马自达加快下一代应用创驰蓝天技术(SKYACTIV TECHNOLOGY)的发动机开发
“Model-Based Calibration Toolbox 不仅使我们可以确定创驰蓝天柴油发动机（SKYACTIV-D）的最优标定设置，而且还可以大幅减少工程投入。该工具箱生成的模型加快了控制策略的开发速度，提供了有价值的信息，同时还使得尝试新策略变得更加容易。”
挑战
在满足各项严苛的国际排放标准的前提下优化创驰蓝天发动机的效率
解决方案
使用 Simulink 和 Model-Based Calibration Toolbox（基于模型的标定工具箱）来加速优化标定生成，开发ECU 可嵌入式模型以及用于 HIL仿真的发动机模型
结果
- 最大限度地减少发动机标定工作量
- 模型复杂度降低一半
- 提高了模型精度
马自达的创驰蓝天（SKYACTIV-D）柴油发动机
创驰蓝天技术（SKYACTIV TECHNOLOGY）发动机的开发，使得马自达无须依赖小型化和稀薄燃烧方法，即可实现节能型柴油和汽油发动机的商业化。创驰蓝天汽油发动机(SKYACTIV-G) 是世界上第一台压缩比高达14.0:1的量产汽油发动机，效率和转矩提升了15%。相应的创驰蓝天柴油发动机(SKYACTIV-D) ，具有全世界最低的柴油机压缩比，在符合严格的排放法规（包括欧洲Euro6和日本汽车尾气排放法规）的情况下将燃油效率提高了20%，同时无需使用昂贵的尾气后处理装置来减少氮氧化物(NOx)的排放。
马自达工程师采用MATLAB®、Simulink®和Model-Based Calibration Toolbox™来进行发动机控制器的设计、验证和标定。
“创驰蓝天发动机（SKYACTIV）的设计采用了能提供更大转矩和改善燃油经济性的先进技术”，马自达的副经理Shingo Harada说：“而Model-Based Calibration Toolbox则帮助我们充分发挥这些先进技术的性能，相比于手工的、基于电子表格的标定方法，可获得更高燃油效率和更低的尾气排放。”
该图表示的是参数数量的减少，对最大气缸压力（Pmax）模型精度的影响。
挑战
由于马自达发动机已经变得越来越复杂，因此，使用传统的标定方法越来越难以获得最优的标定。“采用基于电子表格的试错法需要大量的试验时间，试验室很难按时交付”，Harada说：“更重要的是，就算是经验丰富的标定工程师，也很难在五个或更多维度的搜寻范围内找到最佳值，所以，我们永远无法确定是否已找到了最优标定。”
马自达希望降低柴油机(SKYACTIV-D)的压缩比，从而最大限度地减少炭烟和NOx排放。为了实现这个目标和其他设计目标，工程师们需要使用最大缸压和排温的统计模型，并且可嵌入ECU。初始版本的模型具有40个参数，由于过于复杂而不能在ECU上运行。马自达需要在不牺牲精度的前提下降低模型复杂度。
解决方案
马自达采用了Simulink和Model-Based Calibration Toolbox来制定试验计划、开发统计模型和生成柴油机(SKYACTIV-D)的最优标定。他们也使用相同的工具来开发汽油机(SKYACTIV-G)的统计模型，并进行发动机控制策略的硬件在环(HIL)仿真测试。
马自达采用了Model-Based Calibration Toolbox来优化了柴油机(SKYACTIV-D)的测试方案。测试计划只包含足够涵盖发动机性能和排放特性的测试点，从而最大限度地缩短测试时间。
在试验室完成测试后，工程师将测试数据导入Model-Based Calibration Toolbox，并建立发动机响应的统计模型。
使用Model-Based Calibration Toolbox中的标定生成工具(CAGE)和内部开发的基于MATLAB的优化界面，开发团队可从发动机模型生成最优标定。
为了定义发动机实际工作范围，得到仿真、优化和嵌入式模型所需的边界条件，他们使用Model-Based Calibration Toolbox来创建边界模型。
利用Model-Based Calibration Toolbox，马自达的工程师生成了嵌入式模型，包括在柴油发动机(SKYACTIV-D)的产品ECU上使用的最大缸压模型。
对于相同的ECU，他们建立了总燃油消耗量与多个工况点变量的函数关系模型，结合排温模型（也通过Model-Based Calibration Toolbox生成），改善油耗模型的可靠性和性能。
柴油发动机(SKYACTIV-D)符合严格的欧洲和日本尾气排放标准，广泛安装在量产车辆中，包括Mazda CX-5。
研究创驰蓝天汽油发动机(SKYACTIV-G)的工程师使用Model-Based Calibration Toolbox开发了一种发动机油耗统计模型。他们将该模型导出到Simulink，用于发动机控制逻辑的开发、调试和HIL仿真。该模型在自动变速箱油耗仿真中重用，从而进一步减少了模型开发的投入。
结果
- 最大限度地减少发动机标定工作量。“采用传统方法，标定一款新发动机的测试量非常大”，Harada说：“而使用Model-Based Calibration Toolbox，我们可以重用现有数据和仿真结果，从而最大限度地减少了测试的工作量和试验设备的使用。”
- 模型复杂度降低一半。“我们最初的ECU里最高缸压模型有38个参数。使用Model-Based Calibration Toolbox， 参数减少到了20个，从而减少了ECU的负荷。”Harada说：“类似地，该工具箱还使排温模型的参数从大约40个减少到20个，同时保持同等的精度级别。”
- 提高了模型精度。Harada说：“使用Model-Based Calibration Toolbox创建的边界模型，我们改善了烟气模型的精度，均方根误差（RMSE）减小80%。”
