电控喷射天然气发动机空燃比控制策略的研究

提高电控喷射天然气发动机的空燃比控制精度是改善发动机经济性、动力性和降低尾气排放的关键环节。提出了一种模糊神经解耦混合控制器，新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。该控制策略应用于电控天然气发动机的空燃比控制中表明控制效果较好。     

天然气发动机空燃比的自适应控制研究

提出一种新的天然气发动机空燃比自适应控制策略。通过对空燃比实施抖动形成寻优控制因素的变化，测量发动机转速波动差作为寻优控制响应的判据，实现以燃料经济性为寻优目标的闭环优化控制，并用于现有氧传感器无法使用的稀燃天然气发动机。通过软件和硬件控制系统设计，尤其是抗干扰设计，在一台单缸天然气发动机上进行应用，验证了其可行性。     

基于模糊PID的电喷天然气发动机空燃比控制策略研究

基于模糊PID对一台增压中冷天然气发动机进行空燃比闭环控制,对模糊控制器的隶属度函数及模糊控制规则等技术因素作了深入研究。采用自行开发的基于MC9S12DG128单片机的发动机电控系统,在NQ150N型天然气发动机上验证了控制策略的效果,其过量空气系数在暖机过程能稳定在0.99～1.01之间;在不同节气门位置过量空气系数均可以稳定在1.00±0.01,且抗扰动性强;在不同节气门位置及不同节气门变化量的瞬态工况,过量空气系数均能在1.8s内回到1附近。     

现代控制技术在发动机空燃比控制中的应用

本文阐述了发动机空燃比控制的研究现状及发展趋势,介绍了基于神经网络及模糊控制的智能PID控制,带有调节因子的模糊控制等控制方法。并具体讨论了CMAC模型人工神经网络在空燃比控制中的应用,说明了现代控制技术在发动机空燃比控制中的应用前景。     

基于神经网络的预测算法在CNG发动机空燃比控制中的应用研究

针对天然气发动机本身的非线性特点和空燃比传输延迟的特性,提出了一种基于神经网络预测的空燃比控制策略,利用Matlab/Simulink建立控制器的算法模型,以dSPACE公司的MicoAutoBox为算法实施平台,在NQ150N型天然气发动机上进行了实验测试,实验结果表明,与普通PID控制算法相比,基于神经网络预测的控制算法稳态性能优良,能明显改善过度工况空燃比的控制效果.     

大功率天然气燃料发动机空燃比控制方法

以某大功率天然气发动机为研究对象,基于GT-Power仿真软件研究稳态状况下不同参数对气体发动机空燃比控制的影响。提出了采用空燃比裕度表征气体发动机空燃比控制可靠性的方法,并基于节气门和废气旁通阀实现空燃比分段控制。研究结果显示:减小涡轮喷嘴环面积或者采用MMPC、双脉冲管系可以提高该气体发动机的空燃比裕度。此外仿真计算还表明:随着环境进气温度与空冷后进气温度的升高,气体发动机空燃比裕度下降。因此,为了满足气体发动机的环境适应性,空燃比裕度必须足够大。     

基于dSPACE的模糊PID算法在CNG发动机空燃比控制中的应用

发动机工作过程具有复杂的不确定性、时变性和非线性且空燃比的传输存在着迟延,尤其在瞬态工况下波动剧烈,为提高空燃比的控制精度以及经济性和排放性,利用MATLAB/Simulink软件建立空燃比模糊PID控制算法,算法平台为d SPACE公司的Micro Auto Box,在NQ150N天然气发动机上进行了测试试验,试验结果分析表明,与经典PID算法相比,模糊PID控制算法在稳态工况下性能良好,在过渡工况下能明显改善空燃比控制效果。     

基于台架试验汽油发动机空燃比研究

为了掌握汽油发动机空燃比特性的变化规律,本文通过发动机台架试验,研究了不同负荷下发动机空燃比的速度特性;研究了中高转速下发动机空燃比的负荷特性;研究了不同负荷和转速下汽车尾气排放物的排放浓度随过量空气系数的变化特点。     

稀烯发动机的空燃比控制技术

稀烯发动机具有排气污染少，油耗省的特点，但其对空燃比控制的要求较高。本文所介绍的发动机全工况空燃比反馈控制方案，利用宽域空燃比测量技术实时测量发动机的空燃比，在发动机物理模型的基础上，对空燃比进行反馈进行。该方案可显著提高空燃比控制精度，以满足稀烯发动机对空燃比控制精度的要求。     

气体发动机中的气体燃料空燃比范围的计算

目前在计算气体燃料发动机空燃比范围的公式中，对气体燃料含有非可燃气可氧撮的情况讨论较少，使得在实际计算中常常出现难以解决的问题，对此，本文提出一种在计入非可燃气和氧气影响下，计算气体燃料空燃比范围的方法，并对几种沼气与城市煤气进行了计算与分析。     

车用汽油机过渡工况空燃比的神经网络控制研究

针对车用汽油机过渡工况空燃比难于精确控制的特点,提出了一种空燃比的神经网络复合控制策略。控制系统通过神经网络控制和常规PI控制实现前馈反馈控制,常规PI控制器利用氧传感器信号实现反馈控制,保证系统的稳定性,且抑制扰动;神经网络控制实现前馈控制,提高控制系统过渡工况时的响应能力。神经网络采用径向基神经网络,其输入为影响汽油机进气量的两个主要因素发动机转速与节气门开度。通过在线学习常规PI控制输出,使系统的总控制输出由神经网络产生,系统具有较高的自适应功能,有效避免目前过渡工况空燃比控制需进行大量标定的不足。仿真结果表明该控制方法是有效的。     

基于不同人工神经网络的CNG发动机排气温度预测模型研究

为了提高CNG发动机排气温度预测精度,基于BP、RBF和GRNN神经网络建立了3种排气温度的预测模型。开展了CNG发动机台架实验,测量了不同工况条件下发动机的排气温度,利用实验值对模型进行训练,并预测了不同发动机转速、空气进气量、点火提前角等条件下的排气温度,将预测值与实验值进行了对比分析,评估了不同预测模型的准确性。结果表明:BP、RBF和GRNN 3种神经网络的误差分别为3.5%、2.8%和3.1%。RBF神经网络的预测误差比BP和GRNN神经网络的误差小,稳定性强,更适合CNG发动机的排气温度预测。     

利用离子信号进行发动机空燃比控制方法的研究

直接利用燃烧中所产生的离子信号进行了空燃比控制方法的研究。试验表明,燃烧中的离子信号在火焰前锋与后区存在两个峰值,其峰值以及分别到达该峰值的时间均与空燃比有关,但其关系并非单值,在相对空燃比等于1附近信号峰值达极大值,而到达峰值时间达极小值。通过增加少量供油量,并对其油量变化前后信号时间大小的计算,提出了一种能有效判断混合气是处于浓或稀混合区的软件识别法。当空燃比在控制范围外采用分段法根据公式直接计算出所需的燃料,而当空燃比已经在控制范围内,则采用定值法,并选取较小的供油量,以同时满足控制效率和精度的要求。     

过量空气系数对CNG发动机燃烧过程及排放的影响

为了更好地研究小排量CNG单燃料发动机工作时过量空气系数λ对发动机性能的影响,运用AVL—FIRE软件对不同λ下的发动机燃烧过程进行模拟,分析了λ对燃烧过程以及排放情况的影响,得到了在特定工况下合适的λ值。     

基于RBF网络的冷却塔运行特性数学模型

双现有的冷却塔运行性能评价方法进行了综述，指出其各自存在的问题。采用人工神经网络中相对成熟的RBF网络建立了冷却塔特性的数学模型，并与常规的线性和非线性模型进行了比较，结果表明采用RBF网络能更准确地反映冷却塔的性能。为评价冷却塔运行性能，提供了一种更准确、更简单的方法。     

基于BP神经网络进气预估的汽油机瞬态空燃比控制研究

针对某款单缸大排量摩托车发动机,在Matlab/Simulink中建立带油膜补偿器的基于BP神经网络进气量预估模型,对上述组成的空燃比控制模型进行了仿真研究。结果表明,基于BP神经网络的进气量预估控制模型能将超调量控制在10%以内,并能够在1.4s内将混合气恢复至当量比,避免了传统PID控制可能出现的震荡情况,表明基于进气预估的空燃比控制效果良好;加入油膜补偿后,其空燃比超调量不超过5%,能够在1.2s内将混合气恢复至当量比,说明加入油膜补偿前馈控制能够有效降低燃油传输动态特性带来的影响,提高控制精度。