基于MATLAB/RTW的空燃比控制

【摘要】： 精确控制SI发动机空燃比，是三元催化器对尾气排放物获得高转换效率的前提，因而是降低汽车排放，减少大气污染的重要措施。 本文主要针对瞬态空燃比的精确控制问题，基于一种完善的发动机平均值模型，研究了RBF神经网络控制和自适应逆控制这两种非线性控制策略在SI发动机瞬态空燃比上的应用仿真问题。 首先，介绍了发动机空燃比(特别是暂态空燃比)控制的必要性，以及国内外研究现状。同时，根据对国外汽车发动机模型的综述分析，选择适合本文用于空燃比控制的Elbert Hendricks汽油机平均值模型。并在Simulink下完善了该模型中的燃油子模型，建立了不含代数环的模型形式，避免了Simulink中的断点现象，使仿真能够顺利进行。 其次，在分析了国内外瞬态空燃比控制策略的基础上，采用神经网络和自适应逆控制方法来控制暂态空燃比。在比较各种神经网络后，选择了自适应能力更强、学习更快、效率更高的RBF神经网络来控制汽油机空燃比。RBF神经网络的算法比较多，本文采用最大矩阵元法确定隐层神经元数目，利用改进的高斯核的RBF神经网络学习算法来确定网络参数的初始化和参数自学习规则。完成基于Simulink的RBF空燃比控制的在线仿真，仿真结果表明RBF神经网络有较好的适应性，达到空燃比的精确控制。利用基于MATLAB／RTW的控制系统一体化设计方法，分别完成了整个空燃比控制系统和单纯控制器的通用实时代码的生成。并且验证了代码的有效性。 再次，介绍了非线性自适应控制理论，根据非线性自适应逆控制原理，在比较不同自适应算法的基础上，采用了基于改进的LMS算法的空燃比自适应逆控制方案。建立了自适应逆控制汽油机空燃比的Simulink框图模型，分别用MATLAB语言S-function和C-MEX S-function实现了控制算法。仿真结果表明：在复杂的发动机工况下，瞬态空燃比相对误差在±1％以内，用C语言实现的算法大大加快了仿真时间。对于自适应逆控制器，分别在连续和离散状态下生成了通用实时代码，为实际ECU开发提供了一定的价值。 发动机的工作指标有很多，主要有动力性能指标和经济性能指标等，不同的工况对应的指标不同，对混合气的浓度要求也不一样。为了达到全工况的空燃比控制，本文根据不同工况的特性和转换条件，利用有限状态机原理，建立了基于Stateflow的各工况空燃比控制转换图，仿真结果表明有限状态机原理解决复杂的状态转换是切实可行的。利用Stateflow Coder自动生成的高效C代码，有较好的可读性，通过优化，进而可以实现将Simulink／Stateflow模型改造成HLA成员。最后，论文就研究中取得的成果和不足进行了总结，对后续研究也提出了相关的建议。 全文参考文献67篇，图52幅，表1张。