SI发动机AFR的非线性模型预测控制

发布时间：2017-11-04 16:05

  本文关键词：SI发动机AFR的非线性模型预测控制

  更多相关文章： NARX模型 RBF神经网络 模型辨识 非线性模型预测控制

【摘要】：如今,环境问题得到人们越来越广泛地关注,而大气污染无疑是其中最引人注意的一个难题。在诸多的大气污染源头中,汽车尾气又是其中危害最大的元凶之一。随着汽车保有量的增长,汽车尾气的排放量也在逐年大幅度地增加,针对这种现象,各国政府对汽车尾气排放标准的制定也日趋严格。在诸多的汽车发动机参数中,空燃比(Air-fuel ratio,AFR)对控制尾气排放起着至关重要的作用,因此AFR控制得到了国内外学者的广泛研究。目前的AFR控制主要以MAP图加PI反馈的方法为主,但这种方法不具备普遍性和灵活性,标定实验的成本也很高,同时在发动机的瞬态工况下也不能保证AFR的控制精度。鉴于此,研究更为先进的AFR控制方法万众期待。本文以此为目标,研究结构简单、控制精度高、自适应能力强的AFR控制方法,以SI(Spark ignition)发动机AFR系统辨识为基础,利用非线性模型预测控制(Non-linear model predict control,NMPC)方法对SI发动机AFR进行控制,本文由此展开了如下研究:1)对传统非线性有源自回归(Nonlinear Auto Regressive model with e Xogenous inputs,NARX)模型进行深入的研究和分析,对不同阶数的NARX模型进行建模实验,选出合适的模型阶数。最终本文选取三阶NARX模型对SI发动机AFR系统进行辨识,大大降低了建模和预测控制的计算量。再利用渐消记忆RLS算法实现NARX模型的参数在线自适应更新。这样有效地解决了发动机老化以及长期工作磨损等原因导致参数变化的问题,从而使模型具有更高的辨识精度和实际应用价值。同时又利用神经网络建模型精度高的特点,以径向基函数(Radial basis function,RBF)神经网络为基础,对SI发动机AFR系统进行建模。以渐消记忆递推最小二乘(Recursive least squares,RLS)算法训练权向量W,使RBF神经网络模型适应于发动机AFR动态特性的变化,从而实现了模型参数在线自适应更新。这种方法辨识精度更高且计算量小,具有很强的工程实际应用价值。2)提出了基于NARX模型的SI发动机AFR的NMPC方法。该方法利用辨识完的NARX模型对AFR系统输出进行预测,然后对NARX模型预测器的结构进行调整,将未来燃油质量流速的线性和非线性部分分开,从而可以直接求取未来燃油质量流速的最小二乘解,有效地降低了迭代寻优的计算量。仿真实验证明了基于NARX模型的NMPC方法比传统的PID控制器对SI发动机AFR系统具有更好的控制精度。3)将NARX模型和RBF神经网络模型结合起来,扬长避短,提出一种同时基于NARX模型和RBF神经网络模型的SI发动机AFR联合NMPC的方法。该方法将NARX模型和RBF神经网络模型有效地结合在一起,利用RBF神经网络模型预测精度高、计算量小的优点对SI发动机AFR系统进行输出预测。同时利用NARX模型将非线性动态系统的线性部分和非线性部分有效地分离,从而可以直接利用最小二乘算法对最优控制序列求解。最后与基于单独NARX模型的SI发动机AFR的NMPC方法的控制效果进行对比,表明联合预测控制算法具有更高的鲁棒性和控制精度。仿真实验的结果也验证了联合预测控制算法对SI发动机AFR控制的有效性和精确性。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U464

【相似文献】

中国期刊全文数据库 前10条

1 李正强;张怡哲;邓建华;陈琪;;基于模型预测控制的非线性飞行控制系统研究[J];飞行力学;2009年01期

2 马艳;卜丽;孙长江;;基于模型预测控制的乳化物干燥控制系统[J];制造业自动化;2011年15期

3 刘向杰;孔小兵;;电力工业复杂系统模型预测控制——现状与发展[J];中国电机工程学报;2013年05期

4 彭勇刚;韦巍;王均;;时滞约束系统的神经动态优化模型预测控制[J];仪器仪表学报;2013年05期

5 陈国定;饶宁;;混凝投药系统的双层结构模型预测控制策略[J];浙江工业大学学报;2013年04期

6 汤自安;多模型预测控制方法研究[J];兰州铁道学院学报;1999年01期

7 王磊;文成林;;基于协作的分布式估计算法及在模型预测控制中的应用[J];清华大学学报(自然科学版);2008年S2期

8 陈文博;杨春节;曹柬;何川;;模型预测控制策略的供应链库存与生产优化调度方法[J];现代制造工程;2009年05期

9 冯少辉,赵均,钱积新;单值模型预测控制的应用研究[J];机床与液压;2003年06期

10 袁忠于;周凤岐;;非整数控制时域模型预测控制[J];火力与指挥控制;2011年06期

中国重要会议论文全文数据库 前10条

1 周帝;赵可君;;模型预测控制中的硬约束松化研究[A];全国冶金自动化信息网2014年会论文集[C];2014年

2 杨马英;;模型预测控制的性能监视与评价——综述[A];第二十一届中国控制会议论文集[C];2002年

3 武俊峰;王振英;;基于状态观测器的约束鲁棒模型预测控制[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

4 周明;周坚刚;余达太;;钢铁企业模型预测控制技术综述[A];冶金轧制过程自动化技术交流会论文集[C];2005年

5 张聚;张海华;;时延网络控制系统的显式模型预测控制[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

6 付庆华;曹玉强;;基于模型预测控制的快速温度调节器[A];1996中国控制与决策学术年会论文集[C];1996年

7 李柠;李少远;席裕庚;;pH中和过程的多模型预测控制[A];第二十届中国控制会议论文集（上）[C];2001年

8 周洪亮;刘志远;;基于模型预测控制的车辆横摆稳定控制器设计[A];第二十七届中国控制会议论文集[C];2008年

9 罗秋滨;韩志刚;朱宏;;非线性系统的无模型预测控制方法[A];2009中国控制与决策会议论文集（1）[C];2009年

10 袁景淇;任海涛;王明珠;任乐民;;基于模型的重组酵母碳源流加速率控制[A];第二十一届中国控制会议论文集[C];2002年

中国重要报纸全文数据库 前1条

1 孙长生;国内热工自动调节优化系统应用的主要厂家评析[N];中国电力报;2012年

中国博士学位论文全文数据库 前10条

1 孔小兵;非线性模型预测控制及其在发电过程控制中的应用[D];华北电力大学;2014年

2 岳俊红;复杂工业过程多模型预测控制策略及其应用研究[D];华北电力大学（北京）;2008年

3 冯少辉;模型预测控制工程软件关键技术及应用研究[D];浙江大学;2003年

4 苏成利;非线性模型预测控制的若干问题研究[D];浙江大学;2006年

5 孙峻;非线性模型预测控制理论及应用研究[D];西北工业大学;2002年

6 李志军;约束模型预测控制的稳定性与鲁棒性研究[D];华北电力大学（北京）;2005年

7 田翔;模型预测控制并行计算系统研究[D];浙江大学;2007年

8 王浩坤;无偏模型预测控制的若干理论和方法研究[D];浙江大学;2015年

9 包哲静;支持向量机在智能建模和模型预测控制中的应用[D];浙江大学;2007年

10 黄骅;非线性模型预测控制的鲁棒稳定性与在线优化算法研究[D];浙江工业大学;2013年

中国硕士学位论文全文数据库 前10条

1 李德q，

本文编号：1140110