基于嵌入式实时操作系统的发动机电控润滑油系统

减少非正常润滑油消耗对于节能和降低发动机排放具有重要的意义，改进润滑系统是降低润滑油消耗量的关键环节。本文基于可控润滑油系统的设计概念，利用网络分析法得到的润滑系统特性，构建了电控润滑油系统的硬件电路，设计了基于嵌入式实时操作系统的软件。利用单片机实现对测量数据的处理、工作状态的自动识别、温度偏差的动态补偿和人工修正，使润滑油流量可以根据不同的要求灵活地控制。     

增压直喷汽油机超级爆震研究进展

缸内直喷和增压已成为当今汽油机技术的主流方向,然而,随着发动机小型化和动力性的提高,增压汽油直喷发动机出现了一种新的异常燃烧现象——超级爆震,严重影响着发动机性能和使用寿命。本文根据国内外超级爆震的研究现状,阐述了超级爆震的产生机理和检测方法,从发动机及其零部件设计参数、运行参数、控制参数以及燃油和机油品质等方面,分析了影响超级爆震的因素,给出了缓解和抑制超级爆震的措施。     

信号轮传感器测试台测控系统开发

为了检验曲轴信号轮、凸轮轴信号轮与不同传感器组成的整套系统的匹配情况,分析不同安装位置对传感器输出信号的影响,研制了信号轮传感器测试台的测控系统。测控系统由基于16位微控制器的前台控制器和带有高速同步数据采集卡的工控机组成,同步采集磁电式曲轴位置传感器和霍尔式凸轮轴位置传感器的原始信号,以及用于检测齿边缘的两路光电传感器信号和整形后的曲轴位置传感器信号,借助以太网通信接口控制测试台变频电机的运行、停止和实现转速调节。实际测试结果表明,测控系统完全能够满足信号轮与传感器匹配试验的高速、高精度信号采集要求。     

EGO传感器及其动态标定与建模方案

介绍了氧传感器的物理构造、工作原理和动态特性.由于该传感器存在动态非线性问题,且动态响应速度转慢,影响了废气中氧含量的实时测量.为了研究氧传感器的动态特性,文中设计了动态标定的实验方案,并提出采用块联模型的建模方法解决其动态非线性问题.     

一种热线式MAF传感器分段块联模型辨识

采用静态非线性函数与动态线性环节的块连接模型来描述热线式空气质量流量（MAF）传感器的动态特性,非线性环节用多项式表示,动态线性环节采用OE模型结构．基于静、动态标定实验数据,分别建立了热线式MAF传感器在正、负阶跃激励下各校准点的Hammerstein模型,并利用非建模数据对其进行了相互验证．通过合理选择分段区间,确定出热线式MAF传感器各工作区域的最佳局部动态数学模型．模型检验结果表明：基于Hammerstein模型的分段模型比由任意一组动态数据所建模型具有更高的预测精度．     

煤层气发动机稳态排放预测模型的辨识建模研究

基于排放测量数据,采用量化共扼梯度法(SCG)建立了煤层气发动机的BP神经网络排放预测模型,检验结果证实了模型的准确性。为全面了解煤层气发动机的排放特性和制定合理的排放控制策略,借助于该模型,通过模拟研究对发动机的排放性能进行了预测,并分析了预测结果。     

经济型数控系统中的可编程逻辑控制

介绍了一种在经济型数控系统中实现可编程逻辑控制的方法,通过采用主-从式结构的双单片机控制系统,在实现对逻辑变量扫描控制的同时,保证了对机床坐标精度的数字控制。文中阐述了系统的工作原理、硬件组成和软件设计思想。     

基于渐近法的废气氧传感器Hammerstein模型辨识

为了解决与发动机空燃比控制相关的废气氧(EG0)传感器精确建模问题,基于渐近(ASYM)法辨识了EGO传感器的Hammerstein模型。模型的非线性部分用静态实验数据拟合,动态线性部分的辨识分为三步。先估计一个高阶ARX模型,然后依据渐近准则(ASYC)找出最佳频率响应估计的模型阶次,再采用极大似然(ML)法估计降阶后的模型参数。通过残差分析、交叉验证和模型误差模型(MEM)测试,将得到的ASYM模型与输出误差(OE)模型和Box-Jenkins(BJ)模型进行比较。结果表明,基于ASYM法的Hammerstein模型能够更精确地捕获EGO传感器的频域动态特性,并且用ASYM法能够量化模型的频域误差上限以评价建模精度。     

一种热线式空气流量传感器非线性静态模型辨识

根据在流量计标定试验台上对一种热线式空气流量传感器静态标定的数据,用解析建模法和数值建模法建立了热线式传感器的非线性静态模型。文中对比分析了几种模型的辨识精度。结果表明,基于多项式最小二乘和FLANN网络的模型基本相同,能够满足测量的要求,而基于BP网络的模型有着更高的辨识精度。     

热膜式空气质量流量传感器动态非线性建模

热膜式空气质量流量传感器响应速度较快,测量范围宽,可靠性高,广泛应用于发动机空燃比的测量。但是,这种传感器的动态非线性问题影响了进气量测量的精度。采用基于多幅值阶跃信号的Hammerstein模型和两步辨识方法描述了传感器的特性。通过动态标定实验,得到不同幅值的阶跃输入、输出数据。根据幅值,用最小二乘拟合方法确定非线性系数,由输入数据和非线性系数得到静态非线性环节的输出。根据输出数据,运用线性自回归方法得到动态线性环节的传递函数。这样就建立起块联形式的动态非线性模型,有利于传感器动态非线性的校正。建模结果表明,动态非线性模型比线性模型可更准确地描述传感器的特性。