一種氣體燃料發(fā)動機面向控制的動態(tài)建模方法研究.pdf

1、基于數字控制器的發(fā)動機管理系統(tǒng)存在各種控制問題，主要包括信號的采集和處理、脈動噪聲、傳感器/濾波器的響應延遲、瞬態(tài)控制的帶寬限制等。基于模型的控制方法可以解決其中的很多問題。同時，為了滿足以多變量、非線性和時變特性為特征的先進控制理論應用于發(fā)動機控制的需要，本文針對一種特定的氣體燃料發(fā)動機——煤層氣發(fā)動機，開發(fā)了3種面向控制的發(fā)動機模型。主要研究內容如下：
　　 1)針對與空燃比控制相關的傳感器高頻采樣信號，研究了信號在時域和頻

2、域內的特性?；诳諝夂腿細饬髁康男盘柼匦裕⒘税叽沃C頻分量的流量波動模型。通過分別對空氣和燃氣流量波動模型進行仿真，測試了幾種基于沖程平均的采樣(EABSn)算法，選擇出合適的流量的抗混疊采樣策略。
　　 2)從空氣和燃氣在進氣系統(tǒng)、發(fā)動機、排氣系統(tǒng)的傳輸和動態(tài)響應延遲的角度，分析了節(jié)氣門階躍變化引起的空燃比偏移的原因。延遲補償后，建立了空燃比的Hammerstein模型。利用發(fā)動機穩(wěn)態(tài)實驗數據，分別辨識出空氣和燃氣流量到

3、空燃比的靜態(tài)多項式模型；然后根據發(fā)動機動態(tài)實驗數據，采用子空間法辨識出空燃比偏移的多變量動態(tài)模型，并采用3種準則函數來選擇子空間動態(tài)模型的階次。
　　 3)基于進氣系統(tǒng)的物理狀態(tài)方程，分別推導出發(fā)動機歧管壓力和空燃比的差分方程模型結構?；谶z忘因子(FF)算法和卡爾曼濾波器(KF)算法，通過選擇合適的更新步(遺忘因子和協(xié)方差矩陣)，得到了可以有效抑制泵氣噪聲、預報平均進氣歧管壓力的自適應模型；基于FF算法，通過選擇較小的遺忘因子

4、，建立了精確預測空燃比的自適應模型，同時可以提供自適應控制所需參數的實時估計。
　　 4)基于對角形式的矩陣分式描述(MFD)形式，構造了雙輸入/雙輸出的進氣系統(tǒng)前饋流量控制模型結構。根據漸近(ASYC)準則，分別選擇空氣和燃氣流量子模型的階次，并采用漸近辨識法來估計模型參數。采用兩種傳統(tǒng)的時域模型檢驗方法(殘差分析、交叉驗證)和兩種面向控制的頻域模型檢驗方法(模型誤差建模、辨識模型誤差上限)，分別對所建模型進行了評價，結果表明