原文传递
基于神经网络的汽油机电控标定技术研究
| 论文题名： | 基于神经网络的汽油机电控标定技术研究 |
| 关键词： | 汽油机;控标定技术;神经网络;参数优化;电控系统 |
| 摘要： | 随着世界石油资源的日益枯竭，全球环境的不断恶化以及人们对汽车性能要求的不断提高，汽车工业正面临着严峻的挑战。发动机电控技术是降低发动机排气污染，提高其动力性和经济性的一个重要手段，它的研究和开发越来越受到人们的重视。在应用电控系统对发动机进行控制的同时，为了使发动机获得较好的动力性、经济性，满足国家排放法规，保持良好的工作稳定性，需要对电控系统与发动机进行调试匹配，对控制参数进行标定和优化。 本文以国产吉利479Q汽油发动机为研究对象。通过大量的文献阅读，翔实的分析了国内外发动机匹配标定技术的发展现状。发动机标定从离线标定逐步发展到在线标定、自动标定和瞬态标定，自动化程度越来越高，标定的参数越来越多，控制参数的精度也得到了极大地提高。通过对标定约束条件和标定目标的分析，本文采用了在线自动标定方式。 建立了发动机稳态标定试验台架。试验采用AVL PUMA OPEN发动机动态性能测试台作为试验台架，结合开发的电控系统、排放测试系统、标定软件和上位机，建立了发动机匹配标定集成开发环境，实现ECU与计算机之间的数据通讯和共享，完成电控系统的在线自动标定。 本次试验对479Q发动机的稳态工况进行了标定。试验以λ闭环控制为目的，按照事先划分的工况点，逐点实现。试验中采用了爆震传感器，有力的确保了点火提前角的闭环控制。在此基础上，按照划分的工况点对发动机稳态电控参数喷油脉宽和点火提前角进行了标定，得到了喷油脉宽和点火提前角的脉谱图。 在研究了人工神经网络的理论和特点后，提出利用神经网络的高度非线性映射能力和泛化能力，建立电控系统参数模型来对稳态工况下的电控参数进行预测。本文采用BP神经网络，通过对网络的层数和每层中的神经元个数等的选择与确定，完成了神经网络结构的设计和样本训练。泛化检验证明，模型能够准确的预测出479Q汽油机在稳态工况下的喷油脉宽和点火提前角，网络逼近性能很高，是一种快速、准确预测发动机电控参数的新方法。 |
| 作者： | 刘鑫 |
| 专业： | 动力机械及工程 |
| 导师： | 颜伏伍 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2008 |
| 正文语种： | 中文 |
检索历史
应用推荐
