CN101761407A - 基于灰色系统预测理论的内燃机喷油量的主动控制方法 - Google Patents

Abstract

基于灰色系统预测理论的内燃机喷油量的主动控制方法，属于内燃机喷油系统控制技术领域。步骤如下：1.1定周期连续采样行驶工况下的内燃机的冷却水温T⁽⁰⁾(k)，内燃机的进气温度t⁽⁰⁾(k)，节气门开度

，内燃机的转速n⁽⁰⁾(k)和内燃机的空燃比λ⁽⁰⁾(k)；1.2初值化后的基本喷射时间μ′⁽⁰⁾(k)作为灰色关联分析的参考序列，并进行初值化的上述参数的灰色关联分析，依据灰色关联度的大小剔除不符合关联度要求的因素，得到影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)，为减少微处理单元处理强度和灰色建模作前期准备；运用灰色系统预测理论，进行最佳喷射时间的主动预测，缩短了微处理单元喷油控制的动作时间，提高了动态跟随性，同时减轻了微处理单元的工作强度。

Description

基于灰色系统预测理论的内燃机喷油量的主动控制方法

技术领域

基于灰色系统预测理论的内燃机喷油量的主动控制方法，属于内燃机喷油系统控制技术领域。

背景技术

内燃机喷油点火系统比较复杂，影响因素多，建模困难和建模精度不高，经检索和调查，目前对喷油量的控制方法和理论都是基于经典和现代控制理论而建立的开环，闭环和最优自适应控制，即采用建立汽车发动机系统控制的数字模型，然后利用相应的控制方法(如查表)进行优化控制。而喷油控制中最多的工况当属运转控制，此工况下喷油量一般分为基本喷油量，修正量和增量.基本喷油量一般通过反复实验获得并储存在微控单元的只读存储器ROM中；修正量是根据实际运转条件对基本喷油量进行适当的调整，如进气温度修正，电源电压修正等；增量是在一些特殊工况下，如加速或大负荷工况等，为了使发动机获得良好的性能所增加的喷油量。

对于特定的喷油器来说，喷油量是由喷油时间决定的，而影响喷油时间的因素主要有内燃机温度，加速和减速工况，负载工况及空燃比等。

综上内燃机喷油量控制领域还存在以下缺陷：

1不论内燃机处于何种工况下，均考虑各种影响因素，加大了微处理单元的工作强度，容易忽略主要因素的作用；

2采用基于大量实验获得的数学模型和专家经验数据库，提高了存储单元的成本，动态跟随性较差。

发明内容

本发明要解决的技术问题是：针对现有内燃机喷油量控制方法中的一些不完善之处，提供了一种基于灰色系统预测理论的内燃机喷油量的主动控制方法。

本发明解决其技术问题所采用的技术方案是：该基于灰色系统预测理论的内燃机喷油量的主动控制方法，其特征在于：步骤如下：

1.1定周期连续采样行驶工况下的内燃机的冷却水温T⁽⁰⁾(k)，内燃机的进气温度t⁽⁰⁾(k)，节气门开度

内燃机的转速n⁽⁰⁾(k)和内燃机的空燃比λ⁽⁰⁾(k)，并进行初值化处理后得到初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)；喷射时间μ⁽⁰⁾(k)进行初值化处理得到初值化后的喷射时间μ′⁽⁰⁾(k).其中，k为采样时刻；

1.2初值化后的喷射时间μ′⁽⁰⁾(k)作为灰色关联分析的参考序列，并进行初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)关于初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联分析，依据灰色关联度的大小剔除不符合关联度要求的因素，得到影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)，为减少微处理单元处理强度和灰色建模作前期准备，其中i＝1，2…N，N≤5，q_i ⁽⁰⁾(k)代表初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)中符合关联度要求的因素，这些因素的顺序按照升序进行q_i ⁽⁰⁾(k)下标i的编排，k为采样时刻；

1.3喷射时间μ⁽⁰⁾(k)进行灰色一次累加生成得到喷射时间μ⁽⁰⁾(k)的灰色一次累加生成序列μ⁽¹⁾(k)，由步骤1.2灰关联分析后确定的影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)，分别进行灰色一次累加生成得到影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)的灰色一次累加生成序列q_i ⁽¹⁾(k)；

1.4构建影响喷射时间的各内燃机因素序列的灰色单变量一阶预测模型

进行各变化自主量预测，得到预测值

其中，

GT表示矩阵G的转置矩阵，Q_i ⁽¹⁾(k)为影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)的灰色一次累加生成序列q_i ⁽¹⁾(k)的均值生成序列，(G^TG)^-1表示矩阵G^TG的逆矩阵，M为采样总数；

1.5构建喷射时间的灰色N+1变量一阶预测模型，

其中，N≤5，记

则由最小二乘法可得其中矩阵B的第一列为喷射时间μ⁽⁰⁾(k)进行灰色一次累加生成得到的序列μ⁽¹⁾(k)的均值生成序列的相反数序列，第二列至第N列分别为内燃机各影响因素序列q_i ⁽⁰⁾(k)的灰色一次累加生成序列q₁ ⁽¹⁾(k)，q₂ ⁽¹⁾(k)，...q_N ⁽¹⁾(k)，行数为M-1，

1.6根据步骤1.5的喷射时间灰色导数预测值

进行灰色一次逆累加生成得到k+1时刻的喷射时间

并将其作为修正后的最佳喷射时间，按照公式

进行喷油量控制.其中，G_f为单次喷油量，K为常数(对于特定喷油嘴)；

所述的步骤1.1中喷射时间μ⁽⁰⁾(k)为基本喷射时间，通过实验获得，其值预先存储于只读存储器ROM中，微处理单元可以随时调用。

所述的步骤1.1中进行内燃机的冷却水温T⁽⁰⁾(k)，内燃机的进气温度t⁽⁰⁾(k)，节气门开度

内燃机的转速n⁽⁰⁾(k)和内燃机的空燃比λ⁽⁰⁾(k)，喷射时间μ⁽⁰⁾(k)的初值化处理，其初值化处理的方法为，使各序列的首项系数为1。

所述的步骤1.2中进行初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)关于初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联分析，其基本步骤如下：

1)计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的关联系数绝对差δ_i(k)，具体表达式为：

${\mathrm{\δ}}_i\left(k\right)=|{\mathrm{\μ}}^{\′\left(0\right)}\left(k\right)-u_i^{\left(0\right)}\left(k\right)|$

其中，u_i ⁽⁰⁾(k)按下标升序排列分别代表初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)，i＝1，2，…5。

2)计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的关联系数

具体表达式为：

其中，ρ为分辨系数，其值介于0～1之间，由对称性原理一般取0.5。

3)计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联度g_i，具体表达式为：

4)根据各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联度g_i的大小剔除不符合关联程度g_i＞0.65要求的因素，获得影响喷射时间的主要因素序列，为后期建模做准备。

与现有技术相比，本发明所具有的有益效果是：1、本发明在目前内燃机已有的基本喷射时间的基础上，运用灰色系统预测理论，进行最佳喷射时间的主动预测，代替了通过大量实验获得的数学模型和规律的各种修正策略，更符合内燃机实际喷油工况。2、采用灰色关联分析的方法，寻找实际工况下影响喷射时间的主要因素，缩短了微处理单元喷油控制的动作时间，提高了动态跟随性，同时减轻了微处理单元的工作强度。3、利用灰色系统预测数据量少，短期预测精度高的优势，节省了存储空间，提高了喷油控制系统工作的精度和效率。

附图说明

图1是本发明基于灰色系统预测理论的内燃机喷油量的主动控制方法的流程框图；

图2是本发明基于灰色系统预测理论的内燃机喷油量的主动控制方法的喷油量的主动控制效果图。

图1-2是本发明基于灰色系统预测理论的内燃机喷油量的主动控制方法的最佳实施例。

具体实施方式

下面结合附图1-2对本发明的基于灰色系统预测理论的内燃机喷油量的主动控制方法作进一步详细说明.

如图1所示为本发明基于灰色系统预测理论的内燃机喷油量的主动控制方法的流程框图，其具体步骤如下：

步骤1：定周期连续采样行驶工况下的内燃机的冷却水温T⁽⁰⁾(k)，内燃机的进气温度t⁽⁰⁾(k)，节气门开度

内燃机的转速n⁽⁰⁾(k)和内燃机的空燃比λ⁽⁰⁾(k)，并进行初值化处理后得到初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)；喷射时间μ⁽⁰⁾(k)进行初值化处理得到初值化后的喷射时间μ′⁽⁰⁾(k)。

定周期为0ms～10ms，每周期采样个数不少于四个数据单位，各序列采样值具体表达式为：

T⁽⁰⁾(k)＝{T⁽⁰⁾(1)  T⁽⁰⁾(2)  …  T⁽⁰⁾(M)}

t⁽⁰⁾(k)＝{t⁽⁰⁾(1)  t⁽⁰⁾(2)  …  t⁽⁰⁾(M)}

n⁽⁰⁾(k)＝{n⁽⁰⁾(1)  n⁽⁰⁾(2)  …  n⁽⁰⁾(M)}

λ⁽⁰⁾(k)＝{λ⁽⁰⁾(1)  λ⁽⁰⁾(2)  …  λ⁽⁰⁾(M)}

μ⁽⁰⁾(k)＝{μ⁽⁰⁾(1)  μ⁽⁰⁾(2)  …  μ⁽⁰⁾(M)}

初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)和初值化后的喷射时间μ′⁽⁰⁾(k)的具体表达式分别为：

T′⁽⁰⁾(k)＝{1  T⁽⁰⁾(2)/T⁽⁰⁾(1)  …  T⁽⁰⁾(M)/T⁽⁰⁾(1)}

t′⁽⁰⁾(k)＝{1  t⁽⁰⁾(2)/t⁽⁰⁾(1)  …  t⁽⁰⁾(M)/t⁽⁰⁾(1)}

n′⁽⁰⁾(k)＝{1  n⁽⁰⁾(2)/n⁽⁰⁾(1)  …  n⁽⁰⁾(M)/n⁽⁰⁾(1)}

λ′⁽⁰⁾(k)＝{1  λ⁽⁰⁾(2)/λ⁽⁰⁾(1)  …  λ⁽⁰⁾(M)/λ⁽⁰⁾(1)}

μ′⁽⁰⁾(k)＝{1  μ⁽⁰⁾(2)/μ⁽⁰⁾(1)  …  μ⁽⁰⁾(M)/μ⁽⁰⁾(1)}

其中，k为采样时刻，M表示采样个数，且M≥4，喷射时间μ⁽⁰⁾(k)为基本喷射时间，通过大量实验获得，其值预先存储于只读存储器ROM中，微处理单元可以随时调用。

步骤2：初值化后的喷射时间μ′⁽⁰⁾(k)作为灰色关联分析的参考序列，并进行初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)关于初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联分析，其基本步骤如下：

1)计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的关联系数绝对差δ_i(k)，具体表达式为：

${\mathrm{\δ}}_i\left(k\right)=|{\mathrm{\μ}}^{\′\left(0\right)}\left(k\right)-u_i^{\left(0\right)}\left(k\right)|$

其中，u_i ⁽⁰⁾(k)按下标升序排列分别代表初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)，i＝1，2，…5。

2)计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的关联系数

具体表达式为：

其中，ρ为分辨系数，其值介于0～1之间，由对称性原理一般取0.5。

3)计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联度g_i，具体表达式为：

4)根据各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联度g_i的大小剔除不符合关联程度g_i＞0.65要求的因素，获得影响喷射时间的主要因素序列，为后期建模做准备。其中i＝1，2…N，N为各影响因素进行灰色关联分析后确定的影响因子个数，且N≤5.q_i ⁽⁰⁾(k)代表初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)中符合关联度要求的因素，这些因素的顺序按照升序进行q_i ⁽⁰⁾(k)下标i的编排。

步骤3：喷射时间μ⁽⁰⁾(k)进行灰色一次累加生成得到喷射时间μ⁽⁰⁾(k)的灰色一次累加生成序列μ⁽¹⁾(k)，各内燃机因素序列q_i ⁽⁰⁾(k)，分别进行灰色一次累加生成得到影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)的灰色一次累加生成序列q_i ⁽¹⁾(k).具体表达式为：

${\mathrm{\μ}}^{\left(1\right)}\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\μ}}^{\left(0\right)}\left(i\right),q_i^{\left(1\right)}\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{q}_i^{\left(0\right)}\left(i\right)$

步骤4：构建影响喷射时间的各内燃机因素序列的灰色单变量一阶预测模型

进行各变化自主量预测，得到预测值

其中，

G^T表示矩阵G的转置矩阵，(G^TG)^-1表示矩阵G^TG的逆矩阵，Q_i ⁽¹⁾(k)为影响基本喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)的灰色一次累加生成序列q_i ⁽¹⁾(k)的均值生成序列，M为采样总数，且M≥4，Q_i ⁽¹⁾(k)的计算公式为

$Q_i^{\left(1\right)}\left(k\right)=0.5q_i^{\left(1\right)}\left(k\right)+0.5q_i^{\left(1\right)}(k-1),2\≤k\≤M.$

步骤5：构建喷射时间的灰色N+1变量一阶预测模型，

记则由最小二乘法可得

其中矩阵B和y_μ的具体表达式为：

$B=\left(\begin{array}{ccccc}-{\mathrm{\Γ}}^{\left(1\right)}\left(2\right)& q_1^{\left(1\right)}\left(2\right)& q_2^{\left(1\right)}\left(2\right)& \·\·\·& q_N^{\left(1\right)}\left(2\right)\\ -{\mathrm{\Γ}}^{\left(1\right)}\left(3\right)& q_1^{\left(1\right)}\left(3\right)& q_2^{\left(1\right)}\left(3\right)& \·\·\·& q_N^{\left(1\right)}\left(3\right)\\ \·& \·& \·& & \·\\ \·& \·& \·& \·\·\·& \·\\ \·& \·& \·& & \·\\ -{\mathrm{\Γ}}^{\left(1\right)}\left(M\right)& q_1^{\left(1\right)}\left(M\right)& q_2^{\left(1\right)}\left(M\right)& \·\·\·& q_N^{\left(1\right)}\left(M\right)\end{array}\right),$ $y_{\mathrm{\β}}=\left(\begin{array}{c}{\mathrm{\μ}}^{\left(0\right)}\left(2\right)\\ {\mathrm{\μ}}^{\left(0\right)}\left(3\right)\\ \·\\ \·\\ \·\\ {\mathrm{\μ}}^{\left(0\right)}\left(M\right)\end{array}\right)$

其中，N为影响基本喷射时间的各内燃机因素序列个数，且N≤5，B^T为矩阵B的转置，Γ⁽¹⁾(k)，k＝2，3，…，M为喷射时间μ⁽⁰⁾(k)进行灰色一次累加生成得到的序列μ⁽¹⁾(k)的均值生成序列。

步骤6：根据步骤5的喷射时间灰色导数预测值进行灰色一次逆累加生成得到k+1时刻的喷射时间其具体表达式为

并将其作为修正后的最佳喷射时间，按照公式

进行喷油量控制。其中，G_f为单次喷油量，对于特定喷油嘴，K为常数，μ⁽¹⁾(k)为k时刻的喷射时间的灰色一次累加生成数值，当预测历史数据超过M数据单位时，其值将被预测值代替。

实施例1：

本发明实施例对象选择的是洛阳南峰机电设备制造有限公司制造生产配套的内燃机试验台架，此设备可以通过电涡流测功机，准确模拟各种行驶工况，需要说明的是为了实现本发明与试验台架测得的数据的比较，对实施例中各影响因素的传感设备，进行了微小改动，采用了双传感器模式，同时通过RS232和A/D接口，连接另一微处理器。

下面结合本发明针对实施例对象发动机某一缸的某一采样周期的喷油量控制进行本发明基于灰色系统预测理论的内燃机喷油量的主动控制方法的详细阐述：

第一步，单位周期连续采样数据个数为5，获得的内燃机的冷却水温T⁽⁰⁾(k)，内燃机的进气温度t⁽⁰⁾(k)，节气门开度

内燃机的转速n⁽⁰⁾(k)，内燃机的空燃比λ⁽⁰⁾(k)和喷射时间μ⁽⁰⁾(k)的原始序列数据如表1所示，温度的单位为摄氏度，节气门开度的单位是角度，转速的单位是转/分，喷射时间μ⁽⁰⁾(k)的单位为毫秒。

表1

第二步，各序列行初值化处理后得到内燃机的冷却水温T′⁽⁰⁾(k)，内燃机的进气温度t′⁽⁰⁾(k)，节气门开度内燃机的转速n′⁽⁰⁾(k)，内燃机的空燃比λ′⁽⁰⁾(k)和喷射时间μ′⁽⁰⁾(k)的序列数据如表2所示。

表2

第三步，依据第二步结果计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的关联系数绝对差δ_i(k)，根据式

计算所得结果如表3所示。

表3

第四步，根据第三步结果计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的关联系数

依据公式

计算所得结果如表4所示，其中分辨系数ρ取为0.5。

表4

第五步，根据第四步结果计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联度g_i，依据公式

计算所得结果如表5所示。

表5

由表5灰色关联分析的结果可以看出，在此时刻工况下，内燃机的节气门开度

和内燃机的转速n⁽⁰⁾(k)与内燃机喷射时间的灰色关联度小于0.65，根据经验可以剔除；其他影响因子的灰关联度均在0.65以上，应视为主要影响因素，它们分别为内燃机的冷却水温T⁽⁰⁾(k)，内燃机的进气温度t⁽⁰⁾(k)和内燃机的空燃比λ⁽⁰⁾(k)。

第六步，根据第五步的分析结果，准备进行各影响因素的灰色单变量一阶预测模型

的构建，并进行各变化自主量预测，得到预测值

首先根据第一步各影响因素的采样序列结果进行各变化自主量的灰色一次累加生成，其结果如表6所示：

表6

其次，根据表6的结果，依据公式

计算各影响因素序列的均值生成序列，所得结果如表7所示。

表7

最后，依据公式及模型参数相关矩阵

$\left(\begin{array}{c}{a}_i\\ b_i\end{array}\right)={\left(G^{T}G\right)}^{-1}{G}^T{y}_i,$ $y_i=\left(\begin{array}{c}{q}_i^{\left(0\right)}\left(2\right)\\ q_i^{\left(0\right)}\left(3\right)\\ \·\\ \·\\ \·\\ q_i^{\left(0\right)}\left(M\right)\end{array}\right),$ $G=\left(\begin{array}{cc}-Q^{\left(1\right)}\left(2\right)& 1\\ -Q^{\left(1\right)}\left(3\right)& 1\\ \·& \·\\ \·& \·\\ \·& \·\\ -Q^{\left(1\right)}\left(M\right)& 1\end{array}\right)$

确定各预测模型灰作用量参数，考核精度，并进行预测值输出，灰作用量

的计算结果和对应的模型精度如表8所示：

表8

依据表8的计算结果，根据公式

可得各影响因素的预测值如表9所示：

第七步，根据表1中喷射时间的原始序列，表6和表9的结果，依据公式

构建喷射时间的灰色N+1变量一阶预测模型，获得预测值

并通过灰色一次逆累加生成获得下一时刻最佳基本喷射时间

首先，根据表1中的数据计算喷射时间μ⁽⁰⁾(k)的灰色一次累加生成序列μ⁽¹⁾(k)和灰色一次累加生成序列μ⁽¹⁾(k)的均值生成序列Γ⁽¹⁾(k)，如表10所示：

其次，根据表6和表10的数据，依据公式

和灰作用量相关矩阵

$B=\left(\begin{array}{ccccc}-{\mathrm{\Γ}}^{\left(1\right)}\left(2\right)& q_1^{\left(1\right)}\left(2\right)& q_2^{\left(1\right)}\left(2\right)& \·\·\·& q_N^{\left(1\right)}\left(2\right)\\ -{\mathrm{\Γ}}^{\left(1\right)}\left(3\right)& q_1^{\left(1\right)}\left(3\right)& q_2^{\left(1\right)}\left(3\right)& \·\·\·& q_N^{\left(1\right)}\left(3\right)\\ \·& \·& \·& & \·\\ \·& \·& \·& \·\·\·& \·\\ \·& \·& \·& & \·\\ -{\mathrm{\Γ}}^{\left(1\right)}\left(M\right)& q_1^{\left(1\right)}\left(M\right)& q_2^{\left(1\right)}\left(M\right)& \·\·\·& q_N^{\left(1\right)}\left(M\right)\end{array}\right),$ $y_{\mathrm{\β}}=\left(\begin{array}{c}{\mathrm{\μ}}^{\left(0\right)}\left(2\right)\\ {\mathrm{\μ}}^{\left(0\right)}\left(3\right)\\ \·\\ \·\\ \·\\ {\mathrm{\μ}}^{\left(0\right)}\left(M\right)\end{array}\right)$

计算喷油时间的灰色N+1变量一阶预测模型的灰作用量a，b，如表11所示，显然此时N＝3，M＝5。

根据模型残差法确定的模型精度为94.0899％，各采样时刻预测误差在5％以内，将表11中的各模型参数数据带入式子

并结合表9的预测值，获得预测值

逆累加生成后得到下一采样周期采样初始时刻的基本喷射时间为

而实际洛阳南峰机电设备制造有限公司制造生产配套的内燃机试验台架试验所显示的基本喷射时间为3.1毫秒，预测相对误差为4.83％。

如图2所示为本发明基于灰色系统预测理论的内燃机喷油量的主动控制方法的喷油量的主动控制效果图，为了方便与洛阳南峰机电设备制造有限公司制造生产配套的内燃机试验台架试验所显示的喷油量进行比较，绘图时本发明截取了某一时段的六个采样周期的采样信息，从图2中看出本发明的主动控制效果非常理想，而且对于工况的连续变化，其动态跟随性也很强，最大预测误差在5％以内。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (4)

1.基于灰色系统预测理论的内燃机喷油量的主动控制方法，其特征在于：步骤如下：

1.1定周期连续采样行驶工况下的内燃机的冷却水温T⁽⁰⁾(k)，内燃机的进气温度t⁽⁰⁾(k)，节气门开度

内燃机的转速n⁽⁰⁾(k)和内燃机的空燃比λ⁽⁰⁾(k)，并进行初值化处理后得到初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)；喷射时间μ⁽⁰⁾(k)进行初值化处理得到初值化后的喷射时间μ′⁽⁰⁾(k)，其中，k为采样时刻；

1.2初值化后的喷射时间μ′⁽⁰⁾(k)作为灰色关联分析的参考序列，并进行初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)关于初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联分析，依据灰色关联度的大小剔除不符合关联度要求的因素，得到影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)，为减少微处理单元处理强度和灰色建模作前期准备；其中i＝1，2...N，N≤5，q_i ⁽⁰⁾(k)代表初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)中符合关联度要求的因素，这些因素的顺序按照升序进行q_i ⁽⁰⁾(k)下标i的编排，k为采样时刻；

1.3喷射时间μ⁽⁰⁾(k)进行灰色一次累加生成得到喷射时间μ⁽⁰⁾(k)的灰色一次累加生成序列μ⁽¹⁾(k)，由步骤1.2灰关联分析后确定的影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)，分别进行灰色一次累加生成得到影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)的灰色一次累加生成序列q_i ⁽¹⁾(k)；

1.4构建影响喷射时间的各内燃机因素序列的灰色单变量一阶预测模型进行各变化自主量预测，得到预测值

其中，

G^T表示矩阵G的转置矩阵，Q_i ⁽¹⁾(k)为影响喷射时间的各内燃机因素序列q_i ⁽⁰⁾(k)的灰色一次累加生成序列q_i ⁽¹⁾(k)的均值生成序列，(G^TG)^-1表示矩阵G^TG的逆矩阵，M为采样总数；

1.5构建喷射时间的灰色N+1变量一阶预测模型，

其中，N≤5，记

则由最小二乘法可得其中矩阵B的第一列为喷射时间μ⁽⁰⁾(k)进行灰色一次累加生成得到的序列μ⁽¹⁾(k)的均值生成序列的相反数序列，第二列至第N列分别为内燃机各影响因素序列q_i ⁽⁰⁾(k)的灰色一次累加生成序列q₁ ⁽¹⁾(k)，q₂ ⁽¹⁾(k)，...q_N ⁽¹⁾(k)，行数为M-1，

1.6根据步骤1.5的喷射时间灰色导数预测值

进行灰色一次逆累加生成得到k+1时刻的喷射时间

并将其作为修正后的最佳喷射时间，按照公式

进行喷油量控制.其中，G_f为单次喷油量，对于特定喷油嘴，K为常数。

2.根据权利要求1所述的基于灰色系统预测理论的内燃机喷油量的主动控制方法，其特征在于：所述的步骤1.1中喷射时间μ⁽⁰⁾(k)为基本喷射时间，通过实验获得，其值预先存储于只读存储器ROM中，微处理单元可以随时调用。

3.根据权利要求1基于灰色系统预测理论的内燃机喷油量的主动控制方法，其特征在于：所述的步骤1.1中进行内燃机的冷却水温T⁽⁰⁾(k)，内燃机的进气温度t⁽⁰⁾(k)，节气门开度

内燃机的转速n⁽⁰⁾(k)和内燃机的空燃比λ⁽⁰⁾(k)，喷射时间μ⁽⁰⁾(k)的初值化处理，初值化处理的方法为使各序列的首项系数为1。

4.根据权利要求1所述的基于灰色系统预测理论的内燃机喷油量的主动控制方法，其特征在于：所述的步骤1.2中进行初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)关于初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联分析，其基本步骤如下：

1)计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的关联系数绝对差δ_i(k)，具体表达式为：

${\mathrm{\δ}}_i\left(k\right)=|{\mathrm{\μ}}^{\′\left(0\right)}\left(k\right)-u_i^{\left(0\right)}\left(k\right)|$

其中，u_i ⁽⁰⁾(k)按下标升序排列分别代表初值化的内燃机的冷却水温T′⁽⁰⁾(k)，初值化的内燃机的进气温度t′⁽⁰⁾(k)，初值化的节气门开度

初值化的内燃机的转速n′⁽⁰⁾(k)和初值化的内燃机的空燃比λ′⁽⁰⁾(k)，i＝1，2，…5；

2)计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的关联系数具体表达式为：

其中，ρ为分辨系数，其值介于0～1之间，由对称性原理一般取0.5；

3)计算各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联度g_i，具体表达式为：

4)根据各序列相对初值化后的喷射时间μ′⁽⁰⁾(k)的灰色关联度g_i的大小剔除不符合关联程度g_i＞0.65要求的因素，获得影响喷射时间的主要因素序列，为后期建模做准备。

Images