基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法

摘要

本发明请求保护一种基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法。根据离散非线性模型选择多元线性回归方法对状态方程的各个参数进行拟合，得到线性离散系统的状态方程。利用BP神经网络设计了黑箱模型对线性后的模型进行误差的修正。黑箱模型以HCCI发动机线性模型预测得到的燃烧正时、进气歧管温度T_man、进气歧管压力P_man和燃油当量比φ为输入，修正后的燃烧正时θ_CA50为输出。利用该黑箱模型和实际HCCI发动机的理想燃烧正时信号，通过二分查找方法查找得到对应线性模型的理想燃烧正时信号。并利用该理想燃烧正时信号以及线性化后的模型，设计了带卡尔曼滤波器的离散滑模控制器。本发明保证线性模型预测燃烧正时的精度和燃烧正时跟踪理想输入的快速准确性。

主权项

基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法，其特征在于：建立HCCI发动机离散非线性燃烧正时模型，并得到N组随θ_IVC变化的T_SOC、P_SOC、θ_CA50的数据；所述T_SOC、P_SOC、θ_CA50和θ_IVC的含义分别为，HCCI发动机起燃时刻缸内气体温度T_SOC、起燃时刻缸内气体压力P_SOC和燃烧正时曲轴角θ_CA50，进气门关闭正时曲轴角θ_IVC；T_SOC、P_SOC和θ_CA50作为HCCI发动机线性模型的状态变量，θ_IVC作为HCCI发动机线性模型的输出，则线性化后的状态方程表示为$\left[\begin{array}{c}{T}_{soc,k+1}\\ P_{soc,k+1}\\ {\theta }_{CA50,k+1}\end{array}\right]=\left[\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right]\left[\begin{array}{c}{T}_{soc,k}\\ P_{soc,k}\\ {\theta }_{CA50,k}\end{array}\right]+\left[\begin{array}{c}{b}_1\\ b_2\\ b_3\end{array}\right]{\theta }_{IVC,k}$根据已获得的θ_IVC、T_SOC、P_SOC、θ_CA50数据，利用多元线性回归的方法对参数a_ij，b_i，i＝1,2,3，j＝1,2,3进行估计，最终得到离散的状态方程x_k+1＝Ax_k+Bu_k其中x＝[T_SOC P_SOC θ_CA50]^Tu＝[θ_IVC]$\left[\begin{array}{cc}A& B\end{array}\right]=\left[\begin{array}{c}{H}_1^{T}X{\left(}^{X^T}\\ H_2^{T}X{\left(X^{T}X\right)}^{-T}\\ H_3^{T}X{\left(X^{T}X\right)}^{-T}\end{array}\right]=HX{\left(X^{T}X\right)}^{-T}$$H=\left[\begin{array}{ccc}{T}_{soc,2}& P_{soc,2}& {\theta }_{CA50,2}\\ T_{soc,3}& P_{soc,3}& {\theta }_{CA50,3}\\ .& .& .\\ .& .& .\\ .& .& .\\ T_{soc,N}& P_{soc,N}& {\theta }_{CA50,N}\end{array}\right]$$X=\left[\begin{array}{cccc}{T}_{soc,1}& P_{soc,1}& {\theta }_{CA50,1}& {\theta }_{IVC,1}\\ T_{soc,2}& P_{soc,2}& {\theta }_{CA50,2}& {\theta }_{IVC,2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ T_{soc,N-1}& P_{soc,N-1}& {\theta }_{CA50,N-1}& {\theta }_{IVC,N-1}\end{array}\right]$其中A为系统矩阵，B为输入矩阵；将进气歧管温度T_man、进气歧管压力P_man、燃油当量比φ作为干扰因素加入所述HCCI发动机线性模型得到x_k+1＝Ax_k+Bu_k+Fw其中w＝[T_man P_man φ]^T$F=\left[\begin{array}{ccc}{f}_{11}& f_{12}& f_{13}\\ f_{21}& f_{22}& f_{23}\\ f_{31}& f_{32}& f_{33}\end{array}\right]$F为干扰项矩阵，同理F矩阵中的f_ij，i＝1,2,3，j＝1,2,3通过多元线性回归方法进行估计得到；利用BP神经网络建立一个黑箱模型对所述加入干扰因素的HCCI发动机线性模型误差进行修正，从而使预测的燃烧正时与实际的燃烧正时相近；该黑箱模型是以加入干扰因素的HCCI发动机线性模型预测得到的燃烧正时进气歧管温度T_man、进气歧管压力P_man和燃油当量比φ为输入，修正后的燃烧正时θ_CA50为输出的三层BP神经网络模型。