煤層氣發(fā)動機空燃比動態(tài)建模及前饋MAP校正方法研究.pdf

1、電控技術是提高煤層氣發(fā)動機燃燒效率、降低排放和提高動力性的重要手段。在煤層氣發(fā)動機控制系統(tǒng)分析和設計過程中，空燃比動態(tài)建模和前饋MAP校正方法是需要研究的重要內容，也是電控單元控制軟件優(yōu)化設計和控制策略開發(fā)的基礎。
　　 本文研究主要內容如下：
　　 (1)為了描述煤層氣發(fā)動機空燃比的動態(tài)特性，建立了多變量空燃比塊聯(lián)模型。利用穩(wěn)態(tài)工況實驗數(shù)據(jù)擬合的多項式，補償模型中的靜態(tài)非線性增益。借助3個準則函數(shù)選擇動態(tài)模型的階次，基

2、于發(fā)動機動態(tài)工況實驗數(shù)據(jù)，分別采用預濾波的頻率權值修正(SM)法和輸出誤差(OE)法辨識空燃比動態(tài)模型的參數(shù)。模型驗證結果表明，基于SM算法的塊聯(lián)模型能夠相對較好地捕獲發(fā)動機空燃比的瞬態(tài)偏移。
　　 (2)為了描述煤層氣發(fā)動機強烈的非線性和補償動態(tài)工況下的延遲，基于減法聚類算法(SCA)和在線聚類算法(OCA)，分別建立了用于空燃比反饋控制的ANFIS模型和自適應模糊模型。利用同向激勵和反向激勵下的動態(tài)數(shù)據(jù)，對兩種模型預測空燃比

3、的能力進行了檢驗和交叉驗證。結果表明，盡管兩種模型都能夠補償發(fā)動機各種延遲、描述排氣空燃比的瞬態(tài)偏移，但基于OCA算法自適應模型，由于采用參數(shù)遞推算法和適當選擇的規(guī)則半徑，通過在線修正和調整模型參數(shù)，可以更好地實時預測空燃比的變化，具有更高的精度。
　　 (3)為了優(yōu)化模糊空間劃分和進一步改善建模精度，考慮聚類中心的關聯(lián)性，將協(xié)同系數(shù)引入G-K聚類算法中，結合系統(tǒng)性能指標和3種聚類數(shù)判定準則(SC、S、XB)，構建了基于G-K協(xié)

4、同聚類算法的發(fā)動機空燃比模糊模型。模型驗證結果表明，與G-K聚類算法的模糊模型相比，基于G-K協(xié)同聚類算法的模糊模型具有更好的魯棒性，更適合作為空燃比動態(tài)模型。
　　 (4)為了盡可能消除穩(wěn)態(tài)控制偏差和優(yōu)化發(fā)動機控制MAP，借助于辨識的發(fā)動機穩(wěn)態(tài)模型，研究了基于PI型、PID型和自適應PID型迭代學習控制律的穩(wěn)態(tài)空燃比自學習校正算法；為了補償動態(tài)非線性和延遲引起的瞬態(tài)空燃比偏移，借助于基于協(xié)同聚類算法的空燃比動態(tài)模型，研究了基于