基于BP神经网络模型的发动机怠速预测控制

基于BP神经网络模型的发动机怠速预测控制

杨海燕[1]2007年在《汽车发动机怠速控制技术的研究》文中指出怠速控制是汽车发动机电子控制的一个重要内容。对怠速进行有效的控制对于提高汽车的燃油经济性,乘坐舒适性和降低排放有很大的意义。本文首先简要介绍了汽车发动机怠速控制的意义、研究现状及发展趋势,回顾了国内国外的汽车发动机怠速模型。采用了一种应用比较广泛的平均值建模方法,借助matlab的simulink工具建立了发动机怠速平均值模型。其次,对发动机怠速控制策略进行了详细的介绍。发动机控制策略是针对发动机各个运行工况以及发动机自身的工作特点和性能制定的一套控制思想,并通过各个执行机构实现对发动机有效和优化的控制,使发动机的各项性能指标达到最佳的效果。再次,介绍了模糊控制的基本知识以及matlab中模糊控制工具箱的使用方法,设计了基本的模糊控制器,通过对仿真结果的分析找出其不足。针对问题设计了一种参数自调节的自适应模糊控制器,仿真结果比模糊控制系统有了很大的改善。最后,针对怠速控制对已知扰动的抑制问题设计了一种神经网络预测控制器。对于已知扰动的控制问题可以归结为怠速控制能够不断调整汽车发动机运转,跟踪变化的指定正常怠速转速的问题。神经网络预测算法结合了预测控制的事前调节的优点和神经网络的无限逼近的优点,对于提高系统的跟随性和抗干扰性有很大的作用,实验结果也证实了这一点。

任天睿[2]2003年在《基于BP神经网络模型的发动机怠速预测控制》文中研究表明建立汽车发动机这样非线性系统的数学模型非常困难,人工神经网络理论为非线性系统的辨识提供了新的方法。本文根据系统辨识理论,结合使用2JZ-GE型汽油机微机试验教学系统测得所需发动机怠速转速数据。通过训练神经网络学习样本数据,建立了正确的发动机怠速神经网络模型。其中对神经网络的训练算法、网络结构以及训练结果的验证等内容进行了探讨。 预测控制算法简单,鲁棒性较强,适合于发动机这样的有纯时延、开环渐进稳定的非线性对象。本文用已建立的发动机神经网络怠速模型,并采用DMC预测控制算法,完成了怠速控制的仿真研究。仿真效果表明将DMC算法应用于发动机怠速控制是可行的。

李国勇[3]2007年在《电控汽油机智能控制策略及故障诊断的研究》文中进行了进一步梳理本文针对当前我国发动机控制技术的现状及实现电控化和降低排放污染物、减少故障的首要任务,通过对国内外汽油机电控系统研究发展的相关资料进行查找和分析,结合我们的实际状况,以德尔福4缸微型车汽油机电控系统和山西淮海机械厂生产的465Q电控汽油机作为研究对象,分别对其软、硬件进行了详细的剖析,从而获得电控软件的基本设计思想和方法。在此基础上,采用模糊控制、神经网络和预测控制等智能控制理论,选择汽油机电控系统的控制策略作为主攻方向,分别对汽油机电控系统的喷油、点火和怠速系统进行了系统的理论研究和大量的MATLAB仿真实验,对其进行分析与研究将有利于优选设计出一种高效实用的电控系统。另外针对电控汽油机故障的复杂性、多样性以及诊断信息存在模糊性的特点,设计了一种基于专家思想的模糊神经网络智能故障诊断系统。文中首先详细分析了465Q汽油机电控系统的结构、工作原理和控制策略,以及电子控制汽油机故障的种类、原因等。设计了465Q电控汽油机脉谱测量试验系统,在发动机实验台架上,利用德尔福汽车发动机电控系统PCHud测控软件,实际测取了465Q汽油机喷油和点火控制的最佳脉谱图。其次针对汽油机怠速控制系统的非线性、时变性、不确定性及不易建立精确数学模型的特点,研究了利用模糊控制理论控制发动机怠速的实验,设计了一种汽油机怠速转速模糊控制系统,在怠速控制系统中,采用模糊控制和PID控制相结合的思想,其中利用模糊控制实现宏观调节达到快速控制,利用PID实现微观调节达到精确控制,充分发挥了两者的优点。实验结果表明,该方法可以有效实现对发动机的怠速控制,怠速变化平稳,且具有很强的抗干扰能力。然后根据465Q发动机点火和喷油的最佳脉谱图,利用神经网络建立了465Q发动机在稳定工况下的点火和喷油系统的数学模型;并提出了多种对于发动机这种高度非线性系统进行点火和喷油控制的新方法和新策略。特别提出了一种神经网络自校正喷油控制系统,它既适用于以汽油作为燃料的发动机控制,来满足系统在不同工况下对空燃比的要求,也适用于以混合燃料(如汽油+甲醇)作为动力的发动机控制,来满足系统在汽油与甲醇不同的混合比下,灵活地设定其目标空燃比,实现对目标空燃比在某一范围内(5~30)任意连续设定的要求,同时也可满足缸内汽油直喷稀薄燃烧(空燃比>17)技术的要求。仿真结果表明,该神经网络自校正喷油控制系统具有很好的自适应性、鲁棒性和快速性,且结构简单,占用内存少,在线训练时间短,运算速度快,学习能力强,可无差跟踪系统的目标设定值。它可以克服由于制造、磨损以及参数变化所造成的各种误差,且满足实时控制的快速要求。再者针对汽油机具有非线性、时变性、不确定性及不易建立精确数学模型的特点,研究了预测控制理论在汽油机喷油及点火控制系统中的应用,通过提出多种有效的隐式广义预测自适应控制方式,使汽油机实现了空燃比及爆震控制的精确要求。实验结果表明,在汽油机控制中,隐式广义预测自校正控制算法是一种可行的,效果很好的控制方法。另外针对电控汽油机故障多,复杂性高的特点,根据电控汽油机故障,应用改进的BP神经网络对电控汽油机进行故障诊断。实验结果表明对于电控汽油机的故障诊断而言,BP网络确为一种较为实用的网络,它具有很强的模式识别和分类能力。但由于电控汽油机故障具有复杂性、多样性、模糊性的特点,采用传统的以布尔代数为基础的二值逻辑显得过于粗糙不精确,因此在利用神经网络对电控汽油机进行故障诊断的基础上,引入模糊逻辑的概念,采用模糊隶属函数来描述这些故障的程度,将模糊逻辑与神经网络相结合,发挥其各自的优势,构造了一个模糊神经网络。诊断仿真结果表明采用模糊神经网络进行故障诊断,结果更精确、更加合理、可信度更高。另外,针对电控汽油机故障诊断的特点,结合专家系统的发展方向,研究了电控汽油机故障诊断专家系统的建造思路和算法。将专家思想很好的融合到模糊神经网络中,构造了基于模糊神经网络的电控汽油机故障诊断专家系统。该设计结合了人工神经网络、模糊逻辑理论以及专家系统各自的优点,具有很好的故障诊断能力。并运用MATLAB的图形用户界面(GUI)功能,设计了一种全新的模糊神经网络智能故障诊断专家系统及其人机交互界面,增加系统的易操作性,方便用户使用,更新系统简单直观。最后利用一种适用于以混合燃料作为动力的甲醇发动机台架实验系统,分析了改进后的甲醇发动机在燃用高比例M85(85%的甲醇和15%的汽油)甲醇汽油燃料时的发动机性能,并与原汽油机进行了对比试验。

张文强[4]2006年在《汽油机怠速滑模控制策略及其SIMULINK实现》文中指出怠速是汽油机的一种重要工况,怠速控制是汽油机控制的最重要内容之一。本文研究了如何利用滑模控制方法来实现汽油机的怠速控制问题。 论文首先综述了国内外研究汽油机怠速控制的各种先进控制策略,并介绍了滑模控制和神经网络的基本理论。之后,针对怠速传递函数简化模型的不足,选择了丹麦技术大学提出的高精度的汽油机怠速平均值模型,该模型在整个运行域上只有2~3%的误差,对同一汽油机采用不同进气歧管和喷油系统时也具有相同精度水平。接着,在不同负载下进行怠速仿真,获得汽油机怠速稳态工作点;用它离线训练BP神经网络,并在SIMULINK下生成BP神经网络模型,在控制仿真中由该BP神经网络在线计算怠速稳态工作点。然后,论文采用小偏差法对该模型在各稳态工作点进行线性化处理,并在SIMULINK下构建汽油机怠速在线仿真模型。 在上述工作基础上,论文分别研究了叁种怠速控制方法:(a)基于趋近率的滑模控制、(b)RBF神经滑模控制、(c)基于RBF神经网络的等效滑模控制,以减少或消除滑模控制固有的抖振;设计了控制器:构建了仿真系统;选择了点火提前角和怠速阀占空比二种控制变量:对(b)方法进行了SIMULINK仿真,对(c)方法进行了MATLAB仿真;在空载及六种不同类型的典型负载、空燃比和点火提前角均附加随机噪声的条件下,对(a)方法进行了SIMULINK仿真。结果表明:从控制变量上看,点火提前角仅适合于小负载情况,怠速阀占空比可适合于大负载情况;从控制性能看,叁种方法都具有良好的鲁棒性,(b)和(c)的控制精度高于(a)且能消除抖振,但系统的动态品质差,过渡过程时间长,超调量大。这是因为RBF神经网络需一定时间来调整权值、基函数中心和宽度,故对此需进一步研究。

张晟恺[5]2014年在《基于扭矩的CNG发动机管理系统分析与点火控制研究》文中研究指明目前,随着整车控制策略越来越复杂,传统的发动机管理系统不利于整车控制系统的集成与扩展,研发和制作成本也在逐渐提高。因此现代发动机管理系统逐渐过渡到基于扭矩的发动机管理系统,而适用于天然气的基于扭矩控制的发动机管理系统的研发也在逐步展开。为缩短和发达国家的差距,需要对其控制策略、控制理论和控制方法进行深入的研究。这里利用模型化的电控系统开发方法,根据平均值原理在matlab/simulink环境下建立了天然气发动机仿真模型,并在此模型上对基于扭矩的控制进行了以下五点研究。(1)研究了基于扭矩控制的算法理论,它主要由扭矩需求、扭矩协调、扭矩转换、扭矩计算四个部分组成。(2)建立MBT点火提前角和进气压力估算模块,通过模型得出的参数得到了发动机输出扭矩与循环进气量、输出扭矩与点火提前角之间的对应关系,由此展开对基于扭矩控制算法下的火路及气路控制策略的研究。(3)采用基于模型的发动机标定技术,利用循环标定的方法得到了初始的点火提前角map,以及怠速下扭矩补偿的点火提前角map图。(4)建立了点火控制器对神经网络控制方法的点火实现进行了研究,表明神经网络对于非线性的时变动力学系统具有良好的控制效果,建立PID电子节气门控制器能够很好的对节气门开度进行调节,结果表明这两种控制算法能很好的控制点火提前角和节气门开度达到控制输出扭矩的目的。(5)通过研究得出的制定了火路(点火提前角)以及气路(电子节气门)扭矩控制算法,对发动机怠速工况达到了很好的控制效果。根据火路控制扭矩范围小响应速度快的特点,制定了小扭矩需求下利用点火提前角控制转速的快速响应;而气路控制扭矩调节范围大,可以作为大扭矩需求下的主要控制参数。对点火控制器进行了软硬件设计,利用单片机实现了传感器信号的采集、发动机转速的测量、利用曲轴凸轮轴的判缸、点火时刻、点火能量的控制。其中,基础点火提前角是利用标定得到的map图进行神经网络离线训练获得,修正点火提前角根据扭矩补偿map图查询。建立了一个研究基于扭矩控制的仿真平台,通过模拟实验验证了控制策略的正确性,系统能够实现基于扭矩控制的基本需求,为将来的台架实验打下了良好的理论和实践基础。

黄建[6]2008年在《基于MATLAB的汽油发动机空燃比控制方法研究》文中认为汽车空燃比控制和点火提前角控制是发动机控制系统中的两个重要问题。为了使汽车满足一定的排放要求,同时具有良好的驾驶性能,需要对发动机的空燃比和点火提前角进行控制。这是因为叁元催化转化器的转化效率在可燃混合气的化学当量比上达到最高,所以需要控制发动机的空燃比在这一理论值附近,减少废气排放。对发动机的转速进行有效控制同样也是发动机控制系统中的一个重要问题,不仅能够柔性的体现发动机的动力性能,而且还能够节省燃料从而提高发动机的经济性能。本文首先利用Matlab/simulink建立发动机系统模型及控制系统模型。由于发动机控制系统是一个多输入多输出的非线性系统,空燃比控制系统的模型具有参数不确定性和时变非线性,传统的辨识模型的方法很难应用。为此,本文考虑针对发动机不同工况下的运转特性,分别使用不同的控制算法。基于神经网络的控制算法简单,鲁棒性较强,适合于发动机这样的在瞬态工况下有纯时滞的非线性对象,本文选用自适应能力更强、学习更快、效率更高的BP神经网络控制算法;基于参数模糊自整定PID控制算法具有动态跟踪品质好和稳态精度高且对控制系统参数调整不太敏感等优点,本文将此算法应用于热机怠速工况中;在稳态控制工况中,本文采用被广泛应用的MAP图控制方法,而区别以往MAP图控制方法的是该方法是经过神经网络算法优化后的控制精度更高的控制方法。其次本文建立了发动机仿真标定模型,并利用仿真标定的方法替代部分的实机试验获得初始MAP数据。在对初始MAP数据的优化处理中引入人工智能神经网络预测法。从过程上看该方法似乎有点繁琐,但利用MATLAB提供的神经网络工具箱,使得神经网络的设计和训练过程都比较简单,更重要的是神经网络能够利用到所用的数据信息。再考虑发动机的强非线性因素,所以从这一点来讲,传统的线性插值法肯定是不精确的。而神经网络在非线性映射方面恰恰是它的优势所在,所以从理论上来讲,利用神经网络预测法来对喷油MAP初始数据进行处理是更可靠的最后本文基于MATLAB/GUIDE图形界面开发环境自制了针对发动机开环控制、闭环控制及仿真标定的图形用户界面,该界面使得在发动机控制系统运行过程中,数据输入变得简单、直观。在该界面上通过调用控件以及设计各控件的回调函数,可以实现发动机建模及仿真系统人机交互界面设计。可对控制系统进行快速的仿真标定和获得初始MAP。

《中国公路学报》编辑部[7]2017年在《中国汽车工程学术研究综述·2017》文中研究说明为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度(Noise,Vibration,Harshness,NVH)控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统(ADAS)、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。

刘应吉[8]2008年在《车辆状态监测与故障诊断新方法研究》文中指出作为国民经济的支柱产业,汽车工业的发展受到了世界各国的高度重视,激烈的市场竞争促进汽车生产和研发水平不断提高。车辆系统结构、功能日趋复杂,车辆故障种类也日益多样化,这些都对汽车故障诊断和监控技术提出了更高要求。本文以汽车最关键部件—发动机为研究对象,在分析汽车发动机故障诊断研究现状及存在问题的基础上,重点研究其状态监测和故障诊断的理论和方法,包括信号采集、信号处理、神经网络、模糊推理系统、信息融合理论、车上网络通信技术以及虚拟仪器等技术。在此研究基础上提出并设计了一种综合上述理论和技术方法的发动机综合故障诊断测试平台,解决了传统发动机故障诊断方法中存在的一些问题。研究的主要内容包括以下几部分:(1)在故障诊断特征提取方法方面,针对于发动机缸体采集的振动信号,研究时域分析、频域分析及小波变换等叁种故障信号特征提取方法。对于利用振动信号进行发动机机械故障诊断存在的问题和现代汽车自诊断系统只适用于对车辆电控单元故障诊断的局限性,确定以发动机多种运行状态参数作为故障诊断模型输入特征向量。提出并设计了基于CAN总线和SAE J1939协议的发动机在线故障诊断系统,完成系统软硬件的设计,实现诊断信息提取和传输。(2)在故障诊断技术方法方面,着重研究了叁种典型神经网络(BP网络、RBF网络和PNN网络)及自适应神经模糊推理系统(ANFIS)的基本原理、模型结构和算法设计。针对于BP网络进行了多种算法的改进研究,并对相应的改进结果进行了对比分析,提出了合理选择这些算法的指导思想。针对不同的特征向量提取方式(频域分析、小波分析、发动机运行状态参数),分别建立发动机神经网络及ANFIS故障诊断模型。针对发动机运行状态参数故障诊断特征向量存在较高相关性的问题,应用主成分分析法实现降维和去相关,确定能够表征故障的主要特征状态参数。通过诊断结果比较分析,选取和确定每种特征提取方式下的较优推理诊断模型。(3)建立了适用于发动机故障诊断的信息融合结构模型。对发动机故障诊断的多源信息,采用主成分分析进行特征级融合,采用D-S证据理论进行决策级融合。针对D-S证据理论在信息融合过程中存在的对高冲突证据失效问题,提出一种改进的D-S融合方案,将由BP、RBF、ANIFS模型获得的发动机故障诊断结果进行融合,能够有效解决失效问题,提高诊断结果准确率、确定度和实时性。(4)根据论文理论研究成果,研发了一套完整发动机状态监测与故障诊断综合系统,利用该系统在发动机试验台架上分别完成了发动机无负荷测功实验、基于发动机振动信号的故障诊断实验和基于发动机运行状态参数的故障诊断实验,实现了对论文提出的故障特征提取和诊断理论方法的全面验证。

周斌[9]2004年在《基于BP神经网络的内燃机排放性能建模与应用研究》文中研究表明随着内燃机应用领域的不断扩大、内燃机数量的急剧增加(以汽车保有量剧增为代表)以及对大气污染控制的日益严格,内燃机排放及控制问题的研究成为一个热点。本文针对内燃机排放研究手段存在的问题——试验研究所需设备复杂、昂贵;数学建模研究影响因素多而复杂,且无明确的规则可遵循(因内燃机燃烧及排放形成机理尚未完全探明),提出利用神经网络理论建立基于普通试验设备、少量排放试验数据、不用复杂的数学建模与计算即可预测内燃机稳态排放性能、汽车工况法排放以及进气成分对排放的控制作用模型的设想,并进行了实施。主要工作为: 1)在充分研究BP神经网络理论及内燃机系统工作特点的基础上,提出了完整的基于BP神经网络的内燃机稳态排放性能模型建模方法。其中,样本确定采用作者提出的变边界新正交设计法;利用6135ZG柴油机试验台测取了建模所需的训练及测试样本。在此基础上,建立了内燃机稳态排放性能预测模型,并将该模型成功地用于内燃机稳态排放特性及十叁工况循环排放预测。 2)在对内燃机瞬态排放与稳态排放差异及影响因素进行深入分析的基础上,提出基于内燃机稳态测试进行汽车工况法排放预测的双模型预测法。为实现这个方法,首先由计算得到汽车工况法测试循环对应的发动机工况,然后根据作为对象发动机的非增压(或低增压)柴油机的工作及排放特点,假定过渡过程按准稳态进行、柴油机冷起动时温升呈线性,在稳态模型基础上,增加输入层神经元和表征发动机热力状态变化的学习样本,建立了内燃机冷起动后暖机过程排放预测模型。将该模型与上述稳态排放模型相结合,以1s间隔预测了汽车按欧洲经济委员会测试规范ECE-15运行时的排放变化规律。 3)把神经网络理论引入内燃机排放控制研究,提出了基于单因素试验进行多因素综合影响预测的建模方法,并以进气成分对柴油机排放的控制作用研究为例进行了实施。得出了在该机条件下为获得良好 西南交通大学博士研究生学位论文第日页排放性而又不致使动力性、经济性下降太多的各成分的范围。 由于该法的依据是试验数据,预测结果不依赖于发动机的数学模型,不会因建模过程中过多的假设而影响预测精度,可在对内燃机结构参数及有害排放形成机理不完全清楚的情况下使用,且所需的试验设备少而普通,不仅能节省研究所需的经费、缩短研究周期,而且,一些受试验条件的限制而无法进行的试验也可根据神经网络的高度非线性映射能力和泛化能力来预测。所以,作者认为,该法不失为一种快速、准确地预测内燃机排放性能的新方法。 另外,该法还普遍适用于各种类型的发动机,如柴油机、汽油机、CNG发动机和LPG发动机等,即与发动机所使用的燃料、结构类型等无关。因为建模的依据是相应发动机的实测数据,便于推广使用。 由此可见,该法的提出为内燃机性能研究提供了一条新思路和一个新手段。并且,由于对试验条件要求的降低,可大大加快排放法规的实施进程,具有较高的理论意义和工程应用价值。

郭明[10]2009年在《汽油发动机怠速控制的研究》文中研究指明怠速工况是发动机的重要工况之一,与发动机的排放水平、能源消耗有密切的关系。怠速工况时由于汽车空调压缩机、动力转向器、自动变速器等装置的加载是突变的,这些扰动因素打破了发动机原有的稳定运行,出现了较大的转速波动,严重时甚至引起熄火现象。因此在满足日益严格的排放法规的前提下,保持发动机在怠速工况运行的稳定性显得尤为重要。本文对发动机怠速系统建模方法进行了讨论,采用平均值建模方法,建立了汽油机怠速系统的详细的数学模型,借助matlab的simulink工具建立了发动机怠速平均值模型,并以绵阳新晨4RB2发动机为对象对发动机模型参数进行了标定,最后在不同情况的典型输入下对模型进行基本校验,证明了模型的有效性。常规PID在怠速控制中有较为广泛的应用,本文首先对4RB2发动机在常规PID控制下进行仿真验证。在常规PID控制下的系统动态特性及抗负载变化的能力较差,本文针对这一问题分析了原因,并提出采用模糊PID控制的办法来加以改善,随后建立了系统模糊PID控制的仿真模型。在模糊PID下系统的动静态性能及抗扰动能力有明显提升,证实了模糊PID对于绵阳新晨4RB2发动机的有效性。无论是常规PID还是模糊PID控制器,控制器的输出变化量均有突变,在实际系统中不利于执行器的动作。本文设计神经网模型预测控制器,利用BP网络对发动机系统进行了辨识,并设计以控制量最优为主的最优控制,使得控制量的输出平滑,最后讨论了其在4RB2发动机上应用的可行性。

参考文献:

[1]. 汽车发动机怠速控制技术的研究[D]. 杨海燕. 河北工业大学. 2007

[2]. 基于BP神经网络模型的发动机怠速预测控制[D]. 任天睿. 南京理工大学. 2003

[3]. 电控汽油机智能控制策略及故障诊断的研究[D]. 李国勇. 太原理工大学. 2007

[4]. 汽油机怠速滑模控制策略及其SIMULINK实现[D]. 张文强. 西华大学. 2006

[5]. 基于扭矩的CNG发动机管理系统分析与点火控制研究[D]. 张晟恺. 西华大学. 2014

[6]. 基于MATLAB的汽油发动机空燃比控制方法研究[D]. 黄建. 东北大学. 2008

[7]. 中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报. 2017

[8]. 车辆状态监测与故障诊断新方法研究[D]. 刘应吉. 东北大学. 2008

[9]. 基于BP神经网络的内燃机排放性能建模与应用研究[D]. 周斌. 西南交通大学. 2004

[10]. 汽油发动机怠速控制的研究[D]. 郭明. 哈尔滨工业大学. 2009

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

基于BP神经网络模型的发动机怠速预测控制
下载Doc文档

猜你喜欢