内燃发动机平均值模型的辨识方法技术

本发明专利技术涉及内燃发动机平均值模型的辨识方法，更具体地一种用于辨识具有一组方程和限定模型有效性的适当约束的平均值模型的系统或方法。可利用一个模型来设计用于发动机系统的算法，采集检测的数据，基于模型和数据而优化控制参数，并且提供发动机系统的控制。可对这些过程进行重新迭代从而更新发动机系统的控制。

Identification method of mean value model of internal combustion engine

The invention relates to a method for identifying an average value model of an internal combustion engine, and more particularly to a system or method for identifying an average value model with a set of equations and an appropriate constraint on the validity of the model. A model can be used to design the algorithm for the engine system, collect the detected data, optimize the control parameters based on the model and data, and provide the control of the engine system. These processes can be iterated to update the control of the engine system.

【技术实现步骤摘要】

技术介绍
本公开是关于发动机的建模、分析和控制。
技术实现思路
本公开揭示了一种利用一组方程和限定模型有效性的适当约束来辨识平均值模型的系统或方法。可利用模型来设计用于发动机系统的算法、采集被检测的数据、基于该模型和数据而优化控制参数、以及提供发动机系统的控制。可对这些过程重新迭代以更新发动机系统的控制。附图说明图1是涡轮增压柴油发动机结构的图示；图2是显示更多信息的涡轮增压柴油发动机结构的图示；图3是总体系统布置的图示；图4是算法流程图的图示；图5是具有两个状态变量及一个线性主动约束、一个自由变量的情况的图示。具体实施方式在本文中所描述和/或图示的一个实施例中，本专利技术的系统和方法可包括一个或多个处理器、计算机、控制器、用户界面、无线和/或有线连接等。本说明书可提供一个或多个说明性的和具体的实例或者本专利技术系统和方法的实施方案。可存在许多其它实例或者本专利技术系统和方法的实施方案。可注意到平均值模型。内燃发动机的平均值模型可描述流动经过发动机的物质的化学和热力学过程。特别地对于发动机的实时最优控制，尤其是排放控制，这种模型是有用的。该模型可预测控制参数的变化的效果，包括效果随时间的演化。该模型可用于优化控制参数从而实现在稳态中和在瞬态中的最优性。为了这种目的，可设想出一种快速可靠的模型辨识方法。本文中所描述的这些数值方法可被开发用于改进在这方面的辨识方法。平均值模型与曲轴转角分辨模型的不同之处在于发动机质量流量是在独立于曲轴转角的情况下而实现。当代表在一个固定工作点的未受控制的发动机时，特别是在恒定的速度和负荷并且所有外部条件不变的情况下，该平均值模型可利用等效的常数值来近似质量流量、压力等。相反，曲轴转角分辨模型也涉及到进气阀和排气阀的开启和闭合以及经过进气口和排气口的非平稳质量流量。在一个固定的工作点，曲轴转角分辨模型可预测周期性的流量、压力等。因此，平均值模型可足以对控制参数进行优化，这些控制参数未必需要在一次曲轴旋转中进行调节相反被缓慢地适应使得它们的值在一次旋转中没有显著变化。平均值模型的有效性可始终限于特定的工作状态。作为一个例子，如果经过模型元件的质量流量的方向发生变化，那么这种平均值模型未必代表发动机物理特征。许多这种约束可表示为关于模型内部状态的简单不等式，例如在一个点处的压力必须高于（低于）在其它点处的压力。该算法的一个目的是执行关于稳态数据的模型辨识使得该模型产生与测量值相似的输出值，与此同时模型信号是在其有效性的范围内。这避免了用无意义模型拟合数据的常见问题。在该方法中，模型有效性可相当于满足用于模型内部状态“x”的线性不等式约束“Ax<=b”。这种状态可被称为是可行的。图4中示出了算法流程图。该流程图可使用逻辑矩阵L1和L2，这些逻辑矩阵可以被表示为具有与问题所具有的“x”约束同样多的行和与数据中的单独工作点同样多的列的逻辑矩阵。值特征可包括：（1）逻辑矩阵L1中的一个真值可表示在该工作点中的相应约束的活动；和（2）在逻辑矩阵L2中的一个真值可表明可以在下一次迭代中对该约束活动进行转换。逻辑矩阵L1和L2可用于以高效率的方式组织计算。辨识过程包括：（1）搜索给定参数的可行向量状态的内部优化；（2）基于来自在所有稳态数据点的内部优化的信息而更新模型参数的外部优化。该过程开始于仅一次求解内部优化从而获得初始可行点。然后，可通过迭代地执行相当于有效集（active set）方法的过程而求解外部优化。仅对需要改变约束活动的工作点进行更新。可在流程图中示出本专利技术方法的优点。尽管可在模型参数的优化期间限制模型状态，但优化法分别仅优化在各工作点处的参数（在外部）或者仅优化固定参数的模型状态（在内部）。因此，在任意点未必解决了高维优化问题。然而，低维优化会需要进行许多次求解，而且线性约束的次数会较高。由于这个原因，可高效率地处理这种情况的二次规划方法可以用于执行外部优化。图4中的图示的算法可求解与非线性辨识问题相关的成本函数的二次近似。当基于来自前一次迭代的结果对近似进行更新时，可迭代地重复该算法。更新可代表未必在图示中可见的一个附加的迭代循环。在这种应用中，最初的方框“开始于初始模型参数”可变为“开始于来自前一次迭代的参数”。图4的流程图10可在符号11处的开始于初始模型参数而开始。在符号12，下一步骤可以是对用于实际上确定对状态的主动约束的所有稳态工作点的可行状态模型向量“x”进行优化，即，确定逻辑矩阵L1。符号12的步骤可解决内部优化问题。在符号13，可将逻辑矩阵L2全部初始化为“真”。在符号14，可用L2列中的任何真元素在各工作点进行迭代。就一个工作点而言，在符号15，可利用方程（16）将L1列中的有效集转换成对参数的相应约束。在符号16，仅利用方程（15）将在工作点处的对成本函数的贡献表示为参数的函数。然后，在符号17，可对与涉及到实际上对参数的所有约束的方程（10）的R(k)的和有关的模型参数进行优化。主动约束可定义L2元素。符号17的步骤可解决外部优化问题。在符号18，可询问任何L2元素是否为真的问题。如果回答为“否”，那么可认为建立了一个解，并且过程可在符号19终止。如果回答为“是”，那么在符号20可将与L2矩阵中的真值相对应的L1元素求逆（invert）。然后，作为迭代循环，可重复符号14至18的操作。可存在当近似是基于来自前一次迭代的结果时可重复的循环的另一次迭代。这种过程被称作顺序优化。对迭代循环的更新可开始于符号11，这可以被重新表述为“开始于来自前一次迭代的参数”，如本文中所述。图1是涡轮增压柴油发动机结构25的图示。该平均值模型可由类似于是发动机结构的近似的图1的结构而图形地表示。就各种发动机架构而言，该结构可略有不同，并且辨识算法将需要涵盖实际上所有的结构。该图示可将主要热力学过程组合成近似实际过程的理想化部件。例如，冷却器、中间冷却器26或其它冷却器可以是理想化部件，其中只在流动的气体与它们的环境（冷却液）之间发生热传递。相反，受控制的阀27、34或多个阀可使绝热压力变化模型化（即，在没有热的增加或损失的情况下发生），该绝热压力变化可以通过改变阀门开度而加以控制。压缩机28和涡轮29可以是由共同的旋转轴31而联接的两个部件。压缩机28可将进气加压。涡轮29通常可具有通过使一部分的排气旁通经过排气门27到达点36而加入到来自涡轮29的排气中以便从系统中排出、或者控制长宽比（aspect ratio）（即，具有涡轮叶片位置控制的可变几何涡轮增压器）而控制涡轮功率的参数。来自压缩机28的增压空气可经过冷却器26和混合点32到达内燃发动机33。混合点32也可经由阀34和冷却器35而接收再循环的发动机排气（EGR）。来自发动机33的排气可流动经过分流器30，该分流器30将排气划分至涡轮29和阀34，但未必以50/50的方式进行划分。在图1的图示中所揭示的本专利技术系统或方法中的部件可在各种构造中重新布置或连接。可将各部件添加到该系统或方法中或者从其中除去。根据图1的图示所揭示部件的构造是（除了其它情况）本专利技术系统或方法的一个例子或者说明性实例。图2是显示更多信息的涡轮增压柴油发动机结构25的图示。可用模型代表发动机结构25及其部件。来自周围环境41的空气可以是压本文档来自技高网...

【技术保护点】
一种用于发动机系统的建模机构，包括：连接到发动机系统的发动机控制模块；和代表所述发动机系统的模型；并且其中，所述发动机系统包括：发动机；连接到所述发动机控制模块的所述发动机的致动器和传感器；具有输出的涡轮增压器，所述输出连接到所述发动机的输入；和具有输入的后处理装置，所述输入连接到所述发动机的输出；代表所述发动机系统的所述模型位于所述发动机控制模块中；代表所述发动机系统的所述模型是使用方程和约束的平均值模型；并且所述约束确保防止使用被代表的所述发动机系统容许的范围之外的值对所述模型的该方程中的模型有效性进行评价。

【技术特征摘要】
2015.05.06 EP 15166671.61.一种用于发动机系统的建模机构，包括：连接到发动机系统的发动机控制模块；和代表所述发动机系统的模型；并且其中，所述发动机系统包括：发动机；连接到所述发动机控制模块的所述发动机的致动器和传感器；具有输出的涡轮增压器，所述输出连接到所述发动机的输入；和具有输入的后处理装置，所述输入连接到所述发动机的输出；代表所述发动机系统的所述模型位于所述发动机控制模块中；代表所述发动机系统的所述模型是使用方程和约束的平均值模型；并且所述约束确保防止使用被代表的所述发动机系统容许的范围之外的值对所述模型的该方程中的模型有效性进行评价。2.如权利要求1所述的机构，其中，代表处于稳态中的所述发动机的所述模型包括由分别代表内部状态变量、外生变量、模型输出和模型参数的项、u、和θ所组成的一个或多个方程；并且所述一个或多个方程包括。3.如权利要求2所述的机构，其中，所述模型的辨识被表示为用于所观测到的输入值和输出值的最小二乘法优化；并且所述最小二乘优化是由所约束，其中，表示f是用于k的序列。4.如权利要求3所述的机构，其中，所述发动机控制模块接收基于所述模型进行处理的来自所述发动机系统的所述传感器的数据；并且所述发动机控制模块将基于所述模型而优化的信号发送给所述发动机系统的所述致动器。5.如权利要求4所述的机构，其中，所述发动机控制模块提供所述发动机系统的实时控制。6.一种用于与发动机系统的平均值模型的非线性辨识有关的成本函数的近似方法，所述方法包括：选择用于发动机系统的初始模型参数；和对稳态工作点的状态模型向量进行优化，其确定对状态的主动约束，亦即确定元素的第一逻辑矩阵；并且其中第一逻辑矩阵具有与状态模型向量约束的数量同样多的行及与数据中的单独工作点的数量同样多的列。7.如权利要求6所述的方法，还包括：将元素的第二逻辑矩阵实际上全部初始化为真；并且其中所述第二逻辑矩阵具有与状态模型向量约束的数量同样多的行及与所述数据中的单独工作点的数量同样多的列。8.如权利要求7所述的方法，还包括：用所述第二...

【专利技术属性】
技术研发人员：D帕赫纳，
申请(专利权)人：霍尼韦尔国际公司，
类型：发明
国别省市：美国;US