基于主動擾動抑制的P-DI汽油機高稀釋低溫燃燒控制研究.pdf

1、可控自燃（CAI）燃燒或SI-CAI混合燃燒具有改善汽油機油耗和排放的巨大潛力而受到廣泛重視。但由于其著火和燃燒對于邊界條件非常敏感，燃燒相位和放熱過程難以精確控制，因而其工程應用面臨巨大挑戰(zhàn)。為突破這種高稀釋燃燒在控制上的瓶頸，本文提出了一種基于燃燒模型的前饋控制、即時擾動觀測反饋和累積擾動觀測矯正相結合的主動抗擾自趨優(yōu)控制模型，力圖解決燃燒邊界條件敏感、耦合機制復雜和準確建模困難等瓶頸問題。
　　首先，為了建立用于前饋控制的燃

2、燒預測模型，在一臺配備進氣道噴射（PFI）和缸內直噴（GDI）雙噴射燃油（P-DI）系統(tǒng)和進排氣VVT系統(tǒng)的高稀釋低溫燃燒四缸汽油機上，系統(tǒng)研究了缸內溫度和組分的耦合規(guī)律，點火提前角對燃燒相位的調控規(guī)律，以及直噴時刻對燃燒過程的調控規(guī)律。在 CAI燃燒放熱模型的基礎上，通過引入點火角修正因子，發(fā)展了用于CA50和IMEP前饋控制的SI-CAI混合燃燒預測模型。采用動態(tài)激勵實驗和非線性最小二乘法對該模型的主要參數(shù)進行了辨識，獲得了理想的預

3、測效果。對該模型的CA50子模型和進氣量子模型分別引入兩個自學習因子，使該模型具備在線自學習能力，在運行過程不斷縮小預測誤差，以提高控制器的前饋控制能力。
　　其次，為精確協(xié)調缸內溫度和組分，實現(xiàn)燃燒相位和放熱過程的有效控制，提出了基于SI-CAI混合燃燒預測模型的逆模型的前饋解耦控制算法；為了補償前饋模型的建模誤差和抑制外界環(huán)境條件的隨機干擾，提出了基于擴張狀態(tài)觀測器（ESO）的即時觀測算法。為了解決 CA50的循環(huán)變動對 ES

4、O觀測過程的干擾，采用了自適應ESO方法。采用基于帶寬參數(shù)化的ESO整定方法，實現(xiàn)了IMEP和λ通道控制參數(shù)的簡化標定。將這種基于前饋解耦算法和擴張狀態(tài)即時觀測相結合的主動抗擾控制器算法，采用Simulink實現(xiàn)并下載于MicroAutoBox原型控制器，在高稀釋低溫燃燒四缸汽油機臺架上進行了動態(tài)過程控制試驗。結果表明：在轉速1200r/min至1600r/min，IMEP在0.225MPa至0.5MPa的工況內，該算法最快可在3個循環(huán)

5、內完成IMEP調節(jié)，CA50的跟蹤平均偏差小于4°CA，λ的跟蹤偏差在0.08以內。
　　再次，為了彌補燃燒預測模型辨識所用數(shù)據(jù)的局限性，以及發(fā)動機特性會隨使用時間的變化，提出了基于遞推最小二乘算法的累積觀測器模型。通過SI-CAI混合燃燒預測模型自學習因子的在線調整，在運行過程中不斷提高模型精度，改善前饋解耦控制效果。提出了基于極值搜索方法的直噴時刻在線優(yōu)化算法，不僅可免于對直噴時刻的復雜標定，同時可以自動補償因邊界條件的變化而

6、引起的最優(yōu)直噴時刻漂移。在GT-Simulink仿真平臺上，通過緩慢提高燃燒室壁溫來模擬因冷卻系統(tǒng)結垢造成的邊界條件變化，驗證了由于模型預測精度自適應提升而帶來的控制品質改善效果。結果表明，由于模型精度的改善，IMEP、CA50和λ在動態(tài)過程中的跟蹤偏差降低了16％以上。發(fā)動機臺架實驗結果表明：累積觀測算法可將λ最大跟蹤偏差減小27%以上。累積觀測算法最快可在300循環(huán)內完成直噴時刻的優(yōu)化，自動補償點火角和負荷變化的影響。
　　綜