发明内容
本发明要解决的技术问题是:针对目前汽油发动机的控制方式所存在的问题,提供一种能在工作过程中根据发动机相关特性改变和发动机使用条件改变而自适应生成动态脉谱的策略,进而提供一种动态脉谱参数与原有样机台架确定的基本脉谱参数组合控制的组合脉谱对发动机EGR率控制的方法。
本发明要解决其技术问题所采用的技术方案是:该组合脉谱对发动机EGR率控制的方法,其特征在于:包括基本EGR率脉谱参数和动态EGR率脉谱参数,基本EGR率脉谱参数是经过台架标定和经过台架及道路参数优化标定的脉谱参数,动态EGR率脉谱参数是控制系统自学习在线自标定和自优化生成的脉谱参数,通过控制系统按控制策略对汽油发动机EGR率进行自适应控制。
脉谱参数的组成是不同工况分区的若干个子脉谱参数区域之和,每个区域都按该区域的控制目标值分为闭环控制目标和开环控制区域。
控制系统采用基本EGR率脉谱,在部分负荷下采用EGR,全负荷及节气门开度低于20%的工况下,EGR率取零,EGR率的控制范围为5%-25%。
控制系统包括微处理器、小脑关节控制器CMAC、铁电存储器、传感器信号、信号调理电路、功率驱动电路、EGR系统驱动,铁电存储器与小脑关节控制器CMAC互联,小脑关节控制器CMAC与微处理器互联,传感器信号通过信号调理电路与微处理器相连,微处理器与功率驱动电路相连,功率驱动电路与EGR系统驱动相连。
动态EGR率脉谱参数的生成方法是,根据工况条件和使用条件的变化以及发动机自身因素变化学习生成的一系列自适应参数,该自适应参数在工作过程中按工况依据条件变化自适应学习和经验聚类,反复应用和实时修正而不断刷新;
在EGR率控制过程中,EGR率的控制范围是5%-25%,控制系统通过自适应学习和控制,在常规控制器空燃比闭环控制模式下(部分负荷工况)在此范围生成动态EGR率脉谱参数,其动态EGR率脉谱的生成是,根据节气门位置信号、转速信号、进气压力信号、冷却水温度信号的变化,以该条件下的基本EGR率脉谱为数据节点,通过以上信号的变化率计算以及曲轴转角加速度、喷油脉宽变化率判定被控目标在数据节点相邻区域的变化趋势,确定寻优区域,将确定的区域取中点,该中点为改变后的新数据节点,再按以上信号的变化率确定更小区域,如此反复,逼进最小区域,当以上信号变化率趋进于一个给定的,近似于零的阈值时,确定该点;
动态EGR率脉谱的生成步骤是:
a、确定动态EGR率脉谱生成区域:以某一工况条件下的控制EGR率的基本修正EGR率脉谱,以及表征此刻工况条件的相关各特征信号值为数据节点,以该节点的基本修正EGR率脉谱参数y为中心值,以期望EGR率和实际的与节气门开度偏差所对应的EGR率偏差为基本参考半径,找出动态EGR率脉谱生成区域(y-Δy,y+Δy);
b、确定动态EGR率脉谱生成的寻优区域:在同维空间区域利用该数据节点中表征该工况的相关各特征信号值的变化率大小进行动态EGR率脉谱生成趋势判定,从而判定更小的区域是在(y-Δy)还是在(y+Δy)一边,确定后以(y-Δy)或(y+Δy)区域的中值为目标逼近后的新节点,并且以该EGR率目标为中心,确定新的逼近后的动态EGR率脉谱生成区域,如此反复,不断逼近,直到最小的区域min(y-Δy,y+Δy)出现,该区域为寻优区域;
c、动态EGR率脉谱的生成:当表征该工况的相关各特征信号值的变化率趋近于一个近似于零的常数ε时,以及进行概率统计处理的相关特征信号的概率分布在允许的范围内,确定min(y-Δy,y+Δy)中的中值点ym,该点即为生成的动态EGR率脉谱参数;
d、确定动态EGR率脉谱:重复以上过程a-c,并且在全过程小脑关节控制器CMAC对EGR率控制目标进行自适应学习和跟踪,以及对偏差进行逼近调整和进行经验聚类,当相关各特征信号值的变化率ε及相关特征信号的概率分布稳定在一个允许的变化范围内时,确定该动态EGR率脉谱参数,存入铁电存储器,此时,确定的动态EGR率脉谱参数和所对应的相关各特征信号值为一组数据节点,该节点即为动态EGR率脉谱参数,该动态EGR率脉谱参数的集合构成动态脉谱;
e、对动态EGR率脉谱的刷新:生成的动态EGR率脉谱在喷油脉宽控制过程中,由于发动机自身特性及使用环境改变使其EGR率控制目标也有所变化,其所组成的数据节点在进行a-d的过程时,当确定其相关各特征信号值变化率ε改变以及相关特征信号的概率分布不在允许的变化范围时,重新生成新的动态EGR率脉谱参数,经小脑关节控制器CMAC对EGR率控制目标进行自适应学习和跟踪,以及对偏差进行逼近调整和经验聚类确定,对原来数据节点地址单元刷新。
控制策略包括EGR率组合控制策略和修正控制策略或其他控制策略。
EGR率组合控制策略和修正控制策略是:
a、组合作用对象:作用于组合EGR率脉谱,对应于相同或非常相近的EGR率查表条件,既有基本EGR率脉谱,又有生成的动态EGR率脉谱时,即作用条件是该工况所对应的控制目标具有动态EGR率脉谱;
b、组合原则;对同工况、同条件或同工况具有非常相近的条件,即数据节点既有存在于基本EGR率脉谱的,也有存在于动态EGR率脉谱的,当组成数据节点的元素中,相关各特征信号值相同而目标参数不同时,选动态EGR率脉谱参数;相关各特征信号值不完全相同但目标参数相同时,对该不相同特征信号值分别按前一循环值与当次循环值计算变化率,比较该变化率,取小判优,确定EGR率组合脉谱参数;相关各特征信号值相同而目标参数相差较大时,取两目标中值按动态EGR率脉谱生成策略进行逼近生成新的动态EGR率脉谱参数插入动态EGR率脉谱中;
c、组合方法:从动态EGR率脉谱中选择动态EGR率脉谱参数后,原同工况、同条件或同工况具有非常相近的条件下的基本EGR率脉谱参数被屏蔽;动态EGR率脉谱参数对控制目标进行控制,当被确定使用的动态EGR率脉谱参数在对目标控制时,相关各特征信号值的变化率无法稳定在允许范围内时,放弃该动态EGR率脉谱参数,回到该工况、该条件下的基本EGR率脉谱,应用动态EGR率脉谱生成策略重新学习生成;
d、以上组合作用下,通过对部分控制目标的动态EGR率脉谱参数应用,对同一工况,或代换一部分基本EGR率脉谱参数,或取代该工况下的全部基本EGR率脉谱;
小脑关节控制器CMAC对EGR率控制过程进行自适应学习,并将学习参数分工况、分条件进行聚类暂存;微处理器在控制中不断按控制策略对同工况、同条件下的基本EGR率脉谱参数和暂存的自适应学习参数按寻优条件进行比判,暂存的数据符合规定的条件时,形成该工况该条件下的动态EGR率脉谱参数进行存储,并且在以后的控制中不断学习和经验聚类,反复进行以上过程并不断刷新。当动态EGR率脉谱参数更适合于发动机的控制时,该工况该条件下的动态EGR率脉谱参数全部或部分取代该工况该条件下的基本EGR率脉谱参数对发动机EGR率进行控制;
同一工况下EGR率在控制模式不同时有多个闭环控制目标,当条件发生变化时,控制模式也发生改变,如经济模式和功率模式时的目标不同,控制系统根据控制策略,利用各工况条件参数进行模式分析判定,通过选定模式而自动选定该工况下的闭环控制目标之一进行闭环控制;
控制系统对EGR率的期望目标按修正策略以及动态EGR率脉谱的生成策略、组合策略选择最佳EGR率控制目标进行逐步纠偏逼近控制,在控制过程中通过自适应学习和经验聚类,生成动态EGR率脉谱使对EGR率的控制达到快速响应和高精度;
在纠偏逼近中,使用的修正控制策略是:
该修正策略由常规修正策略和小脑关节控制器CMAC的逼近修正策略组成:常规修正策略是来自反映发动机工况的相关各传感器的特征信号值对EGR率脉谱的修正,这一部分在常规控制方式下输出基本修正EGR率脉谱通过执行器对目标进行控制;小脑关节控制器CMAC的逼近修正策略中,一是采用新的相关各传感器的特征信号处理方式对不可直接测得量进行软测量方法推断,以及模糊推断而得到软测量特征信号值对基本EGR率脉谱进行修正;二是利用小脑关节控制器CMAC通过期望目标对实际目标进行纠偏,并在纠偏过程中进行权值匹配而自适应学习相关各传感器的特征信号值对基本EGR率脉谱进行修正,三是通过各传感器给出的特征信号变化率,以及软测量推定的特征信号变化率确定逼近范围,不断按变化率逼近最小偏差范围对基本EGR率脉谱进行修正。
发动机上的传感器信号以及采用软测量方式推断出的特征信号,主要包括:转速信号、节气门位置信号、氧传感器信号、供电回路电压信号、水温传感器信号、进气压力信号。
控制系统根据发动机与相关各传感器的特征信号变化率判定工况变化趋势对部分时滞偏差过大的控制目标进行给定期望值预测控制,同时以预测控制目标值为数据节点,利用小脑关节控制器CMAC的自适应调整和学习能力,降低或消除各方面信号滞后带来的误差;
控制系统还根据发动机与EGR率相关各传感器的特征信号变化率判定工况变化趋势进行经济模式、动力模式、正常模式判定,在不同的控制模式下自适应选定不同的EGR率闭环控制目标进行控制;在控制过程中,对模式目标进行优化,并在今后的控制中依据条件的改变,不断修改和被优化。
工况是指中小负荷工况、大负荷工况,起动工况、加减速工况以及怠速工况。
与现有技术相比,本发明组合脉谱对发动机EGR率控制的方法,所具有的有益效果是:由于采用了以自适应学习方法合成的组合脉谱控制方式,使得被控系统发生改变和未知变化对发动机的影响得到了修正,从而提高了开环控制时的控制精度和速度。也利用动态脉谱参数的规划和生成,对闭环控制目标进行了修正和选定,改善了发动机自身条件变化时反馈信号确定单一造成的发动机控制系统无法响应,通过自适应学习控制产生动态脉谱的策略提前预测控制,最大可能的修正了各种时滞效应带来的控制滞后,提高了控制的实时性。
具体实施方式
本发明提出的组合脉谱对发动机EGR率控制的方法体现在常规控制器(发动机中央控制器ECU)和小脑关节控制器CMAC根据控制策略对控制功能的实现中;以下结合附图1-5对实施过程分别说明。
如图1所示:控制系统包括微处理器、小脑关节控制器CMAC、铁电存储器、传感器信号、信号调理电路、功率驱动电路、EGR系统驱动,铁电存储器与小脑关节控制器CMAC互联,小脑关节控制器CMAC与微处理器互联,传感器信号通过信号调理电路与微处理器相连,微处理器与功率驱动电路相连,功率驱动电路与EGR系统驱动相连。
相关传感器信号通过信号调理电路将信号输入到微处理器。
相关传感器信号主要包括:进气压力信号、节气门位置信号、冷却水温度信号、系统电压变化信号、转速信号等。
微处理器由32位的CPU内核,内置常规控制器控制策略和算法、各类脉谱及其它相关控制目标数据及通信总线处理器等。
小脑关节控制器CMAC由另一片32位微处理器为内核,与外部电路构成;其内置自适应学习算法及控制策略,与主微处理器共同组成控制系统核心,接受外部信号变化,根据策略及时作出决策,进行自适应学习聚类刷新动态脉谱参数,发出指令控制外部执行机构动作和运行。
铁电存储器对系统基本EGR率脉谱参数进行备份,经自适应学习后参与工况控制后被判定为使系统按要求稳定工作的那部分动态脉谱参数也会作为经验数据存入其中。微处理器判定系统失控时会自动将基本固态脉谱参数从铁电存储器写入微处理器中。
功率驱动控制电路采用专用控制驱动芯片和外围电路,驱动EGR系统等。
在这里特别说明的是,为便于区别新的控制方法,本发明将传统处理方式和方法,如PID控制策略的使用等,均定义为常规控制器,常规控制器作为控制系统一部分,控制系统的另一部分称之为小脑关节控制器CMAC。
如图2所示:是本发明组合脉谱对发动机EGR率控制的方法的实施例之一;图2中,对EGR率的控制要求是:在部分负荷下采用EGR,全负荷及节气门开度低于20%的工况下,EGR率取零。EGR率的控制范围为5%--25%。
控制过程中,控制系统根据节气门位置信号和由曲轴位传感器测出的转速信号,按EGR率控制策略,查出基本EGR率脉谱,常规控制器根据节气门位置信号、转速信号、进气压力信号、冷却水温度信号确定当前所在工况,对符合EGR控制要求的工况,按该工况下相关传感器的信号对EGR率脉谱进行调整修正后输出EGR率修正脉谱,该修正脉谱控制EGR率比例电磁阀工作。
小脑关节控制器CMAC对控制EGR率比例电磁阀的EGR率修正脉谱进行自适应跟踪并学习,这里特别指出的是小脑关节控制器CMAC利用节气门位置偏差和曲轴转角加速度的变化对EGR率的控制修正进行了软测量方式推定,使EGR率在5%-25%的范围内进行了自适应最佳配比。小脑关节控制器CMAC的另一个作用是通过自适应学习,依据本发明前面叙述的自适应控制策略和动态脉谱生成策略生成动态EGR率脉谱,该动态EGR率脉谱经判比适合于对目标控制时将按照组合脉谱控制策略全部和部分取代基本EGR率脉谱,并重复上述过程。
如图3所示:按照本发明组合脉谱对发动机EGR率控制的方法自适应控制策略,一但投入使用的发动机,除开始是通过经台架试验优化的基本EGR率脉谱工作外,由于自适应策略的作用,不断自适应产生新的优化动态EGR率脉谱,因而工作一段时间的发动机,其EGR率脉谱已或多或少发生改变,即是同时投入使用和经过相同工作时间后的发动机,其同控制目标的脉谱也改变的不再相同;这是因为器件的制造偏差、安装的工艺以及器件本身特性的差异,发动机使用环境的不同,使用条件的不同,操纵方法的差异等。而且目标值由于各种使用环境、条件、传递时滞、机构传动时滞、特性差异等,与实际目标产生偏差;对实际目标的信号反馈,由于传感器的特性、信号的传递时滞、信号运算处理过程的时滞等;还包括随机产生的干扰和干扰引起的器件特性突变等;以上等等因素的存在,影响到控制的实时性和准确性,加上无法“因地制易”调整的台架标定脉谱,使控制系统无法准确确定控制目标。
使用小脑关节控制器CMAC,结合传统PID控制(常规控制器)的自适应控制策略从二方面实施控制,一方面针对控制目标的偏差进行自适应控制,即确保系统稳定的自适应控制和保证控制目标性能最优的自校正自适应控制(在线辨识系统),以确保系统稳定。另一方面是对控制目标的相关传感器信号进行变化率跟踪的自适应学习控制,即本发明给出的控制策略;即采集传感器反馈量变化率趋势判定与系统稳定性聚类逼近,以及稳定目标后的自学习调整时滞性的预测实时控制。
图3中,
(1)设被控制输出量yj(j=1,2,3…),在此条件下连续测量发动机n个工作循环的时间ti和转速信号、节气门位置信号、喷油脉宽信号、进气压力信号、氧传感器信号、爆震信号、大气压力信号、水温信号、燃油温度信号、机油温度与机油压力信号、VNT截面开度(有涡轮增压器时)和EGR阀开度信号、蓄电池电压信号以及以上各信号的变化率,并特别处理氧传感器和爆震传感器信号,如根据氧传感器反馈量变化率的变化趋势进行软测量方式的目标空燃比控制;根据爆震传感器信号经选频检波器作用后按n个循环爆震发生的概率在2%-5%以内为最佳点火调整阈值,而取代传统的爆震安全角距离。
以上信号经控制系统并以以下公式
进行拟合计算处理,得到基本控制目标yi
公式中,a0为基本脉谱值或传感器信号值,a1为控制目标变化率或传感器信号变化率;ti第i个循环时间;yi第i个循环的控制目标平均变化量。
(2)通过拟合的数据再利用关系 拟合,式中,d1/dt,d2/dt,…,dn/dt,分别为相关测值变化率;将被控制输出量改变为yj=yj-1+Δy,(i=1,2,3…);
(3)设计控制律逻辑确定被控制输出量由yj-1改为yj之后,发动机各被测量的变化率趋近于零,该趋近于零的值ε被视为最佳条件,该条件下的目标值y被优化选出成为新的控制目标,以及对应的查表条件改变。
yj-yj-1>0时,有bj-bj-1>ε,则yj+1=yj+Δy(Δy>0)。
yj-yj-1<0时,有bj-bj-1<ε,则yj+1=yj+Δy(Δy>0)。
yj-yj-1>0时,有bj-bj-1<ε,则yj+1=yj-Δy(Δy>0)。
yj-yj-1<0时,有bj-bj-1<ε,则yj+1=yj-Δy(Δy>0)。
(4)以上是以发动机各相关传感器测量值及其变化矢量为反馈参数的对y进行自适应控制的过程。该过程在n次工作循环中若使发动机平稳工作(各条件特征值参数变化不大,即有趋近于零的ε,概率分布在允许的范围内),则控制目标y被定义在(y-Δy,y+Δy)几何体区间内,得出控制目标空间区域,并对区域内不断插值逼进极小空间区域而进行控制;此时表现出的发动机各参数即为发动机最优条件参数,该条件下的目标值即被优化选出的控制目标。此时该控制目标按规定被聚类写入动态EGR率脉谱参数区,该地址有不合条件的数据时被取代。
(5)当变化趋势在n次循环中稳定或最佳条件出现时,控制策略对控制单元及发动机的各时滞效应将按学习的模式进行预测消除,相同事件再次发生时联想控制;工况变化或同工况下条件变化时再按上述原则,如此反复;
(6)以上过程中,n以稳定的鲁棒性为界而确定,ε值为一多因素相关微小量常数。这两个参数在台架样机试验数据处理时反复验证并予以确认。
如图4所示:发动机进入工作时,控制系统根据不同的操作条件和各传感器的状态信号判定发动机当前的工况类别,即基本操作条件与当前相关传感器的状态构成控制系统选定工况的当前基本工况条件,控制系统根据上述条件确定当前工况,计算输出该工况下的基本EGR率脉谱。
如果此过程有经过自适应学习生成的动态EGR率脉谱存在,控制系统经稳定性优化判比,若该动态EGR率脉谱更优于基本EGR率脉谱,则输出的是新生成的动态EGR率脉谱。该动态EGR率脉谱参数被传感器的反馈信号进行当前修正,修正后的动态EGR率脉谱对比例电磁阀控制;这一过程进行的同时,一是通过各位置状态信号测量反馈上一循环的执行机构目标定位情况,控制系统将实际目标值与输出的修正目标值计算偏差及偏差变化率输入小脑关节控制器CMAC进行自适应权值修正,二是通过前馈方式训练和跟踪获得被控目标逆模型,若用x(k)表示系统状态,u(k)表示控制向量时,对执行机构的控制描述为x(k+1)=g[x(k),x(k)];三是控制系统通过对与控制目标相关的传感器信号在规定循环周期内算出其信号量的变化率,通过变化率确定变化趋势,与确定控制方向,通过控制策略利用该变化趋势预测给出期望输出目标,通过与实测目标的偏差和偏差变化率计算,各相关传感器信号的变化率计算,不断修正权值,按各变化率趋近于零的稳定性趋势,逼近控制目标。当系统自适应学习的经验聚类(导师)信号与基于变化率达到稳定阈值的偏差变化率最小以及偏差最小时,该预测控制目标被确定为将要选定的动态脉谱值。该动态脉谱值被送于暂存器中用于对控制目标的输出,重复前述的过程,不断计算前一循环的各相关变化率,在当前循环中控制和学习,在下一循环中预测输出。学习与控制交替进行。
当稳定性阈值出现时,该预测控制目标的动态脉谱参数值即生成的动态EGR率脉谱,被存入铁电存储器中,稳定性阈值出现时的各传感器信号值也同时被确定为决定,该动态EGR率脉谱输出的工况条件信号,而与EGR率目标共同构成数据节点。同理,在条件发生变化时,重复以上过程,不断生成相对应的动态EGR率脉谱。
在学习与控制交替进行过程中,生成的动态EGR率脉谱和生成该动态EGR率脉谱时的各相关传感器的信号值按控制策略中的数据处理原则被聚类优化存储;优化的原则分两个方面,一是不断对基本工况条件和记忆的操作条件对动态EGR率脉谱参数按趋势找出寻优区域不断逼近控制,确定最优条件ε出现时的数据节点,这样减少了空间占用率,同时也缩短了动态EGR率脉谱的生成周期。二是采用紧凑型地址空间存储策略,避免多余单元重新分配地址,即采用统一地址求余运算得到训练存放权值的空间,以满足硬件实现要求。
对于EGR率的控制,控制系统在当前学习与控制阶段,控制系统中小脑关节控制器CMAC根据前一循环的节气门位置以及与之相关的传感器信号变化率确定下一循环的预测输出。因而首先以前一循环的控制脉谱参数为数据节点,根据与之相关传感器信号变化范围(如转速)及信号的变化率范围确定工况条件输入空间Ug=[a,b]×[c,d],根据预测目标和实际目标偏差范围及偏差变化率范围确定脉谱跟踪修正空间Um=[e,f]×[g,h],如节气门开度在20到60,其变化率在0到5,则标准乘积空间为Ug=[20,60]×[0,5];并选取合适的量化级数,给出初始权系数矩阵,以当前与之相关传感器信号变化及信号的变化率和当前执行器位置信号及信号变化率为节点,选取合适的参数和空间超几何体半径,根据给定的样本找出包含该点的空间超几何体,确定选择矩阵S,此时小脑关节控制器CMAC的输出定义在以激活节点为中心的超几何体上的基函数线性组合,即 其中:
B(xt)=diag[b1(xt),b2(xt),…,bm(xt)],q=[q1,q2,,qn]T是权系数向量,Sm=[St,m]n×m为权系数选择向量,这样对于每个样本,只需局部调整权系数即可。这样经不断学习与控制,不断重复以上过程,学习与控制交替进行,生成符合要求的动态脉谱参数,对下一循环中EGR率比例电磁阀进行预测控制,经过一段时间(多个循环过程)的学习聚类,通过多次逼近达到了实际目标值,最大能力的消除了时滞带来的控制偏差,从而使EGR率达到精确控制。
如图5所示:微处理器U1的31、32脚分别与存储器U16的29、24脚相连,40脚通过电阻R1接VCC高电平,通过电容C1接地,通过开关S1接地;微处理器U1的73、74脚之间接有晶振Y1,并且通过电容C2、C3接地;
进气压力传感器的信号经过缓存器U2进入锁相环U3进行V/F转换处理后,通过光电耦合器OP1输入到微处理器U1的A/D口P50、P51脚,供微处理器U1进行分析计算处理。
将冷却水温度信号通过串接分压电阻转换为模拟电压信号供比较器U4比判,比较器U4依次输出数字信号输入到微处理器U1的A/D口P544脚,供微处理器U1来分析判断发动机工况。
节气门位置信号经降压后输入到运算放大器U5放大处理后,输入到微处理器U1的A/D口P46脚,供微处理器U1进行分析计算处理。
曲轴位置传感器信号输入到磁变换器U6进行转换处理后,输入到微处理器U1的A/D口P57脚,供微处理器U1进行分析计算处理。
转速信号经过时基电路U7调理后,通过光电耦合器OP2输入到微处理器U1的P20脚,供微处理器U1进行分析计算处理。
微处理器U8、锁存器U9、动态储存器U10构成小脑关节控制器CMAC,在微处理器U1的控制下,依据内置控制策略自适应学习,并对受空燃比目标值进行调节逼近;动态储存器U11是闪存存储器,其对类聚调节参数进行刷新存储,在微处理器U8的控制下参与新工况下的控制器控制。
由扩展口U12和存储器U11构成预备扩展闪存器,存储系统脉谱MAP数据。
微处理器U1利用其I/O端口P120、P121输出控制信号经过光电耦合器OP3-OP4组成的抗干扰电路隔离后,通过开关量驱动器U13对信号进行采集与反馈分析判比处理后,通过功率驱动管BT1组成的驱动电路,驱动EGR电磁阀开关量控制。