CN114326375A - 一种氮氧传感器泵单元自适应控制系统 - Google Patents
一种氮氧传感器泵单元自适应控制系统 Download PDFInfo
- Publication number
- CN114326375A CN114326375A CN202111580384.5A CN202111580384A CN114326375A CN 114326375 A CN114326375 A CN 114326375A CN 202111580384 A CN202111580384 A CN 202111580384A CN 114326375 A CN114326375 A CN 114326375A
- Authority
- CN
- China
- Prior art keywords
- pid controller
- pump unit
- control system
- neural network
- oxygen sensor
- 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.)
- Pending
Links
- DOTMOQHOJINYBL-UHFFFAOYSA-N molecular nitrogen;molecular oxygen Chemical compound N#N.O=O DOTMOQHOJINYBL-UHFFFAOYSA-N 0.000 title claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 32
- 230000004913 activation Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims 3
- AVXURJPOCDRRFD-UHFFFAOYSA-N Hydroxylamine Chemical class ON AVXURJPOCDRRFD-UHFFFAOYSA-N 0.000 claims 1
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 23
- 230000006870 function Effects 0.000 description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 10
- 229910052760 oxygen Inorganic materials 0.000 description 10
- 239000001301 oxygen Substances 0.000 description 10
- 239000007789 gas Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000003916 acid precipitation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 231100000086 high toxicity Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及控制系统领域，尤其是一种氮氧传感器泵单元自适应控制系统。该控制系统包括一个用于控制受控对象的PID控制器和一个用于自适应调节PID参数的BP神经网络。该发明通过在传统PID控制的基础上引入了神经网络算法，增强控制系统的适应性与鲁棒性，以提高泵单元的控制性能。
Description
技术领域
本发明涉及控制系统领域，尤其是一种氮氧传感器泵单元自适应控制系统。
背景技术
近年来，随着经济的不断发展和人民生活水平的提高，中国汽车保有量持续上升，增幅保持在10%以上，截至2020年底，中国机动车保有量已经突破3.72亿辆。来自汽车排放的尾气污染是大气污染的主要来源，占大气污染成分的六成以上。其中，以NO与NO2为主的氮氧化物是一种褐色的、有刺激性气味的有害气体，虽然在汽车尾气中含量不算很高，但其毒性很大，为含硫氧化物的3倍左右，是形成光化学烟雾和酸雨的重要原因之一。随着国五国六和欧洲最新排放标准的出台，传统的车用氧传感器只能完成标准要求的氧测量功能，却无法完成废气中氮氧化物的检测要求。
目前，汽车市场上常用三类氧传感器进行尾气气氛检测，一是无需控制回路的单腔室四线氧传感器，二是单闭环反馈控制的双腔室五线氧传感器，三是复杂三腔室结构的氮氧传感器。前二者的研究相对比较成熟，而氮氧传感器的成果主要集中在加热系统设计和单泵单元的控制，对于其三腔室泵单元控制的描述较少。由于气体从第一腔室向第二腔室流通，主泵单元对后两个泵单元影响较大，而后两个泵单元对主泵单元影响非常小，因此对主泵单元的控制至关重要。目前，对于氮氧传感器主泵单元的控制以PID控制为主，传统的PID控制器凭借其算法简单、易于实现且可靠性高的优势，在工业控制系统中得到了十分广泛的应用，但对于氮氧传感器这种复杂的时变系统，传统PID控制性能往往会受到影响。
发明内容
为了克服现有的控制系统的控制性能较低的不足，本发明提供了一种氮氧传感器泵单元自适应控制系统。
本发明解决其技术问题所采用的技术方案是：一种氮氧传感器泵单元自适应控制系统，包括一个用于控制受控对象的PID控制器和一个用于自适应调节PID参数的BP神经网络。
根据本发明的另一个实施例，进一步包括所述PID控制器为经典增量式PID控制器，PID控制器的表达式为：
其中
为PID控制器的比例，
为PID控制器的积分，
为PID控制器的微分系数，e(k)为k时刻系统输出的期望值与实际值之间的误差，
为当前采样时刻的控制增量。
根据本发明的另一个实施例，进一步包括所述BP神经网络是有隐含层的三层前馈网络，包括输入层、隐含层和输出层；BP神经网络输出层的三个输出分别与PID控制器的三个参数
、
和
对应。
根据本发明的另一个实施例，进一步包括所述隐含层激活函数为双曲正切函数，隐含层激活函数的表达式为：
输出层激活函数的表达式为：
本发明的有益效果是，该发明通过在传统PID控制的基础上引入了神经网络算法，增强控制系统的适应性与鲁棒性，以提高泵单元的控制性能。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的框架图；
图2是本发明的BP神经网络的结构图；
图3是本发明的氮氧传感器主泵单元控制示意图；
图4是本发明的氮氧传感器内部结构图。
具体实施方式
图1是本发明的框架图； 图2是本发明的BP神经网络的结构图；图3是本发明的氮氧传感器主泵单元控制示意图；图4是本发明的氮氧传感器内部结构图。
一种氮氧传感器泵单元自适应控制系统，包括一个用于控制受控对象的PID控制器和一个用于自适应调节PID参数的BP神经网络。
PID控制器为经典增量式PID控制器，PID控制器的表达式为：
其中
为PID控制器的比例，
为PID控制器的积分，
为PID控制器的微分系数，e(k)为k时刻系统输出的期望值与实际值之间的误差，
为当前采样时刻的控制增量。
BP神经网络是有隐含层的三层前馈网络，包括输入层、隐含层和输出层；BP神经网络输出层的三个输出分别与PID控制器的三个参数
、
和
对应。
隐含层激活函数为双曲正切函数，隐含层激活函数的表达式为：
输出层激活函数的表达式为：
如附图4所示，V0、V1和V2为三路Nernst电压，Vp0、Vp1和Vp2为泵电压分别为主泵、副泵、测量泵的泵电压，用于泵入泵出气腔中的氧气，大量的氧气在主泵中泵出，少许残留的氧气在副泵中泵出，一氧化氮分解产生的氧气在测量泵中泵出。通过建立主泵、副泵、测量泵所产生电流Ip0、Ip1和Ip2同氧气、氮氧化物浓度的关系曲线，就可通过测量电流的大小测量相应气体在尾气中的浓度。由于氮氧传感器第一腔室与第二腔室通过狭缝连接，使得位于第一腔室的主泵单元与位于第二腔室的副泵和测量泵单元间存在一定的影响关系，通过实验和分析可知，由于气体从第一腔室向第二腔室流通，主泵单元对后两个泵单元影响较大，而后两个泵单元对主泵单元影响非常小，因此对主泵单元的控制至关重要。
如附图3所示，控制流程为通过PID控制，调节主泵电压Vp0使Ip1稳定在7uA左右，并输出副泵单元能斯特电压V1控制使能信号。
主泵单元控制采用PID控制，传统的PID控制器凭借其算法简单、易于实现且可靠性高的优势，在工业控制系统中得到了十分广泛的应用。但为了避免其可能存在的参数整定不良，以及难以适应氮氧传感器系统的时变特性等问题，在传统PID控制的基础上引入了神经网络算法，增强控制系统的适应性与鲁棒性，以提高泵单元控制性能。
如附图1所示，该系统主要由两部分组成，即一个经典增量式PID控制器与一个BP神经网络。该控制系统可以通过神经网络的学习对加权系数的调整，找到某一最优控制规律下的P、I、D参数，并将自整定得到的作用于PID控制器，再由PID控制器对被控对象进行过程闭环控制。
经典增量式PID的表达式为：
其中Kp、Ki、Kd分别为PID控制器的比例、积分、微分系数，e(k)为k时刻系统输出的期望值与实际值之间的误差，ΔU(k)为当前采样时刻的控制增量。
如附图2所示，BP神经网络是一种有隐含层的三层前馈网络，包括输入层、隐含层和输出层，图中及下文公式中角标(0)、(1)、(2)分别表示神经网络的输入层、隐含层与输出层。BP神经网络输出层的三个输出分别与PID控制器的三个参数Kp、Ki和Kd对应。
在k时刻，BP神经网络输入为（n为输入变量个数）：
隐含层输入输出为(q为隐含层节点数)：
上式中，
为隐含层加权系数，f(x)为激活函数，取双曲正切函数，即
输出层输入输出为（m为输出层节点数）：
上式中，
为隐含层加权系数f(x)为激活函数，即
BP神经网络的输出为PID的三个参数，即有
BP 神经网络采用的是误差反向传播来调整加权系数，使性能指标函数
最小，
为期望值，y(k)为系统实际输出值，按照梯度下降法修正神经网络的权值，并添加一个惯性项，使收敛过程中的振荡过程得到改善并加速收敛，则可以得到BP神经网络输出层权值修正公式为：
BP神经网络隐含层权值修正公式为：
其中，
为学习速率，大于零，
为惯性项。
BP神经网络PID控制算法的实现可总结如下：
（1）确定BP神经网络各层节点数量，建立神经网络结构。
（2）初始化神经网络参数，用随机数为各层加权系数wji (0)、wsj(0)赋值，或采用给定的初值，并选定合适的学习速率与惯性系数。
（3）对于每个时刻k，采样给定值和返回值，并计算得到误差e(k)。
（4）确定输入量。
（5）根据上述公式，计算神经网络的输出，即可得到PID控制器的三个参数。
（6）通过PID控制器的三个参数计算控制输出u(k)。
（7）进行神经网络学习，实时自动调整输出层和隐含层的加权系数wsj(k)和wji(k)，实现PID控制参数的自适应调整。
（8）置k=k+1，返回步骤（3）。
Claims (4)
1.一种氮氧传感器泵单元自适应控制系统，其特征是，包括一个用于控制受控对象的PID控制器和一个用于自适应调节PID参数的BP神经网络。
2.根据权利要求1所述的一种氮氧传感器泵单元自适应控制系统，其特征是，所述PID控制器为经典增量式PID控制器，PID控制器的表达式为：
其中
为PID控制器的比例，
为PID控制器的积分，
为PID控制器的微分系数，e(k)为k时刻系统输出的期望值与实际值之间的误差，
为当前采样时刻的控制增量。
3.根据权利要求2所述的一种氮氧传感器泵单元自适应控制系统，其特征是，所述BP神经网络是有隐含层的三层前馈网络，包括输入层、隐含层和输出层；BP神经网络输出层的三个输出分别与PID控制器的三个参数
、
和
对应。
4.根据权利要求3所述的一种氮氧传感器泵单元自适应控制系统，其特征是，所述隐含层激活函数为双曲正切函数，隐含层激活函数的表达式为：
输出层激活函数的表达式为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111580384.5A CN114326375A (zh) | 2021-12-22 | 2021-12-22 | 一种氮氧传感器泵单元自适应控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111580384.5A CN114326375A (zh) | 2021-12-22 | 2021-12-22 | 一种氮氧传感器泵单元自适应控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114326375A true CN114326375A (zh) | 2022-04-12 |
Family
ID=81054449
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111580384.5A Pending CN114326375A (zh) | 2021-12-22 | 2021-12-22 | 一种氮氧传感器泵单元自适应控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114326375A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101968629A (zh) * | 2010-10-19 | 2011-02-09 | 天津理工大学 | 基于rbf辨识的弹性积分bp神经网络的pid控制方法 |
| JP2012167549A (ja) * | 2011-02-09 | 2012-09-06 | Honda Motor Co Ltd | 内燃機関の排気浄化システム |
| CN104826492A (zh) * | 2015-04-23 | 2015-08-12 | 华北电力大学（保定） | 一种选择性催化还原法烟气脱硝喷氨控制系统的改进方法 |
| CN104956151A (zh) * | 2012-11-02 | 2015-09-30 | 通用电气公司 | 燃气涡轮燃烧室控制系统 |
| CN105843036A (zh) * | 2016-04-09 | 2016-08-10 | 北京工业大学 | 一种基于神经网络的污水处理过程控制方法 |
| CN107694337A (zh) * | 2017-11-03 | 2018-02-16 | 吉林省电力科学研究院有限公司 | 基于神经网络预测控制的燃煤机组scr烟气脱硝控制方法 |
| CN108445742A (zh) * | 2018-02-07 | 2018-08-24 | 广东工业大学 | 一种气悬浮平台的智能pid控制方法 |
| CN109597449A (zh) * | 2019-01-30 | 2019-04-09 | 杭州庆睿科技有限公司 | 一种基于神经网络的超声波分散仪温度控制方法 |
-
2021
- 2021-12-22 CN CN202111580384.5A patent/CN114326375A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101968629A (zh) * | 2010-10-19 | 2011-02-09 | 天津理工大学 | 基于rbf辨识的弹性积分bp神经网络的pid控制方法 |
| JP2012167549A (ja) * | 2011-02-09 | 2012-09-06 | Honda Motor Co Ltd | 内燃機関の排気浄化システム |
| CN104956151A (zh) * | 2012-11-02 | 2015-09-30 | 通用电气公司 | 燃气涡轮燃烧室控制系统 |
| CN104826492A (zh) * | 2015-04-23 | 2015-08-12 | 华北电力大学（保定） | 一种选择性催化还原法烟气脱硝喷氨控制系统的改进方法 |
| CN105843036A (zh) * | 2016-04-09 | 2016-08-10 | 北京工业大学 | 一种基于神经网络的污水处理过程控制方法 |
| CN107694337A (zh) * | 2017-11-03 | 2018-02-16 | 吉林省电力科学研究院有限公司 | 基于神经网络预测控制的燃煤机组scr烟气脱硝控制方法 |
| CN108445742A (zh) * | 2018-02-07 | 2018-08-24 | 广东工业大学 | 一种气悬浮平台的智能pid控制方法 |
| CN109597449A (zh) * | 2019-01-30 | 2019-04-09 | 杭州庆睿科技有限公司 | 一种基于神经网络的超声波分散仪温度控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2339152B1 (en) | Method and device for controlling an EGR system in a combustion engines | |
| US20050072139A1 (en) | Air-fuel ratio controller for internal-combustion engine | |
| KR102596784B1 (ko) | 내연 기관을 갖는 엔진 시스템의 배기가스 후처리 장치를 작동시키기 위한 방법 및 장치 | |
| US20180320571A1 (en) | Method and control unit for controlling the fill level of a catalytic converter | |
| KR20020061012A (ko) | 배기밸브의 재순환을 제어하기 위한 장치 및 방법 | |
| CN109375513B (zh) | 一种氮氧传感器控制系统 | |
| CN114326375A (zh) | 一种氮氧传感器泵单元自适应控制系统 | |
| JP2005098205A (ja) | 内燃機関の空燃比制御装置 | |
| US11339696B2 (en) | Method and device for diagnosing components of an exhaust gas system in an engine system that includes an internal combustion engine | |
| JP3731485B2 (ja) | エンジンの蒸発燃料処理装置 | |
| ITBO980435A1 (it) | Metodo di controllo di una sonda lineare di ossigeno . | |
| JP3910838B2 (ja) | 内燃機関の空燃比制御装置 | |
| CN114324474B (zh) | 氮氧传感器灵敏度校正方法 | |
| JP4270073B2 (ja) | 内燃機関の空燃比制御装置 | |
| JP2000008921A (ja) | 三元触媒の酸素ストレージ量制御装置 | |
| CN113530695B (zh) | 一种发动机egr的闭环控制方法及系统 | |
| CN115045770B (zh) | 一种基于二值氧传感器的空燃比控制系统的量化滤波方法 | |
| CN117287311A (zh) | 基于egr系统的后氧闭环控制方法及控制器 | |
| JP4697175B2 (ja) | 内燃機関の空燃比制御装置 | |
| JP2003172178A (ja) | 内燃機関の空燃比制御装置 | |
| JP2006063840A (ja) | 内燃機関の空燃比制御装置 | |
| JPS6299653A (ja) | エンジンの空燃比制御装置 | |
| CN115657525A (zh) | 氮氧传感器控制方法及氮氧传感器 | |
| JP2808214B2 (ja) | 蒸発燃料制御装置付内燃機関の空燃比制御装置 | |
| JPS63140858A (ja) | 内燃機関の排気ガス還流制御装置 |
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 |