缸內直噴汽油機自適應神經網絡智能控制的開發

?

缸內直噴汽油機自適應神經網絡智能控制的開發

在未進行控制的條件下，發動機一個循環周期內的燃燒狀態會有很大差異，因此需要嚴格的魯棒控制，以使發動機在不同操作條件下都具有最優性能。該研究是實現汽油直噴（GDCI/GDI）發動機的智能控制技術。用優化控制硬件對4缸2.0L缸內直噴發動機進行建模，用這些優化控制硬件建立的發動機稱為概念智能控制GDI或“iGDI”發動機。發動機的自由閥驅動（FVA）硬件和直接連接氣缸的精密噴油器對控制靈活性技術評估具有輔助作用。

提出了一種機電一體化的神經控制方法，并將其與自適應控制技術相結合。自適應控制體系和預測神經網絡控制體系是為兩種不同的工廠操作模式開發的。發動機和控制器通過GTSuite和Simulink進行建模和仿真。通過減少因節流造成的泵氣損失獲得的高容量效率可達到97%。記錄了兩種條件下的瞬態模擬響應，并用不同的神經網絡控制器優化響應。控制器運用非線性自回歸與外源輸入（NARX）神經網絡監測時間的動態變化。而誤判率（AFR）設定值通過NARMA-L2控制器對最低制動油耗率和NOx排放進行監測跟蹤，這種模式稱為“ECO”模式，該模式下制動油耗率相對原模型降低了14%。在使用神經網絡預測控制器操作的“動力”模式需要最大制動轉矩（MBT）。結果顯示，制動轉矩相對基本模型提高了15%。瞬態跟蹤響應滿足iGDI發動機控制目標。瞬態模式之間的切換時間由模擬時間表快速跟蹤。智能計算能有效地處理高度非線性動態實時發動機控制問題，并具有在線優化特性和快速獲得原型的優點。

M Abu Anas Shuvom et al. SAE 2015-01-0157.

編譯：趙喚