欧发动机的电控系统匹配技术(玉柴)基于实验和模型的标定.pptVIP

基于模型的标定技术 柴油机电子控制领域核心关键技术及行业分工 电控发动机匹配标定技术（对整机制造商） 发动机控制软件（对整机制造商、系统供应商） 集成了机液电磁综合控制的高速强力电磁阀系统（系统供应商） 电控柴油机技术体系 电控柴油机实验标定系统 标定内容 对标定内容进行分解 关于多段喷射 各个工况下柴油机的理想喷油规律 参数优化问题的数学描述 是一个带约束的优化问题 优化对象：发动机的控制参数，如喷油压力、喷油定时、多次喷射时的油量分配比例、EGR率等； 目标：发动机性能，如燃油经济性最佳； 约束：排放 基于实验的标定 基于实验的标定方法概要 针对优化参数较少的电控柴油机 以实验为基础, 将建模优化的数学计算，通过实验方法实现 13工况排放中存在的实际比例与法规权重不同的现象 条件 将数学上的优化问题，分解到实验步骤上，在已知实验测试结果中： 在已完成的实验中包含最优解； 每个工况下都存在经济性最佳的喷油定时?ib,i,minbe；（i=1，……，13）； 在每个工况点下都存在NOx排放随喷油定时减小而减小的变化规律； HC和CO排放足够低，可以忽略不计； 排气烟度足够低（如最大转矩点排气烟度0.3FSN） 首先调节喷油定时实现无约束下的经济性最佳 得到基本定时MAP 参照法规权重进行调整（NOx） 参照法规权重进行调整 对标定内容进行分解 基于模型的标定 参数优化问题的数学描述 是一个带约束的优化问题 优化对象：发动机的控制参数，如喷油压力、喷油定时、多次喷射时的油量分配比例、EGR率等； 目标：发动机性能，如燃油经济性最佳； 约束：排放 共轨系统标定技术现状－自动标定技术 共轨系统标定技术现状－高级人工标定技术 基于模型标定方法－概述 基于模型标定方法－发动机经济性优化问题 试验设计－意义 试验设计－方法概述 试验设计－古典设计：全因子试验设计 试验设计－古典设计：中心复合法试验设计 试验设计－古典设计：Box－Behnken法试验设计 试验设计－古典设计：Plackett－Burman法试验设计 试验设计－古典设计：正则单行体法试验设计 试验设计－古典设计总结 试验设计－空间填充设计：拉丁超立方取样 试验设计－空间填充设计：格子法 试验设计－空间填充设计：分层拉丁超立方 试验设计－空间填充设计总结 试验设计－工程应用 发动机建模－二级模型 发动机建模－数学模型：多项式函数模型 发动机建模－数学模型：混合样条函数模型 模型过拟合和欠拟合 发动机建模－工程应用 标定优化－优化算法分类及发展现状 标定优化－有约束单目标最小化 标定优化－有约束非线性多变量多目标优化问题 标定优化－工程应用：优化工况点定义 建立发动机输入输出关系的两个主要途径 神经网络建模的特点和种类 发动机控制参数和性能参数之间是复杂的非线性关系，难以建立明确的数学表达式（一般数学模型）。 神经网络模型不考虑内部的函数关系，最适合于复杂的非线性关系描述，属黑箱模型，是比较理想的发动机建模方法 建立单阶模型 实验点分布 用3维曲面表示的BP模型输出结果 在实验点上模型预测值与实验值的对比 优化方法 一类是通过求导求解极值----精确解 对复杂系统不适合 另一类是不进行求导，直接有哪些信誉好的足球投注网站----非精确解 适合复杂系统，但算法选择很关键，否则难以找到全局最优解 遗传算法原理及应用 由美国Michigan大学的John Holland及其研究小组于上世纪六七十年代提出 模仿生物进化理论，将一个多维参数的寻优问题视为一个进化问题，通过建立父代染色体个体和种群、确定基因、通过对染色体的选择、交叉和变异等操作得到新的子代染色体，按照所制定的规则从子代中选择适应性强的新的个体、建立新的种群，进行新的选择、交叉和变异操作，直到得到符合条件的最优个体。 用遗传算法优化喷油嘴结构参数、缸径和行程，以及将遗传算法用于汽油机控制参数标定和柴油机标定 遗传算法模型 第1步：将发动机的一个工况点Pi视为一个基因，由一组工作参数构成 第2步：将多个工况点视为一个染色体X 第3步：多个染色体组成一个染色体种群 遗传算法流程 遗传算法优化程序界面 遗传算法在国产电控柴油机开发中的应用 遗传算法优化结果 对标定内容进行分解 电控单体泵系统标定实例 怠速?调速过程中的PI控制 采用上下行分开的控制策略可以实现控制目标 瞬态过程的喷射控制－喷油量 进行空燃比控制以后，加速性能变差 瞬态过程的喷射控制－定时 对定时修正以后，加速性能明显改善 结束 电控系统MAP 的标定 法规工况的标定 非法规工况的标定 + 参数优化问题 起动 怠速 状态修正 瞬态过程…… 发动机实验台架标定内容 主控制稳态MAP 起动控制MAP 怠速控制MAP 瞬态调速控制MAP 其它修正MAP