CN107524532A - 用于柴油机空气路径流量模型预测控制的部分步和全步混合二次求解器及使用方法 - Google Patents

用于柴油机空气路径流量模型预测控制的部分步和全步混合二次求解器及使用方法 Download PDF

Info

Publication number
CN107524532A
CN107524532A CN201710454204.6A CN201710454204A CN107524532A CN 107524532 A CN107524532 A CN 107524532A CN 201710454204 A CN201710454204 A CN 201710454204A CN 107524532 A CN107524532 A CN 107524532A
Authority
CN
China
Prior art keywords
constraint
length
egr
maximum
original
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710454204.6A
Other languages
English (en)
Other versions
CN107524532B (zh
Inventor
J·R·罗杰斯
M·黄
I·科尔曼诺夫斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Engineering and Manufacturing North America Inc
University of Michigan
Original Assignee
University of Michigan
Toyota Engineering and Manufacturing North America Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Michigan, Toyota Engineering and Manufacturing North America Inc filed Critical University of Michigan
Publication of CN107524532A publication Critical patent/CN107524532A/zh
Application granted granted Critical
Publication of CN107524532B publication Critical patent/CN107524532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D41/1406—Introducing closed-loop corrections characterised by the control or regulation method with use of a optimisation method, e.g. iteration
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0002—Controlling intake air
    • F02D41/0007—Controlling intake air for control of turbo-charged or super-charged engines
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
    • F02D41/28—Interface circuits
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0002—Controlling intake air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0002—Controlling intake air
    • F02D41/0005—Controlling intake air during deceleration
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0025—Controlling engines characterised by use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
    • F02D41/0047—Controlling exhaust gas recirculation [EGR]
    • F02D41/005—Controlling exhaust gas recirculation [EGR] according to engine operating conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0025—Controlling engines characterised by use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
    • F02D41/0047—Controlling exhaust gas recirculation [EGR]
    • F02D41/0065—Specific aspects of external EGR control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0025—Controlling engines characterised by use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
    • F02D41/0047—Controlling exhaust gas recirculation [EGR]
    • F02D41/0065—Specific aspects of external EGR control
    • F02D41/0072—Estimating, calculating or determining the EGR rate, amount or flow
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0025—Controlling engines characterised by use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
    • F02D41/0047—Controlling exhaust gas recirculation [EGR]
    • F02D41/0077—Control of the EGR valve or actuator, e.g. duty cycle, closed loop control of position
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02M—SUPPLYING COMBUSTION ENGINES IN GENERAL WITH COMBUSTIBLE MIXTURES OR CONSTITUENTS THEREOF
    • F02M26/00—Engine-pertinent apparatus for adding exhaust gases to combustion-air, main fuel or fuel-air mixture, e.g. by exhaust gas recirculation [EGR] systems
    • F02M26/02—EGR systems specially adapted for supercharged engines
    • F02M26/04—EGR systems specially adapted for supercharged engines with a single turbocharger
    • F02M26/05—High pressure loops, i.e. wherein recirculated exhaust gas is taken out from the exhaust system upstream of the turbine and reintroduced into the intake system downstream of the compressor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
    • F02B37/00—Engines characterised by provision of pumps driven at least for part of the time by exhaust
    • F02B37/12—Control of the pumps
    • F02B37/22—Control of the pumps by varying cross-section of exhaust passages or air passages, e.g. by throttling turbine inlets or outlets or by varying effective number of guide conduits
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0002—Controlling intake air
    • F02D2041/0017—Controlling intake air by simultaneous control of throttle and exhaust gas recirculation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0002—Controlling intake air
    • F02D2041/0022—Controlling intake air for diesel engines by throttle control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1412—Introducing closed-loop corrections characterised by the control or regulation method using a predictive controller
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
    • F02D2041/1436—Hybrid model
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
    • F02D41/28—Interface circuits
    • F02D2041/286—Interface circuits comprising means for signal processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0406—Intake manifold pressure
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/12—Improving ICE efficiencies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Feedback Control In General (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Output Control And Ontrol Of Special Type Engine (AREA)

Abstract

一种使用模型预测控制(MPC)控制器的方法和系统，该控制器利用混合二次求解器来求解对应于诸如柴油机空气路径的内燃机对象的非线性问题的线性可行性问题。所述MPC求解具有优化变量和约束的凸二次代价函数，并指导所述对象每个输出解来优化对象运行，同时遵守法规和约束。所述问题包括在原始空间中迭代计算和直接计算的组合，这取决于试图采用部分步(迭代)还是全步(直接)。进一步地，原始和对偶空间数组矩阵被预计算并离线存储，并且通过使用与一组约束的特定有效集合相关的独有的标识符获得。这种混合和/或离线计算允许降低计算能力，同时仍保持求解结果的准确性。

Description

用于柴油机空气路径流量模型预测控制的部分步和全步混合 二次求解器及使用方法
技术领域
本说明书概括来说涉及应用二次求解器解决对应于非线性规划公式的线性可行性问题，更具体地，涉及应用混合(例如部分步和全步)二次求解器解决对应于内燃机对象(如柴油机空气路径)的非线性问题的线性可行性问题。
背景技术
在内燃机中，供应给内燃机气缸的空气量通过内燃机元件来操作。例如，在现代柴油机中，可变几何涡轮(VGT)可用于通过改变涡轮定子入口叶片的角度使得供应的空气量发生变化而增加供应给内燃机气缸的空气量。
这些现代柴油机通常在满足诸如关于颗粒物和氮氧化物的约束的严格的有关排放的联邦法规的同时在提供最佳性能和提供燃油经济性之间进行平衡。为了满足这些要求，许多具有VGT的柴油机还使用具有可变控制位置的废气再循环(EGR)阀。EGR阀将变化量的内燃机废气再循环返回至内燃机气缸以允许燃烧更加完全以及减少内燃机排放。
这些内燃机的操作需要大量的运行条件，所述运行条件可包括例如内燃机速度、油耗和内燃机负载以及其它条件，在内燃机控制单元(ECU)中嵌入有一个或多个控制器，以响应于检测内燃机参数的传感器来控制各个内燃机致动器。所述ECU用于经由使用例如二次求解器优化内燃机性能、排放以及其他这样的输出。
因此，存在用以提供减少的计算时间和增加的准确性的替代的二次求解器以及使用这种二次求解器的方法的需求。
发明内容
在一个实施例中，一种用于控制内燃机的方法，所述内燃机具有可变几何涡轮(VGT)、废气再循环(EGR)阀和EGR节气门，所述方法可以包括：通过包括修正算法的预测模型求解线性二次问题，以确定：(i)满足一个或多个约束的所要求的优化VGT升力；以及(ii)满足一个或多个约束的所要求的优化EGR阀流率；响应于内燃机进气岐管压力，通过控制VGT生成所要求的优化VGT升力；和响应于EGR率，通过控制EGR阀和EGR节气门生成所要求的优化EGR阀流率。求解线性二次问题可以包括：确定是否在每一次迭代采用包括原始部分步和原始全步之一的确定步；和在每一次迭代采用所述确定步，直至线性二次问题通过修正算法被求解出。采用原始部分步可以包括执行迭代计算，采用原始全步包括执行直接计算。
在另一个实施例中，一种用于控制内燃机的方法，所述内燃机具有位于所述内燃机的空气路径中的可变几何涡轮(VGT)、废气再循环(EGR)阀和EGR节气门，所述方法可以包括：公式化用于模型预测控制(MPC)控制器的约束优化问题，所述控制器基于线性模型、一个或多个约束以及相关的对偶空间和原始空间矩阵数组控制空气路径，所述线性模型包括在对偶空间和原始空间中的凸二次时变代价函数，每个与独有的有效集合列表相关的数组包括所述一个或多个约束的第一组合。所述方法进一步可以包括：求解所述约束优化问题以确定解；用修正后的有效集合列表修正所述约束优化问题；重复求解步骤和公式化步骤，直至所述一个或多个约束的所有可能的有效集合列表都被满足，从而生成所要求的优化VGT升力和所要求的优化EGR阀流率以控制所述空气路径，所要求的优化VGT升力和所要求的优化EGR阀流率每个都满足所述一个或多个约束；和实施关于空气路径的解。所要求的优化VGT升力响应于内燃机进气岐管压力通过控制VGT生成，所要求的优化EGR阀流率响应于EGR率通过控制EGR阀和EGR节气门生成。
在又一个实施例中，一种用于控制内燃机的系统，所述内燃机具有位于所述内燃机的空气路径中的可变几何涡轮(VGT)、废气再循环(EGR)阀和EGR节气门，所述系统可以包括通信连接于非暂时性计算机存储介质的处理器，其中所述非暂时性计算机存储介质存储指令，所述指令在由所述处理器执行时使所述处理器公式化用于模型预测控制(MPC)控制器的约束优化问题，所述控制器基于线性模型、一个或多个约束以及相关的对偶空间和原始空间矩阵数组控制空气路径，所述线性模型包括在对偶空间和原始空间中的凸二次时变代价函数，每个与独有的有效集合列表相关的数组包括所述一个或多个约束的第一组合。所述非暂时性计算机存储介质可以存储另外指令，所述另外指令在由处理器执行时使所述处理器：求解所述约束优化问题以确定解；用修正后的有效集合列表修正所述约束优化问题；重复求解和公式化步骤，直至所述一个或多个约束的所有可能的有效集合列表都被满足，从而生成所要求的优化VGT升力和所要求的优化EGR阀流率以控制所述空气路径，所要求的优化VGT升力和所要求的优化EGR阀流率每个都满足所述一个或多个约束；和实施关于所述空气路径的解。所要求的优化VGT升力响应于内燃机进气岐管压力通过控制VGT生成，所要求的优化EGR阀流率响应于EGR率通过控制EGR阀和EGR节气门生成。
由本文描述的实施例所提供的这些目的以及优点和额外的目的以及优点将结合附图考虑下面详细的描述而被更全面地理解。
附图说明
在附图中阐述的实施例本质上是说明性和示例性的并且不旨在限制权利要求所限定的主题。当结合附图阅读时，可以理解下面的说明性实施例的详细描述，其中同样的结构由同样的附图标记所指示，其中：
图1是根据本文示出和描述的一个或多个实施例的通过模型预测控制器控制的柴油机的示意图；
图2是根据本文示出和描述的一个或多个实施例的示出了模型预测控制器的输入和输出的示意框图；
图3是根据本文示出和描述的一个或多个实施例的图1中的内燃机采用图2的模型预测控制器的示意框图；
图4是根据本文示出和描述的一个或多个实施例的描绘了模型预测控制方法的离线和在线顺序步骤以及运行的流程图；
图5是根据本文示出和描述的一个或多个实施例的与图4的模型预测控制方法相关地应用的混合二次求解器算法的流程图；
图6A是根据本文示出和描述的一个或多个实施例的三维原始空间中凸代价函数问题的图示；
图6B是根据本文示出和描述的一个或多个实施例的图6A的凸代价函数问题在二维原始空间中且具有原始可行区域的图示；
图7A是根据本文示出和描述的一个或多个实施例的利用图5的流程图对图6A的凸问题求解的实例中的在原始空间中的第一组迭代的图示；
图7B是根据本文示出和描述的一个或多个实施例的图7A的第一组迭代之后的在原始空间中的第二组迭代的图示；
图7C是根据本文示出和描述的一个或多个实施例的图7B的第二组迭代之后的在原始空间中的第三组迭代的图示；
图8A是根据本文示出和描述的一个或多个实施例的图6A的凸问题求解的另一原始空间实例的图示，其包括具有四个约束和两个优化变量的原始问题；
图8B是根据本文示出和描述的一个或多个实施例的在求解图8A的原始问题中的第一步的图示；
图8C是根据本文示出和描述的一个或多个实施例的在求解图8B的原始问题中的第二步的图示；
图8D是根据本文示出和描述的一个或多个实施例的在求解图8C的原始问题中的第三步的图示；
图9示出了根据本文示出和描述的一个或多个实施例的应用图4-5的方法通过MPC控制器控制内燃机转速的性能；
图10示出了根据本文示出和描述的一个或多个实施例的图9的数据与瞬态基准数据相比较的最大误差输出。
具体实施方式
概括地参考附图，本发明的实施例涉及使用MPC控制器利用混合(例如部分步和全步)二次求解器来求解对应于内燃机对象(例如，所述对象是柴油机空气路径)的非线性问题的线性可行性问题，其使用内燃机运行参数作为约束。概括地，本文所描述的MPC方法求解具有优化变量和约束的凸二次代价函数，并且指导所述对象每个输出解的运行以优化对象运行，同时遵守法规和约束。虽然作为离散时间不变模型是可以求解出的，但该问题是随时间变化的，并且可以包括在原始空间中的迭代计算和直接计算的组合，这取决于试图采用部分步(利用迭代计算)还是全步(利用直接计算)。进一步地，原始空间和对偶空间数组矩阵被预计算、离线存储、并且通过使用与用于约束集合的特定有效集合相关联的独有的标识符而获得，这将在接下来进行更详细地描述。这种混合和/或离线计算允许降低计算能力，同时仍保持通过对象执行的求解结果的准确性。
本文详细描述了柴油机空气路径对象和MPC操作以及通过MPC控制器使用这种对象操作的方法的各个实施例。应当理解，对于本领域技术人员来说，显而易见的是，本文描述的算法也可适用于除柴油机空气路径之外的其它对象。
图1描述了内燃机20，作为非限制性的例子，该内燃机是柴油机。内燃机20包括用于容纳多个气缸24的内燃机机体22。输油轨26与燃油供应部(未示出)相连接并且将柴油供应给多个燃油喷射器28，每个气缸24设置有一燃油喷射器28。
进气岐管30与所述多个气缸24相连接以将进气供应给每个气缸24。而且进气岐管压力传感器32也与进气岐管30相连接以检测进气岐管空气压力。燃烧气体从所述多个气缸24和内燃机机体22通过排气岐管34排出。
位于进气岐管30和排气岐管34之间的旁路29具有相连的EGR阀40，用于将从排气岐管34中排出的部分废气再循环返回至进气岐管30以便供应给所述多个气缸24。与EGR阀40一起，EGR冷却器42可以连接在旁路29中。如上所述，EGR阀将变化量的内燃机废气再循环返回至内燃机气缸以允许燃烧更加完全以及减少内燃机排放。EGR阀40的打开量控制能够通过旁路29从排气岐管34再循环至进气岐管30的内燃机废气量。EGR冷却器42用于辅助防止EGR阀40过热，否则会导致加大的磨损和撕裂。
EGR节气门44用于进一步辅助控制气体循环，其安装在来自VGT 48的压缩机46的气流路径中。中间冷却器50用于辅助防止EGR节气门44过热，其可在EGR节气门44的前面安装在用于进气的气流路径中。压缩机46增加进入空气的压力。进一步地，VGT 48包括涡轮输入叶片，其可以通过涡轮输入叶片的角度调节而打开、部分打开、或关闭，以控制VGT升力和允许通过EGR节气门44进入的空气与通过旁路29再循环至进气岐管30的废气结合。因此，通过控制涡轮输入叶片的角度，VGT 48控制由VGT 48的压缩机46提供的进气岐管压力。EGR节气门44的开度还限制能够与通过旁路29再循环的空气结合的由VGT48提供的空气量。与限定旁路29的壁相连的还有EGR率传感器43，其用于测量受EGR阀40和/或EGR节气门44影响的EGR率(例如，再循环的空气与新鲜空气的比率)。另一测量值即EGR流率或EGR流量可以指通过EGR阀40的再循环空气质量流量。
在本文描述的实施例中，利用用于内燃机20的MPC的模型预测控制器使用了多个控制输入。所述控制输入可以是，例如如图2所示，由进气岐管压力传感器32测量或由该进气岐管压力传感器生成的信号计算得到的进气岐管压力62和/或由EGR率传感器43测量或由EGR率传感器生成的信号计算得到的EGR率64。一个或多个设定点映射可以规定用于控制输入的设定点，例如进气压力和EGR率。进一步地，可以使用基于诸如进气压力、ECU估算的EGR率和质量空气流量(MAF)的控制输入的卡尔曼滤波器估算。
在本文描述的MPC控制器方法中，如下面进一步更详细描述的，基于对偶空间数组和原始空间数组对凸问题进行求解处单一解，其可以被预计算和离线存储。作为本文描述的MPC控制器方法所利用的系统，图3示出了ECU 70，其控制图1-2的对象(例如柴油机空气路径)。ECU 70包括可执行计算机程序的处理器61，计算机程序明确地体现在计算机可用介质中，并且包括能够通过处理器执行的指令，用以指导MPC控制器，如下所述。ECU 70可包括中央处理单元(CPU)，其是任何类型的能够操作或处理信息的装置或多个装置。CPU可以通过单个或多个处理器实施。
ECU 70可以与致动器(例如，用以致动EGR阀40、EGR节气门和/或VGT 48的致动器)、内燃机20和如图3所示的传感器(例如，进气岐管压力传感器32和/或EGR率传感器43)通过通信路径65进行通信连接。通信路径65可以由任何能够传输信号的介质形成，例如导电线、导电迹线、光波导等等，或者可以由能够传输信号的介质的组合形成。通信路径65通信连接内燃机20的各个元件与ECU 70。在这里使用的术语“通信连接”表示连接的元件能够相互交换数据信号，例如经由导电介质的电信号、经由空气的电磁信号、经由光波导的光信号等等。
如上所述，ECU 70可包括一个或多个处理器61，其可以是任何能够执行机器可读指令的装置。因此，处理器61可以是控制器、集成电路、微芯片、计算机或任何其它计算设备。处理器61通过通信路径65通信连接于图3的其它元件。因此通信路径65可将任何数量的处理器61彼此通信连接，且允许连接于通信路径的模块在分布式计算环境中运行。特别地，每个模块可作为发送和/或接收数据的节点运行。
ECU 70还包括存储元件63，其连接于通信路径65并且通信连接于处理器61。存储元件63可以是非暂时性计算机可读介质并且被构造成非易失性计算机可读介质。存储元件63可包括RAM、ROM、闪存、硬盘驱动器、或任何能够存储机器可读指令使得机器可读指令可以由处理器61访问和执行的其它装置。机器可读指令可以包括由任何编程语言编写的逻辑或算法，例如可以由处理器直接执行的机器语言、或汇编语言、面向对象的程序设计(OOP)、脚本语言、微代码等等，所述逻辑或算法可以编译或汇编成机器可读指令并存储在存储元件中。可替代地，机器可读指令可以通过硬件描述语言(HDL)编写，例如通过现场可编程门阵列(FPGA)构造或特定集成电路(ASIC)或它们的等同物实施的逻辑。因此，这里描述的方法可以以任何常规计算机编程语言进行实施，例如预编程硬件元件，或硬件和软件元件的组合。ECU 70进一步包括另外的存储器或数据库67以存储诸如离线预计算矩阵的组元，这将在下面更详细地描述。存储元件63可包括机器可读指令，所述机器可读指令在由处理器61执行时使处理器61执行ECU 70的功能，作为MPC控制器运行。
ECU 70包括网络接口硬件69，用于将ECU 70与计算机网络71进行通信连接。网络接口硬件69连接于通信路径65，使得通信路径65将网络接口硬件69与ECU 70的其它模块进行通信连接。网络接口硬件69可以是能够通过无线网络传送和/或接收数据的任何装置。因此，网络接口硬件69可包括用于根据任何无线通信标准发送和/或接收数据的通信收发器。例如，网络接口硬件可包括芯片组(例如天线、处理器、机器可读指令等等)，用以通过有线和/或无线计算机网络、例如无线保真(Wi-Fi)、WiMax、蓝牙、IrDA、无线USB、Z-Wave、ZigBee等等进行通信。
在第一实施例中，本文描述的二次规划(QP)求解器利用在此所阐述的推导的QPKWIK算法用于控制柴油机空气路径对象。利用QPKWIK算法控制柴油机空气路径对象允许找到对于大规模过程优化问题的MPC解，大规模过程优化问题包括多个变量和时变约束，但仅有较少的自由度，这可以帮助减少计算时间。优化变量作为时变控制输入可以是例如VGT升力66和EGR阀流率68。时变线性项或变量可以是例如控制输入，例如进气岐管压力62和/或EGR率64。QPKWIK算法独有地仅需要提供Hessian矩阵的逆Cholesky因子，逆Cholesky因子在每一次迭代直接利用因子分解逆BFGS公式(例如拟牛顿修正公式)获得。所得到的二次规划子问题具有带二阶自由度而不是三阶自由度的结果解，从而例如比更高阶问题需要更少的计算时间。
下面是QPKWIK算法的推导。
当满足相关问题约束时，下面的凸二次问题用作凸函数来通过ECU 70求解：
在每个时间步长k，是代价函数中的线性项(时变)；是代价函数的二次项(常数)；是约束矩阵(常数)；是约束向量(时变)；是一个或多个优化变量(例如时变控制输入)。假定是凸的且约束是线性的。公式3.1可以通过仅考虑有效(可行)约束而简化成如下：
有效约束是指可能的且在查找优化解中起到一定作用的那些约束，使得不等式有效约束作为等式约束，这将在下面进行更详细描述。为了优化，使用Karush-Kuhn-Tucker(KKT)条件(其必须保持解最小)和拉格朗日乘子向量，凸问题和约束组合形成如下拉格朗日式：
取公式3.3的偏导数并且将它们设定为等于零，得到优化值和μ*，如下并在公式3.4中阐释为具有两组公式的对偶问题以满足：
进一步地，为了使对偶问题具有对偶可行性，所有的拉格朗日乘子μ必须大于或等于零。那些等于零的是非有效约束，那些大于零的是有效约束，在求解中起一定作用，那些小于零的表示问题是不可行的且应当被研究。如果优化值满足上面的公式3.4并且以及拉格朗日乘子μ都对于所有非有效约束都是零，则对偶代价函数等于原始代价函数且互补松弛性约束被保持使得对偶问题的解与原始问题的解相同。
因此，如果没有有效约束，则公式3.4返回凸问题的无约束最小值(例如全局最小值)。公式3.4可以写成矩阵形式，如下式3.5所示：
然后公式3.5能够变成公式3.6，其是优化变量和拉格朗日乘子μ*的解，如下所阐释的那样：
其中，如下面的公式3.7所阐释的那样：
由于重复多次，公式3.7可通过使用(1)Cholesky分解使更加容易地可逆和通过使用(2)QR因子分解允许反转非方形矩阵而进行简化。关于Cholesky分解，对于正定矩阵例如该矩阵可采用如下规则分解成两个三角矩阵L：
对采用Cholesky分解，得到下式3.9所述：
采用QR因子分解，其是允许n x m矩阵N被分解成正交矩阵和上三角矩阵R的一种分解，可使用如下的规则：
将公式3.10的QR因子分解应用于公式3.9得到如下：
其中，
组合公式3.7和3.11得到如下阐释的矩阵，其用于求解KKT条件且被重新定义如下：
H＝TU(TU)T
D＝TCR-T
U＝-(R-1RT)-1
(公式3.13)
因此，将公式3.13应用于公式3.6，得到所述问题的解如下：
因为算法基于当前有效集合(如下标记为下标L)求解KKT问题，所以公式3.14A可被改写为如下的公式3.14B：
由于求解上述问题可能需要高昂的计算成本来完成每一次迭代，所述算法可进一步简化且可以计算如何从有效集合L移至新的有效集合L+1，如下：
在上述公式3.15中，t是该算法可采用并且仍然保持对偶可行性的最小长度(且在原始空间和对偶空间两者中被计算出)，vknext是添加至当前约束集合列表中的下一个约束。此外，z是表示在原始空间中的搜索方向的数组，r是表示在对偶空间中的搜索方向的数组，可使用如下公式：
z＝TL U(TL U)T
r＝RL ＝1(TL C)T
(公式3.16)
最终QPKWIK公式则可以在原始空间和对偶空间中分别被简化成如下：
选择t的最小值(其针对对偶空间和原始空间两者而被计算出)以确保解保留在可行区域内。
在第二个实施例中，如本文所述，HQPKWIK算法被用作柴油机空气路径流量的模型预测控制(MPC)的二次求解器。HQPKWIK算法采用混合模型，其不同于QPKWIK算法，这将在下面更详细描述。首先，HQPKWIK算法采用预计算的原始空间和对偶空间数组，其是离线计算出的(以及采用查找算法来获得必要的数组)，而与HQPKWIK算法相比，QPKWIK算法在线计算该数组，使得迭代、在线计算(如下面的推导所示)利用了更多的计算能力和只读存储器(ROM)。
例如，为了确定从一组预计算的数组中提取哪一个矩阵，当前集合列表L被转换为标识符(identifier)，采用如下的伪代码作为查找算法：
一旦为给定的集合列表L确定独有的标识符，就可以获得与所述独有的标识符相关的且涉及所述集合列表的一对z和r(原始空间和对偶空间)矩阵。作为非限制性的例子，对于一个具有5个约束的给定问题，这样l＝5，当前有效集合列表L可具有有效约束1、3和5，从而L＝{1,0,3,0,5}。采用查找算法，标识符能够通过如下被确定：identifier＝25-1+25-3+25-5＝24+22+20＝16+4+1＝21
因此，独有的标识符由被转换的二进制数的总和生成十进制数值而被确定为十进制数21，且可以获得与该独有的标识符相对应的原始z空间矩阵和对偶r空间矩阵。可替代地，如下面描述的实例2所述，如果约束是有效的，则能够指定数值1，由此二进制数可被确定且被转换成十进制数以找到相关的独有的标识符。
第二，HQPKWIK算法修改该修正的QPKWIK算法，以通过结合部分步和全步混合模型，利用对原始空间迭代和直接下一步计算的方法，来提高数值解。相比之下，QPKWIK算法仅利用了对原始空间迭代下一步计算，这有时可能会导致出界错误和不可行解。
例如，在QPKWIK算法中，仅仅通过公式3.15得到的下列原始空间解在原始空间中使用迭代计算(如采用vknext所示)通过公式：
这可能导致计算成本昂贵，而且导致全步解的可能误差大于可接受的误差1e-6且处于可行解的界限之外。因此，混合QPKWIK求解，或HQPKWIK，允许采用部分步(也可参考半步，尽管不一定必须为全步的正好一半)而不是全原始步。例如，部分步包含迭代计算(见公式3.15)，原始全步包含直接计算(如公式3.14B所示)，其中该公式被直接求解并且不假定所述步进行到了哪里。因此，用于原始空间的公式3.15针对HQPKWIK算法被修改为如下：
μL+1＝μL-RL -1(TL C)Tvknextt 对偶步
(公式3.18A)
分别采用原始空间和对偶空间矩阵z和r的定义，将该公式简化成如下公式：
μL+1＝μL-rvknextt 对偶步
(公式3.18B)
其可被进一步简化成如下：
μL+1＝μL-rvknextt 对偶步
(公式3.18C)
图4示出了利用HQPKWIK算法的离线和在线方面的MPC模型的运行过程400的流程图，图5示出了在求解图4的流程图中的步骤416的约束优化问题中涉及的特定HQPKWIK算法。
参考图4，利用HQPKWIK算法的MPC模型的运行过程400具有包括步骤404至410的离线部分402。在步骤404，运行过程400开发和校准内燃机20的柴油空气路径的非线性模型。例如，输入可包括VGT位置(例如图2-3的VGT位置80)以及EGT阀角度(例如图2-3的EGR阀位置82A)，输出可分别包括图2-3的排气/进气压力62和EGT率64以及MAF。所述输入和输出可以是广义的，不一定限于以速率为基础，因此输入和输出的推导操作不需要是广义的、不以速率为基础的输入和输出。
在步骤406，非线性对象围绕操作点进行线性化，使得通过非线性对象确定线性模型。在步骤408，对系统的约束被确定，其例子可以包括但不限于最大MAF超调量、最大EGR率、表示内燃机的运行范围的最大/最小EGR阀命令(例如阀开度命令)、最大/最小VGT升力关闭命令、和/或最大/最小EGR流量命令。在步骤410，在对偶和原始搜索方向上的离线矩阵被预计算和存储。这些矩阵用于求解通过利用遵循HQPKWIK算法的约束的各种组合(这将在下面更详细描述)和通过应用来源于如上所述的QPKWIK推导的HQPKWIK算法的公式而产生的子问题。
利用HQPKWIK算法的MPC模型的运行过程400进一步具有包括步骤414至418的在线部分412。在步骤414，MPC问题(例如公式3.2)被公式化。示例性的输入是当前约束、观察器估计、传感器输入、目标等等。示例性的输出是定义优化问题的矩阵。
在步骤416，MPC/约束优化问题被求解出，并输出期望的控制。例如，通过应用HQPKWIK算法，公式3.2求解出当前的优化问题。在该步骤416中应用的HQPKWIK算法将在下面参考图5更详细描述。再参考图4，在步骤418，期望的控制输出被提供给柴油机空气路径对象，使得VGT和EGR阀通过在步骤416中提供的解控制。运行过程400循环回到步骤414，以重复步骤414至418从而求解和实施新的、持续的和下一个优化问题集合。
参考图5，标记为500的HQPKWIK算法被应用于求解步骤416的MPC/约束优化问题。HQPKWIK算法500以步骤501开始，并且继续在步骤502设定优化变量为无约束最小值(例如全局最小值)。
例如，凸二次函数
的全局最小值通过采用梯度得到如下：
例如，下面是最小化具有两个优化变量和的二次代价函数的示例性问题和解：
问题：
解：
图6A示出了三维原始空间中凸二次函数的图示，图6B示出了原始空间中包括全局最小值(其是图6A的三维凸代价函数的最小、最低点)的凸二次函数的图示。图6B进一步示出了具有两个(有效)约束的有效(可能的)集合列表L＝{1,2}，将在下面更详细描述。图6B示出了当集合列表L＝{1,2}是有效、可能的集合列表时沿约束1的第一迭代、沿约束2的第二迭代和点位于点上方并且通过集合列表L＝{1,2}约束的区域是原始可行区域，点是最小可行解，其可通过HQPKWIK算法500得到，这将在下面更详细描述。这里所述的原始可行性是指点是否位于满足所有约束的区域(被称为“原始可行区域”)内。如果点位于原始可行区域内，则所述点是可行的，如果其不在原始可行区域内，则是不可行的。
进一步地，关于本文所述的有效约束与无效约束，如果不等式约束被认为是有效的，则不等式约束(例如)在查找优化解时起一定作用并且保持为等式约束，例如然而，尽管约束可能是无效的(当优化点不在来源于约束的交集上)时，其仍可以创建优化点所处的可行区域。
再参考图5，在步骤502得到无约束(全局)最小值在步骤后，如上所述，最违反(可能)约束在步骤504被确定。在步骤506，如果所有可能约束都得到满足，算法在步骤508退出而继续图4的步骤418中的利用包括期望的控制输出的解实施对象(如柴油机空气路径)。然而如果所有可能约束在步骤506没有得到满足，则算法继续至步骤508，参考查找算法将有效集合列表转换为独有的标识符，例如如上所述。一旦得到独有的标识符，所述标识符就能够被用于定位特定的预计算对偶空间和原始空间数组(分别是公式3.16-3.17的r和z)以在步骤512中使用而计算原始和对偶步方向以及确定步长。在步骤514，拉格朗日乘子和优化变量被修正。在步骤516，算法确定采用什么类型的步。
例如，采用原始全步用于在误差边界内且满足对偶可行性的可行步方向。这个步骤的结果是，在步骤520加入适当的约束，并且算法返回至步骤504以确定下一个最违反约束并重复如上所述步骤。
然而，如果原始全步不满足对偶可行性，则可能需要采用原始部分步(另外可参考为半步，但不一定必须是全步的50％，而简单地是全步的一部分)。当满足最大数量的约束在一次是有效的时候，采用原始无步(例如没有原始步)，因此需要放弃一个约束以继续下一个要求解的问题。例如，如果步骤516确定采用原始半步或全步，则适当的约束在步骤518被放弃，并返回至之前相同的问题，并且在步骤514没有所述放弃的约束的情况下，步骤514中的拉格朗日乘子和优化变量相应地被修正。重复所述算法，直至在步骤506满足所有可能约束，使得算法继续至步骤508以退出，期望的控制输出作为最小可行解提供给图4的运行过程400的步骤418中的对象。
因此，在实施例中，参考图1-5，用于控制图1的具有VGT 48、EGR阀40和EGR节气门44的内燃机20的方法包括利用包括修正算法的预测模型求解本文所述的线性二次问题，以确定：(i)所要求的优化内燃机涡轮(VGT)升力66，其满足一个或多个有效约束；和(ii)所要求的优化EGR阀流率68，其满足一个或多个有效约束。求解线性二次问题包括：在每次迭代确定是否采用确定的步，所述步是原始部分步或原始全步；以及在每次迭代采用确定的步，直至通过修正算法求解出所述线性二次问题。采用原始部分步包括执行迭代计算，采用原始全步包括执行直接计算。
参考图1-3，该方法进一步包括响应于内燃机进气岐管压力62(例如由进气岐管压力传感器32测量)通过控制VGT 48生成所要求的优化内燃机涡轮升力66。例如，通过致动器对VGT位置80(例如，对应于涡轮输入叶片的角度)进行控制，致动器因而控制VGT 48并影响内燃机进气岐管压力62。另外，该方法包括响应于EGR率64(例如由EGR率传感器43测量)通过控制EGR阀40和EGR节气门44生成所要求的优化EGR阀流率68。例如，通过相应的致动器分别对EGR阀位置82A和EGR节气门位置82B进行控制，致动器因而分别控制EGR阀40和EGR节气门44并影响EGR率64。
实例
实例1
图7A-7C与下表1一起示出了应用图5的HQPKWIK算法的实例。
表1：
图7A-7C所示实例的系统包括两(2)个优化变量和五(5)个约束。所述实例求解了公式3.2的二次问题并且包括下面的项、矩阵和向量：
在步骤502得到无约束(全局)最小值后(如表1所示在迭代0的)，所述实例在步骤504确定最违反可能约束。在图7A-7C的例子中，可能约束将是约束1至4，因为它们界定了可行区域。约束5将是不可能的，因此其将是无效约束。进一步地，每个约束1至5可包括单一优化变量作为约束或多个约束优化变量。例如，约束1可包括温度约束、压力约束或者温度约束或压力约束的组合。例如，约束可包括诸如最大水平、最小水平或运行范围限制的限制。
如表1的第一数据行所示，最违反可能约束将是约束4。因此，在步骤506中确定所有可能约束不满足后，算法继续步骤510至514以求解出对偶可行性的最大步长。这得到的是最大原始步长，分别如表1中第一数据行的第三列和第四列所示。如果最小步长是所述最大原始步长，如这里所得到的，算法继续采用原始步且添加所估计的约束(即约束4)至有效集合列表，如表1所示，并因此沿步骤516和520返回至步骤504。
在迭代1，其中系统当前处于沿由约束4表示的边界的点时处，在步骤504算法确定下一个最违反可能约束当前是约束2(如表1的第二数据行所示)。然而，当步骤510至514应用于约束2时，得到的对偶可行性的最大步长小于最大原始步长。这表示全原始步将在误差边界区之外且在两个约束2和4的情况下是不可行的，因此约束4需要被放弃。然后在步骤516采用半步(例如部分步)至点约束4在步骤518被放弃，并且对于没有约束4的之前的相同问题，拉格朗日乘子和优化变量在步骤514被修正。在迭代2(当前算法在点开始)，约束2再次被估计(这次没有约束4)并且拉格朗日乘子和优化变量在步骤514被修正。在步骤516，比较最大原始步长和对偶可行性的最大步长，并且最大原始步长被找到且为最小步长。因此步骤516确定全(原始)步应当被采用且约束2应当被添加到有效集合列表以到达点算法通过迭代3至8继续，直至所有可能约束在步骤506得到满足。
更特别地，在迭代4，当算法处于点且试图添加约束3时，在步骤516确定应当采用无步，因为最大数量的约束在一次是有效的。因此，算法修正至点其与点相同，约束1被放弃。然而，在迭代5，在步骤516确定采用半步至点约束2从有效集合列表中被放弃。在迭代6，在步骤516确定采用全步，在步骤520添加约束3。在迭代7，约束1以全步被添加，算法从点移动至点点是可行区域的最小点，其满足所有可能约束并且是对象(例如，图4的步骤418中所使用的)的输出解。
实例2
参考图8A-8B，给出了关于使用图5的算法的另一个例子。图8A示出了具有两(2)个优化变量和四(4)个约束的原始问题的图示。例如，对于给定的和如下所述，所述问题包括VGT位置的优化值(单位是％关闭)以及EGR阀开度的优化值(单位是％打开)，其最小化二次代价函数且满足表2的下述四个约束：
表2：
特别地，相关的原始问题是：
其中，
HQPKWIK算法500从步骤501开始，接着在步骤502设定优化变量为无约束最小值，使得如图8B所示，在步骤504，最违反约束被确定为约束1，因为 在步骤506，算法500确定不是所有可能约束都满足(因为在步骤504已经确认约束1为最大违反可能约束)，则算法500运行至步骤510，在该步骤，有效集合列表被转换为独有的标识符。在该例子中，有效集合列表具有下列形式：S＝{约束4,约束3,约束2,约束1}，使得算法500然后运行至步骤512以计算原始步方向和对偶步方向并且确定步长，如此发现应当采用全原始步并且应当添加约束1，因为 算法500运行至步骤514以按如下公式修正优化变量和拉格朗日乘子μ1：
接下来，算法500运行至步骤516，此时在算法500返回至步骤504之前采用全原始步(如图8C所示，在点和之间)并且添加约束1，以重新开始带有新添加的约束1的过程。
例如，在步骤504，算法500确定新的最违反(可能)约束为约束3，因为因此注意在步骤506不是所有(可能)约束都满足，从而运行至步骤510。在步骤510，有效集合列表被转换为独有的标识符如下：与独有的标识符5相关的对偶空间和原始空间数组被获得，且在步骤512，计算原始和对偶步方向以确定步长，得到 算法500运行至步骤514以按如下公式修正优化变量和拉格朗日乘子μ2：
接下来，算法500运行至步骤516，此时在算法500返回至步骤504之前采用全原始步(如图8D所示，在点和之间)且添加约束3，以重新开始带有新添加的约束3的过程。这次，在步骤504，所述过程确定没有另一最违反可能约束(因为 )，然后在步骤506，所有可能约束被确定为在点满足(从而算法500在步骤508退出，得到解)。如图8D所示，点是在由四个约束限制的原始可行区域的边缘处的最小点或解。
参考图9-10，为了验证HQPKWIK算法，用于具有控制空气路径(如对象)的线性MPC的柴油机的驱动循环数据被采集作为WLTP循环的瞬态基准数据并进行了估算。另外，本文所述的HQPKWIK算法被用作求解器且被估算。为了验证结果，对应于每个时间步的每个独立问题给定至Matlab求解器(离线)，并且确定HQPKWIK算法和瞬态基准数据结果之间的最大误差，如图10所示。
例如，由于例如迭代近似引起的累积误差可能大于约1e-6的可接受值，表示误差大于界限且算法可能不能预期运行。通过采用HQPKWIK算法以及利用原始空间中迭代计算和直接计算的混合方案，误差可保持在低于可接受值，从而如图10所示满足估算的约束。图10的结果在1.5e-5％指示误差范围内，示出了用以通过HQPKWIK算法在线正确地计算出解的成功能力。
HQPKWIK算法是混合范围空间算法，其允许用于柴油机空气路径对象的生产用途中的约束优化求解器应用于随时间改变(时变)的问题，同时使用修正算法。修正算法基于所确定的在原始空间和对偶空间采用的步长来修正优化变量和拉格朗日乘子。HQPKWIK算法还成功面对挑战，例如在低ROM大小(即总共4.63KB)的限制内工作，能够在ECU上运行，并且能够以有限和快速的时间框架准确地找到正确的解。例如，如上所述，图10示出约1.5e-5％的最大误差以及结果平均约250FLOPS的运行例子。应注意到，当HQPKWIK算法是有效集合方法时，计算时间和ROM大小增长作为更多的约束被添加，因此本文所述的求解器能够广泛地用于求解任何具有线性不等式的少量约束的约束优化凸问题。
应注意，本文所使用的术语“大体”、“大约”以及“近似”等用以代表可归因于任何定量比较、值、测量或其它表示法的固有不确定程度。本文所使用的这些术语还用以代表定量表述可以与声称的基准不同但不会导致所述主题的基本功能发生变化的程度。
虽然本文已经示出和描述了特定实施例，但是应当理解，可以在不偏离所要求保护的主题的精神和范围内做出各种改变和修改。而且，尽管所要求保护的主题的各个方面已经在此进行了描述，但这些方面不必组合使用。因此，所附权利要求旨在覆盖落入所要求保护的主题的范围之内的所有这样的改变和修改。

Claims (15)

1.一种用于控制内燃机的方法，所述内燃机具有可变几何涡轮(VGT)、废气再循环(EGR)阀和EGR节气门，所述方法包括：
利用包括修正算法的预测模型求解线性二次问题，以便确定：(i)满足一个或多个约束的所要求的优化VGT升力；和(ii)满足所述一个或多个约束的所要求的优化EGR阀流率，其中，求解线性二次问题包括：
确定是否在每次迭代采用包括原始部分步和原始全步之一的确定步，和
在每次迭代采用所述确定步，直至线性二次问题通过修正的算法被求解出，其中：
采用原始部分步包括执行迭代计算，
采用原始全步包括执行直接计算；
响应于内燃机进气岐管压力通过控制VGT生成所要求的优化VGT升力；和
响应于EGR率通过控制EGR阀和EGR节气门生成所要求的优化EGR阀流率。
2.如权利要求1所述的方法，进一步包括：
设定一个或多个内燃机运行参数作为所述一个或多个约束以形成非线性问题；和
基于所述非线性问题推导所述线性二次问题，其中，所述线性二次问题是凸的和时变的。
3.如权利要求2所述的方法，其中，要求解的所述线性二次问题包括如下公式：
其中，是代价函数中的时变线性项；是代价函数中的常数二次项；是常数约束矩阵；是时变约束向量；是包括时变控制输入的一个或多个优化变量。
4.如权利要求3所述的方法，其中，所述时变控制输入包括VGT升力和EGR流量中的至少一个，并且所述方法进一步包括：添加拉格朗日乘子μ以确定优化变量的解和优化拉格朗日乘子μ*大的解，优化变量和优化拉格朗日乘子μ*的解大于或等于零以满足对偶可行性，同时仅采用所述一个或多个约束中的有效、可行的约束。
5.如权利要求4所述的方法，其中：
VGT包括涡轮输入叶片，所述涡轮输入叶片构造成倾斜以被打开、部分打开、或关闭；以及
所述有效、可行的约束包括最大EGR率、最小EGR率、最大EGR流量命令、最小EGR流量命令、用以控制涡轮输入叶片的最大关闭量的最大VGT升力关闭命令、和用以控制涡轮输入叶片的最小关闭量的最小VGT升力关闭命令中的至少一个。
6.如权利要求5所述的方法，进一步包括：简化当前有效集合列表L的确定解，并且定义迭代和直接计算方法以确定如何从当前有效集合列表L移至新的有效集合列表L+1，从而得到如下简化的HQPKWIK公式：
μL+1＝μL-rvknextt对偶步
其中，t是仍保持对偶可行性的最小长度，vknext是被添加至当前约束集合列表的下一个约束，z是表示原始空间中搜索方向的数组，r是表示对偶空间中搜索方向的数组，使得：
z＝TL U(TL U)T
r＝RL -1(TL C)T。
7.如权利要求6所述的方法，进一步包括：
在线和离线之一地预计算部分z和r数组；而且
当离线预计算部分z和r数组时，在至少部分地基于当前有效集合列表确定独有的标识符之后得到z和r数组，其中，确定独有的标识符利用将当前有效集合列表中的一个或多个二进制数转换成十进制数值，所述独有的标识符包括所述十进制数值。
8.一种用于控制内燃机的方法，所述内燃机具有位于内燃机的空气路径中的可变几何涡轮(VGT)、废气再循环(EGR)阀和EGR节气门，所述方法包括：
公式化模型预测控制(MPC)控制器的约束优化问题，所述控制器基于线性模型、一个或多个约束以及相关的对偶空间和原始空间矩阵数组控制空气路径，所述线性模型包括在对偶空间和原始空间中的凸二次时变代价函数，每个与独有的有效集合列表相关的数组包括所述一个或多个约束的第一组合；
求解所述约束优化问题以确定解；
用修正后的有效集合列表修正所述约束优化问题；
重复求解和公式化步骤，直至所述一个或多个约束的所有可能的有效集合列表都被满足，以生成所要求的优化VGT升力和所要求的优化EGR阀流率，从而控制所述空气路径，所要求的优化VGT升力和所要求的优化EGR阀流率中的每个满足所述一个或多个约束，其中：
所要求的优化VGT升力响应于内燃机进气岐管压力通过控制VGT生成，和
所要求的优化EGR阀流率响应于EGR率通过控制EGR阀和EGR节气门生成；并且
实施关于所述空气路径的解。
9.如权利要求8所述的方法，其中，求解所述约束优化问题以确定解的步骤包括：
设定所述线性模型的一个或多个优化变量为无约束最小值；
确定所述一个或多个约束的最违反可能约束以形成可估计的有效集合列表；
将所述可估计的有效集合列表转换为独有的标识符；
基于所述独有的标识符识别原始空间和对偶空间数组；
用所识别的原始空间和对偶空间数组计算原始步方向和对偶步方向，以基于计算出的原始步方向和对偶步方向之间确定的最小值确定步长；
基于所确定的步长修正一个或多个拉格郎日乘子和所述一个或多个优化变量，直至确定采用全步长；
采用全步长；
将最违反可能约束添加至当前有效集合列表；和
重复确定最违反可能约束的步骤至添加最违反可能约束的步骤，直到所有可能约束都得到满足。
10.如权利要求9所述的方法，其中：
基于所确定的步长修正一个或多个拉格郎日乘子和所述一个或多个优化变量，直至确定采用全步长的步骤包括：
确定采用部分步和全步中的一个；
当采用部分步时，从可估计的有效集合列表中放弃最违反可能约束；和
基于所放弃的约束修正所述一个或多个拉格朗日乘子和所述一个或多个优化变量；并且
用所识别的原始空间和对偶空间数组计算原始步方向和对偶步方向，以基于计算出的原始步方向和对偶步方向之间的最小值确定步长的步骤包括：
计算对偶可行性的最大对偶步长；
计算最大原始步长；
比较所述最大对偶步长和所述最大原始步长；
当最大原始步长小于最大对偶步长时，在原始空间中采用全步长；和
当最大对偶步长小于最大原始步长时，采用部分步，包括采用无步和部分原始步之一，其中：
所述部分原始步是全步长的一部分，
当约束的数量小于有效约束的最大数量时，采用所述部分原始步，和
当最大数量的约束有效时，采用无步。
11.一种用于控制内燃机的系统，所述内燃机具有位于内燃机的空气路径中的可变几何涡轮(VGT)、废气再循环(EGR)阀和EGR节气门，所述系统包括：
通信连接于非暂时性计算机存储介质的处理器，其中，所述非暂时性计算机存储介质存储指令，所述指令在由处理器执行时使处理器用以：
公式化模型预测控制(MPC)控制器的约束优化问题，所述控制器基于线性模型、一个或多个约束以及相关的对偶空间和原始空间矩阵数组控制空气路径，所述线性模型包括在对偶空间和原始空间中的凸二次时变代价函数，每个与独有的有效集合列表相关的数组包括所述一个或多个约束的第一组合；
求解所述约束优化问题以确定解；
根据修正后的有效集合列表修正所述约束优化问题；
重复求解和公式化步骤，直至所述一个或多个约束的所有可能的有效集合列表都被满足，以生成所要求的优化VGT升力和所要求的优化EGR阀流率，从而控制所述空气路径，所要求的优化VGT升力和所要求的优化EGR阀流率中的每个满足所述一个或多个约束，其中：
所要求的优化VGT升力响应于内燃机进气岐管压力通过控制VGT生成；和
所要求的优化EGR阀流率响应于EGR率通过控制EGR阀和EGR节气门生成；以及
实施关于所述空气路径的解。
12.根据权利要求11所述的系统，其中，求解所述约束优化问题以确定解的指令包括如下的由非暂时性计算机存储介质存储的指令，所述指令在由处理器执行时使处理器用以：
设定所述线性模型的一个或多个优化变量为无约束最小值；
确定所述一个或多个约束的最违反可能约束以形成可估计的有效集合列表；
将所述可估计的有效集合列表转换为独有的标识符；
基于所述独有的标识符识别原始空间和对偶空间数组；
用所识别的原始空间和对偶空间数组计算原始步方向和对偶步方向，以基于计算出的原始步方向和对偶步方向之间确定的最小值确定步长；
基于所确定的步长修正一个或多个拉格郎日乘子和所述一个或多个优化变量，直至确定采用全步长；
采用全步长；
将最违反可能约束添加至当前有效集合列表；和
重复确定最违反可能约束的步骤至添加最违反可能约束的步骤，直到所有可能约束都得到满足。
13.如权利要求12所述的系统，其中，基于所确定的步长修正一个或多个拉格郎日乘子和所述一个或多个优化变量，直至确定采用全步长的指令包括如下的由非暂时性计算机存储介质存储的指令，所述指令在由处理器执行时使处理器用以：
确定采用部分步和全步中的一个；
当采用部分步时，从可估计的有效集合列表中放弃最违反可能约束；和
基于所放弃的约束修正所述一个或多个拉格朗日乘子和所述一个或多个优化变量。
14.如权利要求12所述的系统，其中，用所识别的原始空间和对偶空间数组计算原始步方向和对偶步方向，以基于计算出的原始步方向和对偶步方向之间确定的最小值确定步长的指令包括如下的由非暂时性计算机存储介质存储的指令，所述指令在由处理器执行时使处理器用以：
计算对偶可行性的最大对偶步长；
计算最大原始步长；
比较所述最大对偶步长和所述最大原始步长；
当最大原始步长小于最大对偶步长时，在原始空间中采用全步长；和
当最大对偶步长小于最大原始步长时，采用部分步。
15.如权利要求14所述的系统，其中，当最大对偶步长小于最大原始步长时，采用部分步的指令包括采用无步和部分原始步之一的指令，其中：
所述部分原始步是全步长的一部分，
当有效约束的数量小于约束的最大数量时，所述指令采用所述部分原始步，和
当最大数量的约束有效时，所述指令采用无步。
CN201710454204.6A 2016-06-17 2017-06-16 用于柴油机空气路径流量模型预测控制的部分步和全步混合二次求解器及使用方法 Active CN107524532B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/185,664 2016-06-17
US15/185,664 US10190522B2 (en) 2016-06-17 2016-06-17 Hybrid partial and full step quadratic solver for model predictive control of diesel engine air path flow and methods of use

Publications (2)

Publication Number Publication Date
CN107524532A true CN107524532A (zh) 2017-12-29
CN107524532B CN107524532B (zh) 2022-02-18

Family

ID=59091357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710454204.6A Active CN107524532B (zh) 2016-06-17 2017-06-16 用于柴油机空气路径流量模型预测控制的部分步和全步混合二次求解器及使用方法

Country Status (4)

Country Link
US (2) US10190522B2 (zh)
EP (1) EP3258089A1 (zh)
JP (1) JP6756671B2 (zh)
CN (1) CN107524532B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110308652A (zh) * 2018-03-27 2019-10-08 通用汽车环球科技运作有限责任公司 模型预测控制中的约束合并
CN110344953A (zh) * 2019-07-30 2019-10-18 江南大学 柴油机废气再循环系统事件触发控制装置和控制方法
CN114508403A (zh) * 2017-03-10 2022-05-17 康明斯有限公司 用于优化发动机后处理系统运行的系统和方法
CN114631066A (zh) * 2019-09-05 2022-06-14 Zsm控股有限责任公司 用于优化打包由空中载具运输的大型不规则的有效载荷的系统和方法
CN115324726A (zh) * 2022-06-27 2022-11-11 苏州意驱动汽车科技有限公司 一种基于非线性建模的电控执行器精确控制方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10344691B2 (en) * 2017-11-01 2019-07-09 Fca Us Llc Robust low pressure exhaust gas recirculation system control for a turbocharged gasoline engine
DE102018213177B4 (de) * 2018-08-07 2023-02-09 Volkswagen Aktiengesellschaft Verfahren zur Leistungsregelung des Verbrennungsmotors eines Kraftfahrzeugs
US11073100B2 (en) 2018-11-16 2021-07-27 Fca Us Llc Cylinder based low pressure cooled exhaust gas recirculation transient measurement methodology
KR20200066751A (ko) 2018-11-30 2020-06-11 현대자동차주식회사 차량의 엔진 제어방법
GB2585178B (en) * 2019-04-26 2022-04-06 Perkins Engines Co Ltd Engine control system
GB2583382B (en) * 2019-04-26 2021-10-27 Perkins Engines Co Ltd Internal combustion engine controller
JP7293929B2 (ja) * 2019-07-16 2023-06-20 マツダ株式会社 エンジンの試験方法及び試験装置
WO2021245866A1 (ja) * 2020-06-04 2021-12-09 三菱電機株式会社 最適化問題の最適解演算装置及び最適化問題の最適解演算方法
US11761392B2 (en) 2021-05-17 2023-09-19 Caterpillar Inc. Method and system for engine air system control
US11732670B2 (en) * 2021-11-12 2023-08-22 Garrett Transportation I Inc. System and method for on-line recalibration of control systems

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8600525B1 (en) * 2012-05-31 2013-12-03 Honeywell Asca Inc. Efficient quadratic programming (QP) solver for process control and optimization
US20140174414A1 (en) * 2012-12-21 2014-06-26 The Regents Of The University Of Michigan Rate-based contractive model predictive control method for internal combustion engine air path control
US20140174413A1 (en) * 2012-12-21 2014-06-26 The Regents Of The University Of Michigan Rate-based model predictive control method for internal combustion engine air path control
US20150275783A1 (en) * 2014-03-26 2015-10-01 GM Global Technology Operations LLC System and method for managing the period of a control loop for controlling an engine using model predictive control
US20160076473A1 (en) * 2012-12-21 2016-03-17 Toyota Motor Engineering & Manufacturing North America, Inc. Discrete time rate-based model predictive control method for internal combustion engine air path control

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5270935A (en) 1990-11-26 1993-12-14 General Motors Corporation Engine with prediction/estimation air flow determination
GB2388922B (en) * 2002-01-31 2005-06-08 Cambridge Consultants Control system
US20050187643A1 (en) * 2004-02-19 2005-08-25 Pavilion Technologies, Inc. Parametric universal nonlinear dynamics approximator and use
US7152023B2 (en) * 2003-02-14 2006-12-19 United Technologies Corporation System and method of accelerated active set search for quadratic programming in real-time model predictive control
US7467614B2 (en) 2004-12-29 2008-12-23 Honeywell International Inc. Pedal position and/or pedal change rate for use in control of an engine
US7949417B2 (en) * 2006-09-22 2011-05-24 Exxonmobil Research And Engineering Company Model predictive controller solution analysis process
US7885717B2 (en) * 2008-03-31 2011-02-08 Sikorsky Aircraft Corporation Fast control law optimization
US8060290B2 (en) * 2008-07-17 2011-11-15 Honeywell International Inc. Configurable automotive controller
JP5347676B2 (ja) * 2009-04-16 2013-11-20 いすゞ自動車株式会社 内燃機関の制御方法及び制御装置
US8504175B2 (en) 2010-06-02 2013-08-06 Honeywell International Inc. Using model predictive control to optimize variable trajectories and system control
US8924331B2 (en) 2010-09-03 2014-12-30 Honeywell International Inc. System and method for solving quadratic programming problems with bound constraints utilizing a semi-explicit quadratic programming solver
EP2469692B1 (en) 2010-12-24 2019-06-12 ABB Research Ltd. Method for controlling a converter
US8548621B2 (en) 2011-01-31 2013-10-01 Xerox Corporation Production system control model updating using closed loop design of experiments
US9494925B2 (en) * 2011-12-20 2016-11-15 United Technologies Corporation Hybrid control system
US9002615B2 (en) 2012-01-18 2015-04-07 General Electric Company Methods and systems for managing power of an engine
US9784198B2 (en) * 2015-02-12 2017-10-10 GM Global Technology Operations LLC Model predictive control systems and methods for increasing computational efficiency
US9482169B2 (en) 2014-07-23 2016-11-01 Cummins Inc. Optimization-based controls for diesel engine air-handling systems
US20160146134A1 (en) 2014-11-20 2016-05-26 GM Global Technology Operations LLC Method of model-based multivariable control of egr, fresh mass air flow, and boost pressure for downsize boosted engines
GB2520637A (en) 2014-12-04 2015-05-27 Daimler Ag Controller for controlling an internal combustion engine of a vehicle, in particular a commercial vehicle
US10060373B2 (en) * 2017-01-18 2018-08-28 GM Global Technology Operations LLC Linear parameter varying model predictive control for engine assemblies

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8600525B1 (en) * 2012-05-31 2013-12-03 Honeywell Asca Inc. Efficient quadratic programming (QP) solver for process control and optimization
US20140174414A1 (en) * 2012-12-21 2014-06-26 The Regents Of The University Of Michigan Rate-based contractive model predictive control method for internal combustion engine air path control
US20140174413A1 (en) * 2012-12-21 2014-06-26 The Regents Of The University Of Michigan Rate-based model predictive control method for internal combustion engine air path control
US20160076473A1 (en) * 2012-12-21 2016-03-17 Toyota Motor Engineering & Manufacturing North America, Inc. Discrete time rate-based model predictive control method for internal combustion engine air path control
US20150275783A1 (en) * 2014-03-26 2015-10-01 GM Global Technology Operations LLC System and method for managing the period of a control loop for controlling an engine using model predictive control

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114508403A (zh) * 2017-03-10 2022-05-17 康明斯有限公司 用于优化发动机后处理系统运行的系统和方法
CN114508403B (zh) * 2017-03-10 2024-05-17 康明斯有限公司 用于优化发动机后处理系统运行的系统和方法
CN110308652A (zh) * 2018-03-27 2019-10-08 通用汽车环球科技运作有限责任公司 模型预测控制中的约束合并
CN110308652B (zh) * 2018-03-27 2022-12-09 通用汽车环球科技运作有限责任公司 模型预测控制中的约束合并
CN110344953A (zh) * 2019-07-30 2019-10-18 江南大学 柴油机废气再循环系统事件触发控制装置和控制方法
CN114631066A (zh) * 2019-09-05 2022-06-14 Zsm控股有限责任公司 用于优化打包由空中载具运输的大型不规则的有效载荷的系统和方法
CN115324726A (zh) * 2022-06-27 2022-11-11 苏州意驱动汽车科技有限公司 一种基于非线性建模的电控执行器精确控制方法

Also Published As

Publication number Publication date
CN107524532B (zh) 2022-02-18
EP3258089A1 (en) 2017-12-20
US20170363032A1 (en) 2017-12-21
US20190107072A1 (en) 2019-04-11
JP6756671B2 (ja) 2020-09-16
JP2017223229A (ja) 2017-12-21
US10190522B2 (en) 2019-01-29

Similar Documents

Publication Publication Date Title
CN107524532A (zh) 用于柴油机空气路径流量模型预测控制的部分步和全步混合二次求解器及使用方法
CN105308296B (zh) 用于内燃机空气路径控制的基于速率的模型预测控制方法
CN107433845B (zh) 基于条件的动力系控制系统
Albin et al. In-vehicle realization of nonlinear MPC for gasoline two-stage turbocharging airpath control
US10422290B1 (en) Supervisory model predictive controller for diesel engine emissions control
CN106762170B (zh) 用于内燃机空气路径控制的基于离散时间速率的模型预测控制方法
Piltan et al. Artificial tune of fuel ratio: Design a novel siso fuzzy backstepping adaptive variable structure control
US9989001B2 (en) Discrete time rate-based model predictive control method for internal combustion engine air path control
Karnik et al. Vehicle powertrain thermal management system using model predictive control
CN106121847B (zh) 内燃发动机平均值模型的辨识方法
Simani et al. Fuzzy modelling and control of the air system of a diesel engine
Šantin Numerical algorithms of quadratic programming for model predictive control
US11719181B2 (en) Internal combustion engine controller
Šantin et al. Combined gradient and Newton projection quadratic programming solver for MPC
Sequenz et al. Stationary global-local emission models of a CR-Diesel engine with adaptive regressor selection for measurements of airpath and combustion
JP2011043154A (ja) 制御装置
US11761392B2 (en) Method and system for engine air system control
Pal Model Assisted Iterative Calibration of Internal Combustion Engines
Piltan et al. Quality model and artificial intelligence base fuel ratio management with applications to automotive engine
JP2010127267A (ja) 制御装置
US20220397070A1 (en) Engine intake air and exhaust control system
Fukuhara et al. 2 MBCI
CN116151014A (zh) 一种直线内燃发电系统运行轨迹表征及优化方法
GB2615843A (en) Engine control unit calibration
JP2010112306A (ja) 制御装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant