發(fā)動(dòng)機(jī)神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID轉(zhuǎn)速控制

吳笑偉+史雷鳴

摘要：為提高發(fā)動(dòng)機(jī)怠速控制的準(zhǔn)確性，解決非線性、復(fù)雜的系統(tǒng)控制問題，詳細(xì)介紹發(fā)動(dòng)機(jī)模型建立方法、轉(zhuǎn)速神經(jīng)控制的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的形式，并將神經(jīng)網(wǎng)絡(luò)同PID控制很好的結(jié)合起來，以有效解決發(fā)動(dòng)機(jī)轉(zhuǎn)速控制問題。

關(guān)鍵詞：發(fā)動(dòng)機(jī)；神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID；設(shè)計(jì)；轉(zhuǎn)速控制；神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：U467.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-1161（2014）01-0030-03

發(fā)動(dòng)機(jī)是一個(gè)典型的非線性、時(shí)滯、時(shí)變系統(tǒng)。智能控制能夠?qū)⑷祟惖闹腔蹜?yīng)用于控制系統(tǒng)，解決非線性、復(fù)雜的系統(tǒng)控制問題。發(fā)動(dòng)機(jī)的轉(zhuǎn)速控制問題一直是熱點(diǎn)研究課題，特別是發(fā)動(dòng)機(jī)的怠速控制更是研究重點(diǎn)。怠速轉(zhuǎn)速是汽車發(fā)動(dòng)機(jī)的主要性能指標(biāo)之一。目前，雖然在發(fā)動(dòng)機(jī)燃油控制方面的研究取得了一定進(jìn)展，但影響發(fā)動(dòng)機(jī)性能的參數(shù)相當(dāng)多，在建模時(shí)不可能面面俱到（常會(huì)忽略一些不重要的參數(shù)，如進(jìn)氣歧管截面積隨溫度的變化、發(fā)動(dòng)機(jī)的磨損情況等），常造成發(fā)動(dòng)機(jī)模型不精確，且相對可靠性比較差。對發(fā)動(dòng)機(jī)轉(zhuǎn)速神經(jīng)控制的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的形式進(jìn)行研究，將神經(jīng)網(wǎng)絡(luò)同PID控制相結(jié)合，很好地解決了發(fā)動(dòng)機(jī)轉(zhuǎn)速與燃油控制問題，可以使發(fā)動(dòng)機(jī)在最優(yōu)狀態(tài)下工作，對節(jié)能減排具有重要的現(xiàn)實(shí)意義。

1 發(fā)動(dòng)機(jī)模型與PID控制

1.1 發(fā)動(dòng)機(jī)模型

丹麥技術(shù)大學(xué)Elbert Hendricks教授提出的發(fā)動(dòng)機(jī)模型具有較高精度。參照Elbert Hendricks發(fā)動(dòng)機(jī)模型建立發(fā)動(dòng)機(jī)進(jìn)氣系統(tǒng)動(dòng)力學(xué)、曲軸動(dòng)力學(xué)和油膜子模型。

1.1.1 發(fā)動(dòng)機(jī)進(jìn)氣系統(tǒng)動(dòng)力學(xué)子模型 進(jìn)氣系統(tǒng)動(dòng)力學(xué)描述歧管中空氣的質(zhì)量變化率，它是流經(jīng)節(jié)氣門的空氣質(zhì)量流量與流入氣缸的空氣質(zhì)量流量ap之差：

=1.4RT （at（α）ap-）/V （1）

式中，α是節(jié)氣門角度；氣體常數(shù)R=0.000 287 m3MPa/K；歧管氣體溫度T=293 K；歧管容積V=0.000 564 m3。

ap=nVDηV（0.096 1p-0.07）/（120RTm） （2）

式中：n為發(fā)動(dòng)機(jī)轉(zhuǎn)速，rpm/1000；p為進(jìn)氣歧管壓力，MPa；發(fā)動(dòng)機(jī)排量Vd=1.275 m3。ηV是發(fā)動(dòng)機(jī)的容積效率。

ηV為歧管壓力的函數(shù)，可表示為：

ηV=0.952-0.075/p （3）

式中：ap可表示為兩個(gè)并行的等嫡物理過程。

1.1.2 發(fā)動(dòng)機(jī)曲軸系統(tǒng)動(dòng)力學(xué)子模型 根據(jù)能量守恒定律描述發(fā)動(dòng)機(jī)中的熱能向機(jī)械能的轉(zhuǎn)換及做功過程。發(fā)動(dòng)機(jī)的加速度表達(dá)式為：

=Huηi（n，p）f（t-d）/nI-[Pf（n）+PP（n，p）+Pb（n）/nI] （4）

等式右端第一項(xiàng)表示燃油在氣缸內(nèi)燃燒產(chǎn)生熱能所轉(zhuǎn)換的機(jī)械能，燃油燃燒值Hu=43 000 kJ/kg；標(biāo)定后的總發(fā)動(dòng)機(jī)轉(zhuǎn)動(dòng)慣量I=5.264 Kg·m2。等式右端第二項(xiàng)，表示需要克服的負(fù)載扭矩Pb、泵氣功率損耗PP和磨擦損失。

1.1.3 發(fā)動(dòng)機(jī)油膜子模型 Elbert Hendricks將油膜模型標(biāo)記為瞬態(tài)燃油補(bǔ)償（TFC），如式（5）—（7）所示：

fv=（1-X）fc （5）

ff=（Xfi-mff）/τf （6）

fi=fv+ff （7）

式中：X為燃油沉積系數(shù)；Tf為油膜蒸發(fā)時(shí)間常數(shù)。它們隨發(fā)動(dòng)機(jī)工況變化，是發(fā)動(dòng)機(jī)轉(zhuǎn)速n（或ω）、進(jìn)氣岐管壓力Pi、溫度Ti等的非線性函數(shù)；fc是按指令噴射的燃油質(zhì)量流量，分為完全氣化部分fv和油膜蒸發(fā)部分ff兩部分：fi是氣缸的總?cè)加土浚瑸閮刹糠秩加土恐汀?/p>

1.2 PID算法

發(fā)動(dòng)機(jī)的轉(zhuǎn)速控制采用可變增益的PID方法，具體控制算法為：

α=Kpε+Ki∫εdt+Kddε/dt （8）

式中：α為節(jié)氣門開度；ε為轉(zhuǎn)速誤差；Kp，Ki，Kd由發(fā)動(dòng)機(jī)的工作狀態(tài)確定，點(diǎn)火提前角θ和噴油量由其它控制規(guī)律或經(jīng)驗(yàn)數(shù)據(jù)給出。若數(shù)字微分處理不好，可能會(huì)帶來很大的瞬時(shí)值，故Kd一般取0。

根據(jù)式（8）建立如圖1所示的PID轉(zhuǎn)速控制框圖。

利用MATLAB中的SIMULINK仿真軟件對上述控制方案的PID調(diào)節(jié)器參數(shù)Kp，Ki，Kd進(jìn)行優(yōu)化，結(jié)果為：Kp=1～2，Ki=1～2，Kd=0。

為對空燃比進(jìn)行良好控制，現(xiàn)代汽車一般采用如下的燃油控制方式：

fpc=+KpIy+KiI∫ydt （9）

式中：fpc為進(jìn)入發(fā)動(dòng)機(jī)氣缸所需要的燃油質(zhì)量流速；ap為進(jìn)入發(fā)動(dòng)機(jī)氣缸的空氣質(zhì)量流速；y為氧傳感器的輸出；Lh為發(fā)動(dòng)機(jī)運(yùn)行空燃比，汽油車取14.67～14.7；KpI，KiI為控制器增益。

1.3 仿真結(jié)果

發(fā)動(dòng)機(jī)PID轉(zhuǎn)速控制計(jì)算機(jī)仿真的條件如下：仿真軟件為MATLAB6.5/SIMULINK；發(fā)動(dòng)機(jī)仿真模型如前所述；發(fā)動(dòng)機(jī)干擾信號(hào)周期為0.1 s，能量為0.01的噪聲；給定轉(zhuǎn)速信號(hào)采用階躍信號(hào)，比較符合實(shí)際使用情況；采用一般線性點(diǎn)火提前角規(guī)律。PID轉(zhuǎn)速跟蹤情況見圖2。

從圖2的仿真結(jié)果可看出：當(dāng)發(fā)動(dòng)機(jī)負(fù)載很低（0.5 kW）或負(fù)載不大（5確kW），且設(shè)定轉(zhuǎn)速不高（約21000 rpm）時(shí)，PID調(diào)節(jié)器能正常工作；當(dāng)發(fā)動(dòng)機(jī)輸入有干擾時(shí)，PID調(diào)節(jié)器失調(diào)；當(dāng)發(fā)動(dòng)機(jī)負(fù)載有擾動(dòng)時(shí)，發(fā)動(dòng)機(jī)轉(zhuǎn)速不平穩(wěn)。這表明PID調(diào)節(jié)器只適應(yīng)于負(fù)載小、發(fā)動(dòng)機(jī)各種干擾小的轉(zhuǎn)速控制。仿真結(jié)果還表明，PID調(diào)節(jié)器的轉(zhuǎn)速跟蹤（負(fù)載較大時(shí)）效果很差。

2 發(fā)動(dòng)機(jī)轉(zhuǎn)速的神經(jīng)網(wǎng)絡(luò)控制

2.1 發(fā)動(dòng)機(jī)轉(zhuǎn)速的NC設(shè)計(jì)

對如圖3所示的控制結(jié)構(gòu)進(jìn)行研究。神經(jīng)網(wǎng)絡(luò)NN2用于建立被控系統(tǒng)的動(dòng)態(tài)模型，并為神經(jīng)網(wǎng)絡(luò)NN1的學(xué)習(xí)訓(xùn)練過程提供必要信息。神經(jīng)網(wǎng)絡(luò)NN1根據(jù)系統(tǒng)的狀態(tài)，不斷調(diào)節(jié)PID控制器的增益，以達(dá)到所規(guī)定的最優(yōu)性能指標(biāo)。

2.2 發(fā)動(dòng)機(jī)轉(zhuǎn)速NC中的神經(jīng)網(wǎng)絡(luò)

采用如圖4所示的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對發(fā)動(dòng)機(jī)系統(tǒng)進(jìn)行模型識(shí)別，其離散時(shí)間模型可以表示為：

ym（k+1）=f[y（k），y（k-1），…，y（k-n），u（k-1），u（k-2），

…，u（k-m）] （10）

式中：y為發(fā)動(dòng)機(jī)的輸出轉(zhuǎn)速；u為對發(fā)動(dòng)機(jī)的控制（節(jié)氣門開度）；ym為模型的輸出；n，m分別為y（k）和u（k）的階次；f為非線性函數(shù)。

采用如圖5所示的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對NC控制器中的參數(shù)（PID中的增益）進(jìn)行優(yōu)化。圖5中，E（k）為轉(zhuǎn)速誤差；P（k）為發(fā)動(dòng)機(jī)負(fù)載因子；G1—G3為要優(yōu)化的增益參數(shù)。

2.3 仿真結(jié)果

仿真條件為：仿真軟件為MATLAB；發(fā)動(dòng)機(jī)模型如上所述；參數(shù)優(yōu)化神經(jīng)網(wǎng)絡(luò)中n=2，m1=2，m2=10，i=0～2（PID）；模型辨識(shí)神經(jīng)網(wǎng)絡(luò)中選取n=2，m1=2，m2=10，i=0，仿真結(jié)果如圖6所示。從仿真結(jié)果可以看出，神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制，能有效抑制轉(zhuǎn)速的超調(diào)量，減小轉(zhuǎn)速在調(diào)整過程中的波動(dòng)。

3 結(jié)語

發(fā)動(dòng)機(jī)是一個(gè)典型的非線性、時(shí)滯、時(shí)變系統(tǒng)。智能控制能夠?qū)⑷祟惖闹腔蹜?yīng)用到控制系統(tǒng)中，解決非線性、復(fù)雜的系統(tǒng)控制問題。參照Elbert Hendricks發(fā)動(dòng)機(jī)模型建立發(fā)動(dòng)機(jī)進(jìn)氣系統(tǒng)動(dòng)力學(xué)、曲軸動(dòng)力學(xué)和油膜子模型，對發(fā)動(dòng)機(jī)轉(zhuǎn)速神經(jīng)控制的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的形式進(jìn)行研究，采用神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID方法對發(fā)動(dòng)機(jī)轉(zhuǎn)速控制進(jìn)行計(jì)算仿真。仿真結(jié)果表明，神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制能有效抑制轉(zhuǎn)速的超調(diào)量，減小轉(zhuǎn)速在調(diào)整過程中的波動(dòng)。

摘要：為提高發(fā)動(dòng)機(jī)怠速控制的準(zhǔn)確性，解決非線性、復(fù)雜的系統(tǒng)控制問題，詳細(xì)介紹發(fā)動(dòng)機(jī)模型建立方法、轉(zhuǎn)速神經(jīng)控制的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的形式，并將神經(jīng)網(wǎng)絡(luò)同PID控制很好的結(jié)合起來，以有效解決發(fā)動(dòng)機(jī)轉(zhuǎn)速控制問題。

關(guān)鍵詞：發(fā)動(dòng)機(jī)；神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID；設(shè)計(jì)；轉(zhuǎn)速控制；神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：U467.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-1161（2014）01-0030-03

發(fā)動(dòng)機(jī)是一個(gè)典型的非線性、時(shí)滯、時(shí)變系統(tǒng)。智能控制能夠?qū)⑷祟惖闹腔蹜?yīng)用于控制系統(tǒng)，解決非線性、復(fù)雜的系統(tǒng)控制問題。發(fā)動(dòng)機(jī)的轉(zhuǎn)速控制問題一直是熱點(diǎn)研究課題，特別是發(fā)動(dòng)機(jī)的怠速控制更是研究重點(diǎn)。怠速轉(zhuǎn)速是汽車發(fā)動(dòng)機(jī)的主要性能指標(biāo)之一。目前，雖然在發(fā)動(dòng)機(jī)燃油控制方面的研究取得了一定進(jìn)展，但影響發(fā)動(dòng)機(jī)性能的參數(shù)相當(dāng)多，在建模時(shí)不可能面面俱到（常會(huì)忽略一些不重要的參數(shù)，如進(jìn)氣歧管截面積隨溫度的變化、發(fā)動(dòng)機(jī)的磨損情況等），常造成發(fā)動(dòng)機(jī)模型不精確，且相對可靠性比較差。對發(fā)動(dòng)機(jī)轉(zhuǎn)速神經(jīng)控制的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的形式進(jìn)行研究，將神經(jīng)網(wǎng)絡(luò)同PID控制相結(jié)合，很好地解決了發(fā)動(dòng)機(jī)轉(zhuǎn)速與燃油控制問題，可以使發(fā)動(dòng)機(jī)在最優(yōu)狀態(tài)下工作，對節(jié)能減排具有重要的現(xiàn)實(shí)意義。

1 發(fā)動(dòng)機(jī)模型與PID控制

1.1 發(fā)動(dòng)機(jī)模型

丹麥技術(shù)大學(xué)Elbert Hendricks教授提出的發(fā)動(dòng)機(jī)模型具有較高精度。參照Elbert Hendricks發(fā)動(dòng)機(jī)模型建立發(fā)動(dòng)機(jī)進(jìn)氣系統(tǒng)動(dòng)力學(xué)、曲軸動(dòng)力學(xué)和油膜子模型。

1.1.1 發(fā)動(dòng)機(jī)進(jìn)氣系統(tǒng)動(dòng)力學(xué)子模型 進(jìn)氣系統(tǒng)動(dòng)力學(xué)描述歧管中空氣的質(zhì)量變化率，它是流經(jīng)節(jié)氣門的空氣質(zhì)量流量與流入氣缸的空氣質(zhì)量流量ap之差：

=1.4RT （at（α）ap-）/V （1）

式中，α是節(jié)氣門角度；氣體常數(shù)R=0.000 287 m3MPa/K；歧管氣體溫度T=293 K；歧管容積V=0.000 564 m3。

ap=nVDηV（0.096 1p-0.07）/（120RTm） （2）

式中：n為發(fā)動(dòng)機(jī)轉(zhuǎn)速，rpm/1000；p為進(jìn)氣歧管壓力，MPa；發(fā)動(dòng)機(jī)排量Vd=1.275 m3。ηV是發(fā)動(dòng)機(jī)的容積效率。

ηV為歧管壓力的函數(shù)，可表示為：

ηV=0.952-0.075/p （3）

式中：ap可表示為兩個(gè)并行的等嫡物理過程。

1.1.2 發(fā)動(dòng)機(jī)曲軸系統(tǒng)動(dòng)力學(xué)子模型 根據(jù)能量守恒定律描述發(fā)動(dòng)機(jī)中的熱能向機(jī)械能的轉(zhuǎn)換及做功過程。發(fā)動(dòng)機(jī)的加速度表達(dá)式為：

=Huηi（n，p）f（t-d）/nI-[Pf（n）+PP（n，p）+Pb（n）/nI] （4）

等式右端第一項(xiàng)表示燃油在氣缸內(nèi)燃燒產(chǎn)生熱能所轉(zhuǎn)換的機(jī)械能，燃油燃燒值Hu=43 000 kJ/kg；標(biāo)定后的總發(fā)動(dòng)機(jī)轉(zhuǎn)動(dòng)慣量I=5.264 Kg·m2。等式右端第二項(xiàng)，表示需要克服的負(fù)載扭矩Pb、泵氣功率損耗PP和磨擦損失。

1.1.3 發(fā)動(dòng)機(jī)油膜子模型 Elbert Hendricks將油膜模型標(biāo)記為瞬態(tài)燃油補(bǔ)償（TFC），如式（5）—（7）所示：

fv=（1-X）fc （5）

ff=（Xfi-mff）/τf （6）

fi=fv+ff （7）

式中：X為燃油沉積系數(shù)；Tf為油膜蒸發(fā)時(shí)間常數(shù)。它們隨發(fā)動(dòng)機(jī)工況變化，是發(fā)動(dòng)機(jī)轉(zhuǎn)速n（或ω）、進(jìn)氣岐管壓力Pi、溫度Ti等的非線性函數(shù)；fc是按指令噴射的燃油質(zhì)量流量，分為完全氣化部分fv和油膜蒸發(fā)部分ff兩部分：fi是氣缸的總?cè)加土浚瑸閮刹糠秩加土恐汀?/p>

1.2 PID算法

發(fā)動(dòng)機(jī)的轉(zhuǎn)速控制采用可變增益的PID方法，具體控制算法為：

α=Kpε+Ki∫εdt+Kddε/dt （8）

式中：α為節(jié)氣門開度；ε為轉(zhuǎn)速誤差；Kp，Ki，Kd由發(fā)動(dòng)機(jī)的工作狀態(tài)確定，點(diǎn)火提前角θ和噴油量由其它控制規(guī)律或經(jīng)驗(yàn)數(shù)據(jù)給出。若數(shù)字微分處理不好，可能會(huì)帶來很大的瞬時(shí)值，故Kd一般取0。

根據(jù)式（8）建立如圖1所示的PID轉(zhuǎn)速控制框圖。

利用MATLAB中的SIMULINK仿真軟件對上述控制方案的PID調(diào)節(jié)器參數(shù)Kp，Ki，Kd進(jìn)行優(yōu)化，結(jié)果為：Kp=1～2，Ki=1～2，Kd=0。

為對空燃比進(jìn)行良好控制，現(xiàn)代汽車一般采用如下的燃油控制方式：

fpc=+KpIy+KiI∫ydt （9）

式中：fpc為進(jìn)入發(fā)動(dòng)機(jī)氣缸所需要的燃油質(zhì)量流速；ap為進(jìn)入發(fā)動(dòng)機(jī)氣缸的空氣質(zhì)量流速；y為氧傳感器的輸出；Lh為發(fā)動(dòng)機(jī)運(yùn)行空燃比，汽油車取14.67～14.7；KpI，KiI為控制器增益。

1.3 仿真結(jié)果

發(fā)動(dòng)機(jī)PID轉(zhuǎn)速控制計(jì)算機(jī)仿真的條件如下：仿真軟件為MATLAB6.5/SIMULINK；發(fā)動(dòng)機(jī)仿真模型如前所述；發(fā)動(dòng)機(jī)干擾信號(hào)周期為0.1 s，能量為0.01的噪聲；給定轉(zhuǎn)速信號(hào)采用階躍信號(hào)，比較符合實(shí)際使用情況；采用一般線性點(diǎn)火提前角規(guī)律。PID轉(zhuǎn)速跟蹤情況見圖2。

從圖2的仿真結(jié)果可看出：當(dāng)發(fā)動(dòng)機(jī)負(fù)載很低（0.5 kW）或負(fù)載不大（5確kW），且設(shè)定轉(zhuǎn)速不高（約21000 rpm）時(shí)，PID調(diào)節(jié)器能正常工作；當(dāng)發(fā)動(dòng)機(jī)輸入有干擾時(shí)，PID調(diào)節(jié)器失調(diào)；當(dāng)發(fā)動(dòng)機(jī)負(fù)載有擾動(dòng)時(shí)，發(fā)動(dòng)機(jī)轉(zhuǎn)速不平穩(wěn)。這表明PID調(diào)節(jié)器只適應(yīng)于負(fù)載小、發(fā)動(dòng)機(jī)各種干擾小的轉(zhuǎn)速控制。仿真結(jié)果還表明，PID調(diào)節(jié)器的轉(zhuǎn)速跟蹤（負(fù)載較大時(shí)）效果很差。

2 發(fā)動(dòng)機(jī)轉(zhuǎn)速的神經(jīng)網(wǎng)絡(luò)控制

2.1 發(fā)動(dòng)機(jī)轉(zhuǎn)速的NC設(shè)計(jì)

對如圖3所示的控制結(jié)構(gòu)進(jìn)行研究。神經(jīng)網(wǎng)絡(luò)NN2用于建立被控系統(tǒng)的動(dòng)態(tài)模型，并為神經(jīng)網(wǎng)絡(luò)NN1的學(xué)習(xí)訓(xùn)練過程提供必要信息。神經(jīng)網(wǎng)絡(luò)NN1根據(jù)系統(tǒng)的狀態(tài)，不斷調(diào)節(jié)PID控制器的增益，以達(dá)到所規(guī)定的最優(yōu)性能指標(biāo)。

2.2 發(fā)動(dòng)機(jī)轉(zhuǎn)速NC中的神經(jīng)網(wǎng)絡(luò)

采用如圖4所示的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對發(fā)動(dòng)機(jī)系統(tǒng)進(jìn)行模型識(shí)別，其離散時(shí)間模型可以表示為：

ym（k+1）=f[y（k），y（k-1），…，y（k-n），u（k-1），u（k-2），

…，u（k-m）] （10）

式中：y為發(fā)動(dòng)機(jī)的輸出轉(zhuǎn)速；u為對發(fā)動(dòng)機(jī)的控制（節(jié)氣門開度）；ym為模型的輸出；n，m分別為y（k）和u（k）的階次；f為非線性函數(shù)。

采用如圖5所示的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對NC控制器中的參數(shù)（PID中的增益）進(jìn)行優(yōu)化。圖5中，E（k）為轉(zhuǎn)速誤差；P（k）為發(fā)動(dòng)機(jī)負(fù)載因子；G1—G3為要優(yōu)化的增益參數(shù)。

2.3 仿真結(jié)果

仿真條件為：仿真軟件為MATLAB；發(fā)動(dòng)機(jī)模型如上所述；參數(shù)優(yōu)化神經(jīng)網(wǎng)絡(luò)中n=2，m1=2，m2=10，i=0～2（PID）；模型辨識(shí)神經(jīng)網(wǎng)絡(luò)中選取n=2，m1=2，m2=10，i=0，仿真結(jié)果如圖6所示。從仿真結(jié)果可以看出，神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制，能有效抑制轉(zhuǎn)速的超調(diào)量，減小轉(zhuǎn)速在調(diào)整過程中的波動(dòng)。

3 結(jié)語

發(fā)動(dòng)機(jī)是一個(gè)典型的非線性、時(shí)滯、時(shí)變系統(tǒng)。智能控制能夠?qū)⑷祟惖闹腔蹜?yīng)用到控制系統(tǒng)中，解決非線性、復(fù)雜的系統(tǒng)控制問題。參照Elbert Hendricks發(fā)動(dòng)機(jī)模型建立發(fā)動(dòng)機(jī)進(jìn)氣系統(tǒng)動(dòng)力學(xué)、曲軸動(dòng)力學(xué)和油膜子模型，對發(fā)動(dòng)機(jī)轉(zhuǎn)速神經(jīng)控制的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的形式進(jìn)行研究，采用神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID方法對發(fā)動(dòng)機(jī)轉(zhuǎn)速控制進(jìn)行計(jì)算仿真。仿真結(jié)果表明，神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制能有效抑制轉(zhuǎn)速的超調(diào)量，減小轉(zhuǎn)速在調(diào)整過程中的波動(dòng)。

摘要：為提高發(fā)動(dòng)機(jī)怠速控制的準(zhǔn)確性，解決非線性、復(fù)雜的系統(tǒng)控制問題，詳細(xì)介紹發(fā)動(dòng)機(jī)模型建立方法、轉(zhuǎn)速神經(jīng)控制的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的形式，并將神經(jīng)網(wǎng)絡(luò)同PID控制很好的結(jié)合起來，以有效解決發(fā)動(dòng)機(jī)轉(zhuǎn)速控制問題。

關(guān)鍵詞：發(fā)動(dòng)機(jī)；神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID；設(shè)計(jì)；轉(zhuǎn)速控制；神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：U467.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-1161（2014）01-0030-03

發(fā)動(dòng)機(jī)是一個(gè)典型的非線性、時(shí)滯、時(shí)變系統(tǒng)。智能控制能夠?qū)⑷祟惖闹腔蹜?yīng)用于控制系統(tǒng)，解決非線性、復(fù)雜的系統(tǒng)控制問題。發(fā)動(dòng)機(jī)的轉(zhuǎn)速控制問題一直是熱點(diǎn)研究課題，特別是發(fā)動(dòng)機(jī)的怠速控制更是研究重點(diǎn)。怠速轉(zhuǎn)速是汽車發(fā)動(dòng)機(jī)的主要性能指標(biāo)之一。目前，雖然在發(fā)動(dòng)機(jī)燃油控制方面的研究取得了一定進(jìn)展，但影響發(fā)動(dòng)機(jī)性能的參數(shù)相當(dāng)多，在建模時(shí)不可能面面俱到（常會(huì)忽略一些不重要的參數(shù)，如進(jìn)氣歧管截面積隨溫度的變化、發(fā)動(dòng)機(jī)的磨損情況等），常造成發(fā)動(dòng)機(jī)模型不精確，且相對可靠性比較差。對發(fā)動(dòng)機(jī)轉(zhuǎn)速神經(jīng)控制的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的形式進(jìn)行研究，將神經(jīng)網(wǎng)絡(luò)同PID控制相結(jié)合，很好地解決了發(fā)動(dòng)機(jī)轉(zhuǎn)速與燃油控制問題，可以使發(fā)動(dòng)機(jī)在最優(yōu)狀態(tài)下工作，對節(jié)能減排具有重要的現(xiàn)實(shí)意義。

1 發(fā)動(dòng)機(jī)模型與PID控制

1.1 發(fā)動(dòng)機(jī)模型

丹麥技術(shù)大學(xué)Elbert Hendricks教授提出的發(fā)動(dòng)機(jī)模型具有較高精度。參照Elbert Hendricks發(fā)動(dòng)機(jī)模型建立發(fā)動(dòng)機(jī)進(jìn)氣系統(tǒng)動(dòng)力學(xué)、曲軸動(dòng)力學(xué)和油膜子模型。

1.1.1 發(fā)動(dòng)機(jī)進(jìn)氣系統(tǒng)動(dòng)力學(xué)子模型 進(jìn)氣系統(tǒng)動(dòng)力學(xué)描述歧管中空氣的質(zhì)量變化率，它是流經(jīng)節(jié)氣門的空氣質(zhì)量流量與流入氣缸的空氣質(zhì)量流量ap之差：

=1.4RT （at（α）ap-）/V （1）

式中，α是節(jié)氣門角度；氣體常數(shù)R=0.000 287 m3MPa/K；歧管氣體溫度T=293 K；歧管容積V=0.000 564 m3。

ap=nVDηV（0.096 1p-0.07）/（120RTm） （2）

式中：n為發(fā)動(dòng)機(jī)轉(zhuǎn)速，rpm/1000；p為進(jìn)氣歧管壓力，MPa；發(fā)動(dòng)機(jī)排量Vd=1.275 m3。ηV是發(fā)動(dòng)機(jī)的容積效率。

ηV為歧管壓力的函數(shù)，可表示為：

ηV=0.952-0.075/p （3）

式中：ap可表示為兩個(gè)并行的等嫡物理過程。

1.1.2 發(fā)動(dòng)機(jī)曲軸系統(tǒng)動(dòng)力學(xué)子模型 根據(jù)能量守恒定律描述發(fā)動(dòng)機(jī)中的熱能向機(jī)械能的轉(zhuǎn)換及做功過程。發(fā)動(dòng)機(jī)的加速度表達(dá)式為：

=Huηi（n，p）f（t-d）/nI-[Pf（n）+PP（n，p）+Pb（n）/nI] （4）

等式右端第一項(xiàng)表示燃油在氣缸內(nèi)燃燒產(chǎn)生熱能所轉(zhuǎn)換的機(jī)械能，燃油燃燒值Hu=43 000 kJ/kg；標(biāo)定后的總發(fā)動(dòng)機(jī)轉(zhuǎn)動(dòng)慣量I=5.264 Kg·m2。等式右端第二項(xiàng)，表示需要克服的負(fù)載扭矩Pb、泵氣功率損耗PP和磨擦損失。

1.1.3 發(fā)動(dòng)機(jī)油膜子模型 Elbert Hendricks將油膜模型標(biāo)記為瞬態(tài)燃油補(bǔ)償（TFC），如式（5）—（7）所示：

fv=（1-X）fc （5）

ff=（Xfi-mff）/τf （6）

fi=fv+ff （7）

式中：X為燃油沉積系數(shù)；Tf為油膜蒸發(fā)時(shí)間常數(shù)。它們隨發(fā)動(dòng)機(jī)工況變化，是發(fā)動(dòng)機(jī)轉(zhuǎn)速n（或ω）、進(jìn)氣岐管壓力Pi、溫度Ti等的非線性函數(shù)；fc是按指令噴射的燃油質(zhì)量流量，分為完全氣化部分fv和油膜蒸發(fā)部分ff兩部分：fi是氣缸的總?cè)加土浚瑸閮刹糠秩加土恐汀?/p>

1.2 PID算法

發(fā)動(dòng)機(jī)的轉(zhuǎn)速控制采用可變增益的PID方法，具體控制算法為：

α=Kpε+Ki∫εdt+Kddε/dt （8）

式中：α為節(jié)氣門開度；ε為轉(zhuǎn)速誤差；Kp，Ki，Kd由發(fā)動(dòng)機(jī)的工作狀態(tài)確定，點(diǎn)火提前角θ和噴油量由其它控制規(guī)律或經(jīng)驗(yàn)數(shù)據(jù)給出。若數(shù)字微分處理不好，可能會(huì)帶來很大的瞬時(shí)值，故Kd一般取0。

根據(jù)式（8）建立如圖1所示的PID轉(zhuǎn)速控制框圖。

利用MATLAB中的SIMULINK仿真軟件對上述控制方案的PID調(diào)節(jié)器參數(shù)Kp，Ki，Kd進(jìn)行優(yōu)化，結(jié)果為：Kp=1～2，Ki=1～2，Kd=0。

為對空燃比進(jìn)行良好控制，現(xiàn)代汽車一般采用如下的燃油控制方式：

fpc=+KpIy+KiI∫ydt （9）

式中：fpc為進(jìn)入發(fā)動(dòng)機(jī)氣缸所需要的燃油質(zhì)量流速；ap為進(jìn)入發(fā)動(dòng)機(jī)氣缸的空氣質(zhì)量流速；y為氧傳感器的輸出；Lh為發(fā)動(dòng)機(jī)運(yùn)行空燃比，汽油車取14.67～14.7；KpI，KiI為控制器增益。

1.3 仿真結(jié)果

發(fā)動(dòng)機(jī)PID轉(zhuǎn)速控制計(jì)算機(jī)仿真的條件如下：仿真軟件為MATLAB6.5/SIMULINK；發(fā)動(dòng)機(jī)仿真模型如前所述；發(fā)動(dòng)機(jī)干擾信號(hào)周期為0.1 s，能量為0.01的噪聲；給定轉(zhuǎn)速信號(hào)采用階躍信號(hào)，比較符合實(shí)際使用情況；采用一般線性點(diǎn)火提前角規(guī)律。PID轉(zhuǎn)速跟蹤情況見圖2。

從圖2的仿真結(jié)果可看出：當(dāng)發(fā)動(dòng)機(jī)負(fù)載很低（0.5 kW）或負(fù)載不大（5確kW），且設(shè)定轉(zhuǎn)速不高（約21000 rpm）時(shí)，PID調(diào)節(jié)器能正常工作；當(dāng)發(fā)動(dòng)機(jī)輸入有干擾時(shí)，PID調(diào)節(jié)器失調(diào)；當(dāng)發(fā)動(dòng)機(jī)負(fù)載有擾動(dòng)時(shí)，發(fā)動(dòng)機(jī)轉(zhuǎn)速不平穩(wěn)。這表明PID調(diào)節(jié)器只適應(yīng)于負(fù)載小、發(fā)動(dòng)機(jī)各種干擾小的轉(zhuǎn)速控制。仿真結(jié)果還表明，PID調(diào)節(jié)器的轉(zhuǎn)速跟蹤（負(fù)載較大時(shí)）效果很差。

2 發(fā)動(dòng)機(jī)轉(zhuǎn)速的神經(jīng)網(wǎng)絡(luò)控制

2.1 發(fā)動(dòng)機(jī)轉(zhuǎn)速的NC設(shè)計(jì)

對如圖3所示的控制結(jié)構(gòu)進(jìn)行研究。神經(jīng)網(wǎng)絡(luò)NN2用于建立被控系統(tǒng)的動(dòng)態(tài)模型，并為神經(jīng)網(wǎng)絡(luò)NN1的學(xué)習(xí)訓(xùn)練過程提供必要信息。神經(jīng)網(wǎng)絡(luò)NN1根據(jù)系統(tǒng)的狀態(tài)，不斷調(diào)節(jié)PID控制器的增益，以達(dá)到所規(guī)定的最優(yōu)性能指標(biāo)。

2.2 發(fā)動(dòng)機(jī)轉(zhuǎn)速NC中的神經(jīng)網(wǎng)絡(luò)

采用如圖4所示的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對發(fā)動(dòng)機(jī)系統(tǒng)進(jìn)行模型識(shí)別，其離散時(shí)間模型可以表示為：

ym（k+1）=f[y（k），y（k-1），…，y（k-n），u（k-1），u（k-2），

…，u（k-m）] （10）

式中：y為發(fā)動(dòng)機(jī)的輸出轉(zhuǎn)速；u為對發(fā)動(dòng)機(jī)的控制（節(jié)氣門開度）；ym為模型的輸出；n，m分別為y（k）和u（k）的階次；f為非線性函數(shù)。

采用如圖5所示的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對NC控制器中的參數(shù)（PID中的增益）進(jìn)行優(yōu)化。圖5中，E（k）為轉(zhuǎn)速誤差；P（k）為發(fā)動(dòng)機(jī)負(fù)載因子；G1—G3為要優(yōu)化的增益參數(shù)。

2.3 仿真結(jié)果

仿真條件為：仿真軟件為MATLAB；發(fā)動(dòng)機(jī)模型如上所述；參數(shù)優(yōu)化神經(jīng)網(wǎng)絡(luò)中n=2，m1=2，m2=10，i=0～2（PID）；模型辨識(shí)神經(jīng)網(wǎng)絡(luò)中選取n=2，m1=2，m2=10，i=0，仿真結(jié)果如圖6所示。從仿真結(jié)果可以看出，神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制，能有效抑制轉(zhuǎn)速的超調(diào)量，減小轉(zhuǎn)速在調(diào)整過程中的波動(dòng)。

3 結(jié)語

發(fā)動(dòng)機(jī)是一個(gè)典型的非線性、時(shí)滯、時(shí)變系統(tǒng)。智能控制能夠?qū)⑷祟惖闹腔蹜?yīng)用到控制系統(tǒng)中，解決非線性、復(fù)雜的系統(tǒng)控制問題。參照Elbert Hendricks發(fā)動(dòng)機(jī)模型建立發(fā)動(dòng)機(jī)進(jìn)氣系統(tǒng)動(dòng)力學(xué)、曲軸動(dòng)力學(xué)和油膜子模型，對發(fā)動(dòng)機(jī)轉(zhuǎn)速神經(jīng)控制的結(jié)構(gòu)和神經(jīng)網(wǎng)絡(luò)的形式進(jìn)行研究，采用神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID方法對發(fā)動(dòng)機(jī)轉(zhuǎn)速控制進(jìn)行計(jì)算仿真。仿真結(jié)果表明，神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制能有效抑制轉(zhuǎn)速的超調(diào)量，減小轉(zhuǎn)速在調(diào)整過程中的波動(dòng)。