基于BP神经网络的HCCI发动机点火正时自适应PID控制方法技术

本发明专利技术公开了一种基于BP神经网络的HCCI发动机点火正时自适应PID控制方法，涉及汽车电子控制技术领域。该方法通过控制排气门关闭角度θEVC和进气门开启角度θIVO来实现负阀重叠(NVO)，进而控制HCCI的点火正时，使其燃料燃烧50％时的曲轴转角θCA50在上止点前(bTDC)3°～8°。该控制器的结构采用PID形式，其中，PID的参数由BP神经网络进行自适应调节并提供。BP神经网络的输入为期望θCA50和实际θCA50的误差e和误差变化率输出为kp、ki和kd三个控制参数。通过调节控制参数，本发明专利技术所提方法能够很好地克服系统运行中出现的扰动、参数时变及其他不确定因素等问题，因此，具有更强的抗干扰能力和更好的鲁棒性，控制效果更佳。

【技术实现步骤摘要】
基于BP神经网络的HCCI发动机点火正时自适应PID控制方法
本专利技术涉及汽车电子控制领域，具体是一种HCCI发动机点火正时控制方法。该方法是基于BP神经网络的自适应PID控制方法。
技术介绍
环境问题和能源问题是新世纪人类面临的两个主要问题。空气污染问题是环境问题中最为严重的一个方面。在所有造成空气污染的因素中，汽车尾气的影响十分重要。据统计，汽车尾气中所含污染物占了空气总污染物的四分之一以上[1]。尾气中所含的CO、HC、NOX以及PM等，会严重影响人们的身体健康。与此同时，汽车还是造成全球能源危机的重要源头。据估计，石油产品中，几乎所有的汽油以及一半左右的柴油都是被汽车所消耗的[2]。因此，国际社会针对汽车的排放和消耗制定了诸多标准。面对这些日益苛刻的标准，内燃机行业急需一种新型的燃烧技术来降低排放和燃油消耗。均质充气压缩点燃(HCCI)技术为解决这种需求带来了希望。不同于传统的汽油机和柴油机，HCCI技术的运行机制为：在发动机充气过程喷入燃油，以使燃油和空气充分混合，并在压缩冲程依靠发动机缸内的高温和高压使燃料和空气的混合物发生自燃。HCCI技术具有较低的燃烧峰值温度，因此NOX排放较少[3]。其均质特性和稀薄燃烧特性还可以减少PM的排放[4]。此外，HCCI技术可在无节气门的状态下运行，因此，可以很大程度地减小发动机的泵气损失[5]，有效提高燃油效率[6]。如附图1所示，尽管HCCI具有上述优势，但要将其真正应用于实际中，还存在诸多问题需要解决。其中，HCCI发动机的点火正时控制是最具挑战性的问题[7]。区别于传统的汽油机依靠火花点火和柴油机依靠喷油时刻点火的方式，HCCI发动机没有直接的点燃机制，其燃烧完全依赖于缸内气体的化学动力学[8]。由于决定缸内化学动力学的主要因素是发动机进气门关闭时刻(IVC)缸内混合气的条件，即温度、成分和压力，因此，控制HCCI点火正时的关键在于控制IVC时刻的温度、成分和压力，特别是前两个因素。目前用于HCCI发动机点火正时控制的策略主要有以下几种：可变压缩比[9]、直接进气加热[10]、双燃料[11]，以及废气再循环策略(EGR)。可变压缩比系统较为复杂，而且在实际中实时改变压缩比是一个极具挑战性的问题。直接进气加热需要额外的能量去加热进气，并且，相对于发动机循环来说，响应太慢。使用双燃料策略可以改变混合气的自燃特性，进而改变点火正时，但是增大了系统的复杂性。EGR策略将燃烧后的废气重新引入气缸，不仅达到了稀释目的，而且能够利用废气的热量加热新鲜气体，使其更容易自燃，因此，是实现HCCI燃烧的一种有效方法。EGR策略包括外部废气再循环(eEGR)和内部废气再循环(iEGR)两种。相比于eEGR策略，iEGR策略具有热量损失更小，循环间响应更快的优点。目前，利用可变气门正时(VVT)实现iEGR，被普遍认为是控制HCCI点火正时最可行的方法[12]。近年来，国内外许多学者已经利用VVT，通过控制负阀重叠(NVO)实现iEGR，达到了控制HCCI点火正时的目的。文献[13]借助于仿真和实验的手段，利用固定参数的PID控制器，通过改变NVO，实现了对HCCI点火正时的控制。文献[14]同样采用NVO策略来控制点火正时，不同点在于，它首先建立了HCCI的燃烧模型，并在该模型的基础上，设计了反馈线性化控制器。遗憾的是，在采用控制策略控制之前，必须通过仿真得到关于气门正时和残余废气比重之间的Map图，并且，随着发动机工况的变化，需要再次通过仿真得到相应工况下的Map图。这极大地增大了控制算法的复杂性，阻碍了其在实际中的应用。基于此，文献[8]和[15]对[14]中的模型做了改进，给出了气门正时与残余废气比重之间的关系式，并利用固定参数的PID控制器实现了HCCI发动机点火正时的控制。需要指出的是，文献[8]和[15]中所用的气门正时和残余废气比重之间的关系式是在气门存在正重叠(PVO)的情况下得到的，严格来说，并不适用于NVO策略下的HCCI燃烧模型。值得注意的是，上述一些文献在利用PID控制方法设计HCCI发动机点火正时控制器时，控制器参数不具备自适应性，从而使HCCI点火正时控制效果达不到最优。因此，针对目前通过VVT控制HCCI点火正时方面存在的问题，仍然需要一种性能良好的控制器来实现更好的控制效果。
技术实现思路
实际中，HCCI发动机在运行时会面临各种各样的扰动。发动机的某些参数也会随着运行时间及运行工况发生变化。这些扰动、时变参数以及其他不确定因素给HCCI点火正时控制器的设计带来了一定难度。针对此类问题，本专利技术提出一种基于BP神经网络的HCCI发动机点火正时自适应PID控制方法。该方法具备很强的参数自适应能力，因此，抗干扰能力强、鲁棒性好，能够在存在不确定因素的情况下始终保持良好的点火正时控制性能。本专利技术所述基于BP神经网络的HCCI发动机点火正时自适应PID控制方法，通过控制θEVC和θIVO，调节缸内残余废气和新鲜气体质量的比例，进而调节缸内混合气的温度，以实现将被控量θCA50控制在上止点前(bTDC)3°～8°。为解决现有技术中存在的问题本专利技术采用的技术方案是：建立HCCI发动机点火正时模型，该模型的输入量为排气门关闭角度θEVC和进气门开启角度θIVO，输出量为缸内燃料燃烧50％时的曲轴转角θCA50；PID控制器控制θCA50保持在上止点前3°～8°；所述PID控制器的参数由BP神经网络进行自适应调节后的输出提供。HCCI发动机点火正时模型的表示为TIVC(k)＝F(TIVC(k-1),θIVO(k-1),θEVC(k-1))θCA50(k)＝G(TIVC(k))其中，F和G均为非线性函数。所述PID控制器的表达式为：△u(k)＝kp(e(k)-e(k-1))+kie(k)+kd(e(k)-2e(k-1)+e(k-2))其中，e(k)、e(k-1)和e(k-2)分别为第k循环、第k-1循环和第k-2循环的期望θCA50和实际θCA50之间的误差，kp、ki和kd为PID控制器参数，△u(k)为控制量的增量。所述BP神经网络包括输入层、隐含层和输出层，其中输入层包含2个节点，隐含层包含5个节点，输出层包含3个节点；输入为e和，输出为控制器参数kp、ki和kd，e为期望θCA50和实际θCA50之间的误差，为误差变化率。所述BP神经网络采用梯度下降法对网络的权值进行修正，所依据的性能指标函数为：所述BP神经网络的隐含层的激活函数为Sigmoid函数，具体为所述BP神经网络的输出层的激活函数具体为本专利技术的优点在于：1.本专利技术所采用的PID形式的控制器，结构简单，计算方便，易于在实际中实现。2.本专利技术所用PID控制器的控制参数由BP神经网络进行自适应调节。通过调节控制器参数，该控制器能有效地应对系统运行中出现的各种不确定因素，因此，具备更强的抗干扰能力和更好的鲁棒性，控制效果更好。附图说明图1为现有技术中HCCI的优点缺点及存在的问题；图2为本专利技术的控制原理框图；图3为本专利技术中BP神经网络结构示意图。具体实施方式下面结合附图对本专利技术进行详细描述。1)模型说明本专利技术所提控制方法是在HCCI发动机的平均值模型基础上建立的，具体模型如下所述。模型的本文档来自技高网...

【技术保护点】
基于BP神经网络的HCCI发动机点火正时自适应PID控制方法，其特征在于：建立HCCI发动机点火正时模型，该模型的输入量为排气门关闭角度θEVC和进气门开启角度θIVO，输出量为缸内燃料燃烧50％时的曲轴转角θCA50；PID控制器控制θCA50保持在上止点前3°～8°；所述PID控制器的参数由BP神经网络进行自适应调节后的输出提供。

【技术特征摘要】
1.基于BP神经网络的HCCI发动机点火正时自适应PID控制方法，其特征在于：建立HCCI发动机点火正时模型，该模型的输入量为排气门关闭角度θEVC和进气门开启角度θIVO，输出量为缸内燃料燃烧50％时的曲轴转角θCA50；PID控制器控制θCA50保持在上止点前3°～8°；所述PID控制器的参数由BP神经网络进行自适应调节后的输出提供；所述BP神经网络包括输入层、隐含层和输出层，其中输入层包含2个节点，隐含层包含5个节点，输出层包含3个节点；输入为e和输出为控制器参数kp、ki和kd，e为期望θCA50和实际θCA50之间的误差，为误差变化率。2.根据权利要求1所述基于BP神经网络的HCCI发动机点火正时自适应PID控制方法，其特征在于：所述PID控制器的表达式为：△u(k)＝kp(e(k)-e(k-1))+kie(k)+kd(e(k)-2e(k-1)+e(k-2))...

【专利技术属性】
技术研发人员：郑太雄，李玲，杨新琴，杨斌，蒋肖，陈瑶，潘松，陶炬，徐浩，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85