基于RBFNN的发动机点火提前角的控制研究

基于 的发动机点火提前角的控制研究RBF NN 石宝玉，张永相 （安徽工业大学 机械工程学院，安徽 马鞍山 ） 243000 摘 要 ：介绍了 的结构，把 应用于发动机 的控制，并在 下进行建模和仿真，编写RBF NN RBF NN SA SIMULINK S 函数然后封装在 系统中。 在发动机中的应用，为发动机 的控制提供一种新的途径。SIMULINK RBF NN SA 关键词: ； ； ； Engine SA RBF SIMULINK DOI:10.3969/j.issn.1674-5043.2010.03.011 中图分类号: V233.3+3 　 文献标志码 : A 文章编号: 1674-5043(2010)03-0040-04 点火提前角的控制历来是发动机 控制的重点与难点。目前对点火提前角的控制还是集中在传统的经ECU 典控制上，对神经网络应用于点火角的控制则十分有限。而在控制领域，智能控制是控制方法发展的必然趋 势，在研究 神经网络算法后，将其与点火提前角结合，对点火提前角的控制提出一种新的思路。RBF 汽油机点火提前角的概念和意义1 点火提前角，是指曲轴曲拐位置与压缩行程结束后活塞位于上止点时曲轴曲拐位置之间的夹角。当 汽油机保持节气门开度、转速以及混合气浓度一定时，汽油机功率和耗油率随点火提前角的改变而变 化，对应于发动机每一工况都存在一个“最佳”点火提前角。 理论上，混合气应该在活塞到达上止点(TDCTop Dead 即汽缸内容积最小的那一刻被点燃，这样由于飞轮的Center) 惯性作用活塞正好要开始向下运行，而点燃的混合气所爆发 的能量更加推动活塞加速向下运行。但是实际上，从火花塞 放电点火到混合气被点燃，这中间是有一个过程，要占用时 间的 尽管这个时间是以微秒计算的 。所以，火花塞的放电点( ) 火实际上是在活塞到达上止点之前的某一时刻，当混合气被 点燃时，活塞正好到达上止点。 这个点火提前的时间换算成为飞轮旋转的角度 即在这段( 时间内飞轮所转过的角度 ，即为点火提前角。如图 所示为) 1 点火提前角的示意图。 如点火提前角过大，大部分混合气在压缩过程中燃烧，活塞所消耗的压缩功增加；提前角过小 点火( 过迟 ，燃烧延伸到膨胀过程，燃烧最高压力和温度降低，传热损失增多，排气温度升高，功率降低，爆) 燃倾向减小，NOx排放降低。 点火提前角过大，混合气在上止点前燃烧的数量增加，使气缸压力在上止点前过快增长，缸内最高 压力升高，末端混合气自燃所需的时间缩短，爆燃倾向增大，影响发动机功率，并使油耗增多，排气中 的NO2增加；点火提前角过小，混合气在上止点后的燃烧数量增加，由于上止点后气缸容积增大，使燃烧 速度减慢，最大压力降低，因此，也使功率下降，油耗增加，排放的 烃 显著增多。HC( ) 收稿日期：2010-04-20 作者简介：石宝玉 男安徽安庆人硕士助教主要从事机电一体化系统的智能控制方向的研究(1982-), , , , , . 基金项目： 四川省重点学科建设资助项目(Z00221). 第 卷 第 期 洛阳理工学院学报 自然科学版20 3 ( ) Vol.20 No.3 年 月 2010 9 Journal of Luoyang Institute of Science and Technology(Natural Science Edition) Sep. 2010 压 缩 压 力 点火提前角 只进行压缩 上止点前 上止点后上止点 10° ① ② ③ ④ ①点火；②开始燃烧 火焰开始传播 ；③最大燃烧( ) 压力；④燃烧结束 图 点火提前角的示意图1 神经网络2 RBF 神经网络介绍2.1 RBF 神经网络是含有一个隐层的前RBF 向神经网络，其结构如图 所示。设网络2 有n个输入样 T1 ],,,[ Njk xxxX ""=本 ， nk ,,2,1 "=样本数 ；有 j个输入节点； 有m个隐节点，权值用wi(i …=1,2, ,m 表) 示； 隐层作用函数 径向基函数的初值( ) g0 。=1 为清楚起见，下述方法设输出节点数为 ，1 但其方法可推广到多个输出节点。 函数常有下列几种形式：RBF 2)/(exp)( σxi xg −= ； ασ )( 1)( 22 x xgi += 0>α βσ )()( 22 xxgi += 1<< βα， ； ， 。 这些函数都是径向对称的。 ) 2 exp()( 2 2 i ik i cX xg σ −−= mi ,,2,1 "=对于控制，最常用的是高斯函数： ， 。式中 c i 为第i个径向基 函数中心；σi为第i个感知变量 高斯函数宽度向量 。对于任意一组输入( ) Xk， 网络输出层用式RBF 0 1 )()( wXgwXy m i kiik +=∑ = wgy = ],,,[ 21 nyyyy "= ],,,[ 10 mwwww "=来计算。用矩阵表示为 ，其中， ， ， T mgggg ],,,[ 10 "= 。其中 gi是n维列向量，故g是n×m节的矩阵(n≤m 。) 发动机最大转矩和基于 的控制算法3 RBF NN 以发动机最大转矩为控制准则的点火提点角3.1 发动机输出的转矩可以采用 工具箱里 模型中的转矩表达式。该模型是福特汽车公司提MATLAB demo 供的一种实车 缸 发动机模型，其表达式如下：4 SI Te=-181.3+379.36Ma+21.91λ-0.85λ2+0.26è-0.0028è2+0.027n-0.000107n2+0.00048nè+2.55èMa-0.05è2Ma 式中：è为点火提前角；λ为空燃比；Ma为进入汽缸空气量和燃油量之和。 以发动机最大转矩为控制准则的点火提前角，可令该式对点火角è的导数为 ，得到：0 θd dTe θd d ×= =(-181.3+379.36 M a ×+21.91 λ ×-0.85 λ^2+0.26×è-0.0028×è×è+ 0.027×n-0.000107×n×n+0.00048×n×è+2.55×è× ×0.05 è×è)Ma， θd dTe令 ，可得：=0 è 2 1 U U 0056.0)(*1.0 00048.0*]26.055.2*)[( ++ +++ mfmap nmfmap ＝ ＝ ， (1) 式中：U1=(map+mf ×) 2.55+0.26]+n× ；0.00048 U2 ×=0.1 (map+mf ；)+0.0056 Ma=map+mf。 的控制算法3.2 RBF NN 采用梯度下降法， 网络权值向量RBF NN RBF NN wi(t 、中心向量) cji(t 、基宽向量) Δbi(t 调整算法分别) )]2()1([)]()([)1()( −−−+−+−= twtwhtytytwtw iijmii αη为: (2) )]2()1([)1()( −−−+Δ+−= tctcctctc jijijijiji αη和 。 (3) 在上述的控制算法中，把式 的(1) è作为训练 输出RBF ym(t 的教师信号) y(t ，以) y(t)-ym(t 按式) (2)、式( … … … x1 xj xN g1 g2 gm g0 Σ w0 w1 w2 wm y 图 神经网络2 RBF 第 期 3 石宝玉等 基于 的发动机点火提前角的控制研究 RBF NN 41 调整权值向量3) wi(t 、中心向量) cji(t 。为了简化控制算法和控制器硬件技术实现的难度，隐层神经元数设) 定为 。显然，在上述在线算法下的 的输出，可以确保发动机的输出转矩为最大转矩。4 RBF NN 3.3 S函数的编写(S-Function) 神经网络算法在 中通常是采用 实现在线仿真。尽管 提供MATLAB/SIMULINK S-Function SIMULINK 了十分丰富的模型库，但有时也会遇到一些不能或者难以用给定的模型来描述的特殊的环节，简单地用 无法进行仿真， 允许用户自己用 描述特定的环节。SIMULINK SIMULINK S-Function 除了由结构图得到S函数外，还可以通过标准 或 文件形式编写M MEX S函数。因此由 文件所形成的M S 函数可以应用 中的各种函数和语言功能。只要所研究的系统模型能够由 语言加以描MATLAB MATLAB 述，就可以构造出相应的S函数，从而借助 中的SIMULINK S函数功能模块实现 与 之MATLAB SIMULINK 间的无缝沟通与联系。 基于 的 仿真模型4 RBF NN SIMULINK 控制点火提前角仿真系统4.1 RBF 基于 控制点火提前角的 仿真系统图如图 所示。系统由 发动机、 控制RBF NN SIMULINK 3 SI RBF NN 器、进气量和进油量观测器 个模块组成。4 图 基于 的 神经网络控制的 模型图3 S-Function RBF SIMULINK 控制器封装在图中的 模块内。为了便于采用 生成实时控制代码，RBF Control Real-Time Workshop 的控制算法采用 编写，如图 所示。图中的 个增益模块是量纲转换系数。RBF NN S-Function 4 3 需要 个状态反馈信号：发动机转速RBF NN 3 n、进入汽缸的空气量map、进入汽缸的燃油量mf。其 中，信号n可以由转速传感器直接获得，而信号map和mf则需要通过状态观测器获得。因为，只有在稳态 工况时才存在map=mat、mf=mfi 喷油器输出 的关系，( ) map可以通过置于节气门前的空气流量传感器输出 直接得到，mf可以通过喷油器输出脉宽的标定得到。但是在瞬态 过渡 工况时，由于进气系统存在着充排( ) 洛阳理工学院学报 自然科学版 第42 ( ) 20卷 气动态效应，使map≠mat；又由于进油系统存在着歧管壁的油膜动态效应，使mf≠mfi。而且在实际的发 动机中安置map和mf这两个传感器是不现实的。所以，必须采用状态观测器来估计map和mf，将其作为状 态反馈信号。考虑到map和mf的估计误差对产生最大扭矩的影响不大，本文采用d/dt Pi模块和Ti模块来构 建进气量观测器. 2 1 3 -K- -K- -K- NN simout S-Function 控制器输出 1 To Workspace 进气量 进油量 转速 图 神经网络控制器的 模型4 RBF S-Function 点火角控制仿真4.2 为了严格考验 的控制性能，分步进行了如下仿真。RBF NN （ ）设定节气门输入为正反两方向的阶跃信号，如图 所示，变化幅度为 °～ °，发动机的负1 5 20 40 载系数Kb ，仿真结果如图 、图 所示。由图可见， 控制器性能良好，在节气门剧烈变化下，=0.47 6 7 RBF NN 其点火角微小变化 ＜ 即可获得最大转矩输出。( 0.3ATDC) 图 节气门开度变化 图 点火角输出曲线 图 转矩输出5 6 7 （ ）节气门和负载系数2 Kb保持图5 和图 所示输入，再考虑进气量和进油8 量的估计误差，以及转速传感器的误 差 故障除外 ，将其视为对系统的随机( ) 干扰，幅值分别为 、 、 ，10% 10% 5% 频率分别为 、 、 ，1 kHz 0.5 kHz 0.5 kHz 加入系统仿真，其结果如图 ～图 所9 10 示。 可见，在工况如此剧烈的变化 下， 其点 火角 变化仍 不大 ＜( 1.0 ，而且如图 所示，它与最大ATDC) 11 转矩的理论点火角的误差数量级达到10-3。 图 扰动系数随机变化曲线 图 加扰动后点火角输出8 9 第 期 3 石宝玉等 基于 的发动机点火提前角的控制研究 RBF NN 43 下转第 页）( 84 [3] Zhu Jun,Xiong Changping.All-derivable points of operator algebras.Linear Algebra and its Application[J].2007,427(1):1- 王素芳朱军二阶算子矩阵代数中的全可导点 杭州电子科技大学学报5.[4] , . [J]. ,2007,27(3):95-98. 王素芳 二阶算子矩阵代数中的全可导点 杭州 杭州电子科技大学[5] . [D]. : ,2008. × All-derivable Point in 2 2 Operator Matrices WANG Su-fang 1 , CHENG Zhi-qian 1 , ZHU Jun 2 (1. Department of Mathematics and Physics, Luoyang Institute of Science and Technology, Luoyang 471023, China;2. School of Science, Hangzhou Electronics University, Hangzhou 310018, China ) ∈Abstract: Let H be a complex Hilbert and A be an operator algebra on B(H). We say that an element Z A is an all-derivable point of A for the majorant operator topology if, every majorant operator topology continuous derivable linear mapping φ at 0 0 0 E V ⎡ ⎤= ⎢ ⎥⎣ ⎦Z is a derivation. We show in this paper that (V is an invertible operator) is an all-derivable point for the ×majorant operator topology of 2 2 operator matrix algebra. ×Key words: all-derivable point; 2 2 operator matrices; derivable linear mapping; nest algebra 上接第 页）( 43 结 论5 系统仿真表明，设计的 控制RBF NN 器，以最大转矩为准则实现点火角控制的 可行的优良选择，其 控制算法易RBF NN 于实现，利用智能算法的优越性实现点火 提前角的控制能达到理想的控制效果。 参考文献： 北京 清华大学[1] MATLAB7.0/Simulink6.0[M]. : 出版社,2005. 周龙保内燃机学 北京 机械工业出版社[2] . [M]. : ,2003. 董长虹 神经网络与应用 北京 国防工业出版社[3] .Matlab [M]. : ,2005. [4] Elbert Hendricks,Alain chenalier. Modelling of the intake Manifold Filling Dynamics[J]. Society of Automotive Engineers Technical University of Denmark,1996,105(3):2-3. [5] Mariagrazia Dotoli. Fuzzy Idle Speed control:A preliminary Investigation[J].PlaceNameTechnical PlaceTypeUniversity of placecountry-regionDenmark,1997,137(4 ):2-4. Research on the Control of Engine SA Based on RBF NN SHI Bao-yu, ZHANG Yong-xiang (Anhui University of Technology, Maanshan 243000, China) Abstract: After introducing the framework of RBF NN, this paper applies it to the controlling of Engine SA and builds model and simulates by compiling S-Function loaded in SIMULINK. The application of RBF NN in Engine offers a new way of controlling of Engine SA. Key words: engine; SA; RBF; SIMULINK 洛阳理工学院学报 自然科学版 第84 ( ) 20卷 图 加扰动后转矩输出 图 加扰动后点火角输出误差10 11