基于模型的发动机空燃比控制策略研究与仿真

空燃比的精确控制是现代车用汽油机控制最为关键的技术。发动机平均值模型由于其模型简单、计算时间短、使用方便,且能满足控制设计的要求而被广泛应用。基于模型的空燃比控制技术是当前国内外研究的热点。在建立某型汽油发动机空燃比平均值数学模型的基础上设计了稳态工况下模糊自适应PID控制器,并与传统的PID控制器空燃比控制效果进行了对比。设计了瞬态工况下燃油前馈补偿控制器并进行仿真。仿真结果表明在稳态工况下模糊自适应PID控制策略不仅能够满足实际控制需要,而且比传统的PID控制策略控制效果更好。前馈补偿控制策略能满足瞬态工况下空燃比的控制要求。     

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LS-SVM逆系统的汽油机瞬态空燃比复合控制研究

为实现瞬态空燃比有效控制,提出基于逆模型前馈控制附加无模型自适应反馈控制的复合控制策略。利用最小二乘支持向量机(LS-SVM)建立空燃比系统逆模型,对瞬态空燃比模型中的进气量进行动态前馈补偿,并结合无模型自适应(MFAC)通过修正喷油量对空燃比进行反馈控制,对系统扰动、误差等实现修正。利用瞬态工况试验数据进行仿真,并与台架试验实际数据进行了对比。结果表明,LS-SVM逆模能高精度地逼近空燃比瞬态过程,结合MFAC反馈控制提高了系统的鲁棒性和抗干扰能力。因此该复合控制策略可行,可用于发动机瞬态工况空燃比的精确控制。     

车用汽油机过渡工况空燃比的神经网络多步预测控制策略

车用汽油机空燃比存在传输延迟,直接用于反馈控制影响空燃比的控制精度.为此,提出了一种基于神经网络的空燃比多步预测控制策略,首先建立了基于BP神经网络的空燃比多步预测模型,利用空燃比预测模型预报空燃比的未来值,利用预测值与期望值的误差及误差变化率,采用模糊控制器对空燃比实施多步预测控制.对HL495发动机两种典型过渡工况实验数据进行仿真,结果表明,该方法能将过渡工况空燃比控制在理论空燃比的±3%以内.     

基于喷射量波动的燃气发动机空燃比自适应控制器设计

为降低燃气喷射量波动对空燃比的影响,设计基于喷射量波动的燃气发动机空燃比自适应控制器。采用李雅普诺夫方法来确定控制律参数,利用Matlab/Simulink仿真平台,搭建天然气发动机空燃比控制模型。通过仿真验证3种运行工况下该自适应控制器的有效性。结果表明,当发动机燃气喷射量波动时,自适应控制器可以将燃气发动机的空燃比控制在理想值附近,有效降低燃气喷射量不确定对空燃比控制精度的影响。     

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.     

车用汽油机过渡工况空燃比的先进控制策略

详细论述了国内外汽油机过渡工况空燃比的滑模控制、自适应控制、模糊控制、神经网络控制的结构，分析了各种控制方法的优点和局限性。提出了一种基于信息融合的汽油机过渡工况空燃比控制策略，该方法同时监测汽油机节气门变化过程中节气门位置、进气流量、发动机瞬时转速和进气管内压力等动态参数及其变化率等信息，并进行信息融合处理，导出反映汽油机过渡工况空燃比的有效特征信息，减小过渡工况时油膜及氧传感器对空燃比控制的影响，实现过渡工况空燃比的精确控制。     

航空活塞式发动机瞬态空燃比控制与实验研究

针对航空活塞式直喷发动机瞬态空燃比难以精确控制、动态超调大等问题,采用PID神经网络控制策略对发动机瞬态工况空燃比进行控制.PID神经网络用于瞬态空燃比控制具有易于实现、较强自适应能力等优点.该策略包含前馈控制和反馈控制,并由前馈控制确定基本喷油量,PID神经网络作为反馈控制,实现瞬态工况的燃油补偿.在一台航空活塞式单缸机上进行了发动机瞬态空燃比控制实验,结果表明,瞬态工况下,相比于PID控制,PID神经网络控制下的过量空气系数超调量可以减小25%左右;节气门开度在5%~30%,之间以不同开度变化速率变化时,PID神经网络也能实现良好的控制效果.     

基于PEM与子空间方法的汽油机空燃比动态模型辨识

汽油机空燃比控制常建立在进气道油膜动态辨识的基础上,难以从宏观上考虑发动机运行参数对缸内空燃比的影响.利用子空间辨识N4SID算法研究发动机多参数下的空燃比动态模型.由于N4SID算法辨识出的模型的精度比较差,进一步研究利用预报误差法(PEM)优化子空间N4SID算法辨识出的模型,提高模型精度.结果表明,N4SID方法计算效率较高,但辨识精度较差.利用PEM方法优化N4SID算法所计算出的结果,提高了模型精度,并保持了较高的辨识效率.     

基于线性神经网络的煤层气发动机空燃比动态建模

针对预混合双阀控制的煤层气发动机,利用引入动态环节的递归线性神经网络,基于台架实验所获得的数据建立煤层气发动机空燃比动态过程的输入/输出模型.以均方差为评价指标确定模型输入、输出的阶次,用非建模数据对训练后的模型进行验证.结果表明,模型准确复现了不同工况下空气和燃气质量流量与排气空燃比的动态特性.     

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。     

聚类中心模型在某水闸枢纽工程评标中的应用

为提高水利工程评标结果的准确性,在水利评标决策中引入直觉模糊集和聚类理论,构建了基于模糊聚类分析的聚类中心模型。利用直觉模糊c均值聚类算法对不同专家的评分进行聚类分析,采用直觉模糊加权平均算子（IFAWA）聚合聚类分析结果,得到各方案的最终评分值,据此确定投标方案的优劣顺序。结果表明,在专家有意影响评标公正性或专家水平参差不齐等情况下,该模型相对传统评标模型更加科学合理可信。     

基于RBF神经网络的电喷天然气发动机空燃比控制

电喷天然气发动机空燃比在工况突变时会剧烈波动,为提高控制精度,使用RBF神经网络和前馈PID控制算法相结合,由当前工况决定燃料基本喷射量,再由RBF神经网络预测的空燃比信号传递给PID控制器进行反馈调节。此外利用Matlab/Simulink软件进行仿真,建立了电喷天然气发动机空燃比仿真模型。仿真结果表明,该控制方法在节气门及发动机转速突变的情况下,过渡时间较PID算法明显减小,控制精度亦有提高。     

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。     

基于模糊PID的天然气发动机燃气喷射控制

针对传统的MAP图控制天然气发动机燃气喷射数据量大、更新困难、自适应能力差的缺点,对模糊控制及PID闭环控制算法进行了分析和研究,提出一种模糊控制和模糊PID控制相结合的控制算法,采用该控制算法对燃气喷射脉宽进行控制.利用MATLAB搭建控制结构,仿真结果表明,该控制算法能够自适应精确控制燃气喷射,缩短脉宽控制的响应时间,精确快速控制燃气喷射.     

Fuzzy control of a bio-hydrogen internal combustion engine generating system

This study proposes a fuzzy control bio-hydrogen internal combustion engine (ICE) generating system. The ICE technology is composed of thermodynamics, mechanical engineering, hydrodynamics, and electrical engineering. Bio-hydrogen can provide clean and efficient power instead of conventional fuels applied in an ICE. The two critical cores of hydrogen ICE generator are ignition time control which can precisely ignite air-fuel mixtures to make generator output stable power and air-fuel ratio control which can adjust output power to satisfy load demand. Fuzzy logic can provide precise control and response fast within various air-fuel ratios.The study establishes a fuzzy control system with an output generator and an ICE with solenoid valve that controls bio-hydrogen injection. The experimental system successfully output stable power and carried out parameters of bio-hydrogen flow rate, air-fuel ratio, injection pressure, and ignition timing. Parameters and experimental data are analyzed in the study and can be references for future development of the bio-hydrogen internal combustion engine generating system.     

蚁群初始化小波网络的汽油机油膜参数辨识研究

建立瞬态工况小波网络发动机油膜模型,利用蚁群算法对小波网络参数进行初始化寻优,将其作为小波网络参数初始值,以提高小波网络的训练速度和误差精度,并基于该网络模型测试了发动机空燃比瞬态过程,然后利用瞬态工况试验数据进行了仿真,并与台架试验实际数据进行对比。结果表明,基于蚁群算法初始化小波网络模型能有效地辨识发动机瞬态工况油膜参数,高精度地逼近空燃比瞬态过程,不仅具有较强的泛化能力,而且大大缩短了训练时间。蚁群初始化小波网络适用于油膜参数辨识,本研究为发动机瞬态工况空燃比的精确控制奠定了基础。     

基于超平面原型聚类的水轮机调速系统模糊模型辨识

针对水轮机调速系统的辨识难题,提出了1种基于超平面原型聚类的T-S模糊模型辨识方法.基于局部模糊模型线性度的重要性,推导出1种基于超平面的模糊聚类算法.该算法以优化局部模型线性度为目标,进行模糊模型前提结构辨识,能使局部模型具有良好的线性度;它应用变尺度混沌优化方法搜索最优聚类结果,避免陷入局部极小;应用最小二乘法实现模糊模型结论参数辨识.以某水电厂水轮机调速系统为对象,采用该方法建立了T-S模糊模型,并对其进行了辨识和对比试验.结果表明:建立的T-S辨识模型具有较高的辨识精度及较强的泛化能力,提出的模型辨识方法有效可行.     

基于人工智能的汽油机瞬态空燃比控制策略的研究

随着人工智能理论以及微处理器技术的发展,使得基于人工智能的汽油机瞬态空燃比控制方法越来越受到重视。本文详细分析了基于人工智能的汽油机瞬态空燃比控制策略,包括模糊控制策略和神经网络控制策略,并对各种控制策略的控制效果和控制精度进行了比较和分析。     

基于线路阻抗聚类的分布式光伏电站等效建模

为对大规模分布式光伏电站进行建模以研究其运行特性,提出一种分布式电站聚类等效建模方法。根据电站分布式结构特点,该方法将各光伏发电单元至公共连接点的等效线路阻抗列入聚类算法的聚类指标中,将各光伏发电单元聚类并将同一类中的光伏发电单元进行聚合以构建多机等效电路模型。其中,针对传统的模糊C均值聚类算法（FCM）因过度依赖初始聚类中心点而易陷入局部最优的缺点,该方法使用Canopy-FCM聚类算法进行改进,在FCM算法前用Canopy聚类算法进行预处理。最后通过RT-LAB实时仿真平台对所提聚类等效建模方法的合理性和精确性进行验证。