基于神经网络模型的SI发动机AFR非线性模型预测控制

发布时间：2017-05-30 22:08

  本文关键词：基于神经网络模型的SI发动机AFR非线性模型预测控制，由笔耕文化传播整理发布。

【摘要】：随着全球汽车保有量的迅速增长,汽车尾气污染问题也随之日益加剧,各国相继制定了严格的尾气排放标准。研究表明,尾气排放与发动机空燃比(Air-fuel ratio,AFR)密切相关。对此研究精确有效的发动机AFR控制方法已经成为各国学者研究的焦点。目前针对发动机AFR控制,广泛采用的方法是MAP图加PI反馈的控制方法。该方法的实现需要进行大量的标定实验。同时在发动机瞬态工况下,无法达到精准控制AFR的目的。本文以神经网络模型辨识火花点火(Spark ignition,SI)发动机模型为基础,提出了一种基于神经网络模型的SI发动机AFR非线性模型预测控制方法。主要研究内容如下:本文工作重点是针对SI发动机AFR非线性模型预测控制中的寻优问题,提出了一种既约(Reduced)Hessian可行线搜索序列二次规划(Sequential quadratic programming,SQP)优化算法,有效克服了神经网络模型内部参数无法利用的问题。该方法基于线搜索SQP优化算法,引入了既约Hessian思想和改进可行性下降方向的技术,将求解子问题转化成求解一系列线性方程问题,大大降低了算法的计算量,同时也保证了算法的充分下降;为了有效地避免算法陷入Marotos效应,算法对搜索方向进行了高阶校正。本文对该算法的全局收敛性及收敛速度进行了严格的理论证明。以本文所提出的既约Hessian可行线搜索SQP优化算法为基础,提出了一种基于神经网络模型的SI发动机AFR非线性模型预测控制方法。利用径向基(Radial basis function,RBF)神经网络模型和多层感知(Multi-layer perceptron,MLP)神经网络模型对SI发动机AFR系统建模。为了得到AFR系统的全部动态特性,SI发动机AFR系统的激励信号选择随机幅值序列(Random amplitude sequence,RAS)信号。采用渐消记忆递推最小二乘(Recursive least squares,RLS)算法对神经网络模型权向量进行训练。同时保证发动机参数变化的在线自适应更新。利用本文所提算法进行仿真实验,仿真实验充分说明了所提算法的有效性。
【关键词】：空燃比 非线性模型预测控制 神经网络模型 序列二次规划
【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;TP183
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-21
• 1.1 研究背景及意义11-13
• 1.2 汽车发动机建模方法研究现状13-15
• 1.3 发动机空燃比控制研究现状15-18
• 1.4 论文主要研究内容及章节安排18-21
• 第2章 SI发动机AFR建模基础21-33
• 2.1 引言21
• 2.2 发动机工作原理21-23
• 2.3 SI发动机AFR均值模型23-29
• 2.3.1 SI发动机进气歧管子模型24-27
• 2.3.2 SI发动机燃油喷射子模型27-28
• 2.3.3 SI发动机转速子模型28
• 2.3.4 SI发动机AFR子模型28-29
• 2.4 RBF神经网络模型29-31
• 2.5 MLP神经网络模型31-32
• 2.6 本章小结32-33
• 第3章 既约Hessian可行线搜索SQP优化算法33-47
• 3.1 引言33
• 3.2 既约Hessian可行线搜索SQP优化算法33-45
• 3.2.1 优化问题的描述33-34
• 3.2.2 既约Hessian方法34-37
• 3.2.3 可行线搜索37-40
• 3.2.4 算法收敛性及收敛速度40-45
• 3.3 本章小结45-47
• 第4章 基于神经网络模型的SI发AFR非线性模型预测控制47-71
• 4.1 引言47
• 4.2 基于MLP神经网络模型的SI发动机AFR非线性模型预测控制47-61
• 4.2.1 基于MLP神经网络模型的SI发动机AFR系统建模47-51
• 4.2.2 基于MLP神经网络模型的非线性模型预测控制系统结构51
• 4.2.3 非线性模型预测控制的既约Hessian可行线搜索SQP算法51-53
• 4.2.4 仿真实验53-61
• 实验 153-55
• 实验 255-57
• 实验 357-59
• 实验 459-61
• 4.3 基于RBF神经网络模型的SI发动机AFR非线性模型预测控制61-69
• 4.3.1 基于RBF神经网络模型的SI发动机AFR系统建模61-63
• 4.3.2 基于RBF神经网络模型的非线性模型预测控制系统结构63-64
• 4.3.3 仿真实验64-69
• 实验 164-65
• 实验 265-66
• 实验 366-67
• 实验 467-69
• 4.4 本章小结69-71
• 第5章 总结与展望71-73
• 5.1 全文总结71
• 5.2 研究展望71-73
• 参考文献73-79
• 作者简介及科研成果79-81
• 致谢81

【参考文献】

中国期刊全文数据库 前8条

1 石屹然;田彦涛;史红伟;张立;;基于Modified Volterra模型的SI发动机空燃比非线性模型预测控制[J];吉林大学学报(工学版);2014年02期

2 宋芳雪;;国内外汽车排放法规对比[J];汽车与安全;2014年03期

3 李晓渊;高远;陈文凤;;中国轻型汽车排放标准发展及排放试验控制技术[J];科技与企业;2013年11期

4 何德峰;丁宝苍;于树友;;非线性系统模型预测控制若干基本特点与主题回顾[J];控制理论与应用;2013年03期

5 李嘉;王立敏;;开放的竞争市场维系能源供需均衡——《BP世界能源统计2012》解析[J];国际石油经济;2012年07期

6 赵林辉;刘志远;陈虹;;一种车辆状态滑模观测器的设计方法[J];电机与控制学报;2009年04期

7 ;Adaptive Air-Fuel Ratio Control with MLP Network[J];International Journal of Automation and Computing;2005年02期

8 尚宇辉,唐厚君,杨银昌,韩正之,陈峰,徐维新,何方正,刘炽棠;内燃机电喷系统空燃比控制中控制算法的研究[J];车用发动机;1999年02期

中国博士学位论文全文数据库 前1条

1 钟祥麟;基于油膜模型的多点喷射汽油机瞬态工况控制研究[D];吉林大学;2007年

中国硕士学位论文全文数据库 前2条

1 郑明文;径向基神经网络训练算法及其性能研究[D];中国石油大学;2009年

2 裴杰;求解等式约束优化问题的基于拟牛顿校正的既约Hessian SQP方法[D];湖南大学;2008年

  本文关键词：基于神经网络模型的SI发动机AFR非线性模型预测控制，，由笔耕文化传播整理发布。

本文编号：408036