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。     

神经网络控制汽油机空燃比的研究

结合发动机空燃比的控制特征，研究了一种能自适应补偿喷油量的CMAC控制器。介绍了其自适应补偿算法——学习—补偿法。通过采用台架试验数据加随机扰动数据并用MATLAB对CMAC进行训练和仿真，获取了控制器参数，验证了控制器的学习能力、鲁棒性和控制精度。     

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。     

混合气与空燃比

混合气空燃比是影响汽油机工作性能的三大要素之一，为了获得良好品质的混合气，由电脑控制空燃比的汽油喷射系统正日益广泛得到应用，本刊由这期开始连载介绍电脑控制汽油直接喷射系统的构成与工作原理。     

基于离散油膜模型的汽油机瞬态空燃比控制

为了解决进气管喷射汽油机在瞬态工况的空燃比控制问题,针对现有的发动机平均值模型,讨论了其中的油膜模型和油膜补偿器模型存在的问题和原因,建立了能直接用于微控制器的离散化油膜模型以及相应的油膜补偿器模型,用Matlab/Simulink对补偿效果进行仿真研究。结果表明,该模型能很好地补偿发动机瞬态工况的喷油量,把空燃比误差控制在允许的范围内,使发动机的动态响应更加迅速和平稳。     

电控喷射汽油机瞬态空燃比控制策略的研究

全面分析和研究了电控喷射汽油机瞬态空燃比的控制策略,包括基于观测器理论的空燃比控制策略以 及基于人工智能的空燃比控制策略。     

基于神经网络的发动机点火能量控制模块研究

提出了一种在常规汽油机上利用原有点火模块进行扩展并采用神经网络控制对点火能量进行控制的新方法,以C8051F020单片机为核心,设计了该点火能量控制模块的软硬件。试验表明,该模块能满足设计的要求。     

电喷汽油机过渡工况排放的测量与分析

测量了某车用电喷汽油机在冷起动、冷加/减速、空载热突减速及热加速等工况下排气中CO,HC,NOx,CO2和O2的体积分数,并分析了原因。结果表明,发动机冷起动时排出大量的HC和CO,而此时催化转化器尚未起燃,需从混合气制备和燃烧过程优化等方面对该阶段着重控制;冷加/减速工况下,CO,HC和NOx排放均出现了峰值,实际运行时应尽量减少此类操作;空载热突减速工况下,HC排放出现了较大的峰值,表明减速断油策略仍需进一步研究;而热加速工况的控制重点则是NOx排放。     

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.     

电控燃油喷射汽油机冷起动过程的排放研究

选取中国和日本的4种采用电控燃油喷射的汽油机轿车进行了冷起动过程HC和CO排放参数测试。试验结果表明,空燃比的有效控制仍是优化冷起动过程的重点和难点。提出控制冷起动过程排放的关键时段在起动后的30s,在此期间应设法对空燃比实施有效控制以及优化冷起动过程。     

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。     

基于基本竞争型网络的车用汽油机失火度的识别

针对汽油发动机失火度问题,提出了利用基本竞争型网络对失火度进行划分的解决办法,该方法利用排气中的HC、CO2或O2的浓度并结合基本竞争型网络自适应算法对所测信号值反复训练,最终得到样本空间的分类结果。