神經(jīng)網(wǎng)絡(luò)在煤層氣發(fā)動機(jī)控制中的應(yīng)用.pdf

1、將先進(jìn)的控制理論用于煤層氣發(fā)動機(jī)控制系統(tǒng)中,對于改善煤層氣發(fā)動機(jī)的動力性能和排放性能具有非常重要的意義.相關(guān)傳感器響應(yīng)特性和控制算法的研究,是煤層氣發(fā)動機(jī)控制系統(tǒng)分析和設(shè)計過程中的重要研究內(nèi)容,是建立系統(tǒng)控制仿真模型和開發(fā)、優(yōu)化設(shè)計電控單元的前提. 為有效地設(shè)計空燃比前饋控制器,研究了熱線式空氣質(zhì)量流量(MAF)傳感器動態(tài)非線性建模方法.根據(jù)靜、動態(tài)標(biāo)定數(shù)據(jù)分別建立了熱線式MAF傳感器的參數(shù)模型和線性神經(jīng)網(wǎng)絡(luò)非參數(shù)模型,并對模型

2、進(jìn)行驗證,結(jié)果表明神經(jīng)網(wǎng)絡(luò)模型精度明顯高于參數(shù)模型,且可以將流量突增和流量突減兩種工作模式下的特性統(tǒng)一于一通用模型,與參數(shù)模型相比神經(jīng)網(wǎng)絡(luò)模型更適合用于發(fā)動機(jī)控制系統(tǒng)仿真模型中. 利用煤層氣發(fā)動機(jī)實驗數(shù)據(jù),基于模塊化的設(shè)計思想在Matlab/Simlink的環(huán)境中初步建立了煤層氣發(fā)動機(jī)的平均值模型.建模過程采用機(jī)理分析和實驗辨識相結(jié)合的方法,在建模對象非線性強(qiáng)烈時,為提高辨識精度,利用了具有強(qiáng)非線性逼近能力和高度自學(xué)習(xí)能力的神經(jīng)

3、網(wǎng)絡(luò)辨識模型參數(shù).通過仿真實驗對模型進(jìn)行檢驗的結(jié)果表明,經(jīng)參數(shù)整定和神經(jīng)網(wǎng)絡(luò)校正后的系統(tǒng)模型能對發(fā)動機(jī)穩(wěn)態(tài)及動態(tài)輸出的趨勢和范圍作出準(zhǔn)確預(yù)測. 提高空燃比的控制精度是改善發(fā)動機(jī)性能的關(guān)鍵,文中借鑒汽油機(jī)的空燃比控制策略提出了基于神經(jīng)網(wǎng)絡(luò)的煤層氣發(fā)動機(jī)空燃比前饋-反饋控制策略.前饋控制由權(quán)值可調(diào)的RBF、神經(jīng)網(wǎng)絡(luò)實現(xiàn),反饋控制由常規(guī)PID控制器實現(xiàn).仿真結(jié)果表明該方法具有很好的控制效果. 最后,分別采用基于BP網(wǎng)絡(luò)整定的P