买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种基于响应曲面设计的发动机瞬态性能优化标定方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120234913B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510703606.X，技术领域涉及：G06F30/17；该发明授权一种基于响应曲面设计的发动机瞬态性能优化标定方法是由田径;邢耀宏;王鹏辉;綦方远设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本一种基于响应曲面设计的发动机瞬态性能优化标定方法在说明书摘要公布了：本发明适用于发动机性能标定技术领域，提供了一种基于响应曲面设计的发动机瞬态性能优化标定方法，包括以下步骤：设置决策变量与目标变量构造实验矩阵；根据测试矩阵进行实验测试；进行二次型模型的拟合与评估；对拟合模型进行简化选取；进行预测优化计算与实验验证；以转速范围进行全工况Map标定。该方法能够实际应用于发动机研发测试过程中的瞬态性能优化，可以优化发动机在实车运行过程中的性能，且以数学模型直观的显现测试数据的有效性，无需过多的测试资源。

本发明授权一种基于响应曲面设计的发动机瞬态性能优化标定方法在权利要求书中公布了：1.一种基于响应曲面设计的发动机瞬态性能优化标定方法，其特征在于，包括以下步骤： 步骤1：设置决策变量与目标变量构造实验矩阵； 步骤2：根据测试矩阵进行实验测试； 步骤3：进行二次型模型的拟合与评估； 步骤4：对拟合模型进行简化选取； 步骤5：进行预测优化计算与实验验证； 步骤6：以转速范围进行全工况Map标定； 对于目标变量，给出如下定义参数： 以瞬态过程中负荷到达50％时的有效燃油消耗率和指示热效率，与其相应稳态工况下的变量系数作为性能指标；以加载负荷到达99％负荷处的时间作为稳定时间，并以达到稳定时间内的CO、NOx、Soot的过程均值排放浓度为排放指标； 有效燃油消耗率变量系数CoBSFC的计算公式如下： CoBSFC＝BSFCtr-BSFCstBSFCst 其中，BSFCtr为瞬态工况50％负荷下的有效燃油消耗率，单位：gkwh；BSFCst为相应稳态工况50％负荷下有效燃油消耗率，单位：gkwh； 指示热效率变量系数： CoITE＝ITEtr-ITEstITEst CO过程均值排放浓度： NOx过程均值排放浓度： Soot过程均值排放浓度： 其中，t2为99％负荷处的时间；t1为开始加载时间； 所述步骤3包括以下具体步骤： 二次型模型的一般形式为： 其中，β0、βi、βii和βij为待估计参数，xi和xj为第i和j个决策变量，e为随机误差；写作矩阵形式： y＝Xβ+e 其中，y为n×1的目标向量，X为n×p的设计矩阵，β为p×1的参数向量，e为n×1的误差向量，满足∈i～N0,σ2； 以最小二乘估计最小化残差平方和： RSS＝eTe＝y-XβTy-Xβ ＝yTy-2βTXTy+βTXTXβ 求解参数估计： 对β求导并令导数为0，得到正规方程： XTy＝XTXβ 若XTX可逆，则参数估计值为： 则对于每个目标变量其二次型模型为 模型评估指标计算 对数据的平方和进行分解计算： 其中，TSS为总平方和，为响应值围绕均值的波动；SSR为回归平方和，为拟合值与均值的差异；SSE为残差平方和，预测值与实际值的偏离；残差标准差则为： 那么判定系数R2： 为了避免过拟合，对模型中不显著变量进行惩罚，引入调整系数值R2adj： 那么预测系数值R2pred为： 其中，PRESS为预测残差平方和，为剔除第i个样本后重新拟合的预测值； 对以下假设进行F检验： 零假设：模型参数不具有显著性； 备择假设：模型参数具有显著性； 计算F值： 对计算所得F值查表取得相应P值，若P值小于显著性水平，则拒绝零假设； 引入变异系数CV值，量化预测误差大小： 引入适配精度AP，衡量模型的预测能力与复杂度之间的平衡： 对每一个目标变量的拟合进行参数评估汇总，若评估参数显示良好，则进行下一步计算，否则需检查数据是否有误，若数据有误则进行修正测试，若数据无误但性能评估差，则说明决策变量与该目标变量无相关性； 所述步骤5包括以下步骤： 对于需要优化的目标变量，将其拟合模型转化为期望度di∈[0,1]进行多目标优化；对于单目标期望函数定义优化目标与约束，最大化目标时： 最小化目标时： 其中s为形状参数，当s＝1时，期望函数为线性变化；当s1时，期望函数为凸函数；当s1时，期望函数为凹函数；总体期望函数为： 其中，ωi为重要度，根据需求对目标变量的重要度进行设置； 使用梯度下降法最大化D： 设置一个初始点x0，为开始迭代时决策变量值，迭代过程中记为xt，随机选取或指定任一点，设置学习率α，最大迭代次数，设置收敛阈值ε，当参数变化小于阈值时，认为已收敛，停止迭代； 在迭代过程中，对每个迭代点计算目标变量的总体期望函数并计算出梯度对于每个决策变量xj，计算其偏导数： 更新变量： 当‖xt+1-xt‖ε时，停止迭代； 将最大总体期望函数下的工况点列出，即模型预测下的最优工况点；按照最优工况点或其他预测工况点的决策变量进行； 在所述步骤6中，对于瞬态工况优化Map的制定，在定转速与定加载率下进行全工况优化；在进行优化时，根据所需目标性能设置重要度，同时将发动机转速从研究范围下限开始设置为固定转速，变加载率开始优化预测；而后间隔100rmin逐步提升转速，发动机加载率逐步按照需求变化，进行优化预测建立瞬态工况优化Map； 研究决策变量纳入发动机转速与加载率，为快速制定瞬态Map提供基础。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。