基于小波网络逆系统的汽油机瞬态空燃比预测控制研究

为实现瞬态空燃比精确控制,提出基于小波网络逆系统的复合预测控制策略。利用小波网络辨识空燃比系统逆模型,实现对瞬态空燃比系统中进气量的动态前馈补偿,并将该逆系统与原系统串联构成一伪线性系统,然后结合动态矩阵控制对系统的扰动、误差等进行修正,实现对非线性、时滞、时变的瞬态空燃比系统的预测控制;最后利用瞬态工况试验数据进行仿真,并与台架试验数据进行对比,结果表明小波网络逆模型能高精度地逼近空燃比瞬态过程,结合动态矩阵控制可提高系统的鲁棒性和抗干扰能力,该复合预测控制策略能实现、也适合发动机瞬态工况空燃比的精确控制。     

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。     

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。     

基于曲轴箱强制通风的汽油机进气模型修正研究

为了更加精确地确定汽油机空燃比,使发动机在不同工况下得到最佳的动力性、经济性和排放性能,需要定时、定量地提供当量空燃比。而喷油量是基于进气量变化的,所以精确地控制进气量是整个控制系统的基础。在传统的进气歧管空气流量平均值模型(MVEM)基础上,考虑了曲轴箱强制通风系统(PCV系统)对进气量的影响,并对改进后的模型在simulink环境下进行稳态和瞬态仿真。通过分析仿真结果,得出了改进模型的进气量和进气歧管压力等参数,模拟结果更能接近实际进气过程,空燃比控制精度得到提高。还对传统进气模型提出了一些改进方向。     

电控汽油喷射发动机瞬态过程空燃比控制

在发动机台架上对EQ491i电控汽油喷射发动机的加、减载瞬态过程的空燃比进行了测量 ,对引起瞬态过程空燃比变化的原因进行了分析 ,并通过试验研究了相应的修正控制项对空燃比的影响。研究结果表明 ,以线性表格为基础的修正方式不能完全控制瞬态过程空燃比的偏移 ,初始阶段的空燃比偏移脉冲难以避免。     

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。     

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。     

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。     

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。     

水上交通流冲突严重度BP神经网络评价方法

目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度.      

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。     

影响落石距离相关因素分析及预测研究

通过室内模型试验,研究了不同落石形状、质量、边坡覆盖层厚度对落石水平距离的影响程度。结果表明:形状对落石距离影响最大,质量无明显影响,边坡覆盖层在减少落石距离的同时也增加了变动区间。用偏移比公式对落石距离进行处理得到建议偏移比取值为0.3。将边坡平均坡度、边坡高度、坡面条件、落石质量、落石形状作为输入因子,运用BP神经网络模型进行预测,预测结果表明,该模型能很好地预测落石距离。     

轿车车窗上升过程声品质预测模型研究

针对声品质主观评价试验成本高的问题,提出一种基于车窗上升过程稳态噪声和瞬态噪声的声品质预测模型。采集24款轿车左前门车窗上升过程的噪声信号,在时域上划分为具有瞬态噪声特征的启动阶段、停止阶段和具有稳态噪声特征的平稳运行阶段,分别计算出3个阶段的客观评价参数。通过主观评价试验得到每款样本车的主观评价结果。运用BP神经网络建立了车窗上升过程的声品质预测模型,预测结果表明,此方法提取的客观评价参数能反映左前门车窗上升过程的声品质特征,BP神经网络建立的声品质预测模型具有较高准确度和泛化能力,能在一定程度上代替评测员对车窗上升过程声品质进行评价。     

基于神经网络的高速公路出入口OD矩阵估计方法研究

通过高速公路出入口OD矩阵计算,得到高速公路的断面交通流量,这些数据对于高速公路各项管理措施的制定是非常重要的.针对高速公路出入口OD矩阵推算方法中假设每一留线车辆以等概率驶离高速公路的不足,提出了基于改进BP神经网络的高速公路出入口OD矩阵推算模型,并设计了OD推算神经网络.实例分析表明,该模型推算结果理想,且推算精度得到一定提高.     

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。     

基于皮尔-遗传神经网络的高路堤沉降预测研究

为确保高速公路的建设质量，许多高速公路进行了路基沉降观测工作，以便对路堤填筑完成以后的沉降发展做出准确的预测，高路堤沉降预测模型较多，但均较难达到理想的精度。文章则依据高路堤填土施工期路基沉降实测资料，考虑到沉降单调增长的特殊性，根据位移分解原理，采用皮尔曲线提取沉降趋势，用基于免疫进化的新型遗传神经网络模型外推偏差，从而提出了一种高路堤沉降预测的新型智能方法。实际工程证明了所提智能预测方法的有效性和可行性。