一种氮氧传感器泵单元自适应控制系统技术方案

本发明专利技术涉及控制系统领域，尤其是一种氮氧传感器泵单元自适应控制系统。该控制系统包括一个用于控制受控对象的PID控制器和一个用于自适应调节PID参数的BP神经网络。该发明专利技术通过在传统PID控制的基础上引入了神经网络算法，增强控制系统的适应性与鲁棒性，以提高泵单元的控制性能。的控制性能。的控制性能。

【技术实现步骤摘要】
一种氮氧传感器泵单元自适应控制系统


[0001]本专利技术涉及控制系统领域，尤其是一种氮氧传感器泵单元自适应控制系统。

技术介绍

[0002]近年来，随着经济的不断发展和人民生活水平的提高，中国汽车保有量持续上升，增幅保持在10%以上，截至2020年底，中国机动车保有量已经突破3.72亿辆。来自汽车排放的尾气污染是大气污染的主要来源，占大气污染成分的六成以上。其中，以NO与NO2为主的氮氧化物是一种褐色的、有刺激性气味的有害气体，虽然在汽车尾气中含量不算很高，但其毒性很大，为含硫氧化物的3倍左右，是形成光化学烟雾和酸雨的重要原因之一。随着国五国六和欧洲最新排放标准的出台，传统的车用氧传感器只能完成标准要求的氧测量功能，却无法完成废气中氮氧化物的检测要求。
[0003]目前，汽车市场上常用三类氧传感器进行尾气气氛检测，一是无需控制回路的单腔室四线氧传感器，二是单闭环反馈控制的双腔室五线氧传感器，三是复杂三腔室结构的氮氧传感器。前二者的研究相对比较成熟，而氮氧传感器的成果主要集中在加热系统设计和单泵单元的控制，对于其三腔室泵单元控制的描述较少。由于气体从第一腔室向第二腔室流通，主泵单元对后两个泵单元影响较大，而后两个泵单元对主泵单元影响非常小，因此对主泵单元的控制至关重要。目前，对于氮氧传感器主泵单元的控制以PID控制为主，传统的PID控制器凭借其算法简单、易于实现且可靠性高的优势，在工业控制系统中得到了十分广泛的应用，但对于氮氧传感器这种复杂的时变系统，传统PID控制性能往往会受到影响。

技术实现思路
<br/>[0004]为了克服现有的控制系统的控制性能较低的不足，本专利技术提供了一种氮氧传感器泵单元自适应控制系统。
[0005]本专利技术解决其技术问题所采用的技术方案是：一种氮氧传感器泵单元自适应控制系统，包括一个用于控制受控对象的PID控制器和一个用于自适应调节PID参数的BP神经网络。
[0006]根据本专利技术的另一个实施例，进一步包括所述PID控制器为经典增量式PID控制器，PID控制器的表达式为：；其中为PID控制器的比例，为PID控制器的积分，为PID控制器的微分系数，e(k)为k时刻系统输出的期望值与实际值之间的误差，为当前采样时刻的控制增量。
[0007]根据本专利技术的另一个实施例，进一步包括所述BP神经网络是有隐含层的三层前馈网络，包括输入层、隐含层和输出层；BP神经网络输出层的三个输出分别与PID控制器的三
个参数、和对应。
[0008]根据本专利技术的另一个实施例，进一步包括所述隐含层激活函数为双曲正切函数，隐含层激活函数的表达式为：；输出层激活函数的表达式为：。
[0009]本专利技术的有益效果是，该专利技术通过在传统PID控制的基础上引入了神经网络算法，增强控制系统的适应性与鲁棒性，以提高泵单元的控制性能。
附图说明
[0010]下面结合附图和实施例对本专利技术进一步说明。
[0011]图1是本专利技术的框架图；图2是本专利技术的BP神经网络的结构图；图3是本专利技术的氮氧传感器主泵单元控制示意图；图4是本专利技术的氮氧传感器内部结构图。
具体实施方式
[0012]图1是本专利技术的框架图； 图2是本专利技术的BP神经网络的结构图；图3是本专利技术的氮氧传感器主泵单元控制示意图；图4是本专利技术的氮氧传感器内部结构图。
[0013]一种氮氧传感器泵单元自适应控制系统，包括一个用于控制受控对象的PID控制器和一个用于自适应调节PID参数的BP神经网络。
[0014]PID控制器为经典增量式PID控制器，PID控制器的表达式为：；其中为PID控制器的比例，为PID控制器的积分，为PID控制器的微分系数，e(k)为k时刻系统输出的期望值与实际值之间的误差，为当前采样时刻的控制增量。
[0015]BP神经网络是有隐含层的三层前馈网络，包括输入层、隐含层和输出层；BP神经网络输出层的三个输出分别与PID控制器的三个参数、和对应。
[0016]隐含层激活函数为双曲正切函数，隐含层激活函数的表达式为：；输出层激活函数的表达式为：
。
[0017]如附图4所示，V0、V1和V2为三路Nernst电压，Vp0、Vp1和Vp2为泵电压分别为主泵、副泵、测量泵的泵电压，用于泵入泵出气腔中的氧气，大量的氧气在主泵中泵出，少许残留的氧气在副泵中泵出，一氧化氮分解产生的氧气在测量泵中泵出。通过建立主泵、副泵、测量泵所产生电流Ip0、Ip1和Ip2同氧气、氮氧化物浓度的关系曲线，就可通过测量电流的大小测量相应气体在尾气中的浓度。由于氮氧传感器第一腔室与第二腔室通过狭缝连接，使得位于第一腔室的主泵单元与位于第二腔室的副泵和测量泵单元间存在一定的影响关系，通过实验和分析可知，由于气体从第一腔室向第二腔室流通，主泵单元对后两个泵单元影响较大，而后两个泵单元对主泵单元影响非常小，因此对主泵单元的控制至关重要。
[0018]如附图3所示，控制流程为通过PID控制，调节主泵电压Vp0使Ip1稳定在7uA左右，并输出副泵单元能斯特电压V1控制使能信号。
[0019]主泵单元控制采用PID控制，传统的PID控制器凭借其算法简单、易于实现且可靠性高的优势，在工业控制系统中得到了十分广泛的应用。但为了避免其可能存在的参数整定不良，以及难以适应氮氧传感器系统的时变特性等问题，在传统PID控制的基础上引入了神经网络算法，增强控制系统的适应性与鲁棒性，以提高泵单元控制性能。
[0020]如附图1所示，该系统主要由两部分组成，即一个经典增量式PID控制器与一个BP神经网络。该控制系统可以通过神经网络的学习对加权系数的调整，找到某一最优控制规律下的P、I、D参数，并将自整定得到的作用于PID控制器，再由PID控制器对被控对象进行过程闭环控制。
[0021]经典增量式PID的表达式为：其中K
p
、K
i
、K
d
分别为PID控制器的比例、积分、微分系数，e(k)为k时刻系统输出的期望值与实际值之间的误差，ΔU(k)为当前采样时刻的控制增量。
[0022]如附图2所示，BP神经网络是一种有隐含层的三层前馈网络，包括输入层、隐含层和输出层，图中及下文公式中角标(0)、(1)、(2)分别表示神经网络的输入层、隐含层与输出层。BP神经网络输出层的三个输出分别与PID控制器的三个参数K
p
、K
i
和K
d
对应。
[0023]在k时刻，BP神经网络输入为（n为输入变量个数）：隐含层输入输出为(q为隐含层节点数)：隐含层输入输出为(q为隐含层节点数)：
上式中，为隐含层加权系数，f(x)为激活函数，取双曲正切函数，即输出层输入输出为（m为输出层节点数）：输出层输入输出为（m为输出层节点数）：上式中，为隐含层加权系数f(x)为激活函数，即BP神经网络的输出为PID的三个参数，即有BP神经网络的输出为PID的三个参数，即有BP神经网络的输出为PID的三个参数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种氮氧传感器泵单元自适应控制系统，其特征是，包括一个用于控制受控对象的PID控制器和一个用于自适应调节PID参数的BP神经网络。2.根据权利要求1所述的一种氮氧传感器泵单元自适应控制系统，其特征是，所述PID控制器为经典增量式PID控制器，PID控制器的表达式为：；其中为PID控制器的比例，为PID控制器的积分，为PID控制器的微分系数，e(k)为k时刻系统输出的期望值与实际值之间的误差，为当...

【专利技术属性】
技术研发人员：李曦，汪振，曹昱洋，朱仁杰，王杰，
申请(专利权)人：江苏精瓷智能传感技术研究院有限公司，
类型：发明
国别省市：