-
公开(公告)号：CN105221282B
公开(公告)日：2018-06-26
申请号：CN201510529105.0
申请日：2015-08-25
Applicant: 重庆邮电大学
IPC: F02D45/00
Abstract: 本发明请求保护一种基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法。根据离散非线性模型选择多元线性回归方法对状态方程的各个参数进行拟合，得到线性离散系统的状态方程。利用BP神经网络设计了黑箱模型对线性后的模型进行误差的修正。黑箱模型以HCCI发动机线性模型预测得到的燃烧正时进气歧管温度Tman、进气歧管压力Pman和燃油当量比φ为输入，修正后的燃烧正时θCA50为输出。利用该黑箱模型和实际HCCI发动机的理想燃烧正时信号通过二分查找方法查找得到对应线性模型的理想燃烧正时信号并利用该理想燃烧正时信号以及线性化后的模型，设计了带卡尔曼滤波器的离散滑模控制器。本发明保证线性模型预测燃烧正时的精度和燃烧正时跟踪理想输入的快速准确性。
-
公开(公告)号：CN104656443A
公开(公告)日：2015-05-27
申请号：CN201410848404.6
申请日：2014-12-31
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于BP神经网络的HCCI发动机点火正时自适应PID控制方法，涉及汽车电子控制技术领域。该方法通过控制排气门关闭角度θEVC和进气门开启角度θIVO来实现负阀重叠(NVO)，进而控制HCCI的点火正时，使其燃料燃烧50％时的曲轴转角θCA50在上止点前(bTDC)3°～8°。该控制器的结构采用PID形式，其中，PID的参数由BP神经网络进行自适应调节并提供。BP神经网络的输入为期望θCA50和实际θCA50的误差e和误差变化率输出为kp、ki和kd三个控制参数。通过调节控制参数，本发明所提方法能够很好地克服系统运行中出现的扰动、参数时变及其他不确定因素等问题，因此，具有更强的抗干扰能力和更好的鲁棒性，控制效果更佳。
-
公开(公告)号：CN104656443B
公开(公告)日：2017-05-24
申请号：CN201410848404.6
申请日：2014-12-31
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于BP神经网络的HCCI发动机点火正时自适应PID控制方法，涉及汽车电子控制技术领域。该方法通过控制排气门关闭角度θEVC和进气门开启角度θIVO来实现负阀重叠(NVO)，进而控制HCCI的点火正时，使其燃料燃烧50％时的曲轴转角θCA50在上止点前(bTDC)3°～8°。该控制器的结构采用PID形式，其中，PID的参数由BP神经网络进行自适应调节并提供。BP神经网络的输入为期望θCA50和实际θCA50的误差e和误差变化率输出为kp、ki和kd三个控制参数。通过调节控制参数，本发明所提方法能够很好地克服系统运行中出现的扰动、参数时变及其他不确定因素等问题，因此，具有更强的抗干扰能力和更好的鲁棒性，控制效果更佳。
-
公开(公告)号：CN105221282A
公开(公告)日：2016-01-06
申请号：CN201510529105.0
申请日：2015-08-25
Applicant: 重庆邮电大学
IPC: F02D45/00
Abstract: 本发明请求保护一种基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法。根据离散非线性模型选择多元线性回归方法对状态方程的各个参数进行拟合，得到线性离散系统的状态方程。利用BP神经网络设计了黑箱模型对线性后的模型进行误差的修正。黑箱模型以HCCI发动机线性模型预测得到的燃烧正时、进气歧管温度Tman、进气歧管压力Pman和燃油当量比φ为输入，修正后的燃烧正时θCA50为输出。利用该黑箱模型和实际HCCI发动机的理想燃烧正时信号，通过二分查找方法查找得到对应线性模型的理想燃烧正时信号。并利用该理想燃烧正时信号以及线性化后的模型，设计了带卡尔曼滤波器的离散滑模控制器。本发明保证线性模型预测燃烧正时的精度和燃烧正时跟踪理想输入的快速准确性。
-
-
-
Search Results
4
records
(took 0.013 seconds)
