任金霞 何富江 曹威鋒

(江西理工大學(xué)電氣工程與自動化學(xué)院 江西贛州 341000)

引言

天然氣作為發(fā)動機(jī)的理想燃料，在經(jīng)濟(jì)性和排放性方面都優(yōu)于汽油，電噴天然氣發(fā)動機(jī)的動力性與空燃比緊密相關(guān)。此外電噴天然氣發(fā)動機(jī)的三元催化轉(zhuǎn)化器的轉(zhuǎn)化效率和空燃比密切聯(lián)系，其經(jīng)濟(jì)性、排放性受空燃比的影響非常大。因此，對空燃比的精確控制［1］對發(fā)動機(jī)性能提高有著積極的影響。

目前空燃比的精確控制是國內(nèi)外的研究熱點(diǎn)，用于控制的方法也有很多，如基于模型的控制方法、自適應(yīng)控制算法、模糊算法等。本文采用RBF神經(jīng)網(wǎng)絡(luò)和常規(guī)PID控制算法相結(jié)合的空燃比控制方法，針對天然氣發(fā)動機(jī)的延遲，采用RBF神經(jīng)網(wǎng)絡(luò)對空燃比進(jìn)行預(yù)測［2，3］，而后將預(yù)測的空燃比信號傳遞給PID控制器控制燃?xì)饬?，從而?shí)現(xiàn)空燃比的實(shí)時閉環(huán)控制。并利用Matlab/Simulink軟件建立RBF神經(jīng)網(wǎng)絡(luò)電噴天然氣發(fā)動機(jī)的仿真模型［4］，在工況突變的各個情況下進(jìn)行仿真實(shí)驗(yàn)。

1 影響電噴天然氣發(fā)動機(jī)產(chǎn)生延遲的因素

電噴天然氣發(fā)動機(jī)空燃比控制就是控制缸內(nèi)混合氣濃度，目前的空燃比傳感器只能安裝在排氣管內(nèi)而不是直接監(jiān)測混合氣濃度，因此會造成空燃比控制系統(tǒng)的延遲。其延時包括混合氣形成過程的傳播延遲、混合氣體點(diǎn)燃的著火延遲、燃燒完成后廢氣到氧傳感器的傳播延遲、傳感器的響應(yīng)延遲。

混合氣體形成過程的傳播延遲與發(fā)動機(jī)的轉(zhuǎn)速、進(jìn)氣門及排氣門的開度有關(guān)。

由于天然氣分子結(jié)構(gòu)和物理特性比較穩(wěn)定，因此有著火慢的特點(diǎn)，我們記其著火延遲時間為。

燃燒完成后廢氣到氧傳感器的傳播延遲t3與排氣管容積、排氣管結(jié)構(gòu)、氧傳感器位置、排氣溫度、排氣壓力等有關(guān)。

空燃比傳感器的響應(yīng)延遲t4與發(fā)動機(jī)的工況參數(shù)、發(fā)動機(jī)的結(jié)構(gòu)以及傳感器特性有關(guān)。

2 前饋PID控制

發(fā)動機(jī)的空燃比受多種因素的影響，如節(jié)氣門開度、轉(zhuǎn)速、負(fù)載、燃料噴射精度、響應(yīng)時間等，PID閉環(huán)控制能根據(jù)反饋實(shí)時調(diào)整噴氣量，達(dá)到精確控制噴氣量的目的。

圖1為電控噴射天然氣發(fā)動機(jī)PID控制框圖，由圖可知該系統(tǒng)分為前饋控制和PID閉環(huán)反饋兩個部分。

圖1 前饋PID的空燃比控制模型

前饋部分根據(jù)當(dāng)前的轉(zhuǎn)速和節(jié)氣門開度決定基本的燃料噴射量，閉環(huán)反饋部分在確定了PID參數(shù)后，通過反饋得到的空燃比不斷與設(shè)定的理想空燃比16．7進(jìn)行比較，偏差進(jìn)入PID控制器，根據(jù)偏差調(diào)節(jié)噴氣量，不斷重復(fù)使電噴天然氣發(fā)動機(jī)空燃比不斷逼近理想空燃比。

3 無延遲的空燃比控制

由于電噴天然氣發(fā)動機(jī)是一個有延時的系統(tǒng)，對空燃比精確控制造成困難，尤其在過渡工況下，轉(zhuǎn)速及節(jié)氣門開度劇烈變化，傳輸延遲甚至?xí)斐煽刂剖д{(diào)。因此本文采用了RBF神經(jīng)網(wǎng)絡(luò)對空燃比進(jìn)行無延遲預(yù)測。

3．1 無延遲控制模型

針對電噴天然氣發(fā)動機(jī)空燃比傳輸延遲分析可知，采用RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)空燃比的預(yù)測，并經(jīng)過延時后與發(fā)動機(jī)空燃比信號比較并調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)。當(dāng)誤差被控制在所設(shè)定的范圍之內(nèi)時，神經(jīng)網(wǎng)絡(luò)的輸出信號即為無傳輸延遲的空燃比信號。用這個信號作為PID控制器的反饋信號，由PID控制器控制燃料的噴射量，即可實(shí)現(xiàn)對空燃比的實(shí)時控制。無延遲的空燃比控制模型如下圖所示。

圖2 無延遲的空燃比控制模型

3．2 RBF神經(jīng)網(wǎng)絡(luò)模型

RBF神經(jīng)網(wǎng)絡(luò)是一種三層神經(jīng)網(wǎng)絡(luò)，具有學(xué)習(xí)速度快，非線性逼近能力強(qiáng)、避免局部最優(yōu)等特點(diǎn)。

在訓(xùn)練之前，首先要確定RBF網(wǎng)絡(luò)的結(jié)構(gòu)，在本文中所采用的RBF網(wǎng)絡(luò)采用三輸入單輸出結(jié)構(gòu)，隱含層轉(zhuǎn)換函數(shù)采用高斯函數(shù)，通過多次訓(xùn)練確定隱含層最佳神經(jīng)元個數(shù)為9個。輸入向量為

式中n(k)表示 時發(fā)動機(jī)轉(zhuǎn)速;θ(k)表示k時節(jié)氣門開度;β(k)表示k時空燃比。

RBF的輸出y(k)為k時刻網(wǎng)絡(luò)輸出層神經(jīng)元的期望輸出，在本文中來自空燃比傳感器的輸出信號。由于預(yù)測的是無傳輸延遲的空燃比信號，x(k)、y(k)均為按時序輸入輸出數(shù)據(jù)。將常規(guī)PID控制模型的空燃比傳感器輸出的反饋信號改為由神經(jīng)網(wǎng)絡(luò)輸出的信號即可調(diào)整為基于無傳輸延遲的空燃比控制模型，如圖3所示，空燃比傳感器的輸出信號用于監(jiān)督神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果以達(dá)到在線預(yù)測無傳輸延遲的空燃比信號的目的。

RBF網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

圖3 RBF神經(jīng)網(wǎng)絡(luò)模型子圖

圖4 RBF網(wǎng)絡(luò)結(jié)構(gòu)

4 實(shí)驗(yàn)仿真分析

在天然氣發(fā)動機(jī)運(yùn)行時經(jīng)常出現(xiàn)的是瞬態(tài)工況，即發(fā)動機(jī)的轉(zhuǎn)速和負(fù)荷不斷地變化。瞬態(tài)運(yùn)行工況，也是發(fā)動機(jī)空燃比控制的難點(diǎn)。本文在瞬態(tài)工況中采用上述空燃比閉環(huán)控制器，通過對空燃比進(jìn)行精確控制，防止發(fā)動機(jī)在瞬態(tài)工況下，排放性能變差。

為了驗(yàn)證本文算法的效果，將兩種算法在節(jié)氣門突變的情況下進(jìn)行對比。

如圖5所示，第一種算法是在PID的基礎(chǔ)上加上前饋控制，第二種是RBF神經(jīng)網(wǎng)絡(luò)控制策略。在穩(wěn)態(tài)工況下兩種控制策略都有小幅波動，但都在穩(wěn)定范圍內(nèi)。當(dāng)節(jié)氣門由20%突變至48%時，第一種算法在3．25秒后重新趨于穩(wěn)定，且最大過量空氣系數(shù)達(dá)到了1．24;第二種算法達(dá)到穩(wěn)態(tài)耗時約0．7秒，最大過量空氣系數(shù)為1．12。由此可知本文使用的RBF神經(jīng)網(wǎng)絡(luò)算法比PID算法重新回到穩(wěn)態(tài)的時間明顯更少，且由于對空燃比預(yù)測時充分考慮了系統(tǒng)延時，空燃比控制誤差也有效降低。

如圖6所示，節(jié)氣門開度突然從36%降低至28%時，發(fā)動機(jī)轉(zhuǎn)速由原來的穩(wěn)定在1900r/min在3s內(nèi)降至1200r/min，并保持穩(wěn)定在1200r/min左右。RBF神經(jīng)網(wǎng)絡(luò)控制的空燃比在節(jié)氣門突變后的0．8s內(nèi)有劇烈波動，之后也穩(wěn)定在預(yù)設(shè)空燃比附近。

圖5 兩種控制策略效果對比圖

圖6 節(jié)氣門突降轉(zhuǎn)速及過量空氣系數(shù)變化

圖7為節(jié)氣門開度由28%升至36%時發(fā)動機(jī)轉(zhuǎn)速變化和過量空氣系數(shù)變化情況，此時過量空氣系數(shù)目標(biāo)值是1。由圖可見，發(fā)動機(jī)轉(zhuǎn)速在約2．8s后穩(wěn)定在1900r/min左右，空燃比系數(shù)也有大的波動，在1s左右恢復(fù)穩(wěn)態(tài)。

由以上的分析可知，RBF神經(jīng)網(wǎng)絡(luò)控制的空燃比在工況突變時能夠即快速又準(zhǔn)確地恢復(fù)到初始給定值。這說明在工況突變的過程中，前饋控制結(jié)合經(jīng)過RBF神經(jīng)網(wǎng)絡(luò)預(yù)測的空燃比信號，通過PID閉環(huán)控制，可以使發(fā)動機(jī)的空燃比隨著工況變化的波動盡可能的小，從而防止瞬態(tài)工況的排放性變差。

圖7 節(jié)氣門突升轉(zhuǎn)速及過量空氣系數(shù)變化

5 結(jié)論

本文分析了電噴天然氣發(fā)動機(jī)產(chǎn)生延遲的因素，并建立RBF神經(jīng)網(wǎng)絡(luò)電噴天然氣發(fā)動機(jī)的仿真模型，在工況突變的各個情況下進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，與普通PID算法相比，在瞬態(tài)工況下能有效縮短過渡時間，降低了空燃比超調(diào)量，提高了系統(tǒng)瞬態(tài)工況下的動態(tài)性能及空燃比控制精度。

1 孟嗣宗，郭少平，張文海．發(fā)動機(jī)精確空燃比控制方法的研究［J］．內(nèi)燃機(jī)工程，1999(2):70～75

2 Clarke D W．Application of generalized predictive control to industrial processes［J］．IEEE Control System Magazine，1998，122:49～55

3 席裕庚．預(yù)測控制［M］．北京:國防工業(yè)出版社，1993

4 鄭海兵．廣義預(yù)測控制改進(jìn)算法的仿真研究［D］．大連:大連理工大學(xué)，2008

5 Clarke D W，Mohtadi C，Tuffs P S．Generalized predictive control－ part I．．the basis algorithm［J］．Automatica，1987，23(2):137～148

6 劉亞斌，劉雪田，肖文暉．基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的燃?xì)夤芫W(wǎng)實(shí)時預(yù)測［J］．系統(tǒng)工程學(xué)報(bào)，2003，18(5):475～478