外文翻译-柴油机表示转矩估计方法.docVIP

柴油机表示转矩估计方法 李小东译 摘要-本文介绍了一种人工神经网络方法估计显示，扭矩一个单一的多缸柴油机发动机从曲轴角位置和速度的测量由于这些变量可以衡量使用低成本的传感器，在执行控制或诊断策略，即要求气瓶表示扭矩，变数这是不容易衡量，需要购买昂贵的传感器。该办法是设计表示转矩估计的使用反馈与人工神经网络模型作为前馈。这种办法，可提供的优势在于它可以通过实时时间执行估计结果的显示引擎扭力介绍，与五月份相比实验数据表明好的协议关键词神经网络，反向传播，柴油机显示转矩导言此外，它有利，在故障诊断发动机燃烧和喷油的时机。例如，发动机熄火的燃油喷射系统将增加了尾气排放量，并会减少显示扭矩大，使降低发动机的性能。显示扭矩都可以计算出来，从测量缸显示压力。不过，压力传感器表示，压力是难以进入。因此，估计研究表明，扭矩一个人工神经网络（人工神经网络）的方式，有很大的潜在效益柴油发动机行业接受了革命电子产品和数字化技术。包括微处理器控制电子燃油点火系统的基础上的传感器反馈。此外，以更严谨的工作效率和竞争力的设计吸引消费者，主要这些控制器以往任何时候都更严格的规章允许的污染物从发动机燃烧这些规例以往任何时候都更为复杂的方法来估计这里显示的扭矩，改善控制的燃油空气比值，减少废气排放量。本文提出了一种非线性基于人工神经网络可以用来估算发动机扭矩，低成本的测量和比较到达信号。学习能力，人工神经网络许多工程应用的首选，其中包括柴油发动机模型估计与控制[ 1 ] [ 2 ] [ 3 ]中 ，人工神经网络是瞬时变化排放水平以下快速变化在发动机运行工况和排放量推动循环。 [ 4 ]中，人工神经网络是用在动力总控制器，以找出理想的盘末点发动机转速和负载，以尽量减少燃油消耗和废气排放在平稳驾驶应用人工神经网络模型为基础的故障检测与平价方程是在[ 5 ] 。作者该断层探测算法，采用方法平价方程，成功地实施和测试的一个2公升柴油引擎。[ 6 ] ， 比较了三种不同的状态监测技巧其中的技术是利用人工神经网络。他们的目的是研究以检测故障燃烧缸柴油发动机用扭力信号在曲轴的发动机。该标准BP算法是用来训练神经网络。扭转信号用来作为输入模式，并输出层代表一个阶层的缺失。 [ 7 ] ， 人工神经网络是训练有素的研究，精确的测量数据和拨出的信心水准下，以每个信号为6缸涡轮增压柴油机。神经网络是受过训练，要进行分类，并因此认识到错误，并健康行为的引擎可为多种经营条件。 [ 8 ] ，学习能力的人工神经网络公司是受聘为实时诊断的潜故障的一个涡轮增压器。输入向量是作为一系列的谐波峰的功率谱密度组成部分的垂直速度的轴承和输出矢量量化参数的潜力故障。应用这项技术的一个涡轮增压器与振动数据下取得的工作条件表明： 。估计气缸压力基于线性观察员和曲轴角速度测量调查在许多。[ 9 ] [ 10 ] [ 11 ]中，考虑线性模型为发动机动态模型。因此，建模误差增加时，发动机运行高速增长。 [ 12 ] [ 13 ] [ 14 ] ，非线性惯性变化和负载效果并不明确导致不准确显示转矩的估计。 [ 15 ] ，运用马克思未知输入观测器（器）的方法估计发动机扭矩，在多汽缸引擎。这工程中大多是线性的问题，订定，因此是最适于稳定状态（恒定速度）的应用。自一些矩阵变换须当表演该器方法，对身体的代表性国家变量的器是不明确和计算量是比较高的。 [ 16 ] ，卡尔曼滤波是设计来估计燃烧扭矩柴油机用瞬时曲轴的角速度。该过滤器是基于对线性发动机动力学模型。但这种方法，是最适合稳态运行方式。工作[ 17 ]侧重于失火检测分析测量角加速度的一个发动机缸体。计算转矩更高的引擎速度或负载。扭矩估值基于非线性观察员可发现[ 18 ] [ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] 所有这些估计要求该模型用在观测器设计必须准确，如果一个准确的估计，是理想的。。模观测计算上 限制了它作为一个真实时间的工具的使用。本文发展表示扭矩估计技术基础人工神经网络技术以克服这些问题。一种新的基于人工神经网络技术的柴油发动机扭矩表示的估计，利用一个新的三年任期BP算法是在本文。该技术应用到这个问题的估计显示扭矩测量曲轴的角速度流离失所。结果令人鼓舞，显示诺言用于实时应用的需求。本文安排如下。下一节是人工神经网络。在第三节中，总结发动机测功动态模型。在第四，显示转矩估计器的设计。一些模拟结果以及估计行为与一些实验数据在第五节。最后有一个讨论和主要结论。二人工神经网络该反向传播算法的多层神经网络是一个梯度下降所采用的程序，以最小化最小二乘目标函数（误差函数） 。三发动机动态模型系统说明发动机动态模型耦合功率机是用在这方面的文件。该模型将更为详细地讨论[ 27 ] [ 28 ] 。以下两个方程，描述动态该系统在曲轴角度域：四显