System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于发动机控,尤其涉及一种考虑不同工况的发动机控制方法及系统。
技术介绍
1、发动机的配气相位机构负责向气缸提供汽油或柴油燃烧做功所必须的新鲜空气,并将燃烧后的废气排出,从工作原理上讲,配气相位机构的主要功能是按照一定的规律实现来开启和关闭各个气缸的进、排气门,从而实现发动机气缸换气补给的整个过程。
2、专利技术人发现,传统发动机使用固定式配气机构,配气相位兼顾发动机的各种工况,进而使得气门正时和升程都是固定的,发动机的配气相位不能根据发动机的工况而改变,因此很难顾及到发动机在不同转速工况时的工作需求;固定式配气机构使得气门的控制精度较低,无法满足发动机不同工况的需求。
技术实现思路
1、本专利技术为了解决上述问题,提出了一种考虑不同工况的发动机控制方法及系统,本专利技术实现了根据发动机工况改变而进行配气相位控制的目的,并且将发动机工况进行量化,实现了进气量和喷油量的精确控制。
2、为了实现上述目的,本专利技术是通过如下的技术方案来实现:
3、第一方面,本专利技术提供了一种考虑不同工况的发动机控制方法,包括:
4、获取发动机的功率和油耗,以及获取发动机的进气流量、转速和空燃比;
5、根据获取的功率和油耗,利用预设的发动机工况预测模型,确定发动机的工况;
6、根据确定的发动机工况,以及获取的进气流量、转速和空燃比,利用预设的发动机控制模型,得到需要控制的进气量和喷油量;
7、其中,所述发动机
8、进一步的,所述发动机工况预测模型采用bp神经网络,根据设定的最大神经元数量逐个增加神经元,使训练误差逐渐减小,直到误差小于容限,确定bp神经网络的最优参数,获得训练好的bp神经网络。
9、进一步的,以发动机输出扭矩作为发动机工况。
10、进一步的,按照预设的数值范围,将预测得到的发动机输出扭矩进行分类。
11、进一步的,发动机控制模型为:
12、
13、其中,y代表进气量;z代表喷油量;代表进气流量;η代表转速;ω代表空燃比;λ代表发动机输出扭矩;a、b、c、d、e、f、g和h均代表系数。
14、进一步的,采用最小二乘法对多项式回归计算模型求解;具体的,以实际值和拟合值的差的绝对值最小为目标,求解模型中自变量的各待定系数和常系数,自变量的各待定系数和常系数确定之后,得到发动机控制模型。
15、进一步的,通过控制步进电机的转动角度实现控制进气门的升程和正时;同时通过控制电子节气门的位置、电子节气门位置反馈电压和进气压力实现控制发动机的喷油量。
16、第二方面,本专利技术还提供了一种考虑不同工况的发动机控制系统,包括:
17、一种考虑不同工况的发动机控制系统,包括:
18、数据采集模块,被配置为:获取发动机的功率和油耗,以及获取发动机的进气流量、转速和空燃比;
19、发动机工况预测模块,被配置为:根据获取的功率和油耗,利用预设的发动机工况预测模型,确定发动机的工况;
20、控制模块,被配置为:根据确定的发动机工况,以及获取的进气流量、转速和空燃比,利用预设的发动机控制模型,得到需要控制的进气量和喷油量;
21、其中,所述发动机工况预测模型为神经网络模型,神经网络模型根据当前时刻获取的发动机功率和油耗,按照等级量化的方式预测得到下一时刻的发动机工况;所述发动机控制模型为基于多项式回归计算模型,确定多项式回归计算模型中的系数时,考虑发动机工况。
22、第三方面,本专利技术还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现了第一方面所述的考虑不同工况的发动机控制方法的步骤。
23、第四方面,本专利技术还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现了第一方面所述的考虑不同工况的发动机控制方法的步骤。
24、与现有技术相比,本专利技术的有益效果为:
25、本专利技术在确定控制进气量和喷油量的控制策略前,根据当前时刻发动机的功率和油耗,按照等级量化的方式预测得到下一时刻的发动机工况,并将预测得到的发动机工况这一因素作为发动机控制模型的影响参数,实现了根据发动机工况改变而进行配气相位控制的目的,并且将发动机工况进行量化,实现了进气量和喷油量的精确控制。
本文档来自技高网...【技术保护点】
1.一种考虑不同工况的发动机控制方法,其特征在于,包括:
2.如权利要求1所述的一种考虑不同工况的发动机控制方法,其特征在于,所述发动机工况预测模型采用BP神经网络,根据设定的最大神经元数量逐个增加神经元,使训练误差逐渐减小,直到误差小于容限,确定BP神经网络的最优参数,获得训练好的BP神经网络。
3.如权利要求1所述的一种考虑不同工况的发动机控制方法,其特征在于,以发动机输出扭矩作为发动机工况。
4.如权利要求3所述的一种考虑不同工况的发动机控制方法,其特征在于,按照预设的数值范围,将预测得到的发动机输出扭矩进行分类。
5.如权利要求1所述的一种考虑不同工况的发动机控制方法,其特征在于,发动机控制模型为:
6.如权利要求1所述的一种考虑不同工况的发动机控制方法,其特征在于,采用最小二乘法对多项式回归计算模型求解;具体的,以实际值和拟合值的差的绝对值最小为目标,求解模型中自变量的各待定系数和常系数,自变量的各待定系数和常系数确定之后,得到发动机控制模型。
7.如权利要求1所述的一种考虑不同工况的发动机控制方法
8.一种考虑不同工况的发动机控制系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现了如权利要求1-7任一项所述的考虑不同工况的发动机控制方法的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现了如权利要求1-7任一项所述的考虑不同工况的发动机控制方法的步骤。
...【技术特征摘要】
1.一种考虑不同工况的发动机控制方法,其特征在于,包括:
2.如权利要求1所述的一种考虑不同工况的发动机控制方法,其特征在于,所述发动机工况预测模型采用bp神经网络,根据设定的最大神经元数量逐个增加神经元,使训练误差逐渐减小,直到误差小于容限,确定bp神经网络的最优参数,获得训练好的bp神经网络。
3.如权利要求1所述的一种考虑不同工况的发动机控制方法,其特征在于,以发动机输出扭矩作为发动机工况。
4.如权利要求3所述的一种考虑不同工况的发动机控制方法,其特征在于,按照预设的数值范围,将预测得到的发动机输出扭矩进行分类。
5.如权利要求1所述的一种考虑不同工况的发动机控制方法,其特征在于,发动机控制模型为:
6.如权利要求1所述的一种考虑不同工况的发动机控制方法,其特征在于,采用最小二乘法对多项式回归计算模型求解;具体的,以实...
【专利技术属性】
技术研发人员:尹伟,程勇,王兆宇,李小霞,郑建松,訾银停,
申请(专利权)人:山东大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。