基于神經(jīng)網(wǎng)絡(luò)模型的空燃比非線性模型預(yù)測(cè)控制

《基于神經(jīng)網(wǎng)絡(luò)模型的空燃比非線性模型預(yù)測(cè)控制》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。

1、為了確?！敖虒W(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備正常使用，我校做到安裝、教師培訓(xùn)同步進(jìn)行。設(shè)備安裝到位后，中心校組織各學(xué)點(diǎn)管理人員統(tǒng)一到縣教師進(jìn)修學(xué)校進(jìn)行培訓(xùn)，熟悉系統(tǒng)的使用和維護(hù)?；谏窠?jīng)網(wǎng)絡(luò)模型的空燃比非線性模型預(yù)測(cè)控制　　摘要：采用基于徑向基神經(jīng)網(wǎng)絡(luò)模型的非線性模型預(yù)測(cè)控制方法，被控對(duì)象選擇火花塞點(diǎn)火發(fā)動(dòng)機(jī)的空燃比高度非線性復(fù)雜系統(tǒng)，利用漸消記憶最小二乘法實(shí)現(xiàn)基于RBFNN的SI發(fā)動(dòng)機(jī)AFR系統(tǒng)建模以及參數(shù)在線自適應(yīng)更新。針對(duì)非線性模型預(yù)測(cè)控制中尋優(yōu)問(wèn)題，運(yùn)用序列二次規(guī)劃濾子算法對(duì)最優(yōu)控制序列進(jìn)行求解，并加入濾子技術(shù)避免了罰函數(shù)的使用。在相同的實(shí)驗(yàn)環(huán)境下，與PI控制算法和Volterra模

2、型預(yù)測(cè)控制方法進(jìn)行仿真對(duì)比實(shí)驗(yàn)，結(jié)果表明，所提算法的控制效果明顯優(yōu)于其他兩種方法?！　￡P(guān)鍵詞：非線性模型預(yù)測(cè)控制；空燃比；RBF神經(jīng)網(wǎng)絡(luò)模型；序列二次規(guī)劃　　中圖分類號(hào)：TP273文獻(xiàn)標(biāo)識(shí)碼：A　　1引言為了充分發(fā)揮“教學(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備的作用，我們不僅把資源運(yùn)用于課堂教學(xué)，還利用系統(tǒng)的特色欄目開(kāi)展課外活動(dòng)，對(duì)學(xué)生進(jìn)行安全教育、健康教育、反邪教教育等豐富學(xué)生的課余文化生活。為了確?！敖虒W(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備正常使用，我校做到安裝、教師培訓(xùn)同步進(jìn)行。設(shè)備安裝到位后，中心校組織各學(xué)點(diǎn)管理人員統(tǒng)一到縣教師進(jìn)修學(xué)校進(jìn)行培訓(xùn)，熟悉系統(tǒng)的使用和維護(hù)?！　∧壳?，研究精確有效的空燃比

3、控制方法對(duì)降低汽車尾氣污染物排放、提高燃油利用率以及發(fā)動(dòng)機(jī)整體性能均有著重要意義。研究表明控制AFR在附近時(shí)發(fā)動(dòng)機(jī)的動(dòng)力輸出和燃油消耗達(dá)到最佳平衡。目前三元催化器的使用是汽車的一場(chǎng)革命，三元催化器的工作效率直接影響著汽車尾氣的排放，準(zhǔn)確的控制AFR可以提高三元催化器的工作效率，研究顯示，當(dāng)控制AFR低于%時(shí)導(dǎo)致CO和HC的排放量急劇增加，當(dāng)AFR高于+1%時(shí)NOx排放陡升50%?！　⊙芯科嚢l(fā)動(dòng)機(jī)AFR的控制精度的關(guān)鍵問(wèn)題是如何解決發(fā)動(dòng)機(jī)高度非線性問(wèn)題。目前生產(chǎn)的電控單元使用查表與PI反饋回路控制器相結(jié)合來(lái)對(duì)AFR進(jìn)行控制。這種方法對(duì)高度非線性的SI發(fā)動(dòng)機(jī)系統(tǒng)達(dá)不到精確的控制，近些年對(duì)AFR

4、控制的研究中，Manzie[1]提出了一種徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的方法來(lái)解決燃料噴射控制的問(wèn)題，并發(fā)現(xiàn)，該網(wǎng)絡(luò)適用于估計(jì)進(jìn)入氣缸的空氣質(zhì)量流速。在此基礎(chǔ)上，隨后他又提出了模型預(yù)測(cè)控制方法對(duì)AFR進(jìn)行控制研究，把RBFNN作為空氣系統(tǒng)的觀測(cè)器并且利用積極集的方法對(duì)模型預(yù)測(cè)控制算法進(jìn)行二次規(guī)劃求解。但是線性模型僅適用于圍繞一個(gè)特定操作的小區(qū)域。而對(duì)于對(duì)發(fā)動(dòng)機(jī)的控制要求而言，由于空氣燃油攝入量都是非線性的，所以適用于小范圍操作區(qū)域的控制方法達(dá)不到精確控制的效果。因此，研究一種在全部區(qū)域有效的非線性控制模型是有重要意義的。為了充分發(fā)揮“教學(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備的作用，我們不僅把資源運(yùn)用于

5、課堂教學(xué)，還利用系統(tǒng)的特色欄目開(kāi)展課外活動(dòng)，對(duì)學(xué)生進(jìn)行安全教育、健康教育、反邪教教育等豐富學(xué)生的課余文化生活。為了確?！敖虒W(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備正常使用，我校做到安裝、教師培訓(xùn)同步進(jìn)行。設(shè)備安裝到位后，中心校組織各學(xué)點(diǎn)管理人員統(tǒng)一到縣教師進(jìn)修學(xué)校進(jìn)行培訓(xùn)，熟悉系統(tǒng)的使用和維護(hù)?！　”疚奶岢隽艘环N基于RBFNN的AFR系統(tǒng)非線性模型預(yù)測(cè)控制方法。利用RBFNN對(duì)SI發(fā)動(dòng)機(jī)AFR系統(tǒng)建模，具有參數(shù)在線自適應(yīng)、辨識(shí)精度高結(jié)構(gòu)簡(jiǎn)單等優(yōu)點(diǎn)，但這類模型是屬于一種“黑盒子模型”，其模型內(nèi)部參數(shù)無(wú)法得到利用，這會(huì)導(dǎo)致該模型的控制算法的計(jì)算量相對(duì)較大。本文選用了只利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)序列的SQP方法作為

6、模型預(yù)測(cè)控制的尋優(yōu)算法，同時(shí)對(duì)算法進(jìn)行了進(jìn)一步的改進(jìn)，在SQP算法中加入濾子，避免了使用罰函數(shù)時(shí)罰因子選取困難和求解子問(wèn)題時(shí)不相容的問(wèn)題?！　∮?jì)算技術(shù)與自動(dòng)化XX年3月　　第35卷第1期張英朋等：基于神經(jīng)網(wǎng)絡(luò)模型的空燃比非線性模型預(yù)測(cè)控制　　2自適應(yīng)神經(jīng)網(wǎng)絡(luò)模型　　　　神經(jīng)網(wǎng)絡(luò)有三層，輸入層、隱層、輸出層，隱層包含許多隱層節(jié)點(diǎn)，每個(gè)隱層節(jié)點(diǎn)都有一個(gè)中心位置，通過(guò)‖x-cj‖來(lái)計(jì)算隱層節(jié)點(diǎn)中心位置和輸入元素的歐幾里德距離。x是神經(jīng)網(wǎng)絡(luò)的輸入，cj是第j個(gè)隱層節(jié)點(diǎn)的中心位置。通過(guò)非線性激活函數(shù)φj產(chǎn)生隱層節(jié)點(diǎn)的輸出，本文選取高斯函數(shù)作為激活函數(shù)：　　φj=exp-cj‖2σ2j），　　j=1，…

7、，nh，　　其中σj為中心節(jié)點(diǎn)寬度，nh是中心的個(gè)數(shù)，由于神經(jīng)網(wǎng)絡(luò)輸出層本質(zhì)上是一個(gè)線性組合，所以神經(jīng)網(wǎng)絡(luò)模型t時(shí)刻的第i個(gè)輸出是這個(gè)隱層節(jié)點(diǎn)輸出的加權(quán)和：　　i=∑nhj=1φjwji，i=1，…，q　　其中w是輸出層的權(quán)值；q是輸出的個(gè)數(shù)?！　∮?xùn)練方法為了充分發(fā)揮“教學(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備的作用，我們不僅把資源運(yùn)用于課堂教學(xué)，還利用系統(tǒng)的特色欄目開(kāi)展課外活動(dòng)，對(duì)學(xué)生進(jìn)行安全教育、健康教育、反邪教