本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測(cè)控制，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著全球汽車保有量的迅速增長,汽車尾氣污染問題也隨之日益加劇,各國相繼制定了嚴(yán)格的尾氣排放標(biāo)準(zhǔn)。研究表明,尾氣排放與發(fā)動(dòng)機(jī)空燃比(Air-fuel ratio,AFR)密切相關(guān)。對(duì)此研究精確有效的發(fā)動(dòng)機(jī)AFR控制方法已經(jīng)成為各國學(xué)者研究的焦點(diǎn)。目前針對(duì)發(fā)動(dòng)機(jī)AFR控制,廣泛采用的方法是MAP圖加PI反饋的控制方法。該方法的實(shí)現(xiàn)需要進(jìn)行大量的標(biāo)定實(shí)驗(yàn)。同時(shí)在發(fā)動(dòng)機(jī)瞬態(tài)工況下,無法達(dá)到精準(zhǔn)控制AFR的目的。本文以神經(jīng)網(wǎng)絡(luò)模型辨識(shí)火花點(diǎn)火(Spark ignition,SI)發(fā)動(dòng)機(jī)模型為基礎(chǔ),提出了一種基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測(cè)控制方法。主要研究內(nèi)容如下:本文工作重點(diǎn)是針對(duì)SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測(cè)控制中的尋優(yōu)問題,提出了一種既約(Reduced)Hessian可行線搜索序列二次規(guī)劃(Sequential quadratic programming,SQP)優(yōu)化算法,有效克服了神經(jīng)網(wǎng)絡(luò)模型內(nèi)部參數(shù)無法利用的問題。該方法基于線搜索SQP優(yōu)化算法,引入了既約Hessian思想和改進(jìn)可行性下降方向的技術(shù),將求解子問題轉(zhuǎn)化成求解一系列線性方程問題,大大降低了算法的計(jì)算量,同時(shí)也保證了算法的充分下降;為了有效地避免算法陷入Marotos效應(yīng),算法對(duì)搜索方向進(jìn)行了高階校正。本文對(duì)該算法的全局收斂性及收斂速度進(jìn)行了嚴(yán)格的理論證明。以本文所提出的既約Hessian可行線搜索SQP優(yōu)化算法為基礎(chǔ),提出了一種基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測(cè)控制方法。利用徑向基(Radial basis function,RBF)神經(jīng)網(wǎng)絡(luò)模型和多層感知(Multi-layer perceptron,MLP)神經(jīng)網(wǎng)絡(luò)模型對(duì)SI發(fā)動(dòng)機(jī)AFR系統(tǒng)建模。為了得到AFR系統(tǒng)的全部動(dòng)態(tài)特性,SI發(fā)動(dòng)機(jī)AFR系統(tǒng)的激勵(lì)信號(hào)選擇隨機(jī)幅值序列(Random amplitude sequence,RAS)信號(hào)。采用漸消記憶遞推最小二乘(Recursive least squares,RLS)算法對(duì)神經(jīng)網(wǎng)絡(luò)模型權(quán)向量進(jìn)行訓(xùn)練。同時(shí)保證發(fā)動(dòng)機(jī)參數(shù)變化的在線自適應(yīng)更新。利用本文所提算法進(jìn)行仿真實(shí)驗(yàn),仿真實(shí)驗(yàn)充分說明了所提算法的有效性。
【關(guān)鍵詞】：空燃比 非線性模型預(yù)測(cè)控制 神經(jīng)網(wǎng)絡(luò)模型 序列二次規(guī)劃
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U464;TP183
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-21
• 1.1 研究背景及意義11-13
• 1.2 汽車發(fā)動(dòng)機(jī)建模方法研究現(xiàn)狀13-15
• 1.3 發(fā)動(dòng)機(jī)空燃比控制研究現(xiàn)狀15-18
• 1.4 論文主要研究內(nèi)容及章節(jié)安排18-21
• 第2章 SI發(fā)動(dòng)機(jī)AFR建�；A(chǔ)21-33
• 2.1 引言21
• 2.2 發(fā)動(dòng)機(jī)工作原理21-23
• 2.3 SI發(fā)動(dòng)機(jī)AFR均值模型23-29
• 2.3.1 SI發(fā)動(dòng)機(jī)進(jìn)氣歧管子模型24-27
• 2.3.2 SI發(fā)動(dòng)機(jī)燃油噴射子模型27-28
• 2.3.3 SI發(fā)動(dòng)機(jī)轉(zhuǎn)速子模型28
• 2.3.4 SI發(fā)動(dòng)機(jī)AFR子模型28-29
• 2.4 RBF神經(jīng)網(wǎng)絡(luò)模型29-31
• 2.5 MLP神經(jīng)網(wǎng)絡(luò)模型31-32
• 2.6 本章小結(jié)32-33
• 第3章 既約Hessian可行線搜索SQP優(yōu)化算法33-47
• 3.1 引言33
• 3.2 既約Hessian可行線搜索SQP優(yōu)化算法33-45
• 3.2.1 優(yōu)化問題的描述33-34
• 3.2.2 既約Hessian方法34-37
• 3.2.3 可行線搜索37-40
• 3.2.4 算法收斂性及收斂速度40-45
• 3.3 本章小結(jié)45-47
• 第4章 基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)AFR非線性模型預(yù)測(cè)控制47-71
• 4.1 引言47
• 4.2 基于MLP神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測(cè)控制47-61
• 4.2.1 基于MLP神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR系統(tǒng)建模47-51
• 4.2.2 基于MLP神經(jīng)網(wǎng)絡(luò)模型的非線性模型預(yù)測(cè)控制系統(tǒng)結(jié)構(gòu)51
• 4.2.3 非線性模型預(yù)測(cè)控制的既約Hessian可行線搜索SQP算法51-53
• 4.2.4 仿真實(shí)驗(yàn)53-61
• 實(shí)驗(yàn) 153-55
• 實(shí)驗(yàn) 255-57
• 實(shí)驗(yàn) 357-59
• 實(shí)驗(yàn) 459-61
• 4.3 基于RBF神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測(cè)控制61-69
• 4.3.1 基于RBF神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR系統(tǒng)建模61-63
• 4.3.2 基于RBF神經(jīng)網(wǎng)絡(luò)模型的非線性模型預(yù)測(cè)控制系統(tǒng)結(jié)構(gòu)63-64
• 4.3.3 仿真實(shí)驗(yàn)64-69
• 實(shí)驗(yàn) 164-65
• 實(shí)驗(yàn) 265-66
• 實(shí)驗(yàn) 366-67
• 實(shí)驗(yàn) 467-69
• 4.4 本章小結(jié)69-71
• 第5章 總結(jié)與展望71-73
• 5.1 全文總結(jié)71
• 5.2 研究展望71-73
• 參考文獻(xiàn)73-79
• 作者簡介及科研成果79-81
• 致謝81

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 石屹然;田彥濤;史紅偉;張立;;基于Modified Volterra模型的SI發(fā)動(dòng)機(jī)空燃比非線性模型預(yù)測(cè)控制[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年02期

2 宋芳雪;;國內(nèi)外汽車排放法規(guī)對(duì)比[J];汽車與安全;2014年03期

3 李曉淵;高遠(yuǎn);陳文鳳;;中國輕型汽車排放標(biāo)準(zhǔn)發(fā)展及排放試驗(yàn)控制技術(shù)[J];科技與企業(yè);2013年11期

4 何德峰;丁寶蒼;于樹友;;非線性系統(tǒng)模型預(yù)測(cè)控制若干基本特點(diǎn)與主題回顧[J];控制理論與應(yīng)用;2013年03期

5 李嘉;王立敏;;開放的競爭市場(chǎng)維系能源供需均衡——《BP世界能源統(tǒng)計(jì)2012》解析[J];國際石油經(jīng)濟(jì);2012年07期

6 趙林輝;劉志遠(yuǎn);陳虹;;一種車輛狀態(tài)滑模觀測(cè)器的設(shè)計(jì)方法[J];電機(jī)與控制學(xué)報(bào);2009年04期

7 ;Adaptive Air-Fuel Ratio Control with MLP Network[J];International Journal of Automation and Computing;2005年02期

8 尚宇輝,唐厚君,楊銀昌,韓正之,陳峰,徐維新,何方正,劉熾棠;內(nèi)燃機(jī)電噴系統(tǒng)空燃比控制中控制算法的研究[J];車用發(fā)動(dòng)機(jī);1999年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 鐘祥麟;基于油膜模型的多點(diǎn)噴射汽油機(jī)瞬態(tài)工況控制研究[D];吉林大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 鄭明文;徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法及其性能研究[D];中國石油大學(xué);2009年

2 裴杰;求解等式約束優(yōu)化問題的基于擬牛頓校正的既約Hessian SQP方法[D];湖南大學(xué);2008年

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)模型的SI發(fā)動(dòng)機(jī)AFR非線性模型預(yù)測(cè)控制，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：408036