阿特金森循環發動機平均值模型的辨識研究

郭海龍，陳 昊，張永棟

（1?廣東交通職業技術學院汽車與工程機械學院，廣東廣州 510650；2?華南理工大學機械與汽車工程學院，廣東廣州 510641；3?長安大學汽車學院，陜西西安 710064）

阿特金森循環發動機平均值模型的辨識研究

郭海龍1，2，陳 昊3，張永棟1，2

（1?廣東交通職業技術學院汽車與工程機械學院，廣東廣州 510650；2?華南理工大學機械與汽車工程學院，廣東廣州 510641；3?長安大學汽車學院，陜西西安 710064）

以阿特金森1NZ?FXE四缸十六氣門循環發動機為研究對象，分析了其氣路、油路和動力輸出平均值模型；并對發動機的36個結構參數進行測量，采集不同工況下270組發動機的127個運行參數。通過構造超定超越方程組，利用最小二乘法及遺傳算法及粒子群算法尋優計算，辨識出該發動機平均值模型的37個待辨識參數，且辨識效果好，可進一步應用于發動機及整車系統的控制。

阿特金森循環發動機；平均值模型；參數辨識；遺傳算法

0 引 言

發動機作為汽車或工程機械的動力源，其節能特性極大地影響整車的節能效果，因此對發動機進行建模研究，對于整車控制策略具有重要意義。目前發動機模型有循環模擬、傳遞函數和平均值模型（Average Value Model，簡稱AVM）［1?8］。其中AVM模型以某時間段內的參數均值為標準，得到眾多學者的關注及應用。

AVM最早由Rasmussen提出，Hendricks給出了通用表達式，一些等學者也對其進行了探討，但對象均為有別于阿特金森循環（Atkinson Cycle Engine，簡稱ACE）的奧托發動機［9?11］。

ACE由于采用了“Atkinson循環”，壓縮比提高至約13∶1，且改變了進排氣正時，進氣門在下止點后72°～105°關閉，從而大大提高了熱效率和燃油經濟性。因此，在工程機械及汽車行業，阿特金森循環發動機越來越受到重視。基于此，本文對阿特金森1NZ?FXE 4缸16氣門發動機AVM氣路系統進行研究，并采集不同工況下270組發動機的127個運行參數，構造超定超越方程組，利用小波濾波、最小二乘法及遺傳算法和粒子群算法，辨識發動機平均值模型的待辨識參數，辨識結果可應用于發動機及整車系統的控制。

1 氣路平均值模型

基于Hendricks模型，建立以下發動機氣路子模

型［12?15］。

1．1 節氣門處空氣流模型

節氣門空氣質量流與節氣門開度及前后壓力比之間的關系為

1．2 氣缸入口處的空氣流動模型

進入氣缸的空氣質量流量m·ac為

式中：Vd為發動機排量（m3）；R為氣體常數（J·（kg·K）－1）；Tm為進氣歧管內氣體的溫度（K）；ev為充量系數；n為發動機轉速（r·min－1）。

Hendricks對充量系數進行推導，得出

式中：ΔT為進氣溫度變化量；κ為絕熱指數，κ＝1?4；r為壓縮比；Tov為進排氣門重疊缸內氣溫（K）；mov為進排氣門重疊氣體質量損失（kg）；ρm為歧管內氣密度（kg·m－3）；pe為排氣背壓（bar）。

為便于計算，Hendricks將式（7）改寫為

式中：si、yi為常數，即待辨識參數。

1．3 進氣歧管壓力模型

根據理想氣體方程，有

因T·m≈0，有

由上可知AVM氣路模型中有7個待定參數需辨識。

2 試驗參數的獲取及小波濾波

2．1 發動機結構參數的測量

為了準確建立該1NZ?FXE 4缸16氣門發動機的AVM氣路模型，需獲得的發動機結構參數見表1。2．2 發動機運行參數的采集

為了對氣路模型進行辨識，需進行試驗，并測取發動機127個工作參數，部分測取結果見表2。

共進行了47組發動機典型工況實車試驗，試驗采集數據可作為發動機模型的原始辨識數據。圖1為某試驗工況下發動機一個完整啟停循環采集到的發動機數據，包括車速、發動機轉速、節氣門處進氣量等。

2．3 發動機采集數據的小波濾波

由圖1可知，因各種干擾信號的存在，發動機測試信號中包含了大量“毛刺”，導致數據處理難度和誤差增加，為此需要進行濾波去噪。小波濾波的主要原理如下。

假設觀測到的一維信號有如下形式

式中：s（t）為真實信號；n（t）為噪聲。

表1 發動機部件重要結構參數（部分）

表2 試驗采集的發動機數據（部分）

圖1 某工況下采集的發動機主要試驗參數

一般在含噪信號中，較低頻率的波形較穩定，而噪音頻率較高且沒有規律。小波濾波的閾值類別通常有2種選擇，即硬閾值和軟閾值，如圖2所示。計算過程如下。式中：f（x）為濾波后的函數值；x為濾波自變量；t為濾波的閾值界限。

除了選擇正確的閾值類別，還要設置分解層數、閾值選擇原則、小波名以及乘法門限調整等參數［16?18］。

3 平均值氣路模型參數辨識

3．1 節氣門處的空氣流動模型辨識

3．1．1 參數辨識原理

將CAN總線讀取的發動機數據經過濾波處理后，作為模型參數的辨識數據，結合節氣門處的空氣

圖2 軟硬閾值函數圖像對比

流動辨識模型，可通過構造超定超越方程組，利用最小二乘法進行求解，并采用粒子群算法進行尋優，最終確定出待辨識的參數值［19?24］。

理論上需確定出一組理想的參數變量pt＝（m·

at1，a1，a2，p1，p2），使得以下優化目標函數為最小，即

3．1．2 某工況辨識結果

以為某試驗工況為例，試驗參數及辨識結果如圖3所示，根據pt＝（m·at1，a1，a2，p1，p2）的辨識結果，可知待辨識參數在發動機啟停時波動較大，正常運轉時穩定。

3．1．3 47組典型試驗工況參數辨識結果

若將各待辨識參數最終結果取為47組試驗工況平均值的均值，則有

圖3 某工況試驗參數及辨識結果

圖4 47組試驗工況模型參數辨識結果

3．2 氣缸入口處的空氣流動模型

3．2．1 參數辨識原理

利用最小二乘法求解超定超越方程組的解pc＝（si，yi），使優化目標函數最小，即

3．2．2 某典型工況參數辨識結果

圖5為某試驗工況數據pc＝（si，yi）辨識結果，可知待辨識參數在發動機啟停時波動較大，正常運轉時穩定。

圖5 試驗工況辨識結果

3．2．3 47組典型試驗工況參數辨識結果

圖6為47組試驗工況pc＝（si，yi）的各參數辨識結果，可知各辨識參數隨試驗工況有波動，但總體穩定。

圖6 組試驗工況模型參數辨識結果

同理，若將各待辨識參數最終結果取為47組試驗工況平均值的均值，則有

最終結果為：si＝1．6681；yi＝－0．3747。由于本文研究的對象為4缸16氣門，所以與Hendricks及國內學者的研究結果有一定差別。

4 結 語

本文在對阿特金森1NZ?FXE 4缸16氣門循環發動機進行36個結構參數測量的基礎上，采集了47組典型工況下的127個運行參數，以小波去噪后的結果作為發動機平均值氣路模型的辨識數據。構造超定超越方程組，利用最小二乘法求解，并運用粒子群算法進行尋優計算，最終辨識出了該阿特金森循環發動機氣路平均值模型的7個待辨識參數。

（1）節氣門處的空氣流動模型參數隨試驗工況的變化很小，參數比較穩定；而氣缸入口處的空氣流動模型參數隨試驗工況有一定程度的變化，但總體上呈現一定的規律性。由于本研究發動機為雙氣門，si、yi的辨識結果與Hendricks及國內學者提出的系數有一定差異。

（2）本文提出的平均值模型辨識方法有助于提高HEV動力總成的控制效果，進而提高HEV的經濟性。

［1］ LINDEGAARD K F，GROLIMUND P，AASLID R，et al．Evalua?tion of Cerebral AVM?s Using Transcranial Doppler Ultrasound［J］．Journal of Neurosurgery，1986，65（3）：335?344．

［2］ 畢小平，韓 樹，張更云，等．發動機平均值模型的開發與檢驗［J］．裝甲兵工程學院學報，1998（3）：44?47．

［3］ 石寶玉，張永相．應用發動機平均值模型轉矩公式的建模與仿真［J］．機械工程師，2010（2）：51?53．

［4］ 周 棟，蘇鐵熊，李 闖，等．基于發動機平均值模型的進氣歧管模型仿真精度分析研究［J］．科學技術與工程，2016，16（32）：238?242．

［5］ HIROSE K，UEDA T，TAKAOKA T，etal．The High?expansion?ra?tio Gasoline Engine for the Hybrid Passenger Car［J］．Jsae Re?view，1999，20（1）：13?21．

［6］ ZHAO J，XU M，LI M，etal．Design and Optimization of An Atkin?son Cycle Engine with the Artificial Neural Network Method［J］．Applied Energy，2012，92（4）：492?502．

［7］ CHEVALIER A，MULLER M，HENDRICKS E．On the Validity of Mean Value Engine Models During Transient Operation［J］．Sae Technical Papers，2000，34（27）：2947?2951．

［8］ JAZAYERI S A，RAD M S，AZADI S．Developmentand Validation for Mean Value Engine Models［C］∥ASME 2005 Internal Com?bustion Engine Division Fall Technical Conference．2005：19?28．

［9］ 郭海龍．基于行駛狀況識別的混聯式HEV多模式能量控制策略研究［D］．廣州：華南理工大學，2013．［10］ 李本威，朱飛翔，宋漢強，等．基于逆跟蹤控制的航空發動機氣路健康參數估計修正方法研究［J］．推進技術，2016，37（5）：966?973．

［11］ 白 磊，胡 駿，黃順洲，等．結合不確定度的發動機模型辨識氣路診斷［J］．航空動力學報，2016，31（7）：1623?1629．

［12］ 史忠科．模型在線辨識方法及其應用［J］．控制理論與應用，1995，12（6）：787?791．

［13］ 郭 劍．行駛路況辨識與半主動空氣懸架控制方法研究［D］．淄博：山東理工大學，2012．

［14］ 黃貴芬．汽油發動機氣路控制算法研究［D］．長春：吉林大學，2011．

［15］ 蒲星星．基于模型的重型燃氣輪機氣路故障診斷研究［D］．北京：清華大學，2013．

［16］ 羅啟君．渦噴發動機氣路故障診斷技術研究［D］．南京：南京航空航天大學，2013．

［17］ 白 磊，胡 駿，黃順洲，等．結合不確定度的發動機模型辨識氣路診斷［J］．航空動力學報，2016，31（7）：1623?1629．

［18］ 郭小紅．阿特金森循環發動機的使用［J］．黑龍江科技信息，2011（10）：50．

［19］ 岳漢奇．基于AMT的三軸式混合動力耦合機構的設計與分析［D］．長春：吉林大學，2016．

［20］ 劉岳兵，王偉民，蔡志強，等．Atkinson循環汽油機熱力學性能模擬開發及試驗研究［J］．內燃機工程，2016，37（2）：48?53．

［21］ 吳建平，馮輝宗．基于發動機平均值模型的控制仿真［J］．電子測試，2009（9）：28?31．

［22］ 趙志國，王生昌，李茂月．基于Matlab／Simulink的汽油發動機控制平均值模型研究［J］．公路與汽運，2008（2）：15?17．

［23］ 劉 逢，蘇鐵熊，鄭樹峰．發動機進氣控制系統研究［J］．青島科技大學學報：自然科學版，2014，35（2）：187?191．

［24］ 石軍平．一種預混合點燃式氣體燃料發動機的平均值建模［D］．合肥：合肥工業大學，2009．

［責任編輯：高 甜］

Study on Identification of Mean Value Atkinson?cycle Engine Model

GUO Hai?long1，2，CHEN Hao3，ZHANG Yong?dong1，2
（1．School of Automobile and Construction Machinery，Guangdong Communication Polytechnic，Guangzhou 510650，Guangdong，China；2．School of Mechanical＆Automotive Engineering，South China University of Technology，Guangzhou 510641，Guangdong，China；3．School of Automobile，Chang?an University，Xi?an 710064，Shaanxi，China）

Taking the Atkinson cycle engine 1NZ?FXE with four cylinders and sixteen valves as the research object，the mean value model of gas，oil and power output was analyzed．Based on the measurement of 36 structural parameters of the engine，270 groups of 127 operating parameters under different conditions were collected．And by establishing the overdetermined?transcendental equations and using least square method，genetic algorithm（GA）and particle swarm optimization（PSO），37 parameters of the mean value engine model were identified．The results of model identification are satisfactory and helpful to further improve the control over the engine and the whole vehicle．

Atkinson cycle engine；mean value model；parameter identification；genetic algorithm

U415．5

B

1000?033X（2017）08?0110?05

2017?02?22

廣東省交通運輸廳節能減排項目（節能?2014?06?002）；廣東省優秀青年教師培養項目（YQ2013197）；廣東省高等學校高層次人才項目（2013?203）

郭海龍（1988?），男，內蒙古涼城人，博士，副教授，研究方向為新能源汽車技術。