CN108333923A - 用于发动机组件的线性参数变化模型预测控制 - Google Patents

用于发动机组件的线性参数变化模型预测控制 Download PDF

Info

Publication number
CN108333923A
CN108333923A CN201810024750.0A CN201810024750A CN108333923A CN 108333923 A CN108333923 A CN 108333923A CN 201810024750 A CN201810024750 A CN 201810024750A CN 108333923 A CN108333923 A CN 108333923A
Authority
CN
China
Prior art keywords
engine
control
model
linear
sampling time
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
CN201810024750.0A
Other languages
English (en)
Other versions
CN108333923B (zh
Inventor
Y-Y·王
龙瑞星
J·R·贝尔德霍
J-S·陈
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN108333923A publication Critical patent/CN108333923A/zh
Application granted granted Critical
Publication of CN108333923B publication Critical patent/CN108333923B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • F02D41/1402—Adaptive control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D35/00—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for
    • F02D35/02—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions
    • F02D35/023—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions by determining the cylinder pressure
    • 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
    • F02D41/02—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
    • F02D2041/1413—Controller structures or design
    • F02D2041/1429—Linearisation, i.e. using a feedback law such that the system evolves as a linear one
    • 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
    • F02D2041/1413—Controller structures or design
    • F02D2041/143—Controller structures or design the control loop including a non-linear model or compensator
    • 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
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
    • F02D2200/1002—Output torque
    • 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
    • F02D2200/60—Input parameters for engine control said parameters being related to the driver demands or status
    • F02D2200/602—Pedal position
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2250/00—Engine control related to specific problems or objectives
    • F02D2250/18—Control of the engine output torque

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

公开了一种LPV/MPC发动机控制系统，其包括连接到多个传感器的发动机控制单元。发动机控制单元从传感器接收指示期望发动机转矩和发动机转矩输出的信号，并且使用分段LPV/MPC例程从这些信号中确定最优发动机控制命令。该例程包括：确定发动机组件的非线性和线性系统模型，最小化线性系统模型的滚动时域中的控制成本函数，确定非线性和线性系统模型的系统响应，确定系统响应之间的误差函数的范数是否小于校准阈值，并且如果范数小于预定阈值，则在下一滚动时域内的下一采样时间中应用线性化系统模型以确定最优控制命令。一旦确定，则最优控制命令被输出到发动机组件。

Description

用于发动机组件的线性参数变化模型预测控制
技术领域
本发明总体上涉及用于调节发动机组件的操作的基于模型的控制。更具体地，本发明的方面涉及用于内燃机组件的模型预测控制策略。
背景技术
当前的生产机动交通工具(诸如现代汽车)最初配备有动力总成，该动力总成操作以推进交通工具并为车载交通工具电子装置供电。包括并且通常被错误分类为交通工具传动系的动力总成通常包括原动机，该原动机通过多速度动力变速器向交通工具的最终传动系统(例如，差速器、车轴和车轮)传递驱动动力。汽车通常由往复活塞式内燃机(ICE)提供动力，因为其易于获得以及相对便宜的成本、重量轻和总体效率。作为一些非限制性示例，这种发动机包括两冲程和四冲程压缩点火(CI)柴油机、四冲程火花点火(SI)汽油机、六冲程架构和旋转式发动机。另一方面，混合动力交通工具利用诸如电池供电的电动发电机的替代动力源来推进交通工具，最小化对发动机的动力依赖，并且从而提高总体燃料经济性。
典型的顶置阀内燃机包括具有一系列缸膛的发动机缸体，每个缸膛具有可在其中往复运动的活塞。与发动机缸体的顶部表面联接的是与活塞和缸膛配合形成可变容积燃烧室的气缸盖。这些往复活塞用于将由燃烧室内压缩的燃料与空气混合物点燃所生成的压力转换成旋转力以驱动曲轴。气缸盖限定进气端口，由进气歧管提供的空气通过所述进气端口选择性地引入每个燃烧室。在气缸盖内还限定有排气端口，排气和燃烧副产物通过该排气端口选择性地从燃烧室排出到排气歧管。排气歧管进而将用于再循环的排气收集并组合到进气歧管中，输送到涡轮驱动的涡轮增压器，和/或经由排气系统从ICE排空。
在ICE组件的每个燃烧工作循环期间产生的排气通常包括颗粒物质和其它已知的燃烧副产物，诸如一氧化碳(CO)、碳氢化合物(HC)、挥发性有机化合物(VOC)和氮氧化物(NOx)。排气后处理系统操作以将未燃烧的碳氢化合物和一氧化碳氧化成二氧化碳和水，并且在气体释放到大气之前将氮氧化物的混合物还原成氮气和水。排气处理可以单独地并以任何组合方式并入氧化催化剂(OC)、NOx吸收器/吸附器、排气再循环(EGR)、选择性催化还原(SCR)系统、颗粒物质(PM)过滤器、催化转化器和其它排放控制手段。选择性催化还原是先进的主动排放控制技术，其将诸如无水或氨水(NH3)或汽车级尿素(也称为柴油机排气流体(DEF))的配料剂注入排气流中。该配料剂包括与排气中的NOx反应并与NOx混合的还原剂，并且该混合物可被吸收到SCR催化剂上。然后SCR催化剂可以分解吸收的混合物，形成水蒸气(H2O)和氮气(N2)。
发明内容
在此公开了用于调节发动机组件的操作的多变量模型预测控制系统，用于制造的方法和使用这种模型预测控制系统的方法，以及带有具有闭环转矩和排放控制能力的内燃机组件和排气后处理系统的机动交通工具。作为示例而非限制，提出了一种用于调节发动机系统操作的新颖的分段线性参数变化(LPV)模型预测控制(MPC)策略和架构。在这个新的解中，基于非线性物理学的设备模型被建立或以其它方式被检索，例如用于发动机充气系统和转矩模型。然后在当前操作状况下对非线性设备模型进行线性化，并且例如基于非线性系统的雅可比矩阵，例如关于系统状态和输入的导数，计算系统动态矩阵A、B、C、D和V。
一旦线性化非线性设备模型，针对当前的线性化系统优化在有限时间范围内的控制成本函数，并对于当前步骤确定对照解。可以用当前最优控制输入u(k)来模拟非线性系统响应和线性化系统响应二者。矢量或时间序列范数可以基于两个响应之间的误差函数来计算；如果范数小于预定阈值，则可以在下一滚动时域内的下一采样时间中重新使用该线性化系统或A、B、C、D和V矩阵或二者，以找到最优控制u(k+1)。例如，这个过程以一个连续的循环迭代，直到错误响应的范数被认为不再可接受为止。当不再可接受时，获得新的线性系统模型来计算新的控制系列。一般来说，由于设计过程包括校准非线性设备模型，所以可以基于物理设备模型在线确定区域，并且本身不需要通过大量实验来划分或确定控制区域。
至少一些所公开的概念的随之而来的益处包括有助于减少已知的基于区域的线性化控制方案和传统的MPC控制方案所需的系统校准时间和计算负载的发动机系统控制逻辑。与已知的MPC控制方法不同，所公开的分段LPV MCP控制逻辑不需要增加的计算负载能力来实现无限区域解。同样，与使用发动机系统识别的非线性系统的基于区域的线性化不同，所公开的系统、方法和装置不需要大量的测试或耗时的校准来确定多个区域以确保足够的分区，例如以保证系统鲁棒性。所公开的算法和架构可操作以使用实时转矩传感器或存储的模型数据以及实时NOx排放传感器数据来应用闭环转矩和排放控制。所公开的算法和架构可以扩展为包括实时微粒传感器反馈控制。
本发明的方面涉及用于调节往复活塞式内燃机组件的操作的多变量模型预测控制系统。例如公开了用于发动机组件的LPV/MPC发动机控制系统。该LPV/MPC发动机控制系统包括检测发动机组件的发动机转矩输出并生成指示其的信号的发动机传感器，以及检测发动机组件的期望发动机转矩并生成指示其的信号的输入传感器。发动机控制单元通信地连接到发动机传感器和输入传感器，以接收指示期望的发动机转矩和发动机转矩输出的传感器信号。发动机控制单元被编程为根据期望的发动机转矩和发动机转矩输出使用分段LPV/MPC例程来确定最优控制命令，并且一旦被确定，则将最优控制命令输出到发动机组件。分段LPV/MPC例程包括以下指令：确定发动机组件的发动机转矩的非线性系统模型；在当前发动机操作状况下确定发动机组件的线性系统模型；最小化线性系统模型的滚动时域中的控制成本函数；采用当前的最优控制输入确定非线性和线性系统模型的相应系统响应；确定系统响应之间的误差函数的范数是否小于预定阈值；以及响应于范数小于预定阈值的确定，在下一滚动时域内的下一采样时间中应用线性化系统模型以确定最优控制命令。
如果确定范数小于预定阈值，则分段LPV/MPC例程可以在连续循环中执行以下指令，直到范数不小于阈值为止：在线性系统模型的相应下一滚动时域中最小化下一采样时间k+1，2...N处的控制成本函数；采用当前最优控制输入确定非线性和线性系统模型的新的相应系统响应；以及确定新系统响应之间的误差函数的范数是否小于预定阈值。响应于误差函数的范数不小于预定阈值的确定，分段LPV/MPC例程可以包括用于以下操作的指令：确定用于发动机组件的新的线性系统模型；在新的线性系统模型的新的滚动时域中最小化控制成本函数；确定非线性系统模型和新线性系统模型的新的相应系统响应；以及确定新系统响应之间的误差函数的范数是否小于预定阈值。
本发明的其它方面涉及具有多变量发动机转矩和排放闭环控制能力的往复活塞式发动机组件的机动交通工具。这里使用的“机动交通工具”可以包括任何相关的交通工具平台，诸如乘用交通工具(内燃机、混合动力、全电动、燃料电池、燃料电池混合动力、全部或部分自主等)、商用交通工具、工业交通工具、履带式交通工具、越野和全地形交通工具(ATV)、农场设备、船只、飞机等。在示例中，提出了一种机动交通工具，其包括具有发动机舱的车身和全部或部分收藏在发动机舱内的内燃机(ICE)组件。发动机传感器可操作地联接至ICE组件，并配置为检测ICE组件的发动机转矩输出。输入传感器被配置为检测ICE组件的驾驶员期望的发动机转矩。
发动机控制单元通信地连接到ICE组件、发动机传感器和输入传感器。该发动机控制单元被编程为：从发动机和输入传感器接收指示期望的发动机转矩和发动机转矩输出的信号；根据发动机转矩输出和期望的发动机转矩，使用分段LPV/MPC例程来确定最优控制命令；并且一旦确定，则将最优控制命令输出给ICE组件。分段LPV/MPC例程包括用于ECU的处理器可执行指令以：确定ICE组件的发动机转矩的非线性系统模型；确定当前发动机操作状况下的ICE组件的线性系统模型；最小化线性系统模型的滚动时域中的控制成本函数；采用当前的最优控制输入确定非线性和线性系统模型的相应系统响应；确定系统响应之间的误差函数的范数是否小于预定阈值；以及响应于范数小于预定阈值的确定，在下一滚动时域内的下一采样时间中应用线性化系统模型，例如直到范数大于预定阈值，以帮助确定最优控制命令。上述步骤可以在连续循环中执行，直到范数超过阈值。
本发明的另外方面涉及制造方法以及使用多变量模型预测控制系统来调节往复活塞式内燃机组件的操作的方法。例如，公开了一种用于操作用于发动机组件的LPV/MPC发动机控制系统的方法。该方法以任何顺序并且与任何所公开的特征的任何组合相结合地包括：从发动机传感器接收指示发动机组件的发动机转矩输出的信号；从输入传感器接收指示发动机组件的期望发动机转矩的信号；根据发动机转矩输出和期望发动机转矩，使用分段LPV/MPC例程来确定最优控制命令，所述例程包括：确定发动机组件的发动机转矩的非线性系统模型；确定在当前发动机操作状况下发动机组件的线性系统模型；最小化线性系统模型的滚动时域中的控制成本函数；采用当前最优控制输入确定非线性和线性系统模型的相应系统响应；确定系统响应之间的误差函数的范数是否小于预定阈值；并且响应于范数小于预定阈值的确定，在下一滚动时域内的下一采样时间中应用线性化系统模型以确定最优控制命令；并将确定的最优控制命令输出到发动机组件。
以上概述并不旨在表示本发明的每个实施例或每个方面。相反，前面的概述仅提供了在此阐述的一些新颖方面和特征的例证。结合附图和所附权利要求，从对用于执行本发明的代表性实施例和代表性模式的以下详细描述中，本发明的以上特征和优点以及其它特征和优点将变得显而易见。此外，本发明明确地包括上下文中呈现的元件和特征的任何和全部组合和子组合。
附图说明
图1是根据本发明的方面具有线性参数变化(LPV)模型预测控制(MPC)能力的代表性往复活塞式内燃机(ICE)组件的插图示意图示的代表性机动交通工具的正面透视图图示。
图2是根据本发明的方面的代表性分段LPV/MPC发动机控制架构的示意图。
图3是示出根据本发明的方面的分段LPV/MPC发动机系统控制的示例的图表，其中基于在线测试准则，当线性模型精度在预测时域处足够的情况下，在稀疏采样时间k处生成非线性系统模型并进行线性化。
图4是根据本发明的方面的代表性分段LPV/MPC发动机转矩和排放闭环控制架构的示意图。
图5是根据所公开概念的方面的具有分段LPV/MPC发动机系统控制例程的发动机系统控制算法的流程图，该例程可以对应于由车载控制逻辑电路、可编程发动机控制单元或机动交通工具的其它基于计算机的装置执行的指令。
本发明容许各种修改和替代形式，并且一些代表性实施例已经通过示例在附图中示出，并且将在本文中进行详细描述。然而，应该理解的是，本发明的新颖方面不限于在附图中示出的特定形式。相反，本发明将覆盖落入由所附权利要求限定的本发明的范围和精神内的所有修改、等同物、组合、子组合、替换、分组和替代。
具体实施方式
本发明容许以许多不同形式的实施例。在附图中示出并将在本文中详细描述本发明的代表性实施例，但应理解的是，这些代表性实施例将被认为是本发明的原理的示例，而并非旨在将本发明的广泛方面限制为所示的实施例。就此而言，例如在摘要、发明内容和具体实施方式部分中公开但在权利要求中未明确阐述的要素和限制不应该通过暗示、推断或以其它方式而单独或集体并入到权利要求中。出于本具体实施方式的目的，除非明确否认：单数包括复数，反之亦然；“和”和“或”这两个词应该是连接的和分离的；“全部”一词是指“任何和全部”；“任何”一词的意思是“任何和全部”；而“包括”和“包含”和“具有”的词语是指“包括但不限于”。此外，诸如“约”、“几乎”、“基本上”、“近似”等的近似词语可以在本文中以“在.....处、接近或接近于”或“在3-5％之内”或“在可接受的制造公差内”或其任何逻辑组合的意义使用。
现在参考附图，其中相同的附图标记在全部几个视图中指代相同的特征，图1是代表性汽车的透视图，为了作为四门轿车型乘用车的讨论的目的，其总体上以10指示并且在此作为描述。安装在汽车10的前部(例如，前保险杠面板和格栅的后部以及乘客车厢的前部)是容纳在由发动机罩14覆盖的发动机舱内的内燃发动机(ICE)组件12。图示的汽车10(在本文中也简称为“机动交通工具”或“交通工具”)仅仅是示例性应用，利用该示例性应用可以实施本公开的新颖方面和特征。同样，将本发明构思实施为火花点火式直接喷射(SIDI)发动机配置也应理解为本文公开的新概念的示例性应用。这样，将理解，本发明的方面和特征可以应用于其它排气后处理系统实施的其它发动机架构，并且用于任何逻辑相关类型的机动交通工具。最后，本文呈现的附图不一定按比例绘制，并且纯粹是为了教学目的而提供的。因此，附图中所示的具体和相对尺寸不应被解释为限制性的。
图1中示出了多缸双顶置凸轮(DOHC)直列型ICE组件12的示例。所示的ICE组件12是四冲程往复活塞发动机配置，其操作以推进交通工具10，例如作为包括柔性燃料交通工具(FFV)和其混合动力交通工具变型的直接喷射汽油发动机。ICE组件12可以可选地以包括均质充气压缩点火(HCCI)燃烧模式和其它压缩点火(CI)燃烧模式的各种可选择的燃烧模式中的任一种进行操作。另外，ICE组件12可以以化学计量的空气/燃料比和/或主要稀于化学计量比的空气/燃料比操作。该发动机12包括在发动机缸体13的缸孔15中可滑动地移动的一系列往复活塞16。每个活塞16的顶表面与其相应的气缸15的内周边以及气缸盖25的凹入腔室表面19协作以限定可变容积燃烧室17。每个活塞16连接到旋转曲轴11，通过该旋转曲轴11，活塞16的线性往复运动例如经由曲轴11作为旋转运动输出到动力变速器(未示出)。
进气系统通过进气歧管29将进气传送到气缸15，该进气歧管29例如经由气缸盖25的进气流道引导和分配空气进入燃烧室17。发动机的进气系统具有气流管道系统以及用于监视和控制进气流量的各种电子装置。作为非限制性示例，进气装置可以包括用于监视质量空气流量(MAF)33和进气温度(IAT)35的质量空气流量传感器32。节流阀34响应于来自可编程发动机控制单元(ECU)5的控制信号(ETC)120而控制到ICE组件12的气流。可操作地联接到进气歧管29的压力传感器36监视例如歧管绝对压力(MAP)37和气压。可选的外部流动通道例如经由排气再循环(EGR)阀38性质的控制阀将来自发动机排气的排气再循环到进气歧管29。可编程ECU5经由EGR命令139通过调节EGR阀38的打开和关闭控制排气到进气歧管29的质量流量。在图1中，将ECU 5与ICE组件12的各种部件连接的箭头是电子信号或其它通信交换的象征，通过该交换，数据和/或控制命令从一个部件传送到另一个部件。
从进气歧管29进入每个燃烧室17的气流由一个或多个专门的进气发动机阀20控制。经由排气歧管39将排气从燃烧室17排出到排气后处理系统55由一个或多个专用排气发动机阀18控制。根据所公开的实施例中的至少一些，排气后处理系统55包括排气再循环(EGR)系统和/或选择性催化还原(SCR)系统。发动机阀18、20在此被示为弹簧偏置的提升阀；然而，可以采用其它已知类型的发动机阀。ICE组件12的气门机构系统配备成控制和调节进气阀20和排气阀18的打开和关闭。根据一个示例，进气阀20和排气阀18的激活可以通过控制进气和排气可变凸轮定相/可变升程控制(VCP/VLC)装置22和24相应地调节。这两个VCP/VLC装置22、24被配置为分别控制和操作进气凸轮轴21和排气凸轮轴23。这些进气凸轮轴21和排气凸轮轴23的旋转与曲轴11的旋转相关联和/或分度，从而将进气阀20和排气阀18的打开和关闭联系到曲轴11和活塞16的位置。
进气VCP/VLC装置22可以用可操作以响应于控制信号(iVCV)125来切换和控制进气阀(一个或多个)20的阀升程的机构来制造，并且响应于控制信号(iVCP)126可变地调节和控制用于每个气缸15的进气凸轮轴21的定相。以相同的方式，排气VCP/VLC装置24可以包括可操作以响应于控制信号(eVLC)123可变地切换和控制排气阀18并且响应于控制信号(eVCP)124可变地调节和控制用于每个气缸15的排气凸轮轴23的定相的机构。VCP/VLC装置22、24可以例如响应于相应的控制信号eVLC123、eVCP124、iVLC125和iVCP126，使用电液压、液压、机电和电控制力中的任何一个来致动。
继续参考图1的代表性配置，ICE组件12采用具有将燃料脉冲直接喷射到燃烧室17中的多个高压燃料喷射器28的汽油直接喷射(GDI)燃料喷射子系统。每个气缸15设置有一个或多个燃料喷射器28，其响应于来自ECU 5的喷射器脉冲宽度命令(INJ_PW)112而激活。这些燃料喷射器28由燃料分配系统(未示出)供给加压燃料。一个或多个或全部燃料喷射器28可以在被激活时可操作以将每个工作循环的多个燃料脉冲(例如，连续的第一、第二、第三等燃料质量喷射)喷射到ICE组件气缸15的相应一个中。ICE组件12采用火花点火子系统，通过火花点火子系统经由火花塞26提供燃料燃烧启动能量(通常为突然放电的性质)，用于点燃或辅助点火，响应于来自ECU 5的火花命令(IGN)118在每个燃烧室17中的气缸充气。本发明的方面和特征可类似地应用于压燃式(CI)柴油发动机。
ICE组件12配备有用于监视发动机操作的各种感测装置，包括具有指示例如曲轴曲柄角、转矩和/或速度(RPM)信号43的输出的曲轴传感器42。温度传感器44可操作以监视例如一个或多个发动机相关温度(例如，冷却剂温度、燃料温度、排气温度等)，并输出指示其的信号45。缸内燃烧传感器30监视诸如缸内燃烧压力、充气温度、燃料质量、空燃比等燃烧相关变量，并输出指示其的信号31。排气传感器40配置成监视与排气相关的变量，例如实际的空气/燃料比(AFR)、燃烧的气体分数等，并输出指示其的信号41。
例如，燃烧压力和曲轴转速可以由ECU 5监视以确定燃烧正时，即对于每个工作燃烧循环的每个气缸15确定燃烧压力相对于曲轴11的曲柄角的正时。应该认识到，燃烧正时可以通过其它方法来确定。燃烧压力可由ECU 5监视，以确定每个工作燃烧循环的每个气缸15的指示平均有效压力(IMEP)。ICE组件12和ECU 5协作地监视并确定在每个气缸点火事件期间每个发动机气缸15的IMEP的状态。或者，其它感测系统可用于监视在本发明范围内的其它燃烧参数的状态，例如离子感应点火系统、EGR分数和非侵入式气缸压力传感器。
控制模块、模块、控制器、控制单元、电子控制单元、处理器和类似术语是指一个或多个专用集成电路(ASIC)、电子电路、中央处理单元(例如，微处理器)以及执行一个或多个软件或固件程序或例程的相关联的存储器和存储装置(只读、可编程只读、随机存取、硬盘驱动器等)、组合逻辑电路、输入/输出电路和装置、适当的信号调节和缓冲电路，以及提供所描述的功能的其它部件中的任何一个或各种组合。软件、固件、程序、指令、例程、代码、算法和类似术语是指任何控制器可执行指令集，包括校准和查找表。ECU可以被设计为具有执行以提供期望功能的一组控制例程。控制例程诸如通过中央处理单元来执行，并且可操作地监视来自感测装置和其它联网的控制模块的输入，并且执行控制和诊断例程以控制装置和致动器的操作。例程可以定期执行，例如在正在进行的发动机和交通工具操作期间每100微秒、3.125、6.25、12.5、25和100毫秒。可替代地，例程可以响应于事件的发生而被执行。
在图2中呈现的是通常指定为200的代表性分段线性参数变化(LPV)模型预测控制(MPC)发动机控制架构，其可操作以例如提供基于闭环的发动机系统调节以传递最优发动机转矩和/或最小化燃烧生成的排放。如将在下面进一步详细描述的，LPV/MPC架构200可以帮助优化燃烧效率，并且可以帮助提供快速的转矩响应跟踪，同时最小化燃料消耗。一般而言，所公开的LPV/MPC架构200通过将模型预测控制应用于由分段线性参数变化模型描述的发动机系统来提供新的解决方案。在所示示例中，分段LPV/MPC架构200在稀疏采样时间在线线性化基于物理学的非线性发动机模型，并且在基于模型特性的准则认为是必要时在线性化模型之间切换。采用这种控制方案可以帮助节省ECU处理时间，同时随附地提高ECU的吞吐量，而不会牺牲系统性能。
在所示的示例中，分段LPV/MPC架构200的部分被示出为一般体现为可互操作的控制模块-分段LPV(PLPV)模块202、模型预测控制(MPC)模块204和预测误差(PO)模块206--其每一个都可以包括具有例如由图1所示的机动交通工具10的车载发动机控制单元(ECU)5实现的处理器可执行指令的相应软件应用。对于一些应用，MPC模块204可以由比例积分微分(PID)模块代替或补充。同样可以设想，每个控制模块可以包括分立的控制器、微处理器或其它集成电路(IC)装置，所有这些装置都可操作地相互连接以执行在此公开的任何功能和特征。作为闭环系统，PLPV、MPC和PO模块202、204、206通过经由ECU5的实施方式起作用，以基于来自发动机和排气系统的反馈传感数据调节ICE组件12和/或排气后处理系统55的操作(即输出量影响控制过程的输入量)。
为了提供闭环反馈数据，分段LPV/MPC架构200实现或以其它方式与车载和车外感测装置的分类进行通信，所述车载和车外感测装置包括以上关于图1所示和以上所述的那些，为发动机和排气系统的操作和优化汇总相关信息。在图2中，例如，一个或多个发动机传感器208(其可以是磁弹性、旋转变压器型或表面声波(SAW)转矩传感器的性质)安装在曲轴11或ICE组件12的其它适当的部件上。每个发动机传感器208可操作以确定，实时地系统地监视或随机地跟踪和/或以其它方式选择性地检测ICE组件的测量输出ym(t)，诸如当前发动机转矩(Tq)，并生成指示其的一个或多个信号。可选的系统架构可以通过采用例如存储的数学模型或查找表来估计发动机转矩或任何其它系统参数来消除或补充发动机传感器208的数据。
除了发动机传感器208之外，可以具有线性换能器或非接触位置传感器(“NPS”)性质的一个或多个输入传感器210被安装到“线控驱动”电子节气阀踏板或ICE组件12的其它适当的部件。每个输入传感器210可操作以确定，例如实时地系统地监视，或随机地跟踪和/或以其它方式选择性地检测期望的输出r(t)，诸如期望的轨迹或期望的发动机转矩，并且生成指示其的一个或多个信号。可以设想的是，发动机控制系统200在交通工具上和远离交通工具的地方使用附图中示出的更少的传感器。同样地，系统可以采用模拟电路或其它信号处理硬件，例如用于将传感器信息转换为在控制发动机操作中使用的模拟电信号。从这些输入中，MPC模块204帮助确定最优控制输入u(t)，下面提供了一些示例，以帮助驱动发动机输出来跟踪参考(因此参考和测量输出之间的差最小)。
对于给定的非线性系统，例如如在PLPV模块202中所看到的，发动机组件的空气路径和转矩系统可以通过非线性状态空间模型来描述：
其中ρ是包含环境温度和压力的矢量，㈨是发动机转速，并且是燃料流量。从这些状态空间模型中，可以将发动机系统状态x和控制输入u选择为：
其中Nt是发动机涡轮转速，是新鲜空气流量，pth是节气阀前的压力，pi是进气歧管压力，作为发动机状态x的变量的非限制性示例；并且uwg是涡轮增压器的废气门，uth是空气阀，uIMOP是发动机进气阀最大打开位置；uEMOP是发动机排气阀最大打开位置，并且是火花正时，作为系统输入u的非限制性示例。在采样时间k处的线性化系统可以由PLPV模块202从以下得到(或者可以被离散化为)：
其中x是代表性发动机状态；dx/dt是发动机状态随时间推移的变化；xk是在稀疏采样时间k处的发动机状态；u是代表性控制输入；uk是在稀疏采样时间k的控制输入；y是代表性系统输出；而Ak，、Bk、Ck，、Dk，、Vk和Gk是在稀疏采样时间k处表征系统动态特性的线性化系统矩阵。采用偏导数，非线性系统可以在稀疏采样时间k的操作点xk和uk处线性化，如上述方程所述。在稀疏采样时间k处的线性化系统由PLPV模块202提供给MPC模块204用于优化算法，如下面进一步详细描述的。
从采样时间k开始，MPC控制模块204可以确定并向PLPV模块202输出最优控制序列uk，uk+1，...uN，使得其最小化成本函数：
其中yi+1是在采样时间i+1处的代表性系统输出；在这种情况下，r(t)是控制输出的参考；ui是采样时间i处的代表性控制输入；uref是控制输入参考；并且Wy，Wu和WΔu是优化中的权重因子。成本函数的优化可能受到一个或多个线性化的系统动态约束：
其中xi是在采样时间i处的代表性发动机状态；xi+1是在采样时间i+1处的发动机状态；ui是在采样时间i处的控制输入；yi是在采样时间i处的代表性系统输出。符号||*||代表矢量的范数，即一般矢量范数，它是范数中变量的相应大小的量度。
方程(4)中所示的使成本函数最小化的优化有助于找到例如可以实现控制线性系统响应yk，、yk+1和yN并且跟踪参考信号r(t)的控制序列uk、uk+1，...uN以，例如使得||yi-r(t)||之间的差很小。在这个示例中，N·Δt可以用于表示预测时间时域，它包含具有采样时间Δt的系统的N个样本。成本函数中的第一范数有助于最小化系统测量输出y与参考r(t)之间的跟踪误差。成本函数中的第二和第三范数可以代表对控制信号的某些约束，例如以帮助确保控制信号不会跳得太明显，或者显著远离某个输入参考uref。一旦找到最优控制序列，则第一控制元素uk可以例如经由图2的MPC模块204应用于发动机组件12。最优控制序列可以由MPC模块204提供给PLPV模块202以模拟系统模型响应。
然后可以重复上述过程，前进以在下一采样时间(k+1)处计算最优控制。这可能需要例如经由PLPV模块202在下一采样时间(k+1)处确定原始非线性系统的新的线性化系统，其可能需要例如经由MPC模块204计算新的控制序列uk+1、Hk+2，...uN+1。分段LPV/MPC架构200在每个采样时间处重复该过程以为每个向前实时移动的预测时域找到最优控制元素。该过程有助于避免与区域分区校准相关联的复杂性。实际上，当计算MPC最优控制时，为每个线性化系统模型找到最优控制序列可能需要求解二次编程，该编程的制定依赖于在采样时间k对矩阵Ak、Bk，、Ck，、Dk、Vk和Gk的复杂操作。制定并求解该二次编程往往会消耗大量的计算时间和ECU吞吐量。该计算负担可能会阻止ECU/ECU资源完成其它任务。
为了帮助消除与基于区域的MPC算法中的校准复杂度和LPV/MPC优化过程的计算复杂度相关联的上述计算负担，图2中呈现的代表性发动机系统控制架构200利用分段LPV/MPC控制例程，该控制例程在稀疏采样时间k处获得线性化系统Ak，、Bk、Ck、Dk、Vk，和Gk，然后应用MPC控制来找到最优控制序列uk、uk+1，...uN，然后找到应用于发动机组件12的最优控制元素uk。应用该控制序列来模拟线性化系统和原始非线性模型。如果两个系统模型的响应在下一采样时间(k+1)(例如，如由PO模块206确定的)处于预定公差(校准阈值)内，则PLPV模块202将放弃线性化另一个系统模型或者进行新的二次编程优化。相反，控制模型基于在采样时间k处获得的线性系统模型(Ak，、Bk、Ck、Dk、Vk，和Gk)采用现有的二次编程算法来找到下一最优控制序列uk+1、uk+2，...uN+1。该过程可以以连续循环进行迭代，直到在过去的采样时间k处从线性系统模型的当前预测响应显著偏离非线性系统模型的当前预测响应。响应于偏离校准阈值的线性和非线性系统模型的一个或多个预测响应，生成新的线性化系统。
上述分段LPV/MPC发动机控制例程的应用在图3中表示，其中基于在线测试准则，当线性模型准确度在预测时域处足够时非线性系统模型220在稀疏采样时间k处线性化以生成线性系统模型222。作为说明性示例，从该图中，分段LPV/MPC架构200消除了在每个采样时间处线性化非线性系统模型的需要；相反，系统只需要在稀疏采样点处(例如在k＝0，k＝10，k＝20和k＝35处)对非线性系统进行线性化处理。在这些稀疏采样时间之间，LPV/MPC架构200在预先确定的稀疏采样时间k处使用现有的二次编程算法来找到当前的最优控制序列。
PO模块206比较系统响应以确定是否需要新的线性系统模型；如果是这样的话，则PO模块206可以响应地重置以用于下一个线性化。有几种方法可以用于计算预测误差，以便确定何时需要下一线性化模型。在图2中，e(y，yi)表示作为非线性系统模型的响应序列(或矢量)y和线性化系统模型的yi的函数的建模误差。在所示的示例中：
定义了对于多个样本N计算的矢量范数。有几种建议的方法来测量范数，诸如：
这些方法被称为“基于误差的切换”测试函数。在方程组(7)的第一示例方法中，对于多个样本N，范数可以被定义为预测窗口期间非线性系统响应和线性化系统响应之间的最大绝对差。在方程组(7)的第二示例方法中，可以将范数定义为原始非线性模型与线性化模型之间的响应差的相对误差的均方根。
在第三种方法中：
如如果||der1-der2||＞ε，
则切换 (8)
该方法计算非线性系统der2(k+1)＝f(xk，uk，ωk，mfk)的导数和线性化系统der1(k+1)＝xk+1＝Akxk+Bkuk+Vk的下一状态，当||e(y，yi)||＝|der2(k+1)-der1(k+1)|＞ε切换到另一个线性模型。
如下面的方程(8)中所指示的，模型切换也可以基于线性模型之间的检查来使用，以避免在每个采样时间处解决新的优化问题。换句话说，可以通过检查线性化模型之间的差(difference)来确定模型切换，以避免在每个采样时间处解决新的二次编程或计算广泛的优化问题：
4).difference(LinSys(k)，LinSys(k+n))＞ε，n＝M，(n＝1，2，3...) (9)
可以基于预测时域内两个线性系统的输出或两个线性系统的特征性质来计算差值。这里，LinSys(k)是采样时间k处的线性化系统：
其中LinSys(k+n)是在采样时间k+n处的线性化系统：
可以基于在预测时域内两个线性系统的输出或两个线性系统的特征性质(诸如系统极点和零点)来计算差值。
图4示意性地示出了代表性分段LPV/MPC发动机转矩和排放闭环控制架构300。虽然外观不同，图4中呈现的架构300可以单独地或组合地包含上面和下面关于其它发动机系统控制架构公开的任何特征和选项，反之亦然。在该示例中，Tqm(t)是发动机组件12的测量转矩，并且Tqr(t)是由鲁棒MPC控制模块304沿着测量转矩跟踪的参考转矩。最优控制输出在图4中例如表示为：最优废气门位置uwg；最优节气阀位置uITV；最优进气阀位置uIMOP；以及最优排气阀位置uEMOP。这些控制输出中的一个或多个或全部可用于控制发动机组件12，使得所得到的转矩Tqm跟踪参考转矩Tqr。由于MPC是基于模型的控制算法，因此建模误差有时可能会阻止发动机转矩准确跟踪参考转矩。然而，在这种情况下，可以添加在302处统一指定的多个比例积分(PI)控制器。在示例中，这些PI控制器302可以基于例如发动机测量的转矩和参考转矩之间的一个或多个控制误差来修改MPC控制uwg、uITV、uIMOP、uEMOP，以便使测量的转矩更准确地跟踪参考转矩。在该图中，R1、R2、R3和R4是MPC成本函数中的加权函数，n1、n2、n3、n4是二进制数，取值为1或0。在这种情况下，1操作打开用于特定致动器的相应PI控制器；相反，0将操作关闭对该致动器的PI控制。
现在参考图5的流程图，根据本发明的方面总体上以400描述用于操作用于调节用于机动交通工具(诸如汽车10)的内燃机(诸如图1的ICE组件12)的分段LPV/MPC发动机控制系统的改进的方法或控制策略。图5可以代表对应于处理器可执行指令的算法，该处理器可执行指令例如可以存储在主存储器或辅助存储器中，并且例如由ECU、CPU、车载或远程交通工具控制逻辑电路或其它装置来执行与所公开的概念相关联的以上和/或下面描述的功能中的任何或全部。
图4的方法400包括开始于方框401，例如经由图2的MPC模块204接收指示例如来自发动机传感器208的当前发动机转矩输出的一个或多个信号。方框401可进一步包括MPC模块204，例如从输入传感器210接收表示期望发动机转矩的一个或多个信号。在方框403处，方法400然后根据指示期望的发动机转矩和发动机转矩输出的接收信号，使用分段LPV/MPC例程来确定发动机组件的最优控制命令。可以包括上面关于图1-4讨论的任何方面和特征的该分段LPV/MPC例程在方框405-413处统一表示。
继续参考图5，方法400继续到方框405，其可以代表分段LPV/MPC例程内的第一指令，以确定发动机组件的发动机转矩的非线性系统模型。这可以包括构建基于非线性物理学的设备模型，例如用于发动机充气系统和转矩模型。在方框407处，在当前的发动机操作状况下为发动机组件确定线性系统模型。如上所述，这可以包括在当前操作状况下使非线性设备模型线性化，并且基于来自非线性系统函数的导数的雅可比矩阵来计算系统动态矩阵A、B、C、D和V。
分段LPV/MPC例程继续到方框409以最小化或以其它方式优化线性系统模型的滚动时域中的控制成本函数，并且然后在方框411处确定用于非线性和线性系统模型的相应系统响应与当前最优控制输入。如上所述，一旦线性化非线性设备模型，针对当前的线性化系统优化在有限时间时域内的控制成本函数，并对于当前步骤确定对照解。可以用当前最优控制输入u(k)来模拟非线性系统响应和线性化系统响应。
在步骤413处，分段LPV/MPC例程确定系统响应之间的误差函数的范数是否小于预定阈值。如上所述，可以基于两个响应之间的误差函数来计算矢量或时间序列范数；如果范数小于预定阈值，则可以在下一滚动时域内的下一采样时间中重新使用该线性化系统和对应的A、B、C、D和V矩阵，以找到最优控制u(k+1)。因此，在方框415处，如果确定范数小于预定阈值，则分段LPV/MPC例程将在下一滚动时域内的下一采样时间中应用线性化系统模型以确定最优控制命令。例如，该过程可以在连续的循环中迭代，直到误差响应的范数被认为不再可接受为止。当不再可接受时，获得新的线性系统模型来计算新的控制系列。当确定最优控制命令时，方框415将控制命令输出到发动机组件。
在一些实施例中，本发明的方面可以通过计算机可执行的指令程序来实现，诸如程序模块，其通常被称为由车载计算机执行的软件应用或应用程序。在非限制性示例中，软件可以包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件和数据结构。该软件可以形成接口，使计算机根据输入源做出反应。该软件还可以与其它代码段协作以响应于与接收到的数据源一起接收的数据来发起各种任务。软件可以存储在各种存储介质中，诸如CD-ROM、磁盘、气泡存储器和半导体存储器(例如，各种类型的RAM或ROM)。
此外，本发明的方面可以用各种计算机系统和计算机网络配置来实践，包括多处理器系统、基于微处理器或可编程消费者的电子设备、小型计算机、大型计算机等。另外，本发明的方面可以在其中由通过通信网络链接的远程处理装置执行任务的分布式计算环境中实施。在分布式计算环境中，程序模块可以位于包括存储器存储装置的本地和远程计算机存储介质中。因此，可以在计算机系统或其它处理系统中结合各种硬件、软件或其组合来实现本发明的方面。
本文描述的方法中的任一个可以包括用于由(a)处理器，(b)控制器，和/或(c)任何其它合适的处理装置执行的机器可读指令。本文公开的任何算法、软件或方法可以以存储在有形介质(诸如例如闪存、CD-ROM、软盘、硬盘驱动器、数字多功能盘(DVD)或其它存储器装置)上的软件来实现，但是本领域的普通技术人员将容易地认识到，整个算法和/或其部分可以可替代地由不同于控制器的装置执行和/或以众所周知的方式体现在固件或专用硬件中(例如，它可以通过专用集成电路(ASIC)、可编程逻辑器件(PLD)、现场可编程逻辑器件(FPLD)、离散逻辑等来实施)。此外，尽管参照本文描绘的流程图描述了特定算法，但是本领域的普通技术人员将容易理解，可以替代地使用实现示例机器可读指令的许多其它方法。例如，可以改变方框的执行顺序，和/或可以改变、消除或组合所描述的一些方框。
虽然已经参照所示实施例详细描述了本发明的方面，但是本领域技术人员将认识到，在不脱离本发明的范围的情况下可以对其进行许多修改。本发明不限于本文公开的精确构造和组合物；从前述描述中显而易见的任何和所有的修改、变化和变化都在所附权利要求限定的本发明的精神和范围内。此外，本概念明确地包括前述元件和特征的任何和所有组合和子组合。

Claims (10)

1.一种用于发动机组件的线性参数变化(LPV)模型预测控制(MPC)发动机控制系统，所述线性参数变化/模型预测控制发动机控制系统包括：
发动机传感器，其被配置为检测所述发动机组件的发动机转矩输出并生成指示其的信号；
输入传感器，其被配置为检测所述发动机组件的期望发动机转矩并生成指示其的信号；以及
发动机控制单元，其通信地连接到所述发动机传感器以及所述输入传感器，所述发动机控制单元被编程为：
从所述发动机和输入传感器接收指示期望的发动机转矩和发动机转矩输出的信号；
根据所述期望的发动机转矩和发动机转矩输出，使用分段线性参数变化/模型预测控制例程来确定最优控制命令，所述分段线性参数变化/模型预测控制例程包括：
确定所述发动机组件的发动机转矩的非线性系统模型，
在当前发动机操作状况下确定所述发动机组件的线性系统模型，
最小化所述线性系统模型的滚动时域中的控制成本函数，
采用当前的最优控制输入确定所述非线性和线性系统模型的相应系统响应，
确定所述系统响应之间的误差函数的范数是否小于预定阈值，以及
响应于所述范数小于所述预定阈值的确定，在下一滚动时域内的下一采样时间中应用所述线性化系统模型以确定所述最优控制命令；以及
将所述确定的最优控制命令输出到所述发动机组件。
2.根据权利要求1所述的线性参数变化/模型预测控制发动机控制系统，其中所述分段线性参数变化/模型预测控制例程进一步包括：响应于所述范数小于所述预定阈值的所述确定，以连续循环执行以下操作，在采样时间k开始直到确定所述范数不小于所述预定阈值为止：
在所述线性系统模型的相应下一滚动时域中最小化下一采样时间k+1，2...N处的所述控制成本函数，
采用所述当前最优控制输入确定所述非线性和线性系统模型的新的相应系统响应，以及
确定所述新系统响应之间的所述误差函数的所述范数是否小于所述预定阈值。
3.根据权利要求1所述的线性参数变化/模型预测控制发动机控制系统，其中所述分段线性参数变化/模型预测控制例程进一步包括：响应于所述范数不小于所述预定阈值的确定：
确定所述发动机组件的新的线性系统模型，
在所述新的线性系统模型的新的滚动时域中最小化所述控制成本函数，
采用所述当前最优控制输入确定所述非线性系统模型和所述新线性系统模型的新的相应系统响应，以及
确定所述新系统响应之间的所述误差函数的所述范数是否小于所述预定阈值。
4.根据权利要求1所述的线性参数变化/模型预测控制发动机控制系统，其中确定所述发动机组件的所述线性系统模型包括在采样时间k处计算系统动态矩阵A、B、C、D和V。
5.根据权利要求1所述的线性参数变化/模型预测控制发动机控制系统，其中确定所述线性系统模型包括根据以下在采样时间k处线性化所述非线性系统模型：
其中x是发动机状态；xk是在稀疏采样时间k处的所述发动机状态；u是控制输入，uk是在稀疏采样时间k处的所述控制输入；y是系统输出；以及Ak、Bk、Ck，、Dk，、Vk和Gk是在稀疏采样时间k处表征系统动态特性的线性化系统矩阵。
6.根据权利要求5所述的线性参数变化/模型预测控制发动机控制系统，其中所述发动机状态包括涡轮速度、新鲜质量空气流量、节流前压力或进气歧管压力或其任何组合。
7.根据权利要求5所述的线性参数变化/模型预测控制发动机控制系统，其中所述控制输入包括涡轮增压器废气门输入、空气节气阀输入、发动机进气阀最大打开位置输入、发动机排气阀最大打开位置。
8.根据权利要求1所述的线性参数变化/模型预测控制发动机控制系统，其中确定所述非线性系统模型包括构建用于所述发动机组件的基于非线性物理学的设备模型。
9.根据权利要求8所述的线性参数变化/模型预测控制发动机控制系统，其中确定所述线性系统模型包括在所述当前操作状况处线性化所述基于所述非线性物理学的设备模型，并根据非线性系统函数的导数基于雅可比矩阵计算系统动态矩阵A、B、C、D和V。
10.根据权利要求9所述的线性参数变化/模型预测控制发动机控制系统，其中所述成本函数根据以下在采样时间k处最小化：
其中yi+1是在采样时间i+1处的系统输出；r(t)是受控输出的参考；ui是在采样时间i处的控制输入；uref是控制输入参考；以及Wy、Wu和WΔu是所述优化中的权重因子。
CN201810024750.0A 2017-01-18 2018-01-10 用于发动机组件的线性参数变化模型预测控制 Active CN108333923B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/408776 2017-01-18
US15/408,776 US10060373B2 (en) 2017-01-18 2017-01-18 Linear parameter varying model predictive control for engine assemblies

Publications (2)

Publication Number Publication Date
CN108333923A true CN108333923A (zh) 2018-07-27
CN108333923B CN108333923B (zh) 2021-09-21

Family

ID=62716663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810024750.0A Active CN108333923B (zh) 2017-01-18 2018-01-10 用于发动机组件的线性参数变化模型预测控制

Country Status (3)

Country Link
US (2) US10060373B2 (zh)
CN (1) CN108333923B (zh)
DE (1) DE102018101007B4 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815644A (zh) * 2018-10-25 2019-05-28 吉林大学 基于map和线性二次型的燃料电池发动机进气系统控制方法
CN110908279A (zh) * 2018-09-18 2020-03-24 通用汽车环球科技运作有限责任公司 将非线性模型预测控制(mpc)用于自主系统的系统和方法
WO2021223461A1 (zh) * 2020-05-07 2021-11-11 南京航空航天大学 一种变循环发动机机载实时模型的部件级无迭代构建方法

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10190522B2 (en) * 2016-06-17 2019-01-29 Toyota Motor Engineering & Manufacturing North America, Inc. Hybrid partial and full step quadratic solver for model predictive control of diesel engine air path flow and methods of use
US11054828B2 (en) * 2017-07-17 2021-07-06 Agco International Gmbh Self-tuning vehicle guidance system
DE102017219408A1 (de) * 2017-10-30 2019-05-02 Robert Bosch Gmbh Verfahren zur Optimierung einer Stickoxid-Emission und einer Kohlenstoffdioxid-Emission eines Verbrennungsmotors
WO2019219698A1 (en) * 2018-05-17 2019-11-21 Bayerische Motoren Werke Aktiengesellschaft Traction control system
EP3857315A4 (en) 2018-09-28 2022-07-06 University of New Brunswick STATELESS DISCRETE PREDICTIVE CONTROL
US10954838B2 (en) 2018-10-05 2021-03-23 GM Global Technology Operations LLC System and methods of integrated control of combustion and SCR systems
US10655494B2 (en) 2018-10-17 2020-05-19 United Technologies Corporation Model predictive control sub-system power management
US10767506B2 (en) 2018-10-17 2020-09-08 Raytheon Technologies Corporation Model predictive control sub-system hydraulic flow management
US20200130692A1 (en) * 2018-10-30 2020-04-30 GM Global Technology Operations LLC Steady state control of model predictive control based powertrain with continuously variable transmission
GB2585178B (en) 2019-04-26 2022-04-06 Perkins Engines Co Ltd Engine control system
WO2022024137A1 (en) * 2020-07-31 2022-02-03 Tvs Motor Company Limited An on-board age monitoring system and method for a vehicle
US11624332B2 (en) 2020-08-31 2023-04-11 Garrett Transportation I Inc. Control system with diagnostics monitoring for engine control
US20220219548A1 (en) * 2021-01-11 2022-07-14 GM Global Technology Operations LLC Linear time varying model predictive torque control
CN114156510B (zh) * 2021-10-14 2023-11-14 镇江市高等专科学校 一种基于模型预测控制的燃料电池功率跟踪控制方法
DE102022101330B4 (de) 2022-01-20 2023-08-17 Rolls-Royce Solutions GmbH Steuervorrichtung und Verfahren zum Betreiben einer Brennkraftmaschine, Betreibervorrichtung zum Betreiben eines Leistungsbereitstellungssystems, Brennkraftmaschinenanordnung und Leistungsbereitstellungssystem mit einer Brennkraftmaschinenanordnung
GB2618995A (en) * 2022-04-20 2023-11-29 Univ Coventry Improvements in or relating to engine control

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587328A (zh) * 2008-05-23 2009-11-25 朱豫才 非线性过程动态模型辨识装置
CN102069095A (zh) * 2009-11-20 2011-05-25 刘斌 一种基于统计学习的精轧终轧温度预测和控制方法
EP2392979A2 (en) * 2010-06-02 2011-12-07 Honeywell International, Inc. Multivariable model predictive control
JP2013142376A (ja) * 2012-01-12 2013-07-22 Toyota Motor Corp 内燃機関の制御装置
CN103412486A (zh) * 2013-07-23 2013-11-27 沈阳化工大学 一种聚氯乙烯汽提过程智能控制方法
CN104354697A (zh) * 2014-10-08 2015-02-18 南京航空航天大学 一种利用在线修正的汽车状态参数估计路面附着系数的方法
CN104948312A (zh) * 2014-03-26 2015-09-30 通用汽车环球科技运作有限责任公司 非模型预测控制到模型预测控制过渡
CN104948308A (zh) * 2014-03-26 2015-09-30 通用汽车环球科技运作有限责任公司 用模型预测控制提高发动机响应时间的系统和方法
US20150275784A1 (en) * 2014-03-26 2015-10-01 GM Global Technology Operations LLC System and method for adjusting a torque capacity of an engine using model predictive control
US20150275789A1 (en) * 2014-03-26 2015-10-01 GM Global Technology Operations LLC Artificial output reference for model predictive control

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7438061B2 (en) 2006-08-22 2008-10-21 Gm Global Technology Operations, Inc. Method and apparatus for estimating exhaust pressure of an internal combustion engine
US7810476B2 (en) 2007-03-06 2010-10-12 Gm Global Technology Operations, Inc. Method and apparatus for estimating exhaust temperature of an internal combustion engine
DE102008004361A1 (de) * 2008-01-15 2009-07-16 Robert Bosch Gmbh Verfahren zur Regelung eines Verbrennungsmotors, Computerprogramm und Steuergerät
US8201444B2 (en) 2008-08-19 2012-06-19 GM Global Technology Operations LLC Aftertreatment device NOx conversion efficiency diagnostics using on board adaptive diagnostic algorithm
US8392091B2 (en) 2008-08-22 2013-03-05 GM Global Technology Operations LLC Using GPS/map/traffic info to control performance of aftertreatment (AT) devices
US8091416B2 (en) 2009-01-16 2012-01-10 GM Global Technology Operations LLC Robust design of diagnostic enabling conditions for SCR NOx conversion efficiency monitor
US9133750B2 (en) 2009-07-30 2015-09-15 GM Global Technology Operations LLC Method and system for verifying the operation of an SCR catalyst
JP4915439B2 (ja) * 2009-08-05 2012-04-11 株式会社デンソー 回転機の制御装置
US8527120B2 (en) * 2009-12-10 2013-09-03 GM Global Technology Operations LLC Method and apparatus for controlling a powertrain system including an engine and electro-mechanical transmission
US8276373B2 (en) 2010-07-01 2012-10-02 GM Global Technology Operations LLC Adaptive control of SCR urea injection to compensate errors
US8495862B2 (en) 2010-10-06 2013-07-30 GM Global Technology Operations LLC System and method for detecting low quality reductant and catalyst degradation in selective catalytic reduction systems
US20120286063A1 (en) 2011-05-12 2012-11-15 GM Global Technology Operations LLC Urea injector diagnostics using spectral analysis for scr nox reduction system
US8612119B2 (en) 2011-05-23 2013-12-17 GM Global Technology Operations LLC Adaptation control of lean NOx trap regeneration with biodiesel during engine transient operation
US8694197B2 (en) 2011-05-26 2014-04-08 GM Global Technology Operations LLC Gain/amplitude diagnostics of NOx sensors
US9587573B2 (en) * 2014-03-26 2017-03-07 GM Global Technology Operations LLC Catalyst light off transitions in a gasoline engine using model predictive control
US9732688B2 (en) * 2014-03-26 2017-08-15 GM Global Technology Operations LLC System and method for increasing the temperature of a catalyst when an engine is started using model predictive control
US9243524B2 (en) * 2014-03-26 2016-01-26 GM Global Technology Operations LLC Engine control systems and methods for transmission upshifts
US9849880B2 (en) * 2015-04-13 2017-12-26 Ford Global Technologies, Llc Method and system for vehicle cruise control
US10094300B2 (en) * 2015-06-09 2018-10-09 GM Global Technology Operations LLC System and method for controlling an engine using model predictive control to minimize the effect of changes in valve lift state on engine operation

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587328A (zh) * 2008-05-23 2009-11-25 朱豫才 非线性过程动态模型辨识装置
CN102069095A (zh) * 2009-11-20 2011-05-25 刘斌 一种基于统计学习的精轧终轧温度预测和控制方法
EP2392979A2 (en) * 2010-06-02 2011-12-07 Honeywell International, Inc. Multivariable model predictive control
JP2013142376A (ja) * 2012-01-12 2013-07-22 Toyota Motor Corp 内燃機関の制御装置
CN103412486A (zh) * 2013-07-23 2013-11-27 沈阳化工大学 一种聚氯乙烯汽提过程智能控制方法
CN104948312A (zh) * 2014-03-26 2015-09-30 通用汽车环球科技运作有限责任公司 非模型预测控制到模型预测控制过渡
CN104948308A (zh) * 2014-03-26 2015-09-30 通用汽车环球科技运作有限责任公司 用模型预测控制提高发动机响应时间的系统和方法
US20150275784A1 (en) * 2014-03-26 2015-10-01 GM Global Technology Operations LLC System and method for adjusting a torque capacity of an engine using model predictive control
US20150275789A1 (en) * 2014-03-26 2015-10-01 GM Global Technology Operations LLC Artificial output reference for model predictive control
CN104354697A (zh) * 2014-10-08 2015-02-18 南京航空航天大学 一种利用在线修正的汽车状态参数估计路面附着系数的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
曾祥瑞 等: "具有实时运算潜力的并联混合动力汽车模型预测控制", 《汽车安全与节能学报》 *
李海鹏 等: "线性化模型在压水堆堆芯系统稳定性分析中的应用", 《核科学与工程》 *
王家海 等: "新型的现代发动机控制结构设计", 《佳木斯大学学报（自然科学版）》 *
陈垣君: "基于LPV模型非线性预测控制的精细化建模及精确求解", 《中国优秀硕士学位论文全文数据库（电子期刊）基础科学辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110908279A (zh) * 2018-09-18 2020-03-24 通用汽车环球科技运作有限责任公司 将非线性模型预测控制(mpc)用于自主系统的系统和方法
CN109815644A (zh) * 2018-10-25 2019-05-28 吉林大学 基于map和线性二次型的燃料电池发动机进气系统控制方法
WO2021223461A1 (zh) * 2020-05-07 2021-11-11 南京航空航天大学 一种变循环发动机机载实时模型的部件级无迭代构建方法

Also Published As

Publication number Publication date
US10605187B2 (en) 2020-03-31
DE102018101007A1 (de) 2018-07-19
US20180202380A1 (en) 2018-07-19
US20180328299A1 (en) 2018-11-15
CN108333923B (zh) 2021-09-21
DE102018101007B4 (de) 2022-02-10
US10060373B2 (en) 2018-08-28

Similar Documents

Publication Publication Date Title
CN108333923A (zh) 用于发动机组件的线性参数变化模型预测控制
US10167762B2 (en) Model predictive control for multi-can selective catalytic reduction system
Isermann Engine modeling and control
CN107975418B (zh) 用于内燃机的多变量发动机转矩和排放闭环控制
CN102235257B (zh) 多次喷射正时控制的方法
CN102135045B (zh) 柴油发动机中的适应性进气氧气估计
JP6702390B2 (ja) 車両用駆動装置の制御装置、車載電子制御ユニット、学習済みモデル、機械学習システム、車両用駆動装置の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置
US20200248641A1 (en) Control device of internal combustion engine, in-vehicle electronic control unit, machine learning system, control method of internal combustion engine, manufacturing method of electronic control unit, and output parameter calculation device
CN101313138A (zh) 用于柴油发动机的控制系统
JP6702389B2 (ja) 車両用駆動装置の制御装置、車載電子制御ユニット、学習済みモデル、機械学習システム、車両用駆動装置の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置
US10167788B2 (en) Method of controlling the operation of an air charging system of an internal combustion engine
US11436488B2 (en) Control device
CN101903636A (zh) 用于监控内燃机中的再循环废气的方法和装置
Vermillion et al. Model predictive engine torque control with real-time driver-in-the-loop simulation results
CN104343560A (zh) 校正内燃发动机的操作设定点的方法
CN103711547B (zh) 使排气中的滤清器再生的方法
CN108571363B (zh) 用于选择性催化还原系统泄漏和逃逸测定的预测控制系统
Nishio et al. Optimal calibration scheme for map-based control of diesel engines
WO2017154214A1 (ja) Ｗｉｅｂｅ関数パラメータ同定装置、方法、プログラム、内燃機関状態検出装置、及び車載制御システム
US10152037B2 (en) System and method for feedback error learning in non-linear systems
US20220118986A1 (en) Method for determining a speed profile minimizing the pollutant emissions of a vehicle
Xu et al. MPC-based optimal control for diesel engine coupled with lean NOx trap system
JP2013142376A (ja) 内燃機関の制御装置
Kolayath et al. Fuel Economy Prediction of the Two Wheeler through System Simulation
Wang A study of model-based control strategy for a gasoline turbocharged direct injection spark ignited engine

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