汽車內燃機最優空燃比實現方法研究

1 引言

我國社會經濟的快速發展和人們生活水平的不斷改善，帶動了汽車產業的繁榮和汽車消費市場的持續膨脹。截止2021年底，我國機動車的市場保有量已經突破4億輛，汽車數量快速增長的最直接負面影響，是導致了城市交通擁堵問題和大氣環境污染問題

。為了減少和控制汽車尾氣污染物排放對大氣的污染，一方面國家從政策調整和宏觀調控的角度，大力鼓勵新能源汽車的生產、銷售、和使用；另一方面對傳統燃油汽車發動機的排放標準也提出了更高的要求，例如，從2020年開始我國已經開始在全國范圍內分步推進國6B尾氣排放標準，嚴格控制汽車尾氣及碳基顆粒物的排放。在從傳統汽車向新能源汽車的過渡階段，燃油車的市場地位仍然不能撼動，燃油車在短期內也不可能退出汽車市場。為了降低燃油車的能源消耗并提高排放標準，只能從內燃機技術優化的視角，做出相對均衡的選擇

。例如，通過調整發動機空燃比等技術改進和技術創新手段

，提升汽車發動機的工作效率和降低發動的廢氣及顆粒物排放量，減輕對周圍環境所造成的污染。

2 空燃比最優控制目標及影響因素

2.1 空燃比的最優控制目標

以多點電噴汽油發動機活塞工作過程為例，來分析空燃比對汽車能耗和排放的影響。進入發動機進氣歧管的汽油和空氣的混合物被火花塞點燃，混合氣體燃爆膨脹，在氣缸內產生壓力進而驅動活塞和曲軸運動。進入多點電噴發動機進氣歧管中汽油和空氣的質量比例即為空燃比參數指標，空燃比可以通過調整氣門開合大小和噴油嘴的噴油量等措施來控制。從發動機理論研究的角度來考慮，進入進氣歧管并產生燃燒的汽油和空氣混合物，存在一個最優比例，即在最優比例下燃燒很充分，燃燒過程結束以后氣油和空氣均完全反應并產生二氧化碳和水汽。確定最優空燃比值難度較大，當空燃比大于這個最優值時，由于空氣較多會影響發動機的熱效率，發動機動力和扭矩輸出達不到最優值；如果空燃比小于這個值，勢必會造成燃料燃燒不充分，造成更多廢氣排放和顆粒物排放，且浪費了能源。在最優空燃比條件下通過對發動機氣門和噴油量的精確控制，能夠達到動力、油耗和排放的最佳比例，具體見圖1：(為簡化說明假定內燃機排放物只有碳氫化合物HC一種)

如圖1所示，在當汽油發動機的空燃比值在12-13之間時，發動機的扭矩輸出最大，但此時的碳氫化合物排放量較高表明空燃比值較低，汽油燃燒不充分，會造成較為嚴重的污染物排放。調整空燃比值使其達到14-15之間，此時發動機的扭力輸出與峰值比有所降低，但降低的值較少，表明發動機損失的低速扭矩較小，而此時的碳氫化合物排放量明顯減少；當空燃比值繼續增加到16或以上時，碳氫化合物排放量的減少十分有限，但由于發動機氣門開合角度增大，空氣進入量顯著增加，發動機的動力輸出損耗嚴重。考慮到現階段在售的汽油車都有加裝三元催化器，對于空氣凈化和顆粒物排放能起到一定的輔助作用，發動機調校時沒有必要為了較低的排放值變化而損失過多的動力，能源消耗增加亦會增加廢氣或顆粒物的排放。因此將實際的空燃比通過參數匹配調整到趨近于理論空燃比值時，能夠達到動力、友好、和排放的相對平衡，使三者處于一個最優的比例關系

本研究中以網絡健康護理方式對觀察組患者進行干預,患者入院后不僅常規24h接聽患者電話,做好指導與宣教;同時注重通過定時的電話隨訪、短信提醒、微信指導、知識講座等方式來及時了解患者情況,在為患者解疑答惑的同時為患者進行健康宣教與指導此外,通過微信指導健康知識講座視頻的上傳與分享,可為患者及時與醫護人員聯系提供方便,并便于患者隨時觀看專家指導;以便患者積極主動的配合、堅持各項干預,養成正確的行為習慣,從而不斷改善自我效應及自我管理能力。

2.2 影響最優空燃比的其他因素

發動機是一個十分精密復雜的機械結構，對于發動機動力輸出和廢氣排放的綜合控制難度本來就很大，而且在車輛日常駕駛過程中，由于各種不同工況的存在，節氣門位置變化幅度較大，也增加了最優空燃比的控制難度，影響最優空燃比的其他因素如下：

（6）研發基于BIM的 PC構件CAM（計算機輔助制造）技術。基于BIM信息，通過 CAM完成邊模、鋼筋、預埋件等工藝布局，通過擺模機器人在模臺上自動安裝定位，實現擺模機器人、MES（制造企業生產過程執行系統）和云制造平臺的互聯互通，基于MES或云制造平臺實現從CAM工藝方案到布模實施完成的全自動化作業流程[7]。

首先，觀測PSO算法下識別到最優極點所需的迭代次數和適應度值變化情況，為了使評價結果更為客觀引入了傳統的模糊控制算法參與對比，具體的仿真結果見下圖2：

為驗證提出PSO算法的有效性和適用性，進行仿真實驗，實驗的軟硬件環境設定，見表1：

(3)多點電噴發動機進氣歧管容易產生濕壁效應，導致發動機空燃比發生偏差。大部分空氣和被霧化的汽油混合后進入發動機進氣歧管，但還有一小部分油膜附著在進氣歧管的管壁上，隨著發動機累計做功時間的增加和車輛總里程數的不斷增加，該油膜的厚度也處于不斷的變化之中，一方面會影響到氧傳感器的正常工作和數據讀取，另一方面也會導致噴油嘴滯后效應的發生，最后導致發動機ECU單元對發動機空燃比數據的判斷產生一定偏差。

其中，

表示空間的維度分量，

是粒子運動時的慣性權重，

和

是學習因子，

和

是取值在0-1之間的隨機數。粒子

通過自身的學習和迭代，并參展局部最優粒子的位置和速度運動，同時與周圍的粒子進行信息交流，目的是通過位置移動和速度調整趨近于種群的最優位置和粒子運動的最優速度。發動機作為一個具有自我控制功能的閉環系統，如果給定一個最優極點配置狀態，在該狀態下發動機的空燃比能夠達到最佳值。發動機閉環系統輸出值應能夠有效跟蹤各參數的輸入值，并通過PSO算法的迭代和訓練尋找到最佳的匹配結果。為了是閉環系統的結果輸入更快，空氣和燃油匹配效率更高，將目標的極點位置設定為PSO粒子群的全局最優位置點。極點的確定要考慮到多種因素，包括影響發動機空燃比控制的各種因素，通過粒子群的迭代尋優，使閉環系統的特征值趨于最佳位置，同時得到最優狀態下的信息反饋增益矩陣及表達式。輸出信息的反饋基于輸出反饋控制器完成，控制器的設計具體包括了觀測部分和反饋部分，控制器性能決定了最優極點值能否合理的設置，并且輸出信息控制器的參數選擇也基于PSO算法來實現。

3 基于PSO智能算法的發動機最優極點匹配控制

為了更精準地控制發動機噴油量和其他各個影響空燃比的控制參數，本文引入一個變量 (汽油從噴油嘴到氣缸的時間)，并構建空燃比控制模型：

(1)

Step1：將全部可能出現的極點視為一個種群中的各個粒子，確定初始狀態下的種群規模，確定慣性因子、學習因子、隨機數和最大迭代次數。初始化以后各粒子的初始狀態下的位置和速度已經確定。

(2)

協議書模板分為有界樁的界線協議書、無界樁的界線協議書2個模板，分別包括封面、協議主體內容、界線所涉及鄉鎮政府代表簽字3個部分。協議書主體內容包含工作概況、重要問題處理結果、行政區域界線走向和界樁位置說明、行政區域界線的維護和管理、最后條款（補充說明）以及附件6個部分，其中附件包括了附圖、界樁登記表、三交點界樁登記表、界樁成果表、界址點成果表、三交點成果表等內容。三交點協議書模板包含標題，協議內容，三交點的位置、坐標，底圖所在的圖幅以及所涉及的鄉鎮政府代表簽字，所屬縣民政局代表簽字和協議日期。

Step3：利用公式(2)再第

+1次嘗試更新極點的位置和速度，并調整當前最優粒子的適應度值，與自身歷史最佳的位置和速度進行比較，判斷迭代終止的條件是否達到。在滿足終止條件后得到的極點即為最優的極點位置。

Step2：當種群迭代尋優到第

次時，計算所有極點的當前位置，速度，和適應度值，在第

次迭代后識別出當前最優的極點，并判斷該極點是局部最優解還是全局最優解。如果為局部最優解仍需要繼續迭代，如果系統判斷為全局最優解，迭代過程結束，

為最大的迭代次數。

在初始狀態下符合要求的目標極點可能有多個，利用PSO算法在眾多的潛在極點中識別出最優極點，具體的步驟如下：

(2)發動機氧傳感器故障也容易導致空燃比控制實效或偏差過大。目前絕大部分電噴或直噴汽油發動機都標配氧傳感器，用來配合ECU單元更精確地控制噴油量。氧傳感器可以感知進入氣缸的氧氣濃度，ECU在控制噴油量時也參照氧傳感器的數值。但對于渦輪增壓的車型而言，循環利用的廢氣中也含有一定的氧氣濃度，用這個數值來調整控制噴油量，對于渦輪增壓車型空燃比控制，可以會存在一定的滯后性，這一現象在小排量渦輪增壓車型上顯現的尤為明顯。

(1)由于車輛突然加速和緊急制動，會導致發動機節氣門開合變化幅度較大，直接影響到進氣門和排氣門的空氣進入量和排出量。發動機氣缸的進氣量主要靠氣流傳感器來控制，節氣門變化量過大將影響到進入氣缸的空氣量和排除氣缸的空氣量，進而導致發動機ECU單元對噴油量的控制出現誤差，或導致噴油量不足影響發動機的動力，或導致噴油量過多造成能源浪費和環境污染。目前大部分多點電噴發送機和缸內直噴發動機，都可以根據節氣門的位置變化，來控制ECU單元的數據變化。但由于國內油品質量問題、發動機設計存在缺陷、發動機精密程度不夠消耗機油，或車輛的總里程數偏大磨損嚴重等，都會導致節氣門位置出現積碳，影響ECU核心參數的變化，進一步增加了空燃比誤差。

仿真結果顯示，PSO算法具有更快的迭代效率和更少的迭代次數，當迭代次數到120次時滿足終止條件，算法的總適應度值歸零；相比較而言，傳統模糊控制算法的迭代效率較差，所需的迭代次數更多，當總適應度值歸零時迭代次數已經超過了180次。對于汽車內燃機這種封閉的復雜單體結構而言，模型設定的精確性十分重要，但由于存在多個目標極點，最優極點位置的選擇成為確定最佳空燃比的關鍵環節。利用PSO群智能算法的優勢在于可以在局部范圍內獲得最優解，并擴展到整個種群，在閉環的內燃機控制系統范圍內識別到位置最優的極點。反饋控制器能夠觀測到的極點值越小，其響應速度越快，工作效率越高，但同時模型的抗干擾性能也會衰減，因此在利用PSO算法誤差估計過程要平衡模型的迭代效率和誤差控制等問題，保證系統的均衡。最后，對比PSO算法和模糊控制算法下，發動機空燃比的優化情況，仿真結果如圖3所示：

模型以本次建造的監測孔ZK1、ZK2、ZK3、ZK4、ZK5和廠區內其他項目的工程勘察鉆孔作為穩定流地下水流場校準的依據。對成品庫、分解分級、熱電、原料磨區域分別各選1個鉆孔，讀取地下水位，并按拼音縮寫依次編號為:熱電(RD)、原料磨(YLM)、成品庫(CPK)、分解分級(FJFJ)。模型模擬結果見圖3，各個觀測孔處計算水位均在設定誤差范圍內(表2)。

【書籍】 主編者.書名.版次.卷次.出版地:出版者，年份.起頁.迄頁.或作者.文題.見:主編者.書名.卷次.版次.出版地.出版者，年份.起頁.迄頁.例如:

在汽車發動機動力扭矩輸出和廢氣排放總量不變的前提下，本文基于PSO算法控制所得到的空燃比曲線，更接近于標準狀態下的理論值，空燃比控制結果優于傳統模糊控制算法。

4 結束語

汽車發動機最優空燃比參數的選擇，不僅會影響到汽車發動機動力扭矩輸出，還會影響到汽車的廢氣排放問題，進而對生態環境構成重要影響。發動機節氣門變化，氧傳感器故障和進氣歧管的濕壁效應，也會干擾最優空燃比參數的選擇，為了更精確地選擇最佳的極點值，進而確定最優空燃比，本文分析了發動機最優空燃比的控制目標及各種影響因素，基于PSO算法構建了一種極點優化模型，利用PSO算法模型在局部尋優和全局尋優中的優勢，篩選出最佳的空燃比控制參數。仿真實驗的結果也驗證了PSO算法在最優空燃比參數選擇和數值控制等方面的優勢。

[1]孫傳旺, 徐淑華. 城市機動車限行對PM_(2.5)的影響與效果檢驗[J]. 中國管理科學, 2021, 29(01):196-206.

[2]阿迪拉·阿力木江, 蔣平, 董虹佳,等. 推廣新能源汽車碳減排和大氣污染控制的協同效益研究——以上海市為例[J]. 環境科學學報, 2020, 40(05):1873-1883.

[3]程大千、鄒慶、張甦、陳俊、周俐峻. 機動車污染物排放及擴散的時空分布特征研究——以江蘇省高速公路網為例[J]. 公路交通科技, 2020, 37(11):139-149.

[4]趙梓釧, 劉帥, 王忠,等. 重型柴油機燃用改性柴油的排放污染物研究[J]. 西安交通大學學報, 2022, 56(01):41-50.

[5]徐勁松, 聶珂, 黃國勇,等. 壓燃式航空活塞發動機轉矩與空燃比的控制[J]. 航空動力學報, 2021, 36(05):1083-1093.