汽油機(jī)瞬態(tài)工況空燃比控制策略仿真研究

黃鵬超

（柳州職業(yè)技術(shù)學(xué)院汽車工程學(xué)院，廣西柳州545006）

汽油機(jī)瞬態(tài)工況空燃比控制策略仿真研究

黃鵬超

（柳州職業(yè)技術(shù)學(xué)院汽車工程學(xué)院，廣西柳州545006）

空燃比在理論值附件時，汽油發(fā)動機(jī)燃料才能得到充分的燃燒，發(fā)動機(jī)發(fā)出最大的功率、尾氣排放得到有效的控制。針對汽油發(fā)動機(jī)在瞬態(tài)工況下對空燃比控制的特殊要求，提出了基于模糊神經(jīng)網(wǎng)絡(luò)對空燃比的控制策略，在MATLAB/Simulink平臺上建立了汽油機(jī)數(shù)學(xué)模型，設(shè)計了空燃比計算模塊、發(fā)動機(jī)節(jié)氣門開度控制模型、模糊神經(jīng)網(wǎng)絡(luò)控制器，并對汽油機(jī)的瞬態(tài)工況空燃比進(jìn)行控制仿真，驗證了方案的可行性。

汽油機(jī)；瞬態(tài)工況；空燃比；模糊神經(jīng)網(wǎng)絡(luò)

0　引言

隨著社會經(jīng)濟(jì)的快速發(fā)展，汽車保有量的大幅度增加，全球能源危機(jī)更加嚴(yán)峻、環(huán)境污染進(jìn)一步惡化。汽車在城市道路行駛時，受道路環(huán)境的影響，經(jīng)常不斷的啟動、加速、減速和停車等情況，于此發(fā)動機(jī)也伴隨有啟動、加速、減速和怠速等工況，而這些轉(zhuǎn)速或負(fù)荷急劇變化的瞬態(tài)工況在發(fā)動機(jī)的運(yùn)行過程中40%—70%為瞬態(tài)工況。從經(jīng)濟(jì)性和尾氣排放的角度得出同樣的結(jié)論，汽車有害排放和燃油消耗的50%--80%均來自瞬態(tài)工況，迫于日益嚴(yán)峻的環(huán)境污染問題，歐洲分別于2005年和2008年制定了歐Ⅲ、歐Ⅳ瞬態(tài)循環(huán)（ETC）排放法規(guī)，美國也制定了城市循環(huán)工況EPA瞬態(tài)循環(huán)法規(guī)，用以限制汽車的排放污染［1］。如此嚴(yán)格的排放控制要求，對發(fā)動機(jī)的排放控制提出了更為嚴(yán)格的要求。為了達(dá)到汽車排放法規(guī)要求，全球都在加緊從事發(fā)動機(jī)瞬態(tài)工況控制的研究。與此同時，各種瞬態(tài)工況下的發(fā)動機(jī)空燃比控制策略和控制算法層出不窮。

模糊控制是一種非線性控制，魯棒性強(qiáng)，該控制系統(tǒng)不要求知道被控對象精確的數(shù)學(xué)模型，所以控制系統(tǒng)不用建立數(shù)學(xué)模型，控制機(jī)理和控制策略設(shè)計簡單，方便應(yīng)用，參考工作人員的運(yùn)行經(jīng)驗，就可對系統(tǒng)進(jìn)行實時控制，控制系統(tǒng)的適應(yīng)能力比較強(qiáng)，但是模糊控制系統(tǒng)控制精度不太高，自適應(yīng)能力比較有限，控制過程容易產(chǎn)生振蕩現(xiàn)象。神經(jīng)網(wǎng)絡(luò)是模擬大腦思維運(yùn)行方式的數(shù)學(xué)模型，具有強(qiáng)大自我學(xué)習(xí)和記憶等功能。神經(jīng)網(wǎng)絡(luò)控制理論就是把神經(jīng)網(wǎng)絡(luò)融入到了控制理論中，隨著研究的不斷深入，神經(jīng)網(wǎng)絡(luò)控制理論被廣泛應(yīng)用到了生活和生產(chǎn)的各種控制過程中，并取得了巨大的成果。神經(jīng)網(wǎng)絡(luò)控制在解決難以精確描述的復(fù)雜的非線性對象進(jìn)行建模方面具有無可比擬的優(yōu)勢，神經(jīng)網(wǎng)絡(luò)控制使智能控制得到了極大的豐富和強(qiáng)大，并變得趨于人性化?；谏窠?jīng)網(wǎng)絡(luò)的智能模擬用于控制，是實現(xiàn)智能控制的一種重要形式，近年來獲得了迅速發(fā)展。

本文在Matlab/Simulink平臺上，首先建立汽油機(jī)整體數(shù)學(xué)模型，結(jié)合模糊控制和神經(jīng)網(wǎng)絡(luò)控制兩者的有點(diǎn)，提出一種更優(yōu)的基于模糊神經(jīng)網(wǎng)絡(luò)控制發(fā)動機(jī)空燃比的綜合控制策略，依據(jù)模糊神經(jīng)網(wǎng)絡(luò)控制策略設(shè)計出汽油發(fā)動機(jī)控制器，該控制器通過對進(jìn)入氣缸的燃油量、節(jié)氣門開度變化的精確控制，實現(xiàn)空燃比的波動幅度在設(shè)計范圍之內(nèi)，最終實現(xiàn)發(fā)動機(jī)轉(zhuǎn)速和污染物排放的最佳控制。采用模糊控制和神經(jīng)網(wǎng)絡(luò)控制合成的模糊神經(jīng)網(wǎng)絡(luò)綜合控制策略實現(xiàn)對汽油發(fā)動機(jī)系統(tǒng)進(jìn)行仿真研究，并對系統(tǒng)進(jìn)行無控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制和模糊神經(jīng)網(wǎng)絡(luò)控制仿真，并對4種控制仿真結(jié)果進(jìn)行對比分析［2-5］。

1　汽油車發(fā)動機(jī)的數(shù)學(xué)模型

建立發(fā)動機(jī)的數(shù)學(xué)模型是研究汽油機(jī)瞬態(tài)工況空燃比控制的基礎(chǔ)，當(dāng)今使用汽油機(jī)模型比較普遍的主要有兩種，一種是平均值發(fā)動機(jī)模型（MeanValue EngineModel，MVEM）。該模型主要考慮發(fā)動機(jī)的整體性能，而對各缸的差異性進(jìn)行了平均處理，大大降低了模型的運(yùn)算量，具有較高的整體精度。另一種是基于各缸控制的發(fā)動機(jī)模型（Cylinder by Cylinder Engine Model，CCEM）。該模型考慮到各缸的差異，采取對各缸單獨(dú)控制，模型較為精確，但是平均值發(fā)動機(jī)模型在運(yùn)算量小的情況下足以滿足發(fā)動機(jī)的工況預(yù)測和非線性控制。為了較好的模擬發(fā)動機(jī)的動態(tài)響應(yīng)和非穩(wěn)態(tài)工況控制，基于Matlab/Simulink平臺上建立汽油機(jī)平均值模型［2］。改模型包括5個子模型：燃油蒸發(fā)與動態(tài)油膜子模型、進(jìn)氣系統(tǒng)動力學(xué)子模型、空燃比計算模塊、節(jié)氣門體開度變化控制子模型和發(fā)動機(jī)動力輸出子模型。為了使發(fā)動機(jī)模型系統(tǒng)直觀明朗，依據(jù)各個子系統(tǒng)之間的關(guān)系進(jìn)行封裝，封裝后建立汽油機(jī)總成模型如圖1所示。

圖1　汽油機(jī)整體模型結(jié)構(gòu)圖

2　汽油機(jī)模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)設(shè)計

2.1汽油車發(fā)動機(jī)空燃比計算模塊

汽油發(fā)動機(jī)在工作的時候，燃油供給系統(tǒng)負(fù)責(zé)把一定量的燃油噴到進(jìn)氣道與空氣混合，使之形成燃油混合氣體，燃油混合氣體中的燃油與空氣質(zhì)量的比值成為空燃比

空燃比是影響發(fā)動機(jī)動力性、排放性、經(jīng)濟(jì)性能的重要參數(shù)。依據(jù)汽油機(jī)燃燒理論可知，只有當(dāng)汽油機(jī)的空燃比在理論值14.7附近時，汽油燃料才能完全燃燒，發(fā)動機(jī)在發(fā)出最大的功效的同時具有良好的排放特性［2］。但是當(dāng)發(fā)動機(jī)處于瞬態(tài)工況運(yùn)行時，由于瞬態(tài)工況本身的復(fù)雜性和非線性的特點(diǎn)，發(fā)動機(jī)的進(jìn)氣量、燃油噴射量等參數(shù)都有很大的波動變化，導(dǎo)致空燃比難以保持在理論值附件，對發(fā)動機(jī)的動力性、經(jīng)濟(jì)性和排放性都會產(chǎn)生很大的影響，同時，三元催化器只有在空燃比保持在理論值（±3.5%）附近區(qū)域時才能對HC、NOX和CO這污染物都有很高的轉(zhuǎn)化效率，所以空燃比的控制對汽油機(jī)節(jié)能與排具有重大現(xiàn)實意義［3］。

圖2所示為在Simulink平臺上建立的空燃比計算模塊。

圖2　空燃比計算模塊

2.2汽油車節(jié)氣門開度變化模型

汽油發(fā)動機(jī)通常用節(jié)氣門的開度變化代表發(fā)動機(jī)的工況變化，為了便于模擬汽油發(fā)動機(jī)瞬態(tài)工況狀態(tài)，可以用節(jié)氣門開度減小來模擬減速工況，用節(jié)氣門開度增大來模擬加速工況，如果節(jié)氣門開度沒有變化則代表汽油機(jī)處于穩(wěn)態(tài)工況。圖3所示為在Simulink平臺建立汽油車節(jié)氣門開度變化模型。

圖3　汽油車節(jié)氣門開度變化控制模型

2.3模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)整體設(shè)計

結(jié)合模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)各自的優(yōu)點(diǎn)進(jìn)行融合，建立模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，在汽油機(jī)模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，把理論與實際空燃比的偏差設(shè)為e，偏差變化率設(shè)為ec，噴油脈寬的調(diào)整信號設(shè)為u，把e和ec定義為該控制器的兩個輸入?yún)?shù)，u作為模糊控制器的輸出，系統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)采用結(jié)構(gòu)，節(jié)氣門的開度設(shè)為a，發(fā)動機(jī)的轉(zhuǎn)速設(shè)為n，并把a(bǔ)和n作為RBF網(wǎng)絡(luò)的輸入?yún)?shù)，模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的結(jié)構(gòu)如圖4所示。

圖4　模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)結(jié)構(gòu)圖

3　汽油車發(fā)動機(jī)空燃比控制仿真分析

通過Simu link可視化仿真，對汽油機(jī)在瞬態(tài)工況運(yùn)行時，采用不同的控制方法進(jìn)行仿真對比分析，得出如圖5-圖8結(jié)果。由以上仿真曲線比較可知：

（1）圖5在沒有控制器的狀態(tài)下，空燃比值在加速和減速瞬態(tài)工況時分別達(dá)到16.31和12.50，空燃比的絕對誤差達(dá)到14.80，空燃比遠(yuǎn)遠(yuǎn)偏離了理論值14.7，而且調(diào)整時間比較長。

（2）圖6在使用模糊控制器控制時，該控制系統(tǒng)經(jīng)3.6s就達(dá)到比較穩(wěn)定狀態(tài)?？杖急戎翟诩铀佟p速瞬態(tài)工況時分別達(dá)到15.45和14.06，并分別在11.5s和24.3s左右就達(dá)到理論值，空燃比的絕對誤差為5.37%，瞬態(tài)空燃比控制較為理想。由于糊系統(tǒng)等級劃分較細(xì)，曲線在11s-19s間出現(xiàn)較小的振蕩。

（3）圖7在使用神經(jīng)網(wǎng)絡(luò)控制下，該系統(tǒng)在較短的時間3.9s左右就達(dá)到穩(wěn)定?？杖急戎翟诩铀?、減速瞬態(tài)工況時分別達(dá)到15.12和14.30，并分別在10.4s和25.4s左右就達(dá)到理論值，空燃比的絕對誤差為3.13%，瞬態(tài)空燃比控制范圍較為理想。

（4）圖8在使用模糊神經(jīng)網(wǎng)絡(luò)控制時，該系統(tǒng)在很短的時間3.1s左右就達(dá)到穩(wěn)定?？杖急戎翟诩铀?、減速瞬態(tài)工況時分別為14.93和14.49，并分別在9.4s和23.0s左右就達(dá)到理論值，空燃比的絕對誤差為1.85%，瞬態(tài)空燃比控制在一個非常理想的范圍。

圖5　無控制時的空燃比仿真曲線

圖6　模糊控制時的空燃比仿真曲線

圖7　神經(jīng)網(wǎng)絡(luò)控制時的空燃比仿真曲線

圖8　模糊神經(jīng)網(wǎng)絡(luò)控制時的空燃比仿真曲線

4　結(jié)論

汽油車發(fā)動機(jī)控制系統(tǒng)非常復(fù)雜，發(fā)動機(jī)瞬態(tài)工況空燃比的精確控制有利于提高汽油車的動力性、燃油經(jīng)濟(jì)性以及排放性能。為了使空燃比保持在理論值附件，使燃油混合物得到充分的燃燒，提高發(fā)動機(jī)的輸出功率，提高燃油經(jīng)濟(jì)性，降低尾氣排放。本文提出模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，在MATLAB/Simulink平臺上建立汽油機(jī)數(shù)學(xué)模型，利用模糊神經(jīng)網(wǎng)絡(luò)控制器，通過調(diào)整節(jié)氣門開度來實現(xiàn)空燃比的控制。并對無控制、模糊控制器控制、神經(jīng)網(wǎng)絡(luò)控制、模糊神經(jīng)網(wǎng)絡(luò)控制4種情況進(jìn)行仿真分析。研究結(jié)果表明，使用模糊神經(jīng)網(wǎng)絡(luò)控制時效果最好，能準(zhǔn)確、穩(wěn)定、快速的控制汽油機(jī)瞬態(tài)工況空燃比，比模糊控制和神經(jīng)網(wǎng)絡(luò)控制控制效果都好，從而有效的提高汽油發(fā)動機(jī)的瞬態(tài)工況的動力性和燃油經(jīng)濟(jì)性，有效的降低了尾氣排放。

［1］Peter Wuensche，F(xiàn)ranz X.Moser，Rolf Dreisbach and Theodor Sams.Can the Technology for Heavy Duty Diesel Engines be Common for Future Emission Regulations in USA，Japan and Europe.SAE Paper 2003-01-0344.

［2］李薛，汽油機(jī)瞬態(tài)工況空燃比控制策略仿真研究［D］.長沙：長沙理工大學(xué)，2010.

［3］呂玉江.汽油發(fā)動機(jī)空燃比閉環(huán)控制及監(jiān)測系統(tǒng)［D］.石家莊：河北農(nóng)業(yè)大學(xué)大學(xué).2001：4-8.

［4］劉恒.基于MATLAB/RTW的空燃比控制［D］.成都：西華大學(xué).2007：1-12.

［5］申允德，摩托車發(fā)動機(jī)空燃比控制策略研究與仿真［J］，小型內(nèi)燃機(jī)與車輛技術(shù)，2015（5）：12-16.

［6］王立標(biāo).汽油機(jī)怠速負(fù)荷模糊-PID控制策略研究［D］.長沙：長沙理工大學(xué).2009：17-29.

A Study on Simu lation of Transient Air-FuelRatio Control Strategy for Gasoline Engine

HUANG Peng-chao
（Schoolofautomobile engineering，Liuzhou Vocationaland TechnicalCollege，Liuzhou，Guangxi545006）

Only when the gasoline engine’s AIR-Fuel Ratio（AFR）infinitely close to the theoretical value，the engine can have suffi?cientburning and getgreatest power，and produce less vehicle em ission.Based on gasoline engine’s severe requirement to AFR ofengine on transient conditions，this study proposes a control strategy from the aspect of fuzzy neural network control and proves that it is feasible by building gasoline engine mathematics model on the MATLAB/Simulink p latform，designing AFR model，throttle degree controller and fuzzy neuralnetwork controller.

gasoline engine；transient condition；AIR-Fuel Ratio；fuzzy neuralnetwork

U464.171

A

2096-2126（2016）04-0145-04

2016-06-21

2014年廣西教育廳科研立項項目“汽油機(jī)瞬態(tài)工況空燃比模糊神經(jīng)網(wǎng)絡(luò)控制仿真研究”（LX2014536）。

黃鵬超（1984—），男，湖南邵陽人，講師，研究方向：汽車節(jié)能減排、汽車電子控制技術(shù)。

（責(zé)任編輯：李潔坤）