发动机喷射量的自学习方法和发动机喷射量的自学习装置制造方法及图纸

本申请提供了一种发动机喷射量的自学习方法和发动机喷射量的自学习装置，该方法包括：在发动机有发生爆震的风险的情况下，采用第一差值和第一步长对第一初始系数进行修正，得到第一学习系数；获取第二步长和第二初始系数，并采用第一学习系数和第二步长对第二初始系数进行修正，得到第二学习系数；获取发动机的喷射量，采用目标修正系数对喷射量进行修正；重复第一修正步骤

【技术实现步骤摘要】
发动机喷射量的自学习方法和发动机喷射量的自学习装置


[0001]本申请涉及发动机领域，具体而言，涉及一种发动机喷射量的自学习方法和发动机喷射量的自学习装置
。

技术介绍

[0002]氢发动机是一种使用氢气作为燃料的发动机，它将氢气与空气混合并点燃，产生能量驱动发动机运转
。
氢发动机可以通过燃烧氢气来产生动力，也可以通过将氢气与氧气反应以产生电力，然后使用电动机驱动车辆
。
过量空气系数
(
λ
)
是指实际空气与理论所需空气的比值，用于衡量发动机燃烧过程的富燃或贫燃程度
。
目前，氢发动机的爆震对
λ
的敏感度较高，但氧传感器在超稀燃
(
λ
值在2～
3)
状态的测量稳定性差，较小的泵电流波动会带来较大的
λ
测量波动，从而导致氢发动机难以使用氧传感器进行闭环控制的问题
。
[0003]因此，亟需一种方法可以解决发动机的过量空气系数的测量不稳定的问题
。

技术实现思路

[0004]本申请的主要目的在于提供一种发动机喷射量的自学习方法和发动机喷射量的自学习装置，以至少解决现有技术中发动机的过量空气系数的测量不稳定的问题
。
[0005]根据本申请的一方面，提供了一种发动机喷射量的自学习方法，包括：第一修正步骤，确定发动机是否有发生爆震的风险，在所述发动机有发生所述爆震的风险的情况下，获取第一步长以及第一初始系数，并采用第一差值和所述第一步长对所述第一初始系数进行修正，得到第一学习系数，其中，所述第一差值为第二差值与当前过量空气系数的差值，所述第二差值为目标过量空气系数与过量空气系数阈值的差值，所述当前过量空气系数为当前时刻测量得到的所述发动机排出的废气的过量空气系数，所述目标过量空气系数为预先设置的所述发动机排出的废气的过量空气系数的目标值，所述过量空气系数阈值为所述过量空气系数的极限值，所述第一步长为对所述发动机的喷射量进行第一自学习的步长，所述第一初始系数为预先设置的对所述发动机的喷射量进行所述第一自学习的系数；第二修正步骤，获取第二步长和第二初始系数，并采用所述第一学习系数和所述第二步长对所述第二初始系数进行修正，得到第二学习系数，其中，所述第二步长为对所述发动机的喷射量进行第二自学习的步长，所述第二初始系数为预先设置的对所述发动机的喷射量进行所述第二自学习的系数，所述第一自学习的速度大于所述第二自学习的速度，所述第一步长大于所述第二步长；第三修正步骤，获取所述发动机的喷射量，采用目标修正系数对所述喷射量进行修正，得到目标喷射量，其中，所述目标修正系数为所述第一学习系数与所述第二学习系数的乘积；重复所述第一修正步骤
、
所述第二修正步骤以及所述第三修正步骤至少一次，并在重复的过程中将所述第一修正步骤中的所述第一初始系数更新为上一次的重复过程中得到的所述第一修正步骤中的所述第一学习系数，将所述第二修正步骤中的所述第二初始系数更新为上一次的重复过程中得到的所述第二修正步骤中的所述第二学习系数，直到达到预设时间
。
[0006]可选地，确定发动机是否有发生爆震的风险，包括：获取所述当前过量空气系数
、
所述目标过量空气系数以及所述过量空气系数阈值；在所述当前过量空气系数小于所述第二差值的情况下，确定所述发动机有发生所述爆震的风险；在所述当前过量空气系数大于等于所述第二差值的情况下，确定所述发动机没有发生所述爆震的风险
。
[0007]可选地，获取所述过量空气系数阈值，包括：获取爆震点火推迟角与过量空气系数极限值的映射关系以及当前爆震点火推迟角，所述爆震点火推迟角为由爆震引发的点火提前角的推迟量；根据所述爆震点火推迟角与所述过量空气系数极限值的所述映射关系以及所述当前爆震点火推迟角，确定所述过量空气系数阈值
。
[0008]可选地，采用所述第二差值和所述第一步长对所述第一初始系数进行修正，得到第一学习系数，包括：根据公式
InjFacFast
＝
λ
Error
×
FastStep+InjFacFast
(z
‑
1)
，计算所述第一学习系数
InjFacFast
，其中，
λ
Error
为所述第二差值，
FastStep
为所述第一步长，
InjFacFast
(z
‑
1)
为所述第一初始系数
。
[0009]可选地，采用所述第一学习系数和所述第二步长对所述第二初始系数进行修正，得到第二学习系数，包括：根据公式
InjFacSlow
＝
SlowStep
×
(InjFacFast
‑
1)+InjFacSlow
(z
‑
1)
，计算所述第二学习系数
InjFacSlow
，其中，
SlowStep
为所述第二步长，
InjFacFast
为所述第一学习系数，
InjFacSlow
(z
‑
1)
为所述第二初始系数
。
[0010]可选地，采用所述目标修正系数对所述喷射量进行修正，得到目标喷射量，包括：计算所述目标修正系数与所述喷射量的乘积，得到所述目标喷射量
。
[0011]可选地，所述方法还包括：在所述发动机没有发生所述爆震的风险的情况下，采用所述第二步长对所述第一初始系数进行修正，得到所述第一学习系数；采用所述第二步长和所述第一初始系数，对所述第二初始系数进行修正，得到所述第二学习系数
。
[0012]可选地，采用所述第二步长对所述第一初始系数进行修正，得到所述第一学习系数，包括：根据公式
InjFacFast
＝
InjFacFast
(z
‑
1)
‑
SlowStep
×
InjFacFast
(z
‑
1)
，计算所述第一学习系数
InjFacFast
，其中，
InjFacFast
(z
‑
1)
为所述第一初始系数，
SlowStep
为所述第二步长
。
[0013]可选地，采用所述第二步长对所述第二初始系数进行修正，得到所述第二学习系数，包括：根据公式
InjFacSlow
＝
SlowStep
×
InjFacFast
(z
‑
1)
+InjFacSlow
(z
‑
1)
，计算所述第二学习系数
InjFac本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种发动机喷射量的自学习方法，其特征在于，包括：第一修正步骤，确定发动机是否有发生爆震的风险，在所述发动机有发生所述爆震的风险的情况下，获取第一步长以及第一初始系数，并采用第一差值和所述第一步长对所述第一初始系数进行修正，得到第一学习系数，其中，所述第一差值为第二差值与当前过量空气系数的差值，所述第二差值为目标过量空气系数与过量空气系数阈值的差值，所述当前过量空气系数为当前时刻测量得到的所述发动机排出的废气的过量空气系数，所述目标过量空气系数为预先设置的所述发动机排出的废气的过量空气系数的目标值，所述过量空气系数阈值为所述过量空气系数的极限值，所述第一步长为对所述发动机的喷射量进行第一自学习的步长，所述第一初始系数为预先设置的对所述发动机的喷射量进行所述第一自学习的系数；第二修正步骤，获取第二步长和第二初始系数，并采用所述第一学习系数和所述第二步长对所述第二初始系数进行修正，得到第二学习系数，其中，所述第二步长为对所述发动机的喷射量进行第二自学习的步长，所述第二初始系数为预先设置的对所述发动机的喷射量进行所述第二自学习的系数，所述第一自学习的速度大于所述第二自学习的速度，所述第一步长大于所述第二步长；第三修正步骤，获取所述发动机的喷射量，采用目标修正系数对所述喷射量进行修正，得到目标喷射量，其中，所述目标修正系数为所述第一学习系数与所述第二学习系数的乘积；重复所述第一修正步骤
、
所述第二修正步骤以及所述第三修正步骤至少一次，并在重复的过程中将所述第一修正步骤中的所述第一初始系数更新为上一次的重复过程中得到的所述第一修正步骤中的所述第一学习系数，将所述第二修正步骤中的所述第二初始系数更新为上一次的重复过程中得到的所述第二修正步骤中的所述第二学习系数，直到达到预设时间
。2.
根据权利要求1所述的方法，其特征在于，确定发动机是否有发生爆震的风险，包括：获取所述当前过量空气系数
、
所述目标过量空气系数以及所述过量空气系数阈值；在所述当前过量空气系数小于所述第二差值的情况下，确定所述发动机有发生所述爆震的风险；在所述当前过量空气系数大于等于所述第二差值的情况下，确定所述发动机没有发生所述爆震的风险
。3.
根据权利要求2所述的方法，其特征在于，获取所述过量空气系数阈值，包括：获取爆震点火推迟角与过量空气系数极限值的映射关系以及当前爆震点火推迟角，所述爆震点火推迟角为由爆震引发的点火提前角的推迟量；根据所述爆震点火推迟角与所述过量空气系数极限值的所述映射关系以及所述当前爆震点火推迟角，确定所述过量空气系数阈值
。4.
根据权利要求1所述的方法，其特征在于，采用第一差值和所述第一步长对所述第一初始系数进行修正，得到第一学习系数，包括：根据公式
InjFacFast
＝
λ
Error
×
FastStep+InjFacFast
(z
‑
1)
，计算所述第一学习系数
InjFacFast
，其中，
λ
Error
为所述第一差值，
FastStep
为所述第一步长，
InjFacFast
(z
‑
1)
为所述第一初始系数
。
5.
根据权利要求1所述的方法，其特征在于，采用所述第一学习系数和所述第二步长对所述第二初始系数进行修正，得到第二学习系数，包括：根据公式
InjFacSlow
＝
SlowStep
×
(InjFacFast
‑
1)+InjFacSlow
(z
‑
1)
，计算所述第二学习系数
InjFacSlow
，其中，
SlowStep
为所述第二步长，
InjFacFast
为所述第一学习系数，
InjFacSlow
(z
‑
1...

【专利技术属性】
技术研发人员：卫阳飞，杨新达，刘志鹏，孙文凯，
申请(专利权)人：潍柴动力股份有限公司，
类型：发明
国别省市：