MATLAB提取发动机最优工作曲线：从台架数据到控制策略

1. 先搞清楚"最优工作曲线"到底在算什么

做发动机控制或者整车能量管理的人，应该都见过万有特性图：横轴是转速，纵轴是扭矩，图上密密麻麻一圈一圈的等高线是燃油消耗率，也就是BSFC。一眼看过去，图里总有一块"油耗盆地"，那是发动机燃烧最舒服的区域。

最优工作曲线要解决的，就是在不同动力需求下，让发动机始终在这块"盆地"附近工作。说得直白一点：如果整车需要50kW的功率，发动机转速是2000rpm还是2800rpm，对应扭矩分别为约239N·m和170N·m，两条路都能输出50kW，但燃油消耗率可能差出不少。最优工作曲线就是把每种功率需求下油耗最低的转速、扭矩组合全部找出来，连成一条线。

1.1 万有特性Map图的基本认知

先讲清楚底层的物理量。台架试验里最常测的三个量：转速n（rpm）、扭矩T（N·m）、瞬时燃油消耗量，然后再折算成燃油消耗率BSFC（g/kWh）。BSFC = 小时耗油量乘以1000再除以有效功率，有效功率 P = n·T/9550，单位kW。BSFC越低，说明能量转换效率越高。

万有特性图通常以转速为横轴、扭矩（或平均有效压力BMEP）为纵轴，把BSFC用等值线方式画出来。外特性曲线是所有转速下能输出的最大扭矩边界，最优工作曲线只能落在边界内部，这是硬约束。

有些朋友会问：Map图不是原厂就给了吗？确实会。原厂万有特性是标定阶段的台架数据，覆盖外特性内部的全部工作区域。问题是，原厂Map数据往往是离散矩阵，不同转速、不同负荷点疏密不均，而且等油耗线的凹凸特征直接决定最优曲线的形态，不自己动手把曲线提取出来，你在控制策略里根本没法用。

1.2 最优工作曲线的两种定义与适用场景

这条曲线在行业里有两个叫法，很多人混着用，实际针对的是不同问题。

第一种是经济性最优工作曲线（Optimal Fuel Economy Line）。以BSFC最低为优化目标，约束条件是输出功率满足需求。适合混合动力串联/增程式架构，发动机可以脱离车轮转速任意选点，直接运行在曲线上，让发电机补足差额或吸收功率。

第二种是动力性最优工作曲线（Optimal Power Line），也叫外特性加权曲线。某些工况要求发动机始终工作在扭矩响应最快的区域，目标函数不再单纯是油耗，而是加入扭矩储备率、响应时间等约束。比如并联混动模式下发动机转速受车速约束，只能在固定转速下选扭矩，这时候单纯经济性曲线就不够用了，要叠加动力性考量。

本文后面讲的主要是第一种。但程序架构上我留了开关，定义目标函数时可以直接替换成"油耗+惩罚项"，所以第二种也能做。

2. 原始试验数据整理：从台架记录到可计算的数据集

我在某发动机开发项目里最开始拿到的一组数据，是台架监控系统导出的CSV，一共几万行，列包含转速、扭矩、油门开度、燃油流量、进气温度、排气温度。看着挺全，但直接拿来做最优曲线计算是跑不通的。原因是台架试验不是按规则网格采的，而是沿着某个负荷阶梯一条线一条线推的，转速点上密下疏，个别点还有毛刺。

2.1 台架试验常见的数据格式

常见的原始数据格式大致分这么几类：

• 稳态扫描格式：固定转速，从低负荷到高负荷逐步加扭矩，记录稳定后的数据，然后升转速继续。转速间隔一般200到500rpm。
• 等功率扫描格式：保持某输出功率，连续扫描不同转速，这种数据最适合直接观察等功率线上的BSFC变化。
• 瞬态工况格式：按某标准循环跑的瞬态数据，带时间戳，不适合直接用来提取最优曲线，只能做验证。

第一类最常用。拿到之后第一步是确认单位，转速是rpm、扭矩是N·m、燃油流量是kg/h还是L/h，这些搞错了后面全白做。我踩过一次燃油流量单位换算的坑，后面详细说。

2.2 数据清洗与转速、扭矩修正

原始数据直接算BSFC，算出来的图往往是花的，因为存在两类明显问题：

第一类是稳态判定问题。台架在加法时如果稳定时间不够，燃油流量还处于动态变化，记录到的点不代表稳态。处理办法是加一个稳态判定条件：转速波动不超过±10rpm、扭矩波动不超过±3N·m、燃油流量波动不超过±2%，连续保持3秒以上才算有效点。用滑窗在MATLAB里做，很方便。

第二类是重复采样与野值。同一工况点可能记录了多次，取平均；偏离局部邻域中位数超过三倍绝对偏差的点直接剔除。可以用isoutlier函数，参数选movmedian，窗口选50个点。

修正方面，台架的扭矩需要做摩擦修正：测功机显示的指示扭矩需要减去当前工况下的机械摩擦损失扭矩。摩擦功通常单独测一条倒拖曲线（也就是不点火，测功机带着发动机转），把倒拖扭矩拟合成转速的函数。计算时把摩擦扭矩从测量扭矩里扣除，得到的就是有效输出扭矩。

2.3 散点插值为规则网格

清洗完的散点数据分布非常不均匀，直接画contourf会得到锯齿状的等值线，后面提取曲线时数值稳定性很差。所以必须先把散点插值到规则网格上。

MATLAB里有几种做法。griddata是老牌函数，适合中小规模数据；scatteredInterpolant更适合大数据量，内存占用可控，还支持动态更新数据点。我建议用scatteredInterpolant，插值方法选linear而不是nearest或natural。理由后面在踩坑章节详细讲。

网格范围要卡死：转速轴从最低怠速到最高额定转速，扭矩轴从0到外特性曲线最大值。超出外特性的区域直接置NaN，不允许插值算法脑补出扭矩比最大还高的"虚拟点"，这一点很多人忽略，导致最优曲线在高功率段出现明显偏移。

% 数据清洗后建立插值器 F = scatteredInterpolant(cleanData.rpm, cleanData.torque, cleanData.bsfc); F.Method = 'linear'; % 线性插值，稳健性好 F.ExtrapolationMethod = 'none'; % 不外推，防止越界数据污染 % 生成规则网格 rpmGrid = 800:20:6000; % 转速网格，步长20rpm torqueMax = interp1(extCurve.rpm, extCurve.torque, rpmGrid, 'linear'); % 外特性限制 torqueGrid = arrayfun(@(tmax) linspace(0, tmax, 100), torqueMax, 'UniformOutput', false);

这段代码里，我按每条转速线独立生成从0到该转速最大扭矩的100个点，而不是在全转速、全扭矩的矩形网格上做插值。这样可以保证插值区域天然贴合外特性边界，不会出现低转速区扭矩上限明明只有100N·m，却有200N·m的插值结果进入Map。

3. 提取最优工作曲线的三种算法路线

网格化之后，Map图已经是一块干净的数据场了。接下来就是核心问题：怎么把最优工况点的连线提取出来。

3.1 路线一：等油耗线族的包络线法

这是最经典的做法。在万有特性图上，等功率线是一族双曲线，公式是 T = 9550·P/n。给定一个功率需求P，画一条等功率线与万有特性的等油耗线相切，切点就是该功率下的最低油耗工作点。

实现上不需要真的画线求切点。在规则网格上，对每个需求功率P，直接构造目标函数bsfc(n, 9550*P/n)，前提是9550*P/n不超过该转速下的外特性扭矩，然后在允许的转速范围内找最小值对应的n。这就是一维搜索问题，计算量小、逻辑清晰。

这个方法的优点是物理意义直观，而且能顺着功率从低到高一路扫过去，输出功率与最优工作点一一对应，非常适合做查表。缺点是：如果Map里BSFC平台区很平坦（现代增压发动机常常有一大片区域油耗都很接近），相邻功率档对应的最优点可能跳动比较大，曲线会出现折线状。

3.2 路线二：稳态效率峰值搜索法

第二种做法是直接对整个网格做二维寻优：在转速-扭矩平面上，找出每个扭矩区间内BSFC最小的点。做法是沿着扭矩轴从10%到100%负荷，每隔一定间隔设定一个扭矩窗口，对窗口内所有网格点比较BSFC，取全局最小。然后用smooth或nlinfit对散点拟合成平滑曲线。

这个方法思想很朴素：不管功率连续性，只看期望的控制量（通常控制策略按需求扭矩来查询）。实际工程里，路谱上最常给的确实也是扭矩需求，所以用扭矩维度索引最优转速反而更好用。缺点是单点的全局最低可能集中到很小一块区域，计算出的曲线在低负荷段会明显偏向怠速，实际不可用，需要人为设置最小工作转速。

3.3 路线三：等功率线与比油耗的交点寻优

第三种是前两种的结合。先固定一组功率档位，比如从5kW到最大可用功率，每隔2kW一个档位；在每个功率档位上，利用有约束最小化求解最优转速：

约束条件：

• 转速边界：n_min ≤ n ≤ n_max
• 扭矩边界：0 ≤ T ≤ n点外特性扭矩
• 等式约束：T = 9550·P/n

用MATLABfmincon求解，目标函数就是bsfc(n, 9550*P/n)，其中bsfc是前面建立的插值函数句柄。求解完之后，再把所有功率档位对应的最优转速、最优扭矩点连起来。

这个方法相当于把路线一自动化并同时做了边界约束，而且遇到Map多峰时能用多起点搜索来避免陷入局部最小。代价是计算时间比直接扫描长一些。我实际项目中用的是这一种，具体做法是每个功率档位用三个初始点同时搜索：靠近上一档最优点的点、低转速起点、高转速起点，三取最优。

3.4 三种路线的对比与选择

实际项目里，我建议至少跑前两种做交叉验证。如果两种方法算出来的最优工作曲线在某段功率区间差异超过5%的油耗率，说明Map数据有问题，优先检查该区域的原始散点分布，而不是急着决定选哪种方法。

4. MATLAB程序架构与核心代码解析

程序我按可复用思路设计，一共分成四个模块：数据导入、插值建场、曲线提取、可视化导出。整个程序不依赖额外工具箱，只用MATLAB基础包，方便换机器直接跑。

4.1 程序整体结构与输入输出

目录结构如下：

EngineOptimalCurve/ ├── main.m % 主程序入口 ├── load_test_data.m % 读取台架试验数据 ├── build_bsfc_map.m % 清洗、插值、建立BSFC场 ├── extract_optimal_curve.m % 三种提取算法 ├── plot_results.m % 画万有特性图和最优曲线 └── config.m % 全局参数配置

输入有三份数据：台架稳态数据（CSV）、外特性数据、摩擦修正数据。输出是一张results.mat，里面包含最优工作曲线的转速序列、扭矩序列、对应功率序列、油耗序列，还有一张PNG图。

4.2 数据导入与Map构建模块

config.m统一设置参数，包括转速网格步长、扭矩分层数、最小工作转速限制、功率档位步长等。把参数集中在一个文件里，调参不用满项目翻代码。

% config.m 关键参数 cfg.rpmGridStep = 20; % 转速网格步长 20 rpm cfg.torqueLayers = 100; % 每条转速线的扭矩分层数 cfg.minWorkingRpm = 1200; % 最小工作转速（避免低负荷偏向怠速） cfg.powerStep = 2; % 功率档位步长 kW cfg.maxPower = 80; % 最大需求功率 kW cfg.plateauThreshold = 3; % BSFC平台判定阈值 g/kWh

build_bsfc_map.m里完成数据读取、稳态过滤、摩擦修正、散点插值。

function bsfcData = build_bsfc_map(cfg) raw = readtable(cfg.dataFile); % 稳态过滤：转速/扭矩/燃油流量波动阈值 stable = (movstd(raw.rpm, 10) < 10) & ... (movstd(raw.torque, 10) < 3) & ... (movstd(raw.fuelFlow, 10) < 0.02*median(raw.fuelFlow)); raw = raw(stable, :); % 摩擦修正 friction = polyval(cfg.frictionCoeff, raw.rpm); % 倒拖曲线多项式 raw.torque = raw.torque - friction; % 建立插值器 F = scatteredInterpolant(raw.rpm, raw.torque, raw.bsfc); F.Method = 'linear'; F.ExtrapolationMethod = 'none'; % 按外特性边界逐转速生成扭矩网格并插值 rpmVec = cfg.rpmMin : cfg.rpmGridStep : cfg.rpmMax; bsfcMap = zeros(length(rpmVec), cfg.torqueLayers); torqueMap = zeros(length(rpmVec), cfg.torqueLayers); for i = 1:length(rpmVec) [tmax, ~] = interp1(extCurve.rpm, extCurve.torque, rpmVec(i), 'linear', NaN); if isnan(tmax), continue; end tv = linspace(0, tmax, cfg.torqueLayers)'; torqueMap(i, :) = tv; bsfcMap(i, :) = F(rpmVec(i)*ones(size(tv)), tv); end end

movstd做稳态判定比直接对瞬时值设阈值稳得多，因为台架瞬态下瞬时值本身就是波动的，标准差的滑动窗口能真实反映稳定状态。

4.3 最优曲线提取核心模块

约束寻优法的核心代码：

function curve = extract_optimal_curve(bsfcData, cfg) bsfcFunc = @(n, T) bsfcData.F(n, T); powerList = cfg.powerStep : cfg.powerStep : cfg.maxPower; curve = struct('power', [], 'rpm', [], 'torque', [], 'bsfc', []); prevRpm = cfg.minWorkingRpm; % 上一档最优转速作为初值之一 for P = powerList % 扭矩上限随转速变化 rpmRange = [cfg.minWorkingRpm, cfg.rpmMax]; objFun = @(n) bsfcFunc(n(1), max(0, 9550*P/n(1))); % 三初始点搜索 n0 = [prevRpm, cfg.minWorkingRpm, cfg.rpmMax*0.8]; bestVal = inf; bestN = prevRpm; for init = n0 [nOpt, fval] = fminbnd(@(n) objFun(n) + penalty(n, P, cfg), ... rpmRange(1), rpmRange(2), ... optimset('TolX', 1)); if fval < bestVal bestVal = fval; bestN = nOpt; end end Topt = 9550 * P / bestN; curve.power(end+1) = P; curve.rpm(end+1) = bestN; curve.torque(end+1) = Topt; curve.bsfc(end+1) = bsfcFunc(bestN, Topt); prevRpm = bestN; % 热启动下一档 end end function pen = penalty(n, P, cfg) % 对低转速高负荷或高转速低负荷区域施加惩罚，保证曲线工程可用 T_req = 9550 * P / n; pen = 0; if T_req > interp1(cfg.extRpm, cfg.extTorque, n, 'linear') pen = pen + 1e4; % 超过外特性，不允许 end if n < cfg.minWorkingRpm pen = pen + 1e4 * (cfg.minWorkingRpm - n); end end

注意这里用的是fminbnd而不是fmincon。原因是最优工作曲线提取其实是一个单变量问题：功率固定时，扭矩和转速存在确定性关系，自由度只有转速一个。用fminbnd加外特性惩罚项，比fmincon处理等式约束快得多，也不会出现等式约束数值不收敛的问题。

4.4 结果可视化与导出

可视化是这部分最直接验证算法正确性的手段。我用contourf画BSFC场，然后把最优工作曲线以白色粗线叠加：

function plot_results(bsfcData, curve) figure('Color', 'w', 'Position', [100 100 900 700]); [C, h] = contourf(bsfcData.rpmVec, bsfcData.torqueMap(1,:), ... bsfcData.bsfcMap', 20); hold on; plot(curve.rpm, curve.torque, '-w', 'LineWidth', 2.5); plot(curve.rpm, curve.torque, 'ok', 'MarkerSize', 4); % 画外特性边界 plot(bsfcData.rpmVec, bsfcData.extTorque, '-r', 'LineWidth', 1.5); xlabel('转速 (rpm)'); ylabel('扭矩 (N·m)'); colorbar; caxis([min(bsfcData.bsfcMap(:)), 400]); title('MAP + Optimal Curve'); saveas(gcf, 'optimal_curve.png'); end

一个很容易犯的错：contourf的输入矩阵维度顺序。MATLABcontourf(X, Y, Z)中Z是"Y行X列"的排列，也就是size(Z) = [length(Y), length(X)]。我早期直接把bsfcMap（行为转速、列为扭矩）传进去，画出来的图横纵轴全反了。后来统一规范为：生成网格时转速沿行方向、扭矩沿列方向，绘图前对bsfcMap做转置。这个小问题排查了整整一天。

5. 计算结果在工程中的应用：从曲线到混动能量管理策略

提取出最优工作曲线不是终点。工程上这条曲线是要嵌进控制策略的，这里分享一下落地的几个典型场景，以及我踩过的实际应用层面的坑。

5.1 最优工作曲线如何给混动控制器做标定

在某插电混动项目里，发动机是串联混动构型的增程器，它转速不直接驱动车轮，所以控制策略的核心就是"发动机在任何时刻都尽量运行在经济区"。具体做法是：

把最优工作曲线做成两张Lookup表。第一张：功率需求 → 目标转速；第二张：功率需求 → 目标扭矩。控制器的输入是当前整车功率需求P_req，经过这两张表，直接给出发动机的转速和扭矩命令。这样做的好处是控制器代码里不用跑任何Map插值逻辑，只需一次查表和限值。

整张表的制作流程是：先用本文的MATLAB程序算出曲线，导出成dbf或excel格式，再用标定工具（如某个通用标定平台）导入。曲线的横坐标是离散功率点，转速和扭矩是纵坐标，中间用线性插值过渡。

关键细节：实际控制时功率需求是波动的，如果曲线给的转速指令跟当前实际转速差距大，就会频繁拉转速，反而增加油耗。所以我在曲线基础上增加了一个转速缓变率限制，例如最大转速变化率不超过300rpm/s，否则只是在Map图上抄最优轨迹反而会输给修正式控制。这一点传统论文里基本不会提，工程上却非常要害。

5.2 在台架标定中用来校验实测点

第二类应用是标定阶段。发动机控制团队在标定某些工况时，经常争论：某个工况点的油耗是不是最优的？有了最优工作曲线，在标定界面上叠加这条曲线作为参考线，标定工程师可以直接观察当前标定点与最优曲线的偏差值，进而决定是否有必要做局部优化。

我所在项目中，某导师团队利用这条曲线作为参考，在部分负荷工况下调整了喷油提前角，最终使该区域热效率从38.6%提升至39.7%。其实并不是算法直接给出了喷油参数，而是曲线帮助工程师聚焦到了"偏差最大的区域"，优化方向明确后，问题自然就解决了。工具的价值有时候体现在把问题的注意力集中起来，而不是直接取代决策。

6. 实测踩坑记录：数据、算法与边界条件的那些坑

做这个程序前后大概花了两周，其中一半时间都在和数据质量与数值细节搏斗。下面几个坑比较典型，写出来供参考。

6.1 插值方法选择：Linear与Natural的结果差异

我先用了scatteredInterpolant默认的natural插值，画出来的Map非常光滑，但提取的最优工作曲线在局部出现反常的"波浪"，而用linear反而更稳定。

原因：natural插值基于Delaunay三角剖分的自然邻域加权，对不规则散点分布数据会生成平滑但可能过拟合的曲面，尤其是在散点稀疏区域，它会把局部噪声放大为"坡面"，导致优化器沿着这个坡面找到错误极值。linear虽然不够光滑，但形状保守，对离散试验数据更诚实。

结论：试验采集的Map数据不是高精度测量场，追求光滑没有意义。宁愿用线性插值，后面对曲线做平滑处理，也不要用高阶插值让算法"无中生有"。

6.2 低负荷区域最优转速偏向怠速

用纯算法提取时，在功率需求低于15kW区间，算出来的最优转速经常低于1000rpm。图形上看着没问题，工程上完全没法用：发动机端盖冷却、变速箱油温、NVH都受不了。

解决办法不只是设置一个最小工作转速下限，还得在目标函数里加"远离怠区"的惩罚项。我最后把最优转速不得低于1200rpm设为硬约束，同时在10kW以下功率区间，把转速指令做了分段线性化处理，让曲线低负荷段平滑过渡到怠速点，避免转速突变。这种事是纯数值优化和工程可用的分水岭。

6.3 单位混用与功率换算

程序最初在某轮复现中，输出的曲线在20kW附近有个明显"台阶"，查了半天发现是燃油流量单位在某个数据文件里是kg/s而另一个是kg/h，没有统一就灌进了BSFC计算。BSFC = 33.44 / 热效率的关联式检查也没能兜住，因为单位错了一个数量级，效率仍然"合法"地落在30%到45%区间。

从那以后我在数据导入模块里加了自动检测：根据燃油流量列数值范围判断单位，比如kg/s量级通常是0.001到0.01，kg/h量级是1到30，自动切换换算系数，再输出单位校验日志到命令行。这种单元级防御看起来很土，但确实能救回大量调试时间。

7. 计算效率与大规模参数扫描的优化经验

程序的初版跑一次完整提取大约需要40秒，主要耗时在三维插值器和逐功率寻优上。如果只是算一条曲线，无所谓，但在做参数敏感性分析时，往往要跑几百组不同网格步长、不同功率档位、不同最小转速的组合，40秒一组就变成几个小时了。

7.1 插值器的预计算与向量化加速

把scatteredInterpolant对规则网格的插值做一次预计算，得到完整的BSFC矩阵之后，寻优过程中不再调用插值器，而是直接查矩阵。查矩阵用interp2配合'nearest'或'linear'，速度比scatteredInterpolant快一个数量级。虽然损失了一点精度，但对寻优迭代过程中的初值估计足够。

% 预计算规则网格BSFC矩阵（只在程序启动时执行一次） [gridRpm, gridTorque] = ndgrid(rpmVec, torqueVec); bsfcGrid = F(gridRpm, gridTorque); % 寻优迭代中直接查网格，避免反复插值 function b = bsfcAt(n, T) b = interp2(rpmVec, torqueVec, bsfcGrid, n, T, 'linear'); end

注意interp2和ndgrid的维度顺序也需要严格匹配，这个跟前面说的contourf转置是同一类坑。我统一封装在bsfcAt函数里，外面调用不直接碰维度，减少出错机会。

7.2 功率档位的自适应步长

固定2kW一个档位的做法，在高功率段会出现同样的最优转速跑好几个档位的情况，白白浪费计算；低功率段又可能漏掉精细化区域。改成自适应步长：BSFC梯度大的区域步长加密，梯度小的区域适当放宽。具体实现是先用粗步长跑一遍，计算相邻最优点的油耗差值，差值超过阈值就在这两个点之间插入中间档位重算。

自适应步长让整条曲线的计算量减少约35%，同时低功率段曲线更精细。这个优化在纯代码层面非常好做，唯一的代价是逻辑里多了一个循环，但对计算速度影响可以忽略。

7.3 并行处理

如果实验环境允许，还可以用parfor对功率档位并行求解。由于每个功率档位的寻优互相独立，只需把热启动初值改成固定值即可并行化。我用parfor把40秒降到12秒左右。严格说40秒也不慢，但当你把程序交给标定工程师用，他们往往要连着跑几十个工况数据文件，速度优势就直接转化成效率了。

8. 程序交付时的几个工程细节

程序单独跑通很简单，但要真正交给别人用，还有些细节值得提一下。

一是输入文件模板必须固定。台架试验数据的列名、顺序、单位要约定好，我习惯在数据导入后打印一行汇总信息给用户确认，比如"共导入有效点 12364 个，转速范围 800~6000rpm，扭矩范围 0~380N·m，平均BSFC 245.3g/kWh"，让用户第一眼就能发现单位或范围异常。

二是程序要能在无MATLAB环境的情况下出图。我最终会在跑完后自动导出一张PNG图片加一个CSV文件。CSV的成本是三列：功率、目标转速、目标扭矩。标定工程师只需要CSV和图片，不需要MATLAB。这一点对程序的实际使用率提升非常大——如果每次都要从MATLAB里面取数，对方很快就弃用了。

三是代码注释怎么讲清楚物理公式来源。BSFC的定义、等功率公式T=9550P/n的来源、摩擦修正公式为什么要做，这些物理背景直接写在代码注释里。很多工程师拿到程序后第一件事就是"翻代码看公式对不对"，确认公式无误后才放心用。注释写得清楚，省掉了大量沟通成本。

这里我把main.m里的一段校验逻辑放出来，作为交付模板：

% main.m 交付校验段 fprintf('=== 输入数据校验 ===\n'); fprintf('有效数据点: %d\n', height(cleanData)); fprintf('转速范围: %.0f ~ %.0f rpm\n', min(cleanData.rpm), max(cleanData.rpm)); fprintf('扭矩范围: %.1f ~ %.1f N·m\n', min(cleanData.torque), max(cleanData.torque)); fprintf('平均BSFC: %.1f g/kWh\n', mean(cleanData.bsfc)); fprintf('外特性最大功率: %.1f kW\n', max(extCurve.torque.*extCurve.rpm/9550)); % 校验功率单位换算 if max(cleanData.fuelFlow) < 1 warning('燃油流量可能为kg/s单位，请确认是否已换算为kg/h'); end

这个校验段最多十行代码，却能在交付后拦截一半以上的数据低级错误。做工程软件，防呆往往比功能本身更重要。

写到这里，我回头看整个程序的价值：它本质上不是一套复杂的数学算法，而是一个把台架试验数据转成工程控制参数的标准化工具。核心的三件事——数据可信、曲线平滑、边界可用——环环相扣，少了哪一环，算出来的曲线都只能停留在论文截图里，落不了地。

最后分享一个小技巧：就算没有混动项目，这条最优工作曲线也可以用来指导普通车的换挡策略和速比标定。把经济性最优曲线折算到车速-油门开度平面上，和现有的换挡线叠加，一眼就能看出原车换挡线离经济区有多远。很多时候不用改硬件，只是把换挡点往曲线上靠一靠，油耗就有直观改善。这也是这个计算程序最容易被复用、最值得投入精力的方向。