汽油机过渡工况进气流量的神经网络预测研究

进气流量的精确测量是车用汽油机空燃比精确控制的基础,发动机工作在过渡工况时,因进气状态变化,空气流量传感器的滞后响应影响了过渡工况空燃比的控制精度。提出了一种基于汽油机过渡工况各种参数信息融合的过渡工况进气流量预测方法,分析了影响汽油机过渡工况进气流量的各种工况参数,提取了特征参数并建立了BP神经网络信息融合预测模型。对车用汽油机加减速工况试验数据进行仿真,研究结果表明,该方法能够准确实时地预测汽油机过渡工况的进气流量,同时能够消除空气流量传感器的滞后特性。     

基于模型的汽油机过渡工况空燃比控制研究

针对汽油机过渡工况的空燃比控制精度问题,对装备FAI电喷系统的汽油机进气道内燃油动态特性现象学模型(X-τ模型)参数进行了标定,并分析了进气道温度、发动机转速和负荷对模型参数的影响。通过对汽油机过渡工况空燃比进行的基于模型的控制试验,验证了该方法可以有效满足汽油机对过渡工况空燃比快速响应、精确控制的要求。     

基于BP神经网络的车用汽油机过渡工况空燃比多步预测模型

为克服车用汽油机空燃比传输延迟对空燃比控制精度的影响,提出了一种基于BP神经网络的空燃比多步预测模型。通过对空燃比数学模型的分析,确定神经网络空燃比多步预测模型的输入向量,同时为提高空燃比预测精度,在神经网络输入向量中增加反映空燃比变化趋势的导数信息。以HL495发动机过渡工况试验数据进行仿真,结果表明该方法能精确预测过渡工况空燃比。     

基于Elman神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q型电喷汽油机为研究对象,分析了汽油机空燃比的数学模型,提出了一种基于Elman神经网络的过渡工况空燃比辨识方法。试验结果表明,Elman神经网络空燃比模型具有简单的网络结构,能高精度地逼近车用汽油机空燃比的实际动态过程,模型的平均相对误差小于1%,优于前馈BP神经网络模型的辨识结果。建立的Elman神经网络空燃比模型能改善过渡工况空燃比控制精度,提高排放性能。     

PFI汽油机空燃比控制仿真及试验研究

基于发动机台架试验,建立并标定了进气道燃油喷射单缸汽油机一维仿真模型,探索了空燃比控制的新方法。依据经典控制理论,通过所建空燃比PID控制器与参数整定,实现了稳态空燃比控制。基于x-τ油膜模型,提出了其代数控制X-Y油膜方程,分析了进气道燃油传输过程对空燃比控制的影响;通过燃油阶跃扰动法,对X,Y参数进行识别,获得了X,Y参数MAP图,构建了离散化燃油动态补偿器,实现了空燃比在瞬态工况下的前馈控制。     

用CMAC神经网络精确控制汽车空燃比

基本CMAC神经网络和变增益补偿的控制策略在发动机空燃比控制中具有良好的精度和自适应性。在研究该策略的基础上，对其基函数和学习算法进行了改进，分析了喷油过程特性，并考察了随机工况和过渡工况下的瞬态空燃比控制精度。在相同条件下的MATIAB仿真表明，随机工况和过渡工况空然比误差的相对标准差均控制在2％以内，控制精度显提高。     

电子喷射汽油机与排气净化的研究

电子喷射汽油机可以实现任何工况下具有最佳空燃比，并且其值靠近理论空燃比，这时汽油机排气污染物浓度低。该项技术应用于492Q汽油机，取得了良好效果。     

MWMTBD620柴油机加载过渡工况的性能研究

采用自行设计的过渡工况控制及测量系统,对MWMTBD620柴油机进行了加栽过渡工况下的空燃比、 消光烟度及示功图参数的测试。试验结果表明,随负荷增加率的上升,空燃比减小,燃烧恶化;燃烧始点后移,预混 燃烧比明显下降。上述原因导致了在加载过渡工况下,随负荷增加率的升高,柴油机的性能恶化,油耗增加,燃烧 噪声变大,排气烟度上升。     

汽油机空燃比控制和时间延迟的研究

总结了近年来国内外学者在汽油机空燃比精确控制方面的研究概况；分析了影响汽油机空燃比控制精度的因素；着重研究了空燃比闭环控制中的时间反馈延迟，并建立了时间延迟数学模型。     

基于SVR的汽油机过渡工况进气流量预测研究

针对目前汽油机进气流量预测精度不高的问题，分析支持向量回归机(SVR)应用在进气流量预测的可行性，提出一种基于SVR的进气流量预测模型。该模型通过结合支持向量回归机的结构优势，采用灰色关联分析法(GRA)对模型的特征向量进行提取，并利用遗传算法(GA)对模型参数进行寻优辨识，以提高模型的泛化性能和预测精度。运用汽油机过渡工况仿真试验数据对模型进行了训练和预测，并应用MATLAB/LIBSVM工具箱实现SVR模型的回归预测功能。结果表明：SVR模型的预测值与试验值的误差控制在2%范围之内，有效实现了过渡工况进气流量的预测；与常规的RBF神经网络预测模型、BP神经网络预测模型相比，SVR模型具有更高的预测精度，适用于汽油机过渡工况空燃比的精准控制。     

基于神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q电喷汽油机为研究对象,提出了一种基于BP神经网络的空燃比辨识方法,比较了不同拓扑结构的神经网络对空燃比辨识精度的影响,得到了一种最优的空燃比模型。试验结果表明,空燃比模型能高精度地逼近空燃比的实际动态过程,模型的平均相对误差小于2%。     

柴油机冷起动过程喷油系统的控制模式

冷起动性能是柴油机重要的使用特性之一。与机械式喷油泵相比，电控喷油系统可使柴油机冷起动过程自动化和冷起动混合气状态最佳化。从柴油机冷起动过程及其影响因素、冷起动燃烧过程和喷油系统的最佳控制模式等方面，论述了最佳冷起动过程的电控喷油模式。设计了冷起动控制器，使柴油机能自动地与变化的起动条件相适应。     

基于小波网络的发动机瞬态工况进气流量动态辨识与预测研究

由于发动机进气系统具有复杂的非线性动态特性,因此构建了进气流量小波网络辨识与预测模型,并利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化,以提高小波网络预测模型的可靠性和预测精度。作为对比建立了基于BP神经网络的预测模型,并利用瞬态工况试验数据分别对两种模型进行了仿真研究。结果表明,小波网络模型能有效地预测发动机瞬态工况进气流量,与BP神经网络预测模型相比,误差精度更高,可用于发动机瞬态工况空燃比的精确控制。     

高压燃料电池发动机进气压力控制试验研究

研究了高压燃料电池发动机空气系统的控制方法,目的是改善空气系统动态响应,减小辅助系统功耗。通过一款高压燃料电池发动机系统,试验对比了开环压力控制和闭环压力控制两种控制算法,并对该系统提出优化方案。研究结果表明,在目前应用中,在不同压力响应阶段结合两种控制方法可以改善压力响应的速度和精度;从长远来看,采用更加优化的控制方法,能够更好地控制燃料电池发动机系统。     

电喷汽油机爆燃控制的策略及试验研究

介绍了BOSCH汽油机电喷系统爆燃识别及爆燃控制的策略,分析讨论了带有爆燃控制的发动机管理系统在协调发动机动力性、经济性与爆燃安全性等方面的优势,试验研究了不同爆燃情况下的发动机性能及排放的差异,以及系统过量空气系数和进气温度与爆燃边界点火提前角的关系。     

车用汽油机过渡工况进气流量预测研究

提出了一种基于混合遗传算法的径向基神经网络(HGARBF)的车用汽油机过渡工况进气流量预测模型。首先设计了一种新的混合遗传算法,利用梯度算法每次迭代得到的结果来改进遗传算法的群体,将遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的起始点,运用该混合遗传算法进行径向基神经网络参数的优化,改善径向基神经网络不同初始参数对其性能的影响;然后建立了基于HGARBF网络的过渡工况进气流量的预测模型。仿真结果表明,该预测模型优于经典的进气流量平均值模型,为精确及时测试汽油机进气流量提供了新的方法。     

Fueling Control of Spark Ignition Engines

Presented in this paper is an adaptive, model based, fueling control system for spark ignition-internal combustion engines. Since the fueling control system is model based, the engine maps currently used in engine fueling control are eliminated. This proposed fueling control system is modular and can therefore accommodate changes in the engine sensor set such as replacing the mass-air flow sensor with a manifold air pressure sensor. The fueling algorithm can operate with either a switching type O 2 sensor or a linear O 2 sensor. The fueling control system is also parceled into steady state fueling compensation and transient fueling compensation. This feature provides the distinction between fueling control adaptation for transient fueling and steady state fueling. The steady state fueling compensation utilizes a feedforward controller which determines the necessary fuel pulsewidth after a throttle transient to achieve stoichiometry. This feedforward controller is comprised of two nonlinear models capturing the steady state characteristics of the fueling process. These models are identified from an input-output testing procedure where the inputs are fuel pulsewidth and mass-air flow signal and the output is a lambda signal. These models are adapted via a recursive least squares method to accommodate product variability, engine aging, and changes in the operating environment. The transient fueling compensation also utilizes a feedforward controller that captures the essential dynamic characteristics of the transient fueling operation. This controller is measured using a frequency domain system identification approach. This proposed fueling control system is demonstrated on a Ford 4.6L V-8 fuel injected engine.