| 【中文题名】 | 基于MFB的点火提前角神经网络控制 |
| 【英文题名】 | SA Control Using Neural Network Based on MFB |
| 【学科专业】 | 机械设计理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-25 |
| 【中关键词】 | 汽车发动机,SA,转矩,RBF神经网络,SIMULINK仿真, |
| 【英关键词】 | gasoline engine,SA,Te,RBFNN,SIMULINK simulation, |
| 【分类导航】 | 工业技术>能源与动力工程>内燃机>汽油机>理论> |
| 【论文摘要】 |
点火提前角控制是汽油机控制的最重要内容之一；精确控制点火提前角涉及到发动机运行的动力性和经济性，也是一个具有挑战性的研究课题。对此，本文作者开发采用RBF神经网络控制的方法来实现汽油机的点火提前角控制问题，并基于发动机平均值模型进行了神经网络的SIMULINK在线仿真。
本文首先介绍了汽车发动机点火提前角对发动机运行工况的影响，介绍了点火提前角控制的必要性和重要性；综述了MFB控制策略的提出途径和背景，研究了国内外点火提前角控制发展的现状，并与之对比；在此基础上，采用神经网络对汽车发动机点火提前角进行控制的策略。通过对已有的神经网络控制方案进行分析比较，采用RBF神经网络来控制点火提前角。文中对神经网络的相关知识做了必要的介绍。
文中采用的发动机模型是由丹麦大学Elbert Hendricks教授和他的同事们提出来的，此模型具有较高的精度，本论文作者在其基础上建立了有效的发动机输出转矩模型。由丹麦大学Elbert Hendricks教授提出的此模型对不同于建模的三种发动机在整个运行域上的误差标准仅为2～3％，对同一发动机采用不同进气歧管和喷油系统时也具体相同精度水平，被研究者们广泛采... |
| 【论文题纲】 |
|
中文摘要 |
2-4 |
|
英文摘要 |
4-6 |
|
附录:符号说明 |
6-9 |
|
中文目录 |
9-12 |
|
英文目录 |
12-15 |
|
1 绪论 |
15-20 |
|
1.1 问题的提出 |
15-16 |
|
1.2 汽油机点火提前角的概念和意义 |
16-17 |
|
1.3 SA(最佳点火角)研究现状 |
17-18 |
|
1.4 项目课题来源和技术路线 |
18-19 |
|
1.4.1 课题来源 |
18 |
|
1.4.2 项目技术路线 |
18-19 |
|
1.5 本论文的主要工作 |
19-20 |
|
2 电喷汽车发动机的点火系统 |
20-31 |
|
2.1 电喷系统的组成 |
20-21 |
|
2.2 发动机ECU点火系统介绍 |
21-25 |
|
2.2.1 ECU点火控制系统基本组成及原理 |
21 |
|
2.2.2 点火提前角对发动机性能的影响 |
21-22 |
|
2.2.3 发动机运行时ECU点火角的确定 |
22-23 |
|
2.2.4 发动机运行时ECU点火角的修正 |
23-25 |
|
2.3 国外常用的汽油机参数模型 |
25 |
|
2.4 发动机平均值模型(Mean Value Mode) |
25-31 |
|
2.4.1 节气门-进气歧管模块 |
27 |
|
2.4.2 油膜动力学子模块 |
27-29 |
|
2.4.3 曲轴子模块 |
29-31 |
|
3 发动机点火提前角控制策略分析 |
31-44 |
|
3.1 采用气缸压力的MBT时间确定与闭环控制 |
31-38 |
|
3.1.1 MBT概念的提出 |
31 |
|
3.1.2 MFB PP MAMFB概念的提出 |
31-33 |
|
3.1.3 MBT正时检测(MBT Timing Detection) |
33-34 |
|
3.1.4 MBT测定算法An MBT Detection Algorithm |
34-36 |
|
3.1.5 控制结构与控制策略Control Architecture and Strategy |
36-37 |
|
3.1.6 测试结果及分析Test Results and Analysis |
37-38 |
|
3.2 其他点火提前角控制策略 |
38-43 |
|
3.2.1 基于点火提前角的模糊控制 |
38-40 |
|
3.2.2 基于CMAC网络的点火提前角控制 |
40-42 |
|
3.2.3 基于滑模的点火提前角控制 |
42-43 |
|
3.3 RBF神经网络控制策略 |
43-44 |
|
4 神经控制理论与应用概要 |
44-63 |
|
4.1 神经网络简介 |
44-48 |
|
4.2 神经网络理论基础 |
48-51 |
|
4.3 神经网络的学习方式 |
51-52 |
|
4.4 神经网络在控制领域的应用 |
52-55 |
|
4.4.1 为什么要采用智能控制 |
52 |
|
4.4.2 智能控制的基本特征 |
52-53 |
|
4.4.3 神经网络控制 |
53-55 |
|
4.5 RBF神经网络 |
55-63 |
|
4.5.1 RBF神经网络介绍 |
55 |
|
4.5.2 RBF神经网络离线算法 |
55-59 |
|
4.5.3 RBF神经网络在线算法 |
59-63 |
|
5 基于SIMULINK的点火提前角的RBF神经网络的控制仿真 |
63-72 |
|
5.1 发动机最大转矩和基于RBF NN的控制器 |
63-65 |
|
5.1.1 以发动机最大转矩为控制准则的点火提点角 |
63 |
|
5.1.2 RBF NN的控制算法 |
63-64 |
|
5.1.3 S函数的编写 |
64-65 |
|
5.2 基于RBF神经网络的SIMULINK仿真模型 |
65-70 |
|
5.2.1 RBF控制点火提前角仿真系统 |
65-66 |
|
5.2.2 点火角控制仿真 |
66-70 |
|
5.2.3 结论 |
70 |
|
5.3 观测器的建立以及S函数模块的生成 |
70-72 |
|
6 总结和展望 |
72-74 |
|
6.1 全文总结 |
72 |
|
6.2 工作展望 |
72-74 |
|
在读期间发表的论文 |
74-75 |
|
致谢 |
75-76 |
|
参考文献 |
76-79 |
|
| 【DOI】 | LunWen.ID:2.2008.132738 |
