基于Elman神经网络的汽油机过渡工况空燃比多步预测模型

为了减小车用汽油机空燃比传输延迟对空燃比控制精度的影响,提出一种基于Elman神经网络的空燃比多步预测模型.通过对空燃比数学模型的分析,确定神经网络空燃比多步预测模型的输入向量,同时,为了提高过渡工况空燃比预测精度,在神经网络输入向量中增加反映空燃比变化趋势的导数信息.对HL495发动机过渡工况实验数据进行学习,采用梯度算法对Elman神经网络的权值进行调整.研究结果表明：采用该方法能精确预测过渡工况空燃比,预测模型的最大误差小于1%,平均误差小于0.5%.该预测模型可用于实现车用汽油机过渡工况空燃比的精确控制,提高车用汽油机过渡工况排放性能.     

神经网络在汽油机瞬态空燃比控制中的应用

为了对稀薄燃烧汽油机的瞬态空燃比进行精确控制，提出了一个稀燃汽油机空燃比神经网络一滑模控制方案，该方案采用神经网络实现对瞬态过程中实际进入气缸内进气量的精确预测和进气管内油膜动态特性的前馈补偿．在一台稀燃发动机上进行了瞬态空燃比实验，节气门急速变化时的空燃比超调最大为1个空燃比单位，最小为0．2个空燃比单位；空燃比调整时间一般在3s以内，最快可达到1s．控制结果达到了对稀燃发动机瞬态空燃比的精确控制．     

一种时间序列优化的粒子滤波算法

针对预测对象在动态过程中发生结构性变化的时间序列,难以建立一个实时解析变化趋势的模型.本文提出基于时间序列自适应建模的粒子滤波算法(TS-PF).采用时间序列方法动态构建预测模型,并将粒子滤波算法中一系列加权粒子以该模型进行状态转移,运用粒子滤波重采样技术,使预测误差进一步减小,预测精度逼近最优估计.非线性预测系统仿真实验表明基于时间序列自适应建模的粒子滤波算法(TS-PF)比单纯采用时间序列动态建模算法(TS)精度更高,提高了动态目标跟踪的准确性.     

基于进气调节的汽油机空燃比控制系统研究

针对单缸汽油机进行了结构改进,设计了用于空气调节的电子节气门机构,制定了各个工况下的空燃比控制策略,并对发动机的控制参数进行了优化,开发了发动机空燃比控制系统,实现了喷油和进气量的联合控制.台架试验结果表明,采用进气调节系统后,发动机动力、经济性和排放指标得到了显著的改善.     

燃气发动机空燃比控制策略研究

燃气发动机混合气中煤层气浓度、压力或温度发生变化时,空燃比随之发生变化.为了控制发动机空燃比,使其在煤层气理论空燃比17.2附近波动,提出了空燃比控制策略.对基于PID控制和CMAC PID并行控制的两种策略进行了仿真,由仿真结果看出,后者较前者稳态误差小,控制精度高.     

稀燃汽油机空燃比滑模-神经网络控制及实验

提高电控汽油机空燃比控制精度是改善发动机燃油经济性、动力性和降低尾气污染的关键环节．针对稀薄燃烧汽油机的工作原理,提出了一个稀燃汽油机空燃比滑模-神经网络控制方案,并对方案中的各环节进行了详细描述．采用自行开发的发动机电控系统,在一台稀燃发动机上进行了实验,并对实验结果进行了分析．实验结果表明,采用滑模-神经网络方案对稀薄燃烧发动机空燃比进行控制,不仅可以提高准稳态时发动机的空燃比控制精度．而且可以降低过渡过程的空燃比超调．节气门急速变化时的空燃比超调最大为1个空燃比单位,最小为0．2个空燃比单位,大大优于车用电控系统的控制结果．     

基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。     

基于粒子群寻优的汽车自适应巡航预测控制

为进一步提升多目标自适应巡航系统预测控制精度,提出一种基于粒子群寻优的汽车自适应巡航预测控制算法.首先建立一种包含前车加速度扰动的自适应巡航系统车间纵向运动学模型,并对其线性离散化;其次综合车距误差、相对车速、自车加速度和冲击度,设计二次型多目标优化性能指标函数和多参数约束条件,构建自适应巡航预测控制优化命题;最后为便于问题求解,将目标函数和约束条件推导转化为以预测控制增量为优化变量的规范形式,并基于粒子群优化算法求解自适应巡航预测控制的最优控制律.通过Matlab/Simulink多工况仿真结果表明,粒子群算法求解的最优控制律能够控制自车保持更好的跟踪性和自适应性.      

基于改进粒子群算法的自适应波束形成

基于最小均方误差准则,将自适应波束形成的权值求解问题表示为多目标优化模型,利用提出的改进粒子群优化算法,获得了阵列最优权值向量.改进粒子群优化算法中引入动态邻域拓扑结构,自适应调整粒子的领域搜索范围,避免粒子陷入局部最优.仿真结果表明:所提算法的收敛速度优于传统算法.     

废气再循环阿特金森汽油机经济性优化算法

基于一维整机模型在3 000r·min-1部分负荷工况下对Atkinson汽油机性能进行仿真分析.结果表明,在保持节气门位置、空燃比与点火提前角不变的情况下,随着废气再循环率提升或随着LIVC(late intake valve closing)增大,发动机的油耗均呈现增大趋势.为进一步优化Atkinson发动机燃油经济性,在节气门全开条件下搭建了GT-power与MATLAB联合仿真模型,通过改进的遗传算法,对废气再循环率、进气门晚关角、点火提前角、空燃比等参数进行优化迭代,并对历代种群进行了模糊聚类分析,得出了不同负荷工况点的油耗最优值及对应的控制参数.