基于案例自适应的汽车发动机电控单元
标定
Chi-man Vong a,*, Pak-kin Wong b,1
a Department of Computer and Information Science, FST, University of Macau, Macao b Department of Electromechanical Engineering, FST, University of Macau, Macao
摘要：电控单元（ECU）标定对汽车发动机的性能有很大影响。ECU标定的传统方法是通过不断的试验。这种传统的方法消耗大量的时间和金钱。为了解决这个问题就使用基于案例推理方法（CBR），这使得好而起有效的ECU设置可以适应相似类型的发动机。适应过程是通过更智能的步骤称为基于案例自适应（CBA）(Craw, Jarmulak, & Rowe, 2001; Craw, Wiratunga, & Rowe, 2006; Leake, Kinley, & Wilson,1996, 1997).CBA是一种有效的管理工具，它可以交互地学专家适应的知识。本文简要回顾CBR和CBA方法。然后通过一个案例研究描述ECU标定的应用。CBR和CBA，ECU标定的效率可以提高。一个原型系统也已开发验证ECU中CBR标定的用处。
关键词：基于案例推理法（ＣＢＲ），基于案例自适应法（ＣＢＡ），ＥＣＵ标定
1． 引言
现代汽车发动机通过电控单元（ECU）控制。ECU控制参数设置对发动机的性能有重要影响，如功率，扭矩，降低油耗和排放水平。电控单元（ECU）软件参数化是现代汽车发动机的发展过程中的一个重要里程碑。这个过程被称为电控单元ECU标定或设置。图1屏幕显示一个在ECU软件上的标定过程。ECU标定依赖于发动机。换句话说，一个ECU标定只适用于同一发动机模型。传统ECU标定是由汽车生产商做的。然而，在近年来，可编程控制器（图2）和ECU只读存储器（ROM）编辑已被广泛采用的许多性能的车辆。这些装置允许非厂家或工程师根据他们不同的附加组件和司机的要求设置引擎，并为汽车后市场工业创建商机。
发动机标定试验依靠有经验的汽车工程师，他们将处理数量庞大控制参数组合并根据不同的控制参数组合在底盘测功机上进行发动机试验。现代汽车发动机输入与输出参数之间的关系是一个复杂的多变量非线性函数，求解是很困难的（Li，2005）。因此，调整发动机通常是通过反复试验的方法。这花费了大量的时间和金钱。在实践中，许多汽车工程师喜欢根据现有的基础MAP标定引擎，ＭＡＰ从一个类似的发动机或相同的引擎得到。基本ＭＡＰ的参数进行调整后适应不同的性能需求的的发动机，甚至适应另一类似的发动机。基于案例的推理（CBR）方法完全符合工作环境，即，基于检索类似的情况，然后进行改编以适应不同的新情况。因此，基于案例推理和自适应框架被广泛用于计算机辅助ECU标定的研究。
2． 基于案例的推理法
基于案例的推理(Armengol, 2007; Kolodner, 1993; Pal &Shiu, 2004）是一个简单的解决问题的范例，包括当前的问题与在过去成功地解决的类似问题的匹配。这个过程可以增强适应的解决方案，使他们能够更密切适应当前的问题。有许多CBR应用例子，例如，一名汽车修理工修复发动机召回另一辆汽车表现出类似的症状，律师主张一个特定的在试验的基础上，判例或法官是谁创造的结果判例法。因此，CBR是一种突出的比喻求解。
由于CBR是一种懒惰的学习方法，它不会引起产生有用的定理，但储存的所有实例（例）在一个案例库。当一个新的问题是进入的CBR系统解决这个问题，一个案例包括其解决方案也存储在案例库。因此，CBR研究是通过案例积累。在CBR系统的知识库维护变得容易，不需要重新编译整个系统(Nilsson & Sollenborn, 2004; Thibault, Siadat, & Martin,2006)。在理论上，CBR已经公式化为计算机处理的一四步推理过程（Gebhardt, Vo, Grher, &Schmidt-Belz, 1997; Watson & Marir, 1994
●检索：给定一个目标问题，CBR从案例库检索有关的问题并解决。一个案例是由问题，它的解决方案，和特点，如何推导出了解决方案的注释。 ●重用：从以前的案例指导求解以适应目标问题。这可能包括适应的解决方案要适应新形势。 ●修改：具有与以前的解决方案相似的目标情况，在现实世界中的新的解决方案的测试（或模拟）并且如果有必要，再修改。 ●保留：在解决方案已经成功地适应目标问题，存储了所产生的经验作为一种新的情况存储。
在下面的小节中进行描述检索和重用阶段。修改和保留阶段是在4节与ECU标定的应用一起描述。
2.1．检索相似函数
在CBR检索的阶段，一个相似函数有许多不同的设计(Pal & Shiu, 2004; Pan, Yang, & Li,2004)。然而，一个简单的相似函数（Watson，2001；沃森与marir，1994）通常是用来从参考里寻找相似的问题：
Ｗｉ是一个实例属性的重要性，SIM卡是相似的功能的原语，Ｆｉ和F R分别是输入和检索案例的特征值。用户可以自由地设计相似函数，但这主要功能可以使用欧氏距离函数并将方程（1）的：
距离的标志特征
ｆｉ范围是在案件第ｉ个特征。它是用正常化的差
保证不同的在
区间（0，1）。象征性的特点，范围（FI）= 1。检索到的情况下，用最小的E值表示最相似的新案例是因为现在E值指示距离（差）的输入和检索的关系。同样也可以使用百分比表示