HCCI发动机燃烧正时估计和控制方法研究

发布时间：2017-09-27 15:41

  本文关键词：HCCI发动机燃烧正时估计和控制方法研究

  更多相关文章： HCCI发动机 燃烧正时 估计 控制算法

【摘要】：均质充气压缩点燃(Homogeneous Charge Compression Ignition,HCCI)发动机由于拥有高的燃油利用率、低的碳氧化物和碳烟微粒排放等优点,成为当前内燃机研究的热点。值得注意的是,HCCI发动机的性能完全依赖于燃烧正时的位置,过早过晚的燃烧都会对其产生一定的影响,这使得燃烧正时控制问题成为HCCI发动机研究的一个重点和难点。此外,HCCI发动机与传统的内燃机不同,其燃烧正时不受点火正时或喷油正时的控制,而是由缸内混合气体的性质所决定的,包括气体的温度、压力、成分和浓度等。因此,要控制燃烧正时,必须对混合气体的性质进行控制。其中一种有效的方法是利用可变阀门正时机构中的进气门关闭正时来控制发动机的有效压缩比和新鲜进气量,进而实现对气体性质的控制。虽然利用进气门关闭正时可以控制燃烧正时,但是由于燃烧正时的特殊性和缸内高温高压的环境,使得燃烧正时不能够被直接测量得到。此外,燃烧正时需要被控制在一个很窄的范围内,HCCI发动机的性能才最优,因此,需要在燃烧正时准确估计的基础上设计合适的控制算法对燃烧正时进行精确控制。为此,本文基于MATLAB平台,针对HCCI发动机燃烧正时估计和控制问题进行研究,主要工作包括:(1)HCCI发动机燃烧正时估计的研究针对HCCI发动机非线性化学动力学模型所估计的燃烧正时存在实时性问题,本文利用参数辨识中的状态空间模型辨识方法建立了线性模型,以实现对燃烧正时实时的估计。基于仿真分析可以得出,建立的线性模型所估计的燃烧正时同实验数据的误差为0.5421(CAD)。考虑到线性模型估计的燃烧正时存在的误差相对较大,因此,在线性模型的基础上,本文利用BP神经网络建立了一个燃烧正时修正模型,以降低线性模型的估计误差。(2)基于径向基神经网络辨识的PID控制方法的研究针对燃烧正时控制问题,选择位置式PID控制器对燃烧正时进行控制。但是考虑到传统PID控制器存在参数不能自适应调整的不足,本文利用梯度下降法和径向基神经网络对PID参数进行动态整定。仿真结果表明,相对传统PID控制器,径向基神经网络辨识的PID控制器减少了4个控制周期的调节时间;此外,跟踪误差和超调量也都有一定的减少,从而说明了该控制器的控制性能比传统PID控制器更优。(3)基于模糊神经网络整定的PID控制方法的研究由于(2)中的位置式PID控制器存在超调量较大以及梯度下降法整定PID参数时存在整定时间较短等问题,因此,在(2)的基础上,选择增量式PID控制方法对燃烧正时进行控制,并利用模糊神经网络对其参数进行动态整定。仿真结果表明,相对传统PID控制器和基于径向基神经网络辨识的PID控制器来说,基于模糊神经网络整定的PID控制器基本无超调量,且调节时间少于另外两种控制器,从而说明基于模糊神经网络整定的PID控制器拥有更优的控制性能。(4)基于趋近律的离散滑模控制方法研究针对(2)(3)设计的PID经验控制器由于不能从HCCI发动机内部动态去控制燃烧正时所导致控制时间相对较慢的问题,本文在线性模型基础上设计了一种离散滑模控制器对燃烧正时进行控制。该控制方法选择燃烧正时期望值和燃烧正时估计值间的误差和误差变化率来设计滑模切换函数,同时选择基于理想切换动态的趋近律作为滑模控制器的趋近律。仿真结果表明,该控制器可以实现燃烧正时的控制;此外,离散滑模控制器的控制结果无超调,调节时间比(2)(3)中的控制器控制结果少5个控制周期,从而说明了离散滑模控制器的控制性能更优。
【关键词】：HCCI发动机 燃烧正时 估计 控制算法
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U464
【目录】：

• 摘要3-5
• Abstract5-9
• 注释表9-11
• 第1章 绪论11-24
• 1.1 HCCI发动机研究背景与意义11-16
• 1.1.1 研究背景11-15
• 1.1.2 研究意义15-16
• 1.2 HCCI发动机燃烧正时控制研究现状16-23
• 1.2.1 HCCI发动机研究历史16-17
• 1.2.2 HCCI发动机当前存在的问题及解决办法17-19
• 1.2.3 HCCI发动机燃烧正时估计模型19-21
• 1.2.4 HCCI发动机燃烧正时控制方法21-23
• 1.3 论文主要内容和结构23-24
• 第2章 HCCI发动机数学模型24-41
• 2.1 HCCI发动机非线性化学动力学模型24-31
• 2.1.1 非线性化学动力学模型25-29
• 2.1.2 非线性化学动力学模型估计结果29-31
• 2.2 HCCI发动机线性模型31-39
• 2.2.1 线性化31-33
• 2.2.2 基于BP神经网络的燃烧正时修正模型33-37
• 2.2.3 二分查找法的设计37-39
• 2.2.4 滤波器的设计39
• 2.3 本章小结39-41
• 第3章 基于RBF-PID控制器的燃烧正时控制研究41-52
• 3.1 RBF-PID控制器的设计41-45
• 3.2 仿真分析45-51
• 3.3 本章小结51-52
• 第4章 基于FNN-PID控制器的燃烧正时控制研究52-61
• 4.1 FNN-PID控制器的设计52-56
• 4.2 仿真分析56-60
• 4.3 本章小结60-61
• 第5章 基于离散滑模控制器的燃烧正时控制研究61-68
• 5.1 离散滑模控制器的设计61-63
• 5.1.1 基于趋近律的离散滑模控制器设计61-62
• 5.1.2 稳定性分析62-63
• 5.2 仿真分析63-67
• 5.3 本章小结67-68
• 第6章 全文总结与展望68-70
• 6.1 全文工作总结68-69
• 6.2 工作展望69-70
• 参考文献70-78
• 致谢78-79
• 攻读硕士学位期间从事的科研工作及取得的成果79

【参考文献】

中国期刊全文数据库 前8条

1 战俊彤;付强;段锦;张肃;高铎瑞;姜会林;;利用位置式数字PID算法提高DFB激光器驱动电源稳定性[J];红外与激光工程;2015年06期

2 朱坚民;沈正强;李孝茹;齐北川;;基于神经网络反馈补偿控制的磁悬浮球位置控制[J];仪器仪表学报;2014年05期

3 张勇;谭南林;;基于遗传算法的内燃机车优化操纵研究[J];电子测量与仪器学报;2013年07期

4 孙明轩;范伟云;王辉;;用于离散滑模重复控制的新型趋近律[J];自动化学报;2011年10期

5 徐婷艳;浦兴国;袁镇福;;基于遗传算法的PID参数整定在高温多相流风洞中的应用[J];热能动力工程;2010年04期

6 姚栋伟;吴锋;杨志家;俞小莉;;基于增量式数字PID的汽油机怠速控制研究[J];浙江大学学报(工学版);2010年06期

7 丁锋,萧德云;多变量系统状态空间模型的递阶辨识[J];控制与决策;2005年08期

8 胡国栋;柴油机燃烧研究的展望[J];大连工学院学报;1982年04期

，

本文编号：930541