CN111894752A - 一种基于模型预测控制算法的柴油机vgt-egr控制方法 - Google Patents

Abstract

本发明公开了一种基于模型预测控制算法的柴油机VGT‑EGR控制方法。该方法包括：建立面向控制的柴油机空气系统三阶非线性平均值动力学模型；将所述三阶非线性平均值动力学模型进行准线性处理，获得柴油机空气系统准线性模型；根据所述柴油机空气系统准线性模型设计模型预测控制算法，以控制EGR阀开度与VGT叶片开度为目标，使柴油机的增压压力与进气流量达到设定目标值。本发明通过对柴油机空气系统非线性模型进行准线性处理，使其能够在发动机整个工作范围内保持原有的非线性特性，并且使所设计的空气系统控制器能够在稳态工况与瞬态工况均达到较高精度。

Description

一种基于模型预测控制算法的柴油机VGT-EGR控制方法

技术领域

本发明涉及柴油机控制技术领域，更具体地，涉及基于模型预测控制算法的柴油机VGT-EGR控制方法，用于对带有EGR系统与VGT系统的柴油机进行EGR阀开度与VGT叶片开度的协同控制。

背景技术

随着对发动机动力性、经济性与排放性等综合性能要求的日益提升，增压系统(VGT)与废气再循环系统(EGR)现已基本成为柴油机的标准配置。VGT系统可以根据发动机工况的变化调节叶片开度，从而使发动机的动力性与经济性在各工况下较普通涡轮增压器都有显著提高。EGR系统通过引入部分废气与新鲜空气混合共同参与燃烧，降低气缸内氧浓度与最高燃烧温度，缩短了高温持续时间，从而降低了氮氧化物排放。

然而，由于VGT系统与EGR系统均是由废气驱动的，所以二者之间会相互影响。当EGR阀开度不变时，改变VGT叶片开度，不仅会引起涡轮转速与增压压力变化，同时会对进、排气压力产生影响，使流经EGR系统的气体流量变化；而当VGT叶片开度一定时，EGR阀开度变化将会引起排气压力变化，从而改变增压压力，流经涡轮的气体流量也将改变。由于增压系统与EGR系统的强烈的耦合作用，对于二者的控制是一个难点。

经统计分析，目前对于VGT系统与EGR系统的控制方法主要有以下几种：

(1)EGR系统与VGT系统的独立闭环PID控制策略。对于EGR系统，通常以目标EGR率或目标进气流量为控制目标，对于VGT系统，通常以增压压力为控制目标。控制过程采用反馈控制方法或前馈控制和反馈控制相结合的方法设计PID控制器，实现不同工况下的EGR阀开度与VGT叶片开度控制。这种方法的优点是控制器结构简单，在稳态工况下控制效果较好，但对于PID控制器的标定往往需要几套参数，且该方法对于瞬态工况的控制效果并不理想。

(2)空气系统解耦控制策略。这种方法首先建立空气系统模型，随后采用对角矩阵法、奇异矩阵分解法等数学手段，对空气系统进行解耦。解耦后得到的等效的空气系统，EGR阀开度的变化只对进气流量产生影响，而不会改变增压压力；VGT叶片开度改变时只会影响增压压力，而不会改变进气流量。这种方法实现了VGT系统与EGR系统的解耦，但也存在一定的缺点。使用该方法建立空气系统数学模型时，通常根据发动机台架试验数据，采用系统辨识的方法建模，因此该方法过于依赖试验数据的准确性。且出现扰动的情况下，该方法的控制效果会受到一定影响。

(3)标准H∞控制策略。采用H∞控制算法时，通常首先根据空气系统动力学特性建立空气系统模型，然后进行局部线性化设计线性控制器，最后设计多个线性控制器扩展到整个工况范围。H∞控制算法能够解决交叉耦合的多变量系统控制问题，但该算法求解甚至是否有解的存在都是设计难点。

(4)滑模控制。采用滑模控制算法可以直接进行非线性控制器的设计，解决EGR系统与VGT系统的耦合问题，克服系统的不确定性。但是该算法自身存在抖振的问题，在设计时难于处理。

(5)模糊控制。对于空气系统这种过于复杂、难以精确描述的系统，应用模糊控制具有一定的优越性。设计时根据发动机台架试验数据建立模糊规则。但模糊规则难以建立，且比较依赖于试验数据，若数据信息较为简单，则无法保证控制器的控制精度与动态品质。

(6)模型预测控制。该方法进行空气系统控制时，将空气系统的数学模型嵌入到控制器中，通过模型进行未来时刻系统输出预测，并通过求解目标函数的最优解来确定当前控制量，同时该算法采用了反馈校正环节进行控制。利用该算法能够方便地处理带有约束的多变量控制问题。

对于上述方法(3)、(4)和(6)等，均属于基于模型的控制方法，在控制设计时都需要根据空气系统动力学特性进行空气系统数学模型的建立。相比于(1)、(2)、(5)等控制方法，基于模型的控制由于空气系统模型采用机理建模，故在控制中对于稳态工况与瞬态工况均可以达到较高精度。此外，所建的空气系统动力学模型具有普适性，对于不同型号的发动机，只需进行少量的试验对模型进行标定即可。

然而，在柴油机空气系统基于模型的控制设计中，通常采用的方法是对模型进行线性化处理，设计为线性控制器。这样做的缺点是，在线性化处理点的附近控制效果较好，当工作范围较宽时，控制效果则变差。如果设计多个线性控制器，那么各个线性控制器间的切换又是一个设计难点。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种基于模型预测控制算法的柴油机VGT-EGR控制方法，用于柴油机的空气系统控制。

本发明提供基于模型预测控制算法的柴油机VGT-EGR控制方法。该方法包括：建立面向控制的柴油机空气系统三阶非线性平均值动力学模型；将所述三阶非线性平均值动力学模型进行准线性处理，获得柴油机空气系统准线性模型；根据所述柴油机空气系统准线性模型进行模型预测控制算法设计，以控制EGR阀开度与VGT叶片开度为目标，使柴油机的增压压力与进气流量达到设定目标值。

与现有技术相比，本发明的优点在于，对柴油机空气系统非线性模型进行准线性处理，并将处理后的准线性模型用于模型预测控制算法设计中，能够代替非线性模型的线性化处理过程，并且能够在发动机整个工作范围内保持原有的非线性特性，从而使所设计的空气系统控制器能够在稳态工况与瞬态工况均达到较高的控制精度。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是根据本发明一个实施例的基于模型预测控制算法的柴油机VGT-EGR控制方法的流程图；

图2是根据本发明一个实施例的1400rpm与1800rpm时发动机负荷变化示意；

图3是根据本发明一个实施例的1800rpm时进气流量控制结果示意；

图4是根据本发明一个实施例的1800rpm时增压压力控制结果示意；

图5是根据本发明一个实施例的1400rpm时进气流量控制结果示意；

图6是根据本发明一个实施例的1400rpm时增压压力控制结果示意。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

简言之，本发明实施例提供的基于模型预测控制算法的柴油机VGT-EGR控制方法包括：建立面向控制的柴油机空气系统三阶非线性动力学模型；对空气系统三阶非线性模型进行处理，转换为准线性模型；基于空气系统准线性模型，采用模型预测控制算法进行基于模型的控制设计，通过对VGT叶片开度与EGR阀开度的协同控制，实现增压压力与进气流量的精准控制。

具体地，参见图1所示，在一个实施例中，所提供的基于模型预测控制算法的柴油机VGT-EGR控制方法包括以下步骤：

步骤S110，建立面向控制的柴油机空气系统三阶非线性平均值动力模型。

例如，三阶非线性平均值模型表示为：

在上述三个方程中：

其中，p_i表示进气歧管内气体压力，单位Pa；p_x表示排气歧管内气体压力，单位Pa；P_t表示涡轮机消耗功率，单位W；P_c表示压气机发出功率，单位W；W_xi表述流经EGR系统的气体质量流量，单位kg/s；W_ie表示流入气缸内的气体流量，单位kg/s；W_f表示喷油量，单位kg/s；W_ci表示流经压气机的气体质量流量，单位kg/s；W_xt表示流经涡轮机的气体质量流量，单位kg/s；η_m表示涡轮增压器机械效率，假定其与涡轮的等熵效率相同；τ表示与涡轮增压器结构有关的时间常数；W_xt表示流经涡轮机的气体质量流量，单位kg/s；T_i表示进气歧管内气体温度，单位K；T_x表示排气歧管内气体温度，单位K；T_a表示大气温度，单位K；c_p表示比定压热容，例如假定为常数，c_p＝1014.4J/(kg·K)；η_t表示涡轮机的等熵效率；μ是常数，μ＝1-1/γ＝0.286；γ为空气绝热指数，假设为常数，γ＝1.4；p_a表示大气压力，单位Pa，R表示摩尔气体常数，8.31451J/(mol·K)；V_i表示进气歧管容积，单位m³；V_x表示排气歧管容积，单位m³；η_c表示压气机等熵效率，可简化为定值；A_r表示EGR阀开度(用有效流通面积表征)，单位m²；η_v表示柴油机充气效率；N表示曲轴转速，单位rpm；V_d表示柴油机总排量，单位m³。a、b、c、d是常数，大小可通过涡轮机轮流map确定。

分别表示压气机功率、进气歧管内气体压力、排气歧管内气体压力的微分。

对于上述非线性模型中的6个参数，包括压气机效率η_c与涡轮效率η_t、容积效率η_v、进气和排气歧管温度T_i和T_x、涡轮增压器的时间常数τ，这些参数在模型中假定为常数。在实际应用中，可根据发动机台架试验数据，采用多目标遗传算法对6个参数进行辨识用以标定模型。

在一个实施例中，用于辨识的目标函数设计为：

η_cmin≤η_c≤η_cmax (11)

η_vmin≤η_v≤η_vmax (12)

η_tmin≤η_t≤η_tmax (13)

τ_min≤τ≤τ_max (14)

T_imin≤T_i≤T_imax (15)

T_xmin≤T_x≤T_xmax (16)

其中，x＝[η_c η_v η_t τ T_i T_x]^T，p_iobj表示标定工况点的进气歧管压力，单位Pa；p_xobj表示标定工况点的排气歧管压力，单位Pa；下标min表对应项的最小值，下标max表示对应项的最大值。

步骤S120，对所建立的柴油机空气系统三阶非线性平均值动力模型进行准线性处理，获得柴油机空气系统准线性模型。

基于步骤S110建立的柴油机空气系统三阶非线性模型，对模型进行准线性处理。假设某线性时变系统，其描述矩阵依赖于时变参数向量ρ(t)，该系统的状态方程与输出方程为：

其中，A、B、C、D是关于ρ(t)的连续矩阵值函数。若该系统中时变参数向量ρ(t)与系统状态x有关，则参数可以以非线性的方式输入到系统矩阵中，该系统模型即为准线性模型。通过观察分析，柴油机空气系统三阶非线性模型可以转换为准线性形式。

对柴油机空气系统三阶非线性模型中的三个方程(1)、(2)、(3)进行展开，得到以下三个方程：

选取系统的状态变量为x＝[p_i p_x P_c]^T，输入变量为u＝[A_r x_v N W_f]^T，时变参数向量ρ＝[p_i p_x]^T。进气压力p_i与排气压力p_x两个量，既作为状态量，又作为时变量。在上述模型中，加黑的变量包括P_c、A_r、N、W_f、x_v、p_x，表示每个方程中的状态变量或输入变量。未加黑的变量p_i和p_x，在模型中作为时变参数。

为了清楚起见，将上述三个方程中每一个相加项中的固定参数合并，将时变参数ρ₁和ρ₂的相关项进行整理：

上述三个方程中加黑的量P_c、A_r、N、W_f、x_v、p_x为状态变量或输入变量，方程中的系数a1～a3、b1～b5、c1～c3为常量，h1～h5为包含时变参数ρ₁或ρ₂的变量。将上述三个微分方程转换成状态方程形式：

其中，系统矩阵A1和输入矩阵B1表示如下：

此时系统矩阵A中的第一列都为0，该矩阵不满秩，为奇异矩阵。为避免该情况，做如下处理：

N＝N'+N₀ (25)

A_r＝A_r'+A_r0 (26)

x_v＝x_v'+x_v0 (27)

式中，N₀、A_r0、x_v0分别为某一固定转速值、EGR阀开度值、VGT叶片开度值。

对发动机转速、EGR阀门开度和EGR叶片开度变换后，柴油机空气系统模型如下：

方程中的加黑的变量P_c，A_r，N，W_f，x'_v，p_x、p_i，为每个方程中的状态变量或输入变量。对模型进行整理，得到以下三个状态方程：

在上述微分方程中，选取状态变量为x＝[p_i p_x P_c]^T，输入变量为u＝[A_r' x_v' N'W_f]^T，时变参数向量ρ＝[p_i p_x]^T。将微分方程转换成准线性模型，模型的状态空间方程形式如下：

式中，系统矩阵A2和输入矩阵B2为：

系统矩阵A2和输入矩阵B2中的固定参数项如下：

矩阵A2和矩阵B2中的时变参数项如下：

选取进气歧管压力(增压压力)与进气流量为输出：

步骤S130，根据柴油机空气系统准线性模型设计模型预测控制算法，以控制EGR阀开度与VGT叶片开度为目标，使柴油机的增压压力与进气流量达到设定目标值。

具体地，基于步骤S120的柴油机空气系统准线性模型，设计模型预测控制算法。控制目的为通过控制EGR阀开度与VGT叶片开度，使柴油机的增压压力与进气流量达到目标值。模型预测控制算法的设计包括预测模型、滚动优化目标函数、约束条件等。

1)、预测模型

对于步骤S120中的柴油机空气系统准线性模型(34)、(35)，可进一步简化表示为：

该模型为准线性模型，可直接用于预测模型设计，从而代替了非线性模型线性化处理这一过程。

经近似离散，在第k时刻，空气系统模型如下：

x(k+1)＝A(ρ(k))x(k)+B(ρ(k))u(k)

y(k)＝C(ρ(k))x(k) (37)

式(37)中，A＝A₂+IT_s，B＝B₂T_s，C＝C₂。其中T_s为采样时间，I为单位矩阵。x(k)为k时刻的状态变量，u(k)为k时刻的实际输入控制量，y(k)为k时刻的实际输出控制量。

在k-1时刻，空气系统模型表示为：

假设A(ρ(k-1))＝A(ρ(k))，B(ρ(k-1))＝B(ρ(k))，C(ρ(k-1))＝C(ρ(k))，将k时刻与k-1时刻空气系统模型的离散方程相减，得到空气系统增量模型：

式(39)中，Δx(k)＝x(k)-x(k-1)，Δu(k)＝u(k)-u(k-1)，分别表示系统状态量的增量与控制量的增量。

设预测时域为Np，控制时域为Nc(Np≥Nc)。对于空气系统增量模型(39)，在不同的采样时刻，系统输出根据系统状态的变化发生时变。而在每一采样时刻的预测时域，系统假设为定常系统。此外，假设系统控制量的预测值在控制时域内变化，而在控制时域以外控制量趋于稳定，即：

Δu(k+i)＝0 i＝N_c,N_c+1,...,N_p-1 (40)

定义k+i|k表示在k时刻时，系统对第k+i时刻的系统信息的预测。根据空气系统增量模型，整理求得用于模型预测控制算法的预测模型如下：

式中，

其中，

和

分别表示k时刻下未来的状态量增量的预测值和控制量增量的预测值，

表示对k时刻下未来的输出量的预测值。

2)、滚动优化目标函数

在一个实施例中，目标函数写作如下形式：

上式中，

表示f的2范数，

其中Q与R为权重矩阵。等号右侧第一项表示预测输出量y与参考输出y_ref的偏差，表示算法对于目标增压压力与目标进气流量的跟踪性能。第二项表示表示控制量的增量，用于表示对EGR阀门开度增量与VGT叶片开度增量的变化要求，以确保二者在工作过程中平稳、不受损坏。该目标函数以控制量增量的预测值为优化变量，通过优化后求解的结果即为

3)、约束条件

对EGR阀开度和VGT叶片开度范围及二者增量的范围、进气流量与增压压力的范围进行约束，表示为：

u_min(k+i|k)≤u(k+i|k)≤u_max(k+i|k) k＝0,1,…,N_c-1 (43)

Δu_min(k+i|k)≤Δu(k+i|k)≤Δu_max(k+i|k) k＝0,1,…,N_c-1 (44)

y_min(k+i|k)≤y(k+i|k)≤y_max(k+i|k) k＝0,1,…,N_c-1 (45)

其中，u(k+i|k)表示k时刻时，对第k+i时刻的EGR阀开度与VGT叶片开度的预测；Δu(k+i|k)表示k时刻时，对第k+i时刻的EGR阀开度增量与VGT叶片开度增量的预测；y(k+i|k)表示k时刻时，对第k+i时刻的增压压力与进气流量的预测；下标min表对应项的最小值，下标max表示对应项的最大值。

在控制过程中，预测模型根据当前时刻实际的增压压力与进气流量、未来一段时间(控制时域)的EGR阀开度增量与VGT开度控制量增量序列，预测未来一段时间内(预测时域)的进气流量与增压压力。其中，未来一段时间内的控制量增量序列

通过求解满足目标函数及各种约束的优化问题得到。在每个控制周期内完成优化求解后，根据模型将

中的第一个元素Δu(k)作为实际的控制量增量，此时系统的实际EGR阀开度与VGT开度序列u(k)为：

u(k)＝u(k-1)+Δu(k) (46)

在下一时刻，同样通过计算目标函数最优来确定未来的EGR阀开度增量与VGT开度增量控制序列，并将第一组控制量用于发动机实际控制中。如此反复进行在线滚动优化，实现EGR阀开度与VGT开度的控制。

应理解的是，上述实施例仅是示意性，在不违背本发明精神和范围的情况下，本领域的技术人员可作适当的改变或变型。例如，建立与本发明不同的其他形式的空气系统非线性模型，进行准线性化处理，用来控制增压压力与进气流量之外的其他参数；采用最小二乘法、粒子群算法等其他算法进行空气系统非线性模型的参数辨识；将准线性模型用于本发明之外的其他形式的模型预测控制算法的设计等。

为进一步验证本发明的效果，选用配有EGR系统与VGT系统的六缸柴油机进行验证模拟。该柴油机部分参数如下：排量9.5L，压缩比17.5，缸径116mm，行程150mm，额定功率294kW，额定转速1900rpm，最大扭矩1900N·m，最大扭矩转速1200rpm-1300rpm。

1)、关于步骤S110中相关设计与结果。

柴油机空气系统模型中的相关参数：进气歧管容积V_i＝0.025m³；排气歧管容积V_x＝0.02m³，柴油机总排量V_d＝0.0095m³，曲轴转速N＝1400rpm，大气温度T_a＝300K，大气压力p_a＝101300Pa。

空气系统模型辨识时以1400rpm、全负荷工况为标定点，该工况下进气歧管压力p_iobj＝0.218MPa；排气歧管压力p_xobj＝0.328MPa。

6个参数进行多目标遗传算法辨识的初始范围设计：

0.5≤η_c≤1

0.5≤η_v≤1

0.5≤η_t≤1

0.01≤τ≤0.5

310≤T_i≤370

450≤T_x≤900

6个参数的辨识后得到的最终结果：

η_c＝0.62

η_v＝0.72

η_t＝0.82

τ＝0.171

T_i＝318

T_x＝529

2)、关于步骤S120中的相关设计与结果。

设计N₀＝1000rpm、A_r0＝0.00004m²、x_v0＝0.1。

矩阵A2和B2中各个常数结果：a1＝7.496，a2＝-2.597，a3＝-0.0026，a4＝940.1，a5＝0.376，b1＝5.278，b2＝-0.764，b3＝-7.365，b4＝0.0053，b5＝-1991.0，b6＝7.452，b7＝7304150，c1＝-9.091，c2＝3.408，c3＝-3.448。

3)、关于步骤S130中的相关设计与结果。

设计采样时间为T_s＝0.05s，控制时域为N_c＝5，预测时域为N_p＝20。模型预测控制算法中约束条件的设计：

0＜x_v≤1

0≤A_r≤0.002m²

0≤Δx_v≤0.05

0≤ΔA_r≤0.0001m²

550kg/h≤W_i≤1450kg/h

0.1013MPa≤p_i≤0.2600MPa

在验证过程中，分别采用本发明实施例对柴油机空气系统进行控制仿真(标记为策略1)和现有的线性控制器(标记为策略2)进行对比，线性化工况点为1800rpm、全负荷工况，控制算法为模型预测控制算法。

设定增压压力初值为0.1598MPa，进气流量初值为701.3kg/h。在1400rpm与1800rpm两种转速、变负荷工况下(如图2)进行仿真。通过仿真结果可以看到(如图3至图6，其中Ref表示参考值)，在转速为1800rpm时，两种控制策略对于增压压力和进气流量的控制结果基本相同。而在转速为1400rpm时，由于策略2选择的线性化处理工况点为1800rpm，距离1400rpm工况较远，因此策略2对于增压压力与进气流量的调节时间都要大于策略1。仿真结果表明，本发明提出的利用准线性化处理后空气系统模型设计的模型预测控制算法控制方案，使发动机在大范围工况内对于进气流量与增压压力均取得较好的控制效果。

本发明对柴油机空气系统非线性系统模型进行了准线性处理，这种处理是根据所建立的三阶非线性系统模型的特点而进行的，准线性模型仍然保持原有的非线性特点。根据准线性化后的模型进行模型预测控制算法设计，可以代替非线性模型线性化处理过程，且能够在发动机整个工作范围内保持原有的非线性特性，从而使所设计的控制器能够在稳态工况与瞬态工况均达到较高精度。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (9)

1.一种基于模型预测控制算法的柴油机VGT-EGR控制方法，包括以下步骤：

建立面向控制的柴油机空气系统三阶非线性平均值动力学模型，表示为：

将所述三阶非线性平均值动力学模型进行准线性处理，获得柴油机空气系统准线性模型；

根据所述柴油机空气系统准线性模型设计模型预测控制算法，以控制EGR阀开度与VGT叶片开度为目标，使柴油机的增压压力与进气流量达到设定目标值；

其中：

其中，p_i表示进气歧管内气体压力，单位Pa；p_x表示排气歧管内气体压力，单位Pa；P_t表示涡轮机消耗功率，单位W；P_c表示压气机发出功率，单位W；W_xi表述流经EGR系统的气体质量流量，单位kg/s；W_ie表示流入气缸内的气体流量，单位kg/s；W_f表示喷油量，单位kg/s；W_ci表示流经压气机的气体质量流量，单位kg/s；W_xt表示流经涡轮机的气体质量流量，单位kg/s；η_m表示涡轮增压器机械效率；τ表示与涡轮增压器的时间常数；W_xt表示流经涡轮机的气体质量流量，单位kg/s；T_i表示进气歧管内气体温度，单位K；T_x表示排气歧管内气体温度，单位K；T_a表示大气温度，单位K；c_p表示比定压热容；η_t表示涡轮机的等熵效率；μ是常数；γ为空气绝热指数；p_a表示大气压力，单位Pa；R表示摩尔气体常数；V_i表示进气歧管容积，单位m³；V_x表示排气歧管容积，单位m³；η_c表示压气机等熵效率；A_r表示EGR阀开度，单位m²；η_v表示柴油机充气效率；N表示曲轴转速，单位rpm；V_d表示柴油机总排量，单位m³；a、b、c、d是常数；

分别表示压气机功率、进气歧管内气体压力、排气歧管内气体压力的微分。

2.根据权利要求1所示的方法，其中，对于所述三阶非线性平均值动力学模型，采用多目标遗传算法对压气机等熵效率η_c、涡轮机的等熵效率η_t、柴油机充气效率η_v、进气歧管内气体温度T_i、排气歧管内气体温度T_x和涡轮增压器的时间常数τ进行辨识。

3.根据权利要求2所述的方法，其中，用于辨识的目标函数表示为：

η_cmin≤η_c≤η_cmax

η_vmin≤η_v≤η_vmax

η_tmin≤η_t≤η_tmax

τ_min≤τ≤τ_max

T_imin≤T_i≤T_imax

T_xmin≤T_x≤T_xmax

其中，x＝[η_c η_v η_t τ T_i T_x]^T，p_iobj表示标定工况点的进气歧管压力，单位Pa；p_xobj表示标定工况点的排气歧管压力，单位Pa；下标min表示对应项的最小值，下标max表示对应项的最大值。

4.根据权利要求1所示的方法，其中，所述柴油机空气系统准线性模型表示为：

其中，系统矩阵A2和输入矩阵B2为：

其中，矩阵A2和矩阵B2中的固定参数项表示为：

矩阵A2和矩阵B2中的时变参数项表示为：

选取进气歧管增压压力与进气流量为输出：

5.根据权利要求4所示的方法，其中，根据所述柴油机空气系统准线性模型设计模型预测控制算法，以控制EGR阀开度与VGT叶片开度为目标，使柴油机的增压压力与进气流量达到设定目标值包括：

步骤S51，经离散化处理，获得不同时刻的柴油机空气系统增量模型，其中：

在第k时刻，将柴油机空气系统准线性模型表示为：

x(k+1)＝A(ρ(k))x(k)+B(ρ(k))u(k)

y(k)＝C(ρ(k))x(k)

其中，A＝A₂+IT_s，B＝B₂T_s，C＝C₂，其中T_s为采样时间，I为单位矩阵。x(k)为k时刻的状态变量，u(k)为k时刻的实际输入控制量，y(k)为k时刻的实际输出控制量；

对于k-1时刻，将柴油机空气系统准线性模型表示为：

x(k)＝A(ρ(k-1))x(k-1)+B(ρ(k-1))u(k-1)

y(k-1)＝C(ρ(k-1))x(k-1)

假设A(ρ(k-1))＝A(ρ(k))，B(ρ(k-1))＝B(ρ(k))，C(ρ(k-1))＝C(ρ(k))，将k时刻与k-1时刻柴油机空气系统准线性模型的离散方程相减，得到柴油机空气系统增量模型：

Δx(k+1)＝A(ρ(k))Δx(k)+B(ρ(k))Δu(k)

y(k)＝C(ρ(k))Δx(k)+y(k-1)

其中，Δx(k)＝x(k)-x(k-1)，Δu(k)＝u(k)-u(k-1)，分别表示系统状态量的增量与控制量的增量；

步骤S52，利用所述柴油机空气系统增量模型，获得模型预测控制算法的预测模型，包括；

设预测时域为Np，控制时域为Nc(Np≥Nc)，设控制量的预测值在控制时域内变化，在控制时域以外控制量趋于稳定，表示为：

Δu(k+i)＝0 i＝N_c,N_c+1,...,N_p-1

定义k+i|k表示在k时刻时，对第k+i时刻的系统信息的预测；

根据柴油机空气系统增量模型，整理求得用于模型预测控制算法的预测模型，表示为：

其中，

其中，

和

分别表示k时刻下未来的状态量增量的预测值和控制量增量的预测值，

表示对k时刻下未来的输出量的预测值。

步骤S53，以控制量增量的预测值为优化变量设定优化目标函数，表示为：

其中，

表示f的2范数，

其中Q与R为权重矩阵。等号右侧第一项表示预测输出量y与参考输出y_ref的偏差，表示算法对于目标增压压力与目标进气流量的跟踪性能，第二项表示表示控制量的增量，用于表示对EGR阀门开度增量与VGT叶片开度增量的变化要求。

步骤S54，优化后求解所述优化目标函数，获得

6.根据权利要求5所示的方法，其中，在优化求解过程中，对EGR阀开度、VGT叶片开度范围、EGR阀开度增量范围、VGT叶片开度增量范围、进气流量范围、增压压力的范围中的一项或多项进行约束。

7.根据权利要求5所示的方法，其中，在优化过程中，将约束条件设置为：

u_min(k+i|k)≤u(k+i|k)≤u_max(k+i|k)k＝0,1,…,N_c-1

Δu_min(k+i|k)≤Δu(k+i|k)≤Δu_max(k+i|k)k＝0,1,…,N_c-1

y_min(k+i|k)≤y(k+i|k)≤y_max(k+i|k)k＝0,1,…,N_c-1

其中，u(k+i|k)表示k时刻时，对第k+i时刻的EGR阀开度与VGT叶片开度的预测；Δu(k+i|k)表示k时刻时，对第k+i时刻的EGR阀开度增量与VGT叶片开度增量的预测；y(k+i|k)表示k时刻时，对第k+i时刻的增压压力与进气流量的预测；下标min表示对应项的最小值，下标max表示对应项的最大值。

8.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至7中任一项所述方法的步骤。

9.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的方法的步骤。

Images