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<sub>IVC</sub>变化的T<sub>SOC</sub>、P<sub>SOC</sub>、θ<sub>CA50</sub>的数据;所述T<sub>SOC</sub>、P<sub>SOC</sub>、θ<sub>CA50</sub>和θ<sub>IVC</sub>的含义分别为,HCCI发动机起燃时刻缸内气体温度T<sub>SOC</sub>、起燃时刻缸内气体压力P<sub>SOC</sub>和燃烧正时曲轴角θ<sub>CA50</sub>,进气门关闭正时曲轴角θ<sub>IVC</sub>;T<sub>SOC</sub>、P<sub>SOC</sub>和θ<sub>CA50</sub>作为HCCI发动机线性模型的状态变量,θ<sub>IVC</sub>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<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>T</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>P</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>θ</mi><mrow><mi>C</mi><mi>A</mi><mn>50</mn><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub></mtd></mtr></mtable></mfenced><mo>=</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>a</mi><mn>11</mn></msub></mtd><mtd><msub><mi>a</mi><mn>12</mn></msub></mtd><mtd><msub><mi>a</mi><mn>13</mn></msub></mtd></mtr><mtr><mtd><msub><mi>a</mi><mn>21</mn></msub></mtd><mtd><msub><mi>a</mi><mn>22</mn></msub></mtd><mtd><msub><mi>a</mi><mn>23</mn></msub></mtd></mtr><mtr><mtd><msub><mi>a</mi><mn>31</mn></msub></mtd><mtd><msub><mi>a</mi><mn>32</mn></msub></mtd><mtd><msub><mi>a</mi><mn>33</mn></msub></mtd></mtr></mtable></mfenced><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>T</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mi>k</mi></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>P</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mi>k</mi></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>θ</mi><mrow><mi>C</mi><mi>A</mi><mn>50</mn><mo>,</mo><mi>k</mi></mrow></msub></mtd></mtr></mtable></mfenced><mo>+</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>b</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>b</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><msub><mi>b</mi><mn>3</mn></msub></mtd></mtr></mtable></mfenced><msub><mi>θ</mi><mrow><mi>I</mi><mi>V</mi><mi>C</mi><mo>,</mo><mi>k</mi></mrow></msub></mrow>]]></math><img file="FDA0000788529450000011.GIF" wi="983" he="240" /></maths>根据已获得的θ<sub>IVC</sub>、T<sub>SOC</sub>、P<sub>SOC</sub>、θ<sub>CA50</sub>数据,利用多元线性回归的方法对参数a<sub>ij</sub>,b<sub>i</sub>,i=1,2,3,j=1,2,3进行估计,最终得到离散的状态方程x<sub>k+1</sub>=Ax<sub>k</sub>+Bu<sub>k</sub>其中x=[T<sub>SOC</sub> P<sub>SOC</sub> θ<sub>CA50</sub>]<sup>T</sup>u=[θ<sub>IVC</sub>]<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mfenced open = '[' close = ']'><mtable><mtr><mtd><mi>A</mi></mtd><mtd><mi>B</mi></mtd></mtr></mtable></mfenced><mo>=</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><msubsup><mi>H</mi><mn>1</mn><mi>T</mi></msubsup><mi>X</mi><msup><mo>(</mo><msup><mi>X</mi><mi>T</mi></msup><mi>X</mi><mo>)</mo><mrow><mo>-</mo><mi>T</mi></mrow></msup></mtd></mtr><mtr><mtd><mrow><msubsup><mi>H</mi><mn>2</mn><mi>T</mi></msubsup><mi>X</mi><msup><mrow><mo>(</mo><msup><mi>X</mi><mi>T</mi></msup><mi>X</mi><mo>)</mo></mrow><mrow><mo>-</mo><mi>T</mi></mrow></msup></mrow></mtd></mtr><mtr><mtd><mrow><msubsup><mi>H</mi><mn>3</mn><mi>T</mi></msubsup><mi>X</mi><msup><mrow><mo>(</mo><msup><mi>X</mi><mi>T</mi></msup><mi>X</mi><mo>)</mo></mrow><mrow><mo>-</mo><mi>T</mi></mrow></msup></mrow></mtd></mtr></mtable></mfenced><mo>=</mo><mi>H</mi><mi>X</mi><msup><mrow><mo>(</mo><msup><mi>X</mi><mi>T</mi></msup><mi>X</mi><mo>)</mo></mrow><mrow><mo>-</mo><mi>T</mi></mrow></msup></mrow>]]></math><img file="FDA0000788529450000012.GIF" wi="908" he="327" /></maths><maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mi>H</mi><mo>=</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>T</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mn>2</mn></mrow></msub></mtd><mtd><msub><mi>P</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mn>2</mn></mrow></msub></mtd><mtd><msub><mi>θ</mi><mrow><mi>C</mi><mi>A</mi><mn>50</mn><mo>,</mo><mn>2</mn></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>T</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mn>3</mn></mrow></msub></mtd><mtd><msub><mi>P</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mn>3</mn></mrow></msub></mtd><mtd><msub><mi>θ</mi><mrow><mi>C</mi><mi>A</mi><mn>50</mn><mo>,</mo><mn>3</mn></mrow></msub></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msub><mi>T</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mi>N</mi></mrow></msub></mtd><mtd><msub><mi>P</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mi>N</mi></mrow></msub></mtd><mtd><msub><mi>θ</mi><mrow><mi>C</mi><mi>A</mi><mn>50</mn><mo>,</mo><mi>N</mi></mrow></msub></mtd></mtr></mtable></mfenced></mrow>]]></math><img file="FDA0000788529450000013.GIF" wi="589" he="302" /></maths><maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><mi>X</mi><mo>=</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>T</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>P</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>θ</mi><mrow><mi>C</mi><mi>A</mi><mn>50</mn><mo>,</mo><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>θ</mi><mrow><mi>I</mi><mi>V</mi><mi>C</mi><mo>,</mo><mn>1</mn></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>T</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mn>2</mn></mrow></msub></mtd><mtd><msub><mi>P</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mn>2</mn></mrow></msub></mtd><mtd><msub><mi>θ</mi><mrow><mi>C</mi><mi>A</mi><mn>50</mn><mo>,</mo><mn>2</mn></mrow></msub></mtd><mtd><msub><mi>θ</mi><mrow><mi>I</mi><mi>V</mi><mi>C</mi><mo>,</mo><mn>2</mn></mrow></msub></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msub><mi>T</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>P</mi><mrow><mi>s</mi><mi>o</mi><mi>c</mi><mo>,</mo><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>θ</mi><mrow><mi>C</mi><mi>A</mi><mn>50</mn><mo>,</mo><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>θ</mi><mrow><mi>I</mi><mi>V</mi><mi>C</mi><mo>,</mo><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub></mtd></mtr></mtable></mfenced></mrow>]]></math><img file="FDA0000788529450000014.GIF" wi="858" he="308" /></maths>其中A为系统矩阵,B为输入矩阵;将进气歧管温度T<sub>man</sub>、进气歧管压力P<sub>man</sub>、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<sub>k+1</sub>=Ax<sub>k</sub>+Bu<sub>k</sub>+Fw其中w=[T<sub>man</sub> P<sub>man</sub> φ]<sup>T</sup><maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><mi>F</mi><mo>=</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>f</mi><mn>11</mn></msub></mtd><mtd><msub><mi>f</mi><mn>12</mn></msub></mtd><mtd><msub><mi>f</mi><mn>13</mn></msub></mtd></mtr><mtr><mtd><msub><mi>f</mi><mn>21</mn></msub></mtd><mtd><msub><mi>f</mi><mn>22</mn></msub></mtd><mtd><msub><mi>f</mi><mn>23</mn></msub></mtd></mtr><mtr><mtd><msub><mi>f</mi><mn>31</mn></msub></mtd><mtd><msub><mi>f</mi><mn>32</mn></msub></mtd><mtd><msub><mi>f</mi><mn>33</mn></msub></mtd></mtr></mtable></mfenced></mrow>]]></math><img file="FDA0000788529450000015.GIF" wi="426" he="233" /></maths>F为干扰项矩阵,同理F矩阵中的f<sub>ij</sub>,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<img file="FDA0000788529450000021.GIF" wi="135" he="75" />进气歧管温度T<sub>man</sub>、进气歧管压力P<sub>man</sub>和燃油当量比φ为输入,修正后的燃烧正时θ<sub>CA50</sub>为输出的三层BP神经网络模型。 |