汽油機ECU 大氣壓力預估算法的開發(fā)與應用

徐 鳳，鄭建波，王 愷，張春嬌，張凡武，田豐民

(東風汽車公司技術中心，武漢 430056)

前言

傳統(tǒng)的發(fā)動機控制技術主要包括空燃比控制、怠速控制［1］、電子節(jié)氣門控制［2］、點火提前角控制［3］和燃油噴射控制等，隨著對發(fā)動機性能要求越來越高，新技術和新設計［4－5］不斷應用到發(fā)動機中，例如傳感器信號處理、進氣量估計和排放后處理等。作為發(fā)動機運行控制參數之一，進氣量影響著發(fā)動機的正常運行。而作為進氣量計算的一個重要因素，如果大氣壓力傳感器出現故障，將間接導致發(fā)動機不能正常運行;而對于未安裝大氣壓力傳感器的車輛，為滿足發(fā)動機正常工作需求，ECU就要由其他途徑獲得準確的大氣壓力值。

1 算法概述

根據可壓縮流體理論，本文中提出了大氣壓力預估算法，并實現了該算法與傳統(tǒng)傳感器采集算法在不同條件下的轉換。圖1為汽油機ECU大氣壓力算法原理，圖2為算法Simulink模型實現。

2 預估原理和軟件在環(huán)仿真

2.1 概述

大氣壓力預估算法的基本原理如圖3所示。發(fā)動機有上電、起動、運行和熄火4個工作狀態(tài)。上電、起動、熄火和進氣壓力高于大氣壓力時，根據進氣壓力預估大氣壓力。發(fā)動機正常運行后，則根據可壓縮氣體方程進行大氣壓力預估。而當進氣壓力傳感器出現故障時，則根據進氣壓力預估值預估大氣壓力，或者大氣壓力采用默認值。

2.2 理論分析

圖4為典型的發(fā)動機進氣系統(tǒng)，一般汽油機的進氣量都是通過歧管壓力來表征。根據理想噴嘴處的可壓縮氣體方程，節(jié)氣門處的平均空氣質量流量［6－7］可描述為

式中:R為氣體常數;p0為進氣壓力;p為大氣壓力;AEff為節(jié)氣門有效面積;T0為進氣溫度;Φ(p0/p)為壓比p0/p的修正系數。將式(1)改寫得到:

而壓比p0/p與壓比修正系數Φ(p0/p)之間的關系如圖5所示。由式(2)可見，如果節(jié)氣門處空氣流量、進氣壓力、進氣溫度和節(jié)氣門開度已知，即可求出Φ(p0/p)，再從圖5求得p0/p而預估出當前大氣壓力。大氣壓力預估的整個流程見圖6。

2.3 預估算法軟件在環(huán)仿真

利用所采集的實車運行數據，對所提出的大氣壓力間接預估算法進行軟件在環(huán)仿真，結果如圖7所示。由圖可見:從上電、起動到運行，隨著發(fā)動機狀態(tài)的變化，主要是在狀態(tài)轉換或者節(jié)氣門開度較大時，雖然預估大氣壓力會跟隨進氣壓力的變化產生相應變化，但誤差控制在實際允許范圍內。

3 實車驗證

本文中將集成后的控制策略代碼下載到發(fā)動機ECU中，然后將其裝載到發(fā)動機上，并在實際車輛上進行了最終驗證，原理如圖8所示。

使用測試軟件INCA觀察發(fā)動機運行狀態(tài)，大氣壓力傳感器信號采集和預估算法的實車測試結果如圖9和圖10所示。由圖可見，在整個運行過程中，預估大氣壓力值穩(wěn)定保持在100kPa左右，與大氣壓力傳感器的測量結果相符。由于發(fā)動機起動后，進氣壓力會發(fā)生變化，因此預估大氣壓力在發(fā)動機運行前后會出現輕微波動，但在可接受范圍內。結果表明，所提出的大氣壓力預估算法可計算出與實際相符的大氣壓力值，滿足設計要求。

4 結論

根據理想噴嘴處的可壓縮氣體方程，本文中提出了大氣壓力預估算法，并對算法進行了軟件在環(huán)仿真，初步驗證了預估算法的有效性。使用Simulink/Embeded-Coder工具箱對上述控制策略進行自動代碼生成，并將代碼集成到發(fā)動機ECU中。最后對該預估算法和傳統(tǒng)的大氣壓力傳感器測量結果進行了實車測試對比，結果表明所設計的預估算法可計算出與傳感器測量值相符的大氣壓力值。因此，對于沒有安裝大氣壓力傳感器和大氣壓力傳感器出現故障的車輛，預估算法可為發(fā)動機ECU提供準確、真實的大氣壓力值，從而保證發(fā)動機正常運行。

［1］ Li S，Chen H，Yu S Y．Nonlinear Model Predictive Control for I-dle Control of SI Engine［C］//Joint 48th IEEE Conference on Decision and Control and 28th Chinese Control Conference，Shanghai，China，2009:6590 －6595．

［2］ Yang C．Model-based Analysis and Tuning of Electronic Throttle Controllers［C］．SAE Paper 2004 －01－0524．

［3］ Bober T，Shih F Y．Image Processing-based Methodology for Optimizing Automotive Ignition Timing［J］．IEEE Transactions on Vehicular Technology，2009，58(1):85 －92．

［4］ Muller M，Olin P M，Schreurs B．Dynamic EGR Estimation for Production Engine Control［J］．SAE Transactions，2001，110(3):531－535．

［5］ Kolmanovsky I，Sun J，Druzhinina M．Charge Control for Direct Injection Spark Ignition Engines with EGR［C］//American Control Conference，2000．Proceedings of the 2000．IEEE，2000，1(6):34 －38．

［6］ Hendricks E，Sorenson S C．Mean Value Modeling of Spark Ignition Engines［J］．SAE Transactions，1990，99(3):1359 － 1373．

［7］ Hendricks E．The Analysis of Mean Value SI Engine Model［C］．SAE Paper 920682．