快3网投平台-快三网投平台

阿贡国家实验室研究人员开发发动机仿真与实验机器学习工具 提高发动机性能和燃油效率

时间:2020-03-26 05:46:15 出处:快3网投平台-快三网投平台

盖世汽车讯 目前,市场对于提高发动机性能和燃油经济性、减少排放的需求日益增长,汽车制造商但会 面临的压力没法大。然而,实现哪些目标颇具挑战。据外媒报道,美国能源部阿贡国家实验室(Argonne National Laboratory)研究人员正在开发深度学习框架MaLTESE(发动机模拟与实验机器学习工具),以应对你你这俩 挑战。



(图片来源:阿贡国家实验室官网)

在人们歌词 日常通勤过程中,加速、减挡时和急刹车,时会使引擎受到严重磨损。当事人驾驶习惯,以及道路和天气状况,也会造成一定损害。汽车制造商不断研究在不同条件下优化发动机运行的新措施。然而,可能性有超过20种不同的参数影响燃油经济性和排放,但会 找到最少的措施强度较慢,但会 成本较高。

阿贡实验室研究人员Shashi Aithal和Prasanna Balaprakash利用ALCF(Argonne Leadership Computing Facility)的超级计算资源,为自动驾驶和云链接车辆开发MaLTESE。人们歌词 希望该框架能用于开发车载系统,结合高性能计算和机器学习能力,实现更高水平的实时自适学是习和控制。

为了研究不同的驾驶和发动机运行条件对发动机性能和排放的影响,研究人员使用MaLTESE模拟210万辆汽车的25分钟的典型驾驶周期,最少芝加哥3个主要高速公路高峰六时 的交通流量。ALCF的Theta系统是世界上功能最强大的超级计算机之一,仿真几乎详细使用了该系统的详细能力,只需不到15分钟的时间,比实际驾驶所需时间更短。目前,即使是在大型超级计算机上完成一一一个多发动机周期的高拟真情境仿真,不到几天的时间。而一一一个多典型的驾驶周期有数千个不同的发动机周期。

Aithal前一天开发了基于物理的实时引擎仿真器pMODES(parallel Multi-fuel Otto Diesel Engine Simulator,并行多燃料四冲程柴油发动机仿真器),不仅运行强度比传统的发动机建模工具快得多,但会 能不到同去模拟数千个驾驶周期的性能和排放。MaLTESE结合了pMODES与Balaprakash的驾驶仿真深度学习工具的技术。

pMODES的发动机仿真结果用于训练深度神经网络,学习驾驶条件和发动机/变速器设计对车辆性能和排放的影响。经过训练的神经网络可在微秒内预测发动机性能和排放,实现车载实时自适应控制。Balaprakash表示,“驾驶仿真机器学习非常适合于不到小量高性能计算资源的多输入多输出应用,这俩 驾驶周期分析。哪些工具可在巨大的参数范围内,使用相对较小的子集进行训练,但会 用于或多或少场景预测,无需进行模拟。”

热门

热门标签