汽油機瞬態工況空燃比控制研究范文

本站小編為你精心準備了汽油機瞬態工況空燃比控制研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《廣西科技師范學院學報》2016年第4期

摘要：

空燃比在理論值附件時，汽油發動機燃料才能得到充分的燃燒，發動機發出最大的功率、尾氣排放得到有效的控制。針對汽油發動機在瞬態工況下對空燃比控制的特殊要求，提出了基于模糊神經網絡對空燃比的控制策略，在MATLAB/Simulink平臺上建立了汽油機數學模型，設計了空燃比計算模塊、發動機節氣門開度控制模型、模糊神經網絡控制器，并對汽油機的瞬態工況空燃比進行控制仿真，驗證了方案的可行性。

關鍵詞：

汽油機；瞬態工況；空燃比；模糊神經網絡

0引言

隨著社會經濟的快速發展，汽車保有量的大幅度增加，全球能源危機更加嚴峻、環境污染進一步惡化。汽車在城市道路行駛時，受道路環境的影響，經常不斷的啟動、加速、減速和停車等情況，于此發動機也伴隨有啟動、加速、減速和怠速等工況，而這些轉速或負荷急劇變化的瞬態工況在發動機的運行過程中40%—70%為瞬態工況。從經濟性和尾氣排放的角度得出同樣的結論，汽車有害排放和燃油消耗的50%--80%均來自瞬態工況，迫于日益嚴峻的環境污染問題，歐洲分別于2005年和2008年制定了歐Ⅲ、歐Ⅳ瞬態循環（ETC）排放法規，美國也制定了城市循環工況EPA瞬態循環法規，用以限制汽車的排放污染［1］。如此嚴格的排放控制要求，對發動機的排放控制提出了更為嚴格的要求。為了達到汽車排放法規要求，全球都在加緊從事發動機瞬態工況控制的研究。與此同時，各種瞬態工況下的發動機空燃比控制策略和控制算法層出不窮。模糊控制是一種非線性控制，魯棒性強，該控制系統不要求知道被控對象精確的數學模型，所以控制系統不用建立數學模型，控制機理和控制策略設計簡單，方便應用，參考工作人員的運行經驗，就可對系統進行實時控制，控制系統的適應能力比較強，但是模糊控制系統控制精度不太高，自適應能力比較有限，控制過程容易產生振蕩現象。神經網絡是模擬大腦思維運行方式的數學模型，具有強大自我學習和記憶等功能。神經網絡控制理論就是把神經網絡融入到了控制理論中，隨著研究的不斷深入，神經網絡控制理論被廣泛應用到了生活和生產的各種控制過程中，并取得了巨大的成果。神經網絡控制在解決難以精確描述的復雜的非線性對象進行建模方面具有無可比擬的優勢，神經網絡控制使智能控制得到了極大的豐富和強大，并變得趨于人性化。基于神經網絡的智能模擬用于控制，是實現智能控制的一種重要形式，近年來獲得了迅速發展。本文在Matlab/Simulink平臺上，首先建立汽油機整體數學模型，結合模糊控制和神經網絡控制兩者的有點，提出一種更優的基于模糊神經網絡控制發動機空燃比的綜合控制策略，依據模糊神經網絡控制策略設計出汽油發動機控制器，該控制器通過對進入氣缸的燃油量、節氣門開度變化的精確控制，實現空燃比的波動幅度在設計范圍之內，最終實現發動機轉速和污染物排放的最佳控制。采用模糊控制和神經網絡控制合成的模糊神經網絡綜合控制策略實現對汽油發動機系統進行仿真研究，并對系統進行無控制、模糊控制、神經網絡控制和模糊神經網絡控制仿真，并對4種控制仿真結果進行對比分析［2-5］。

1汽油車發動機的數學模型

建立發動機的數學模型是研究汽油機瞬態工況空燃比控制的基礎，當今使用汽油機模型比較普遍的主要有兩種，一種是平均值發動機模型（MeanValueEngineModel，MVEM）。該模型主要考慮發動機的整體性能，而對各缸的差異性進行了平均處理，大大降低了模型的運算量，具有較高的整體精度。另一種是基于各缸控制的發動機模型（CylinderbyCylinderEngineModel，CCEM）。該模型考慮到各缸的差異，采取對各缸單獨控制，模型較為精確，但是平均值發動機模型在運算量小的情況下足以滿足發動機的工況預測和非線性控制。為了較好的模擬發動機的動態響應和非穩態工況控制，基于Matlab/Simulink平臺上建立汽油機平均值模型［2］。改模型包括5個子模型：燃油蒸發與動態油膜子模型、進氣系統動力學子模型、空燃比計算模塊、節氣門體開度變化控制子模型和發動機動力輸出子模型。為了使發動機模型系統直觀明朗，依據各個子系統之間的關系進行封裝，封裝后建立汽油機總成模型如圖1所示。

2汽油機模糊神經網絡控制系統設計

2.1汽油車發動機空燃比計算模塊

汽油發動機在工作的時候，燃油供給系統負責把一定量的燃油噴到進氣道與空氣混合，使之形成燃油混合氣體，燃油混合氣體中的燃油與空氣質量的比值成為空燃比（AFR=F/M）［6］，AFR=m.fm.ap空燃比是影響發動機動力性、排放性、經濟性能的重要參數。依據汽油機燃燒理論可知，只有當汽油機的空燃比在理論值14.7附近時，汽油燃料才能完全燃燒，發動機在發出最大的功效的同時具有良好的排放特性［2］。但是當發動機處于瞬態工況運行時，由于瞬態工況本身的復雜性和非線性的特點，發動機的進氣量、燃油噴射量等參數都有很大的波動變化，導致空燃比難以保持在理論值附件，對發動機的動力性、經濟性和排放性都會產生很大的影響，同時，三元催化器只有在空燃比保持在理論值（±3.5%）附近區域時才能對HC、NOX和CO這污染物都有很高的轉化效率，所以空燃比的控制對汽油機節能與排具有重大現實意義［3］。圖2所示為在Simulink平臺上建立的空燃比計算模塊。

2.2汽油車節氣門開度變化模型

汽油發動機通常用節氣門的開度變化代表發動機的工況變化，為了便于模擬汽油發動機瞬態工況狀態，可以用節氣門開度減小來模擬減速工況，用節氣門開度增大來模擬加速工況，如果節氣門開度沒有變化則代表汽油機處于穩態工況。圖3所示為在Simulink平臺建立汽油車節氣門開度變化模型。

2.3模糊神經網絡系統整體設計

結合模糊系統和神經網絡各自的優點進行融合，建立模糊神經網絡控制系統，在汽油機模糊神經網絡系統中，把理論與實際空燃比的偏差設為e，偏差變化率設為ec，噴油脈寬的調整信號設為u，把e和ec定義為該控制器的兩個輸入參數，u作為模糊控制器的輸出，系統模糊神經網絡系統采用結構，節氣門的開度設為a，發動機的轉速設為n，并把a和n作為RBF網絡的輸入參數，模糊神經網絡控制系統的結構如圖4所示。

3汽油車發動機空燃比控制仿真分析

通過Simulink可視化仿真，對汽油機在瞬態工況運行時，采用不同的控制方法進行仿真對比分析，得出如圖5-圖8結果。由以上仿真曲線比較可知：（1）圖5在沒有控制器的狀態下，空燃比值在加速和減速瞬態工況時分別達到16.31和12.50，空燃比的絕對誤差達到14.80，空燃比遠遠偏離了理論值14.7，而且調整時間比較長。（2）圖6在使用模糊控制器控制時，該控制系統經3.6s就達到比較穩定狀態。空燃比值在加速、減速瞬態工況時分別達到15.45和14.06，并分別在11.5s和24.3s左右就達到理論值，空燃比的絕對誤差為5.37%，瞬態空燃比控制較為理想。由于糊系統等級劃分較細，曲線在11s-19s間出現較小的振蕩。（3）圖7在使用神經網絡控制下，該系統在較短的時間3.9s左右就達到穩定。空燃比值在加速、減速瞬態工況時分別達到15.12和14.30，并分別在10.4s和25.4s左右就達到理論值，空燃比的絕對誤差為3.13%，瞬態空燃比控制范圍較為理想。（4）圖8在使用模糊神經網絡控制時，該系統在很短的時間3.1s左右就達到穩定。空燃比值在加速、減速瞬態工況時分別為14.93和14.49，并分別在9.4s和23.0s左右就達到理論值，空燃比的絕對誤差為1.85%，瞬態空燃比控制在一個非常理想的范圍。

4結論

汽油車發動機控制系統非常復雜，發動機瞬態工況空燃比的精確控制有利于提高汽油車的動力性、燃油經濟性以及排放性能。為了使空燃比保持在理論值附件，使燃油混合物得到充分的燃燒，提高發動機的輸出功率，提高燃油經濟性，降低尾氣排放。本文提出模糊神經網絡控制系統，在MATLAB/Simulink平臺上建立汽油機數學模型，利用模糊神經網絡控制器，通過調整節氣門開度來實現空燃比的控制。并對無控制、模糊控制器控制、神經網絡控制、模糊神經網絡控制4種情況進行仿真分析。研究結果表明，使用模糊神經網絡控制時效果最好，能準確、穩定、快速的控制汽油機瞬態工況空燃比，比模糊控制和神經網絡控制控制效果都好，從而有效的提高汽油發動機的瞬態工況的動力性和燃油經濟性，有效的降低了尾氣排放。

參考文獻：

［2］李薛，汽油機瞬態工況空燃比控制策略仿真研究［D］.長沙：長沙理工大學，2010.

［3］呂玉江.汽油發動機空燃比閉環控制及監測系統［D］.石家莊：河北農業大學大學.2001:4-8.

［4］劉恒.基于MATLAB/RTW的空燃比控制［D］.成都：西華大學.2007:1-12.

［5］申允德，摩托車發動機空燃比控制策略研究與仿真［J］，小型內燃機與車輛技術，2015（5）：12-16.

［6］王立標.汽油機怠速負荷模糊-PID控制策略研究［D］.長沙：長沙理工大學.2009:17-29.

作者:黃鵬超 單位:柳州職業技術學院汽車工程學院