车辆热管理_KULI案例解析_Optimization优化功能

❖本案例的分析流程大致如下_

▓ 模型读入

▓ 设置优化目标

▓ 设置优化参数

▓ 计算(优化)

▓ 拓展/个人小结

-----◆-----

▓ 模型读入

✦打开KULI，设置根目录和工作路径，读入模型ExCAR.scs_

✦建议对模型进行另存为，以免覆该原模型文件；

▓ 设置优化目标

✦右键点击RAD元件，通过Open connection attributes打开Exit temperature IM(即热侧出口温度)的传感器；

✦通过顶部菜单栏Opt.target创建一个优化目标；

✦双击打开Opt.target，选择单位℃并赋值98；

✦点击OK关闭并参照图中将RAD的传感器与Opt.target相连接；

▓ 设置优化目参数

✦将BIR元件移动至“Circuit/Air Path”区域；

✦空气侧元件起初默认放置在“Circuit/Air Path”界面最右侧区域；

✦通过右键_Open connection attributes打开Parameter(参数)的执行器；

✦通过顶部菜单栏Opt.parameter创建一个优化参数；

✦双击打开Opt.parameter，指定Maximun(上限)和Minimum(下限)；

✦注意确保选择的下限和上限间的范围足够宽；

✦注意单位选择dimensionless中的“-”，即无量纲；

✦点击OK关闭并参照图中将BIR的执行器与Opt.parameter相连接；

❂_注意事项

✦BIR元件所使用的ExCAR.kuliBir文件中关于压力损失的设置如上图所示；

✦Pressure loss即压力损失是通过Parameters表示的，我们优化的Parameter(参数)实际上是参数a；

▓ 设置优化目参数

✦然后就可以进行计算(即优化)；

✦通过计算可以知晓，当Opt.target达到所设定的值时，Opt.parameter的值为多少；

✦即利用我们的试验可测数据(RAD热侧出口温度)来推测未知参数(BIR的压力损失系数)的正确值，然后便可以用该值进行本模型其他Operating point(操作点)的计算；

▓ 拓展/个人小结

✦或者可以采用图中的连接方式快速显示结果_

✦COM Object与传感器相连可直接在计算结束后显示传感器的值；

✦BIR需要同时打开Parameter的执行器A与传感器S；

✦传感器侧连接COM Object；

✦执行器侧连接Opt.parameter；

✦如果想要RAD传感器侧同时连接Opt.target和COM Object，则需要使用signal branch(即信号支路)；

✦Opt.parameter和Opt.target均可通过右键_Show_选择显示的信息；

✦这可以帮助用户快速的认识模型结构；

✦优化结束后可通过GUI底部的信息栏查看优化结果；

✦也可以通过KULI Lab查看结果；

✦当然我们也可以对其他参数进行优化，但是要注意单位的使用；

✦同时在一个模型中优化目标数应不小于(大于或等于均可？)优化参数的个数；

✦这有点类似于多元方程组求解，方程数应不小于(大于或等于均可)未知量个数；

❂_关于这点，博主不确定_

优化目标数小于优化参数个数_不可以；

优化目标数等于优化参数个数_可以；

优化目标数大于优化参数个数_未尝试过；