基于智能雙積分滑模控制的發動機指示扭矩估計

周銅林　譚瑞　張瑜

【摘 要】利用指示扭矩能夠對發動機實施在線控制，進行故障診斷。首先，建立發動機非線性曲軸動力學模型；其次，將曲軸角度和瞬時轉速作為控制器輸入并進行微分運算；最后，利用BP神經網絡對控制器參數進行在線自適應設計。仿真結果表明，在穩態工況下，設計的控制器對多缸發動機的指示扭矩能夠精確地進行估計，其對參數擾動具有較好的魯棒性，可以用于發動機的失火檢測和故障診斷。

【關鍵詞】滑模觀測器；BP神經網絡；發動機；指示扭矩

【Abstract】Indicated torque can be used to control of automotive engine on-line and fault diagnosis.Firstly，establish the non-linear crankshaft dynamic model；secondly，input the crankshaft angle and instantaneous engine speed to the controller and implementation differential operation；finally， take advantage of the BP neural network to design the self-adaption parameters of controller.Estimation results demonstrate that the controller can estimation the indicated torque of multi cylinder engine precisely，which presents the strongly robustness for parameters variation，and is a suitable way for misfire detection and fault diagnosis in the future.

【Key words】Sliding mode observer；BP neural network；Engine；Indicated torque

0 引言

指示扭矩作為表征發動機動力性能的一項重要參數，及時可靠的獲取指示扭矩不僅可以正確地評價發動機工作性能，實時的監測故障發生[1]。在轉速和負載變化的情況下，可以有效提高汽車的燃油經濟性、駕駛舒適性和汽車安全性。

目前，指示扭矩的估計方法主要有三種：一是，基于速度波動的方法[2]；二是，基于神經網絡的方法[3]；三是，基于觀測器的方法[4]。

隨著滑模變結構控制技術的不斷發展，滑模理論常被用來設計觀測器估計指示扭矩[5]。其中，負載扭矩的獲取是一個難點[6]。本文通過引入汽車動力學方程，解決了這個問題。為了進一步提高指示扭矩的估計精度，針對系統中存在的不確定性和時變擾動，設計雙積分滑模觀測器對指示扭矩進行估計。

1 非線性曲軸動力學模型

3 控制器參數自適應設計

智能雙積分滑模控制相對傳統的滑模控制，由于具有Ⅰ控制特性，所以，在穩態誤差調節方面效果更好。本文利用BP神經網絡對參數k1，k2，k3進行了在線自適應設計。

4 仿真結果分析

4.1 仿真實驗

利用LMS Imagine.Lab Amesim14平臺建立發動機多缸模型，并通過Matlab/Simulink建立控制器。發動機的參數配置如表1所示：

5 結論

針對系統中存在的擾動問題，設計了基于非線性曲軸動力學模型的雙積分滑模控制器，將扭矩估計問題轉換為轉速誤差跟蹤控制問題。通過Lyapunov穩定性理論和BP神經網絡設計自適應控制器增益參數，實現了指示扭矩的精確估計。該方法具有精度高、魯棒性好和成本低等特點，且避免了利用扭矩傳感器對負載扭矩的測量。仿真結果表明，在穩態工況下，該方法能夠較精確地估計多缸發動機指示扭矩，可用于發動機故障診斷。

【參考文獻】

[1]F Ponti，M Rinaldi. Analysis of the relationship between mean indicated torque and its waveform for modern common rail diesel and gasoline engines[J].2008 Spring Technical Conference of the ASME Internal Combustion Engine Division，2008：149-159.

[2]Ponti F，Serra G，Lupo S.Powertrain Torsional Model Development or On-Board Indicated Torque Estimation[J].Linear Algebra & Its Applications，2009，1（1）：263-264.

[3]Ge Y，Huang Y，Hao D，et al.An indicated torque estimation method based on the Elman neural network for a turbocharged diesel engine[J].Proceedings of the Institution of Mechanical Engineers Part D Journal of Automobile Engineering， 2015，230（10）.

[4]Itoh Y，Higashi K，Iwase M.UKF-based estimation of indicated torque for IC engines utilizing nonlinear two-inertia model[C]// Decision and Control. IEEE，2012：4077-4082.

[5]Azzoni P，Moro D，Ponti F，et al.MODEL-BASED INDICATED TORQUE ESTIMATION，USING NON LINEAR OBSERVERS[C]// IEEE Mediterranean Conference.IEEE，2014：160-166.

[6]Higashi K，Itoh Y，Iwase M.Torque estimation for combustion engine using nonlinear model[C]// Sice Conference，2012：1959-1964.

[責任編輯：田吉捷]