车用汽油机瞬态空燃比的混沌时序非线性组合辨识模型

为提高汽油机瞬态空燃比的辨识精度,提出了混沌时序非线性组合辨识模型.采用2种单项辨识方法,包括最小二乘支持向量机(LS-SVM)及径向基函数(RBF)前向型神经网络,分别对瞬态空燃比时间序列进行建模与辨识.采用非线性组合方法利用BP神经网络对2种单项辨识方法的结果进行组合辨识,并与Elman神经网络模型及最小二乘辨识模型进行比较.结果表明:混沌时序非线性组合辨识模型的辨识精度优于Elman神经网络模型及最小二乘辨识模型,具有更强的非线性辨识能力,能提高瞬态空燃比的辨识精度,为空燃比反馈控制的成功实行提供了有力依据.     

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%。     

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。     

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。     

信息融合技术在汽油机过渡工况空燃比控制中的应用

对多传感器信息融合技术作了简要介绍,并结合汽油机过渡工况空燃比控制系统的要求与特点,探讨了信息融合技术用于空燃比控制系统的基本层次结构。将信息融合的层次与空燃比控制的功能相对应,提出了汽油机过渡工况空燃比控制的信息融合模型,进而对汽油机空燃比系统中信息融合在不同层次上的实现方法进行了讨论。     

氧传感器故障状态补偿控制方法的研究

在Hendricks提出的汽油机平均值模型的基础上增加了空燃比模型、氧传感器模型和PI控制器,建立了系统仿真模型,并通过台架试验进行了验证.在系统仿真模型上模拟了氧传感器的响应延迟故障,研究其不同故障程度对发动机喷油规律和排放的影响.同时提出了一种基于Elman神经网络的虚拟氧传感器,根据Elman神经网络的基本理论构建了网络模型,以模型输出作为网络的训练样本,并对该网络模型进行了训练和测试.结果表明,该模型能较好地预测空燃比信号,并利用预测信号进行氧传感器故障状态下的补偿控制;基于Elman神经网络和虚拟氧传感器信号的喷油规律与正常状态下的喷油规律一致,能满足实际空燃比控制需求.     

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。     

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。     

汽油机加速工况准维燃烧模型的建立方法研究

详细地介绍了汽油机加速工况时准维燃烧模型的建立过程。分析了加速工况和稳态工况下模型的区别,提出了加速工况时对稳态工况下模型的空燃比AF、充气效率、传热系数进行修正的方法。     

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。     

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。     

基于信息融合的汽油机过渡工况进气流量预测方法

在分析汽油机过渡工况下各种影响进气流量因素的基础上,提出了一种基于信息融合的进气流量预测方法。通过该方法提取了汽油机过渡工况的动态特征参数信息,建立了进气流量神经网络预测模型,并以车用汽油机加、减速工况实测数据为样本进行了仿真研究,结果表明,该方法能够准确地实时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。     

基于混沌时序最小二乘支持向量机的汽油机瞬态空燃比预测模型研究

针对由氧传感器构成的瞬态空燃比反馈控制系统无法满足实时性要求的问题,提出了基于混沌时序最小二乘支持向量机(LS-SVM)的瞬态空燃比预测模型。对试验采集到的一维空燃比数据利用相空间重构技术构造多维空间数据,恢复空燃比时间序列的多维非线性特性,然后采用LS-SVM对重构后的数据进行训练及预测,得出预测结果。仿真结果表明:与Elman神经网络预测模型及前馈BP神经网络预测模型相比较,混沌时序LS-SVM预测模型具有更强的非线性预测能力,能够有效地提高瞬态空燃比的预测精度。     

旁通阀控制策略对增压汽油机瞬态响应性能的影响

针对带旁通阀的废气涡轮增压汽油机,采用试验和仿真相结合的方法建立基于GT‐Power的汽油机稳态模型。运用BP神经网络法建立燃烧模型,得到增压汽油机瞬态模型。采用PID控制对原机旁通阀控制策略进行优化,通过优化后的旁通阀控制策略对汽油机瞬态响应质量参数———平均有效压力、瞬态响应时间和增压器瞬态转速进行分析。结果表明：优化后的旁通阀控制策略可以在汽油机的中高速范围内显著地缩短发动机的瞬态响应时间,同时保证汽油机增压压力与增压器转速都处于安全范围之内。     

优化动力HCCI汽油机的试验研究

采用优化动力(OKP)技术手段,利用进气加热实现了产品4缸汽油机的HCCI燃烧.研究了OKP HCCI汽油机的燃烧、HC排放及燃油消耗等特性,分析了压缩比及过量空气系数对HCCI燃烧的影响,并对SI-HCCI切换过程中HC排放规律进行了试验研究.结果表明,OKP HCCI汽油机能在15个循环内实现SI-HCCI燃烧模式...