的最优参数值输入台架，通过台架采集与所述最优参数值对应的所述优化目标的实测量；

参数值验证模块，用于将所述优化目标的实测量与所述优化目标的采集量进行比对，以对所述控制参数的最优参数值进行验证。

综上，通过本发明实施例，能快速确定电控汽油机起燃阶段下的控制参数的最优参数值，并且所获得的最优参数值具有较高精度，能大大减少车辆起燃阶段颗粒物PN的排放，以及获得所述电控汽油机的性能指标的更优值，有效缩短试验周期，节约试验成本，这对提高用户驾驶体验感和环保保护具有重要意义。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

还需要说明的是，在本文中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，诸如“第一”和“第二”之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，也不能理解为指示或暗示相对重要性。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的技术方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请，本说明书内容不应理解为对本申请的限制。同时，对于本领域的一般技术人员，依据本申请，在具体实施方式及应用范围上均会有不同形式的改变之处，这里无需也无法对所有的实施方式予以穷举，而由此所引伸出的显而易见的变化或变动仍处于本申请的保护范围之中。