崔宏巍，朱亮紅

（深圳職業(yè)技術(shù)學(xué)院汽車與交通學(xué)院，廣東深圳 518055）

液化石油氣汽車點(diǎn)火控制系統(tǒng)優(yōu)化與故障診斷

崔宏巍，朱亮紅

（深圳職業(yè)技術(shù)學(xué)院汽車與交通學(xué)院，廣東深圳 518055）

對點(diǎn)火提前角與液化石油氣（LPG）汽車發(fā)動(dòng)機(jī)性能和排放的關(guān)系進(jìn)行分析，通過臺(tái)架試驗(yàn)，獲取各種工況下LPG發(fā)動(dòng)機(jī)的最佳點(diǎn)火提前角，通過建立BP神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)燃?xì)馄圏c(diǎn)火控制系統(tǒng)的優(yōu)化，還對LPG發(fā)動(dòng)機(jī)點(diǎn)火提前角對動(dòng)力性與排放的影響進(jìn)行了試驗(yàn)研究，得出在不同轉(zhuǎn)速和負(fù)荷下，點(diǎn)火提前角變化對NOx和CO排放的影響結(jié)果，采用模糊模式識(shí)別的方法判別燃?xì)馄圏c(diǎn)火系統(tǒng)的技術(shù)狀態(tài)。

點(diǎn)火系統(tǒng)；發(fā)動(dòng)機(jī)；控制系統(tǒng)；神經(jīng)網(wǎng)絡(luò)

液化石油氣發(fā)動(dòng)機(jī)可燃混合氣的點(diǎn)火系統(tǒng)對發(fā)動(dòng)機(jī)的動(dòng)力性能、工作效率和排放至關(guān)重要。點(diǎn)火時(shí)刻不合適，會(huì)導(dǎo)致發(fā)動(dòng)機(jī)動(dòng)力性能下降、熱效率降低、燃料消耗率上升、有害氣體排放增加等現(xiàn)象。如果點(diǎn)火提前角過小，則會(huì)影響其動(dòng)力性能；如果點(diǎn)火提前角過大，就會(huì)增加HC和NOx的排放量。點(diǎn)火提前角優(yōu)化控制一直是國內(nèi)外內(nèi)燃機(jī)領(lǐng)域的重點(diǎn)研究課題，但大多研究集中在汽油機(jī)的點(diǎn)火控制。由于氣體燃料與汽油的特性相比，有著很大差異，其自身具有抗爆燃性好、辛烷值高等特點(diǎn)，并在最高燃燒壓力、滯燃期、燃燒時(shí)間、最高燃燒壓力變化率等很多方面均不相同，因此，研究液化石油氣發(fā)動(dòng)機(jī)點(diǎn)火系統(tǒng)的優(yōu)化，對于提高發(fā)動(dòng)機(jī)最大功率或扭矩，降低有害氣體排放具有重要意義［1－2］。

1 點(diǎn)火提前角三維脈譜圖

影響燃?xì)獍l(fā)動(dòng)機(jī)最佳點(diǎn)火提前角的因素包括發(fā)動(dòng)機(jī)的結(jié)構(gòu)參數(shù)和空燃比、負(fù)荷、轉(zhuǎn)速、冷卻水溫度等運(yùn)行參數(shù)。當(dāng)發(fā)動(dòng)機(jī)長時(shí)間工作，發(fā)生老化和磨損等現(xiàn)象時(shí)，這些影響參數(shù)會(huì)發(fā)生變化，它們之間也會(huì)相互作用，通過數(shù)學(xué)模型表達(dá)這些參數(shù)對燃?xì)獍l(fā)動(dòng)機(jī)最佳點(diǎn)火提前角的影響程度并進(jìn)行在線優(yōu)化和修正，則非常困難。在實(shí)際工作中，往往是在發(fā)動(dòng)機(jī)臺(tái)架上通過大量的標(biāo)定試驗(yàn)，獲取發(fā)動(dòng)機(jī)各種試驗(yàn)工況下標(biāo)準(zhǔn)的點(diǎn)火提前角脈譜圖，將脈譜圖中的數(shù)據(jù)存入電控單元微控制器的ROM中，在發(fā)動(dòng)機(jī)實(shí)際工作運(yùn)轉(zhuǎn)時(shí)，依靠插值的方法獲得不同轉(zhuǎn)速和負(fù)荷的最佳點(diǎn)火提前角，實(shí)時(shí)將點(diǎn)火提前角控制在最佳狀態(tài)。存儲(chǔ)在電控單元微控制器ROM中的三維脈譜數(shù)據(jù)為燃?xì)馄圏c(diǎn)火控制提供了依據(jù)，一般通過查表法可以獲得最佳點(diǎn)火提前角。在實(shí)際應(yīng)用中，如果在某一工況下，采集得到的負(fù)荷與轉(zhuǎn)速處于所存儲(chǔ)的數(shù)據(jù)之外，則可以利用線性插值法獲取最佳點(diǎn)火提前角［3－4］。

2 點(diǎn)火提前角優(yōu)化問題的BP網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)（artificial Neural Network）能夠自身適應(yīng)環(huán)境，總結(jié)規(guī)律，完成某種運(yùn)算、識(shí)別或過程控制，具有初步的自適應(yīng)與自組織能力，在學(xué)習(xí)或訓(xùn)練過程中改變突觸權(quán)重值，以適應(yīng)周圍環(huán)境的要求，對于處理多變量、非線性的復(fù)雜問題具有較強(qiáng)的優(yōu)勢，本文將人工神經(jīng)網(wǎng)絡(luò)的這些特性應(yīng)用于燃?xì)獍l(fā)動(dòng)機(jī)點(diǎn)火提前角的優(yōu)化。

發(fā)動(dòng)機(jī)在長時(shí)間運(yùn)行過程中，可能會(huì)出現(xiàn)壓力波動(dòng)、電壓波動(dòng)、火花塞磨損、積碳等情況，造成點(diǎn)火提前角偏離理想位置，改變點(diǎn)火正時(shí)，點(diǎn)火控制系統(tǒng)無法按照MAP圖中的最佳時(shí)刻進(jìn)行控制，造成發(fā)動(dòng)機(jī)性能惡化。提高燃?xì)馄嚢l(fā)動(dòng)機(jī)點(diǎn)火提前角的控制效果，必須兼顧發(fā)動(dòng)機(jī)的動(dòng)力性、降低燃料消耗和減少排氣污染，而神經(jīng)網(wǎng)絡(luò)具有非線性映射和記憶能力，建立起發(fā)動(dòng)機(jī)運(yùn)轉(zhuǎn)參數(shù)與最佳點(diǎn)火提前角之間關(guān)系的神經(jīng)網(wǎng)絡(luò)模型，用于實(shí)時(shí)調(diào)節(jié)點(diǎn)火提前角，是一種很好的控制和優(yōu)化策略。在LPG發(fā)動(dòng)機(jī)點(diǎn)火提前角優(yōu)化問題中，主要考慮轉(zhuǎn)速（n）、負(fù)荷（p）這兩個(gè)參數(shù)對最佳點(diǎn)火提前角的影響。由于空燃比被電控單元控制在理論值附近，不需考慮空燃比對發(fā)動(dòng)機(jī)性能的影響，當(dāng)然還有其他因素也會(huì)影響點(diǎn)火提前角，比如冷卻水溫度等參數(shù)，但在實(shí)際控制中可以采用分段控制，因此，簡化模型僅需考慮轉(zhuǎn)速和負(fù)荷。本文設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)的輸入層簡化為兩個(gè)節(jié)點(diǎn)，即x1＝n，x2＝p，輸出為最佳點(diǎn)火提前角。通過對NJG415P（直列、四缸、四沖程水冷發(fā)動(dòng)機(jī)，排量為1.46L）單燃料液化石油氣發(fā)動(dòng)機(jī)進(jìn)行大量臺(tái)架試驗(yàn)，獲取不同轉(zhuǎn)速和負(fù)荷下的最佳點(diǎn)火提前角，進(jìn)行相應(yīng)的訓(xùn)練。BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是由信息正向傳播過程和誤差反向傳播過程組成，本文采用經(jīng)典的兩層BP網(wǎng)絡(luò)結(jié)構(gòu)，8個(gè)隱含層結(jié)點(diǎn)，1個(gè)輸出層結(jié)點(diǎn)，隱含層采用S型激活函數(shù)，輸出層采用線性激活函數(shù)，通過試驗(yàn)不同轉(zhuǎn)速、不同負(fù)荷下，在液化石油氣進(jìn)氣量閉環(huán)控制時(shí)，功率、燃料經(jīng)濟(jì)性滿足要求條件下，排放達(dá)到最小所對應(yīng)的最佳點(diǎn)火提前角作為學(xué)習(xí)樣本，建立網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。轉(zhuǎn)速（r／min）、真空度（kPa）作為輸入，點(diǎn)火提前角作為輸出，輸入轉(zhuǎn)速分別為1 500r／min、2 200r／min、2 500r／min、2 800r／min、3 000r／min、3 300r／min、3 500r／min、4 000r／min，通過臺(tái)架試驗(yàn)共獲得40組數(shù)據(jù)，負(fù)荷和轉(zhuǎn)速的分布如圖2所示。對應(yīng)學(xué)習(xí)速率0.03，通過學(xué)習(xí)5 000次，不斷調(diào)整連接權(quán)值，最后可得權(quán)值（表1）。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2 數(shù)據(jù)分布圖

表1 訓(xùn)練結(jié)束后各層神經(jīng)元權(quán)值

3 BP神經(jīng)網(wǎng)絡(luò)點(diǎn)火提前角優(yōu)化與動(dòng)力性能和排放的影響研究

采用BP神經(jīng)網(wǎng)絡(luò)對40個(gè)輸入樣本進(jìn)行訓(xùn)練。通過訓(xùn)練，利用BP神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性映射能力和學(xué)習(xí)功能，將發(fā)動(dòng)機(jī)最佳點(diǎn)火提前角正確表達(dá)為負(fù)荷和轉(zhuǎn)速的映射關(guān)系，在發(fā)動(dòng)機(jī)的整個(gè)運(yùn)行工況范圍之內(nèi)，都能夠獲取最佳點(diǎn)火提前角，實(shí)現(xiàn)點(diǎn)火提前角的優(yōu)化控制。當(dāng)外部工作環(huán)境發(fā)生變化時(shí)，如點(diǎn)火線圈、傳感器、火花塞等零部件磨損和老化時(shí)，只需要對BP網(wǎng)絡(luò)重新訓(xùn)練，就可以獲得環(huán)境變化后的最佳點(diǎn)火提前角，提高發(fā)動(dòng)機(jī)的動(dòng)力性能和排放性能。為驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的最佳點(diǎn)火提前角是否準(zhǔn)確，在轉(zhuǎn)速2 400r／min時(shí)臺(tái)架試驗(yàn)獲得的最佳點(diǎn)火提前角與BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的點(diǎn)火提前角相比較，誤差優(yōu)于1.2%，而在其他轉(zhuǎn)速和負(fù)荷下的誤差也很小，試驗(yàn)表明BP神經(jīng)網(wǎng)絡(luò)在燃?xì)獍l(fā)動(dòng)機(jī)點(diǎn)火提前角優(yōu)化方面具有明顯優(yōu)勢。

為進(jìn)一步研究點(diǎn)火時(shí)刻對LPG燃?xì)獍l(fā)動(dòng)機(jī)性能的影響，深入分析BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于點(diǎn)火提前角的實(shí)際優(yōu)化效果，本文分別在不同的發(fā)動(dòng)機(jī)轉(zhuǎn)速、不同發(fā)動(dòng)機(jī)負(fù)荷下，改變發(fā)動(dòng)機(jī)的點(diǎn)火時(shí)刻，在不同點(diǎn)火提前角分別測試發(fā)動(dòng)機(jī)的排放特性和扭矩，其中轉(zhuǎn)速為2 000／min時(shí)，20%～100%負(fù)荷的試驗(yàn)結(jié)果如圖3所示。試驗(yàn)表明，在通過BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的最佳點(diǎn)火提前角，燃?xì)獍l(fā)動(dòng)機(jī)能夠獲得較大的扭矩，同時(shí)也可以兼顧得到較好的排放性能，CO與NOx的排放能夠保持在較低的水平。點(diǎn)火提前角較小，推遲燃燒，排氣溫度會(huì)升高，造成未燃燒成分氧化，燃燒室內(nèi)最高溫度的降低，使得NOx的排放減少，但扭矩也會(huì)相應(yīng)減小；而點(diǎn)火提前角較大，則會(huì)使得NOx的排放增加。試驗(yàn)表明CO排放與負(fù)荷關(guān)系較大，工作在大負(fù)荷下，CO的排放會(huì)明顯增加，沒有發(fā)現(xiàn)點(diǎn)火提前角對于CO排放有較為明顯的影響。通過對液化石油氣汽車發(fā)動(dòng)機(jī)進(jìn)行點(diǎn)火提前角控制和優(yōu)化，發(fā)動(dòng)機(jī)在不同工況下，均能達(dá)到較好的性能和排放效果，基于BP神經(jīng)網(wǎng)絡(luò)的最佳點(diǎn)火提前角優(yōu)化，能在發(fā)動(dòng)機(jī)動(dòng)力性能與排放性能之間達(dá)到平衡［5－6］。

圖3 轉(zhuǎn)速n＝2 000r／min點(diǎn)火特性

4 點(diǎn)火系統(tǒng)故障診斷

點(diǎn)火系統(tǒng)是液化石油氣發(fā)動(dòng)機(jī)故障發(fā)生率比較高的系統(tǒng)之一，點(diǎn)火系統(tǒng)的工作狀況不僅影響到燃?xì)馄嚬ぷ鞯目煽啃裕€影響其動(dòng)力性和經(jīng)濟(jì)性。對點(diǎn)火系統(tǒng)的技術(shù)狀態(tài)進(jìn)行全面檢測和診斷，可以通過分析初級電路電壓信號和次級電路電壓信號來實(shí)現(xiàn)。點(diǎn)火電壓波形屬規(guī)則信號波形，它有下列特點(diǎn)：1）點(diǎn)火電壓是周期信號，其波形每經(jīng)過一定時(shí)間重復(fù)一次；2）點(diǎn)火系統(tǒng)各組成環(huán)節(jié)的狀態(tài)信息能夠反映在規(guī)則信號波形結(jié)構(gòu)的不同部位；3）點(diǎn)火系統(tǒng)組成環(huán)節(jié)的狀態(tài)異常能夠表現(xiàn)為波形結(jié)構(gòu)的變化。

根據(jù)以上特點(diǎn)，本文通過提取各組成環(huán)節(jié)狀態(tài)對應(yīng)的波形結(jié)構(gòu)特征，采用模糊模式識(shí)別的方法判別燃?xì)馄圏c(diǎn)火系統(tǒng)的技術(shù)狀態(tài)。

4.1 點(diǎn)火波形結(jié)構(gòu)特征提取與數(shù)學(xué)模型的建立

點(diǎn)火系統(tǒng)的故障總是會(huì)引起點(diǎn)火波形一定程度的變化，同一種類型的點(diǎn)火故障會(huì)具有相類似的點(diǎn)火波形，由于在實(shí)際檢測過程中，對波形的測量數(shù)據(jù)具有一定的隨機(jī)性，其隨機(jī)數(shù)據(jù)期望值會(huì)隨著不同的故障、不同的發(fā)動(dòng)機(jī)類型在一定的范圍內(nèi)發(fā)生變化，同一種故障的點(diǎn)火波形僅僅相對于其它類型故障的點(diǎn)火波形具有一定相似性。因此，僅僅采用普通數(shù)值界線法是無法從紛繁復(fù)雜的各種點(diǎn)火波形變化中準(zhǔn)確識(shí)別故障類型。因此采用模糊模式識(shí)別的方法，即給定論域U上的n個(gè)模糊子集（模式）Ai∈U，i＝1，2…，n，又設(shè)一個(gè)模糊子集B∈U，為待識(shí)別模式。要判斷B與給定的哪一種模式Ai最貼近，本文通過貼近度按擇近原則來識(shí)別。貼近度是表示兩個(gè)模糊集接近程度的數(shù)量指標(biāo)，由于測度貼近度計(jì)算方便，能比較有效地表示模糊集接近程度，點(diǎn)火系統(tǒng)故障識(shí)別采用測度貼近度，其定義如下：

點(diǎn)火電壓波形識(shí)別是以一組特征參數(shù)｛x1，x2…xn｝，即一個(gè)子樣為研究對象，全體特征參數(shù)的集合構(gòu)成論域U，由于波形數(shù)據(jù)結(jié)構(gòu)復(fù)雜多變，只有經(jīng)過大量標(biāo)準(zhǔn)的故障試驗(yàn)和數(shù)理統(tǒng)計(jì)，才能摸索出其變化規(guī)律。如圖4所示，借助點(diǎn)火電壓（kV）、燃燒電壓（kV）、初級電壓（V）、點(diǎn)火段（ms）、中間段（ms）、閉合段（ms）以及峰谷值序列來描述點(diǎn)火電壓次級波形和初級波形。特征參數(shù)越多越細(xì)，波形描述越詳盡，獲取的故障信息也就越多，但計(jì)算會(huì)更加復(fù)雜。電壓波形結(jié)構(gòu)由直流段單元和波動(dòng)段單元（高頻振蕩，初級振蕩，雜波）相間構(gòu)成，設(shè)電壓波形時(shí)域信號為：xk＝｛x（k）｝，k＝1，2，…，N。各種典型故障波形對應(yīng)不同的特征參數(shù)Xk變化范圍，同一類故障的Xk值基本符合正態(tài)隨機(jī)分布。

圖4 點(diǎn)火次級波形特征提取

根據(jù)統(tǒng)計(jì)規(guī)律求出期望E（Xk），由E（Xk）描述的故障波形是同類故障的理想化模型，為模式識(shí)別提供了相似性的判別標(biāo)準(zhǔn)。典型故障模糊子集如：A1為高壓線松動(dòng)，高壓導(dǎo)線電阻值過大；A2為白金觸點(diǎn)間隙過大；A3為最高次級電壓過低使火花塞沒有跳火；A4為斷電器活動(dòng)觸點(diǎn)臂彈簧太弱。

點(diǎn)火系統(tǒng)特征參數(shù)次級點(diǎn)火峰值（kV），燃燒電壓（kV），點(diǎn)火段（ms），閉合段（%）、初級峰值電壓（V）隸屬度的確定，通常根據(jù)大量試驗(yàn)和統(tǒng)計(jì)分析而定。在具體研究和分析了相關(guān)標(biāo)準(zhǔn)和故障波形的特性后，根據(jù)特征參數(shù)Xk各自變化范圍，確定相應(yīng)的隸屬函數(shù)（表2）。

表2 波形特征參數(shù)的隸屬函數(shù)

4.2 試驗(yàn)與分析

根據(jù)本文提出的波形模糊識(shí)別方法編制識(shí)別程序，對實(shí)測點(diǎn)火電壓波形進(jìn)行識(shí)別，下面給出部分試驗(yàn)分析與故障識(shí)別結(jié)果，建立的典型故障波形模糊子集如下：

1）高壓回路中阻抗過大 A1＝（0.8，0.5，0.8，0.5，0.9，0.9，0.8，0.6，0.6，0.5，0.3，0.2，0.2，0.1，0.1，0.5，0.2，0.2，0.1，0.1）。

2）觸點(diǎn)間隙過大 A2＝（0.8，0.5，0.8，0，0.8，0.7，0.7，0.6，0.5，0.3，0.1，0.3，0.2，0.2，0.1，0.1）。

3）次級電壓過低致使火花塞沒有跳火 A3＝（0.2，0，0，0.5，0.9，0.8，0.7，0.6，0.6，0.5，0.4，0.3，0.2，0.1，0.4，0.2，0.2，0.1，0.1）。

4）斷電器活動(dòng)觸點(diǎn)臂彈簧太弱 A4＝（0.8，0.5，0.8，0.5，0.8，0.7，0.6，0.5，0.3，0.1，0.4，0.8，0.7，0.6，0.3，0.2，0.1，0.1）。

待定波形的模糊子集為B＝（0.8，0.8，0.8，0.5，0.8，0.6，0.5，0.4，0.2，0.1，0.5，0.7，0.8，0.5，0.6，0.1，0.4，0.1），則由上述方法，可以分別計(jì)算出B與Ai的測度貼近度：N（B，A1）＝0.5702，N（B，A2）＝0.5876，N（B，A3）＝0.4722，N（B，A4）＝0.8181?？梢缘贸?，故可以判斷出B與A4最為相似，表明斷電器活動(dòng)觸點(diǎn)臂彈簧太弱。

5 結(jié)束語

本文構(gòu)建了燃?xì)馄嘗PG發(fā)動(dòng)機(jī)點(diǎn)火控制系統(tǒng)，研究了基于BP神經(jīng)網(wǎng)絡(luò)的最佳點(diǎn)火提前角優(yōu)化問題，在NJG415P單燃料燃?xì)獍l(fā)動(dòng)機(jī)臺(tái)架試驗(yàn)得到的多個(gè)訓(xùn)練樣本，利用建立的BP神經(jīng)網(wǎng)絡(luò)模型，通過學(xué)習(xí)得出各層神經(jīng)元權(quán)值，進(jìn)行點(diǎn)火提前角優(yōu)化，將訓(xùn)練得到的點(diǎn)火提前角最佳值與臺(tái)架試驗(yàn)得到的最佳值比較，僅發(fā)現(xiàn)在允許范圍內(nèi)的極小誤差，減輕了大量的標(biāo)定試驗(yàn)工作。本文還對不同點(diǎn)火提前角的燃?xì)獍l(fā)動(dòng)機(jī)動(dòng)力性能與排放性能進(jìn)行研究，提取點(diǎn)火波形結(jié)構(gòu)特征，采用模糊模式識(shí)別的方法判別燃?xì)馄圏c(diǎn)火系統(tǒng)的技術(shù)狀態(tài)。試驗(yàn)結(jié)果表明：本文所建立的BP神經(jīng)網(wǎng)絡(luò)模型對于燃?xì)馄嚢l(fā)動(dòng)機(jī)最佳點(diǎn)火提前角的優(yōu)化控制具有較好的效果。

［1］ Scoton P G，Wellstead P E.Self-tuning optimization of spark ignition automotive engines［J］.IEEE Control Systems Magazine 0272-1708／90／0400-0094 21-23 June，1989，Page（s）：1 983－1 988

［2］ Hafner M，Schuler M，Nelles O，et al.Fast neural networks for diesel engine control design［J］.Control Engineering Practice，2000（08）：1 211－1 221.

［3］ 簡林莎，邊耀璋，張春化.天然氣／汽油兩用燃料汽車點(diǎn)火提前角適應(yīng)性優(yōu)化設(shè)計(jì)［J］.中國公路學(xué)報(bào).2004（01）：110－113.

［4］ 阮登芳，鄧兆祥.恢復(fù)改裝天然氣發(fā)動(dòng)機(jī)動(dòng)力性能的措施［J］.重慶大學(xué)學(xué)報(bào)（自然科學(xué)版）.2005（05）：15－18，23.

［5］ 何義團(tuán)，安 娜，鄧 蛟，等.點(diǎn)火提前角對CNG發(fā)動(dòng)機(jī)燃?xì)涞∷傩阅艿挠绊懀跩］.重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版）.2011（02）：110－113.

［6］ 王 欣，張紅光，姚寶峰，等.小負(fù)荷時(shí)天然氣發(fā)動(dòng)機(jī)點(diǎn)火提前角對排放影響的試驗(yàn)研究［J］.車用發(fā)動(dòng)機(jī).2010（03）：86－89.

［責(zé)任編校：張 眾］

Research on Optimizing Ignition Control System and Fault Diagnosis in LPG Automotive Engines

CUI Hong-wei，ZHU Liang-hong
（School of Transportation ＆Automotive Engin.，Shenzhen Polytechnic，Shenzhen518055，China）

The relationship of ignition timing，LPG engine performance and emissions were researched in this paper.At various work conditions optimum ignition angles were acquired.Because of the implementation of optimum ignition system based on BP neural network，LPG engine performance was greatly improved.The testing results of NOx and CO emissions show that ignition control system established in this paper is accurate and practical.Technical condition of ignition system was identified based on fuzzy pattern recognition method.

ignition system；engine；control system；neural network

U464.136

A

1003－4684（2014）02-0086-05

2014－02－21

廣東省教育科學(xué)“十二五”規(guī)劃2012年度科研項(xiàng)目（2012JK296）

崔宏?。?974－），男，河南安陽人，工學(xué)博士，深圳職業(yè)技術(shù)學(xué)院副教授，研究方向?yàn)槠嚋y控技術(shù)