本文關(guān)鍵詞：汽油機(jī)進(jìn)氣道油膜效應(yīng)動(dòng)態(tài)參數(shù)辨識(shí)的研究

  更多相關(guān)文章： 油膜模型 參數(shù)辨識(shí) 遞推加權(quán)輔助變量法 自適應(yīng)卡爾曼濾波算法

【摘要】：對(duì)于進(jìn)氣道噴射式汽油機(jī),燃油在進(jìn)氣道傳輸過程中會(huì)存在沉積和蒸發(fā)現(xiàn)象,而進(jìn)氣道油膜效應(yīng)動(dòng)態(tài)參數(shù)是表征進(jìn)氣道燃油動(dòng)態(tài)傳輸特性的重要參數(shù)。在瞬態(tài)工況下,由于進(jìn)氣量、轉(zhuǎn)速等參數(shù)的突然變化,致使進(jìn)氣道的燃油的新附著量和蒸發(fā)量的動(dòng)態(tài)平衡被打破,使得實(shí)際進(jìn)入氣缸的燃油量和由進(jìn)氣量計(jì)算得到的燃油量存在偏差,從而導(dǎo)致空燃比也出現(xiàn)偏差。因此,精確的辨識(shí)出進(jìn)氣道油膜效應(yīng)動(dòng)態(tài)參數(shù),然后根據(jù)油膜參數(shù)進(jìn)行燃油補(bǔ)償既是瞬態(tài)空燃比精確控制的關(guān)鍵,也是提高汽油機(jī)燃油動(dòng)力性、改善燃油經(jīng)濟(jì)性和汽車排放性的關(guān)鍵。對(duì)于附壁油膜現(xiàn)象的研究是從實(shí)驗(yàn)觀察開始的,國內(nèi)外的專家學(xué)者首先通過高速攝影和激光熒光技術(shù)對(duì)附壁油膜進(jìn)行了直觀、定性的觀察研究。目前獲取油膜動(dòng)態(tài)參數(shù)的常見方法主要包含實(shí)驗(yàn)標(biāo)定、經(jīng)驗(yàn)公式、參數(shù)辨識(shí)三種。雖然根據(jù)實(shí)驗(yàn)標(biāo)定的方法來得到油膜模型參數(shù)極具代表性,但是實(shí)驗(yàn)標(biāo)定法的標(biāo)定過程復(fù)雜而且標(biāo)定結(jié)果受溫度的影響較大。經(jīng)驗(yàn)公式法雖然可以比較方便的獲得了油膜參數(shù),但工程依賴性較大,且精度較低。由于辨識(shí)算法用于參數(shù)估計(jì)對(duì)工程經(jīng)驗(yàn)依賴較小,因此系統(tǒng)辨識(shí)理論被引入到油膜動(dòng)態(tài)參數(shù)的辨識(shí)。當(dāng)前關(guān)于油膜模型動(dòng)態(tài)參數(shù)的辨識(shí)方法主要包含傳統(tǒng)最小二乘法、夏氏偏差修正算法、擴(kuò)展卡爾曼濾波估計(jì)法、徑向基混沌神經(jīng)網(wǎng)絡(luò)法等,但仍有一些問題尚未解決,附壁油膜動(dòng)態(tài)參數(shù)辨識(shí)的實(shí)時(shí)性及精度等均有待提高。針對(duì)進(jìn)氣道油膜參數(shù)的實(shí)時(shí)性辨識(shí)問題,本文提出了遞推加權(quán)輔助變量法。該方法通過構(gòu)造輔助變量矩陣來消除隨機(jī)誤差項(xiàng)所引起的偏差,同時(shí)針對(duì)不同的觀測數(shù)據(jù)對(duì)辨識(shí)結(jié)果具有不同的置信度,引入指數(shù)權(quán)值項(xiàng),區(qū)別對(duì)待新、老觀測數(shù)據(jù),以提高油膜參數(shù)辨識(shí)的精度,實(shí)現(xiàn)了油膜參數(shù)的在線辨識(shí)。通過對(duì)發(fā)動(dòng)機(jī)多個(gè)瞬態(tài)工況下的油膜參數(shù)進(jìn)行的仿真研究表明:基于最小二乘法辨識(shí)得到的油膜參數(shù)X的最大辨識(shí)誤差為6.80%,油膜參數(shù)?的最大辨識(shí)誤差為9.16%;而基于遞推加權(quán)輔助變量法辨識(shí)得到的油膜參數(shù)X的最大辨識(shí)誤差為5.31%,油膜參數(shù)?的最大辨識(shí)誤差為6.18%。根據(jù)以上的仿真結(jié)果可知,相比于傳統(tǒng)最小二乘法,基于遞推加權(quán)輔助變量法不僅可以實(shí)現(xiàn)對(duì)油膜參數(shù)的在線辨識(shí),而且具有更高的辨識(shí)精度。針對(duì)進(jìn)氣道油膜參數(shù)的辨識(shí)精度問題,本文提出了自適應(yīng)卡爾曼濾波估計(jì)算法。該方法通過觀測濾波器新息的變化過程,并將其引入到卡爾曼濾波算法中實(shí)時(shí)估計(jì)和修正狀態(tài)噪聲方差和觀測噪聲方差,進(jìn)而調(diào)整卡爾曼濾波增益,從而獲得附壁油膜參數(shù)的最優(yōu)值。通過對(duì)發(fā)動(dòng)機(jī)多個(gè)瞬態(tài)工況下的油膜參數(shù)進(jìn)行的仿真研究表明:基于自適應(yīng)卡爾曼濾波算法辨識(shí)得到的油膜參數(shù)X的最大辨識(shí)誤差為2.93%,參數(shù)?的最大辨識(shí)誤差為4.50%。根據(jù)仿真結(jié)果可知,自適應(yīng)卡爾曼濾波油膜參數(shù)辨識(shí)具有比遞推加權(quán)輔助變量法和傳統(tǒng)最小二乘法更高的辨識(shí)精度。
【關(guān)鍵詞】：油膜模型 參數(shù)辨識(shí) 遞推加權(quán)輔助變量法 自適應(yīng)卡爾曼濾波算法
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TK411
【目錄】：

• 摘要3-5
• Abstract5-9
• 第1章 引言9-17
• 1.1 課題背景9-10
• 1.2 瞬態(tài)工況下油膜參數(shù)辨識(shí)的研究意義及重要性10-11
• 1.3 汽油機(jī)油膜效應(yīng)動(dòng)態(tài)參數(shù)的研究現(xiàn)狀11-15
• 1.3.1 實(shí)驗(yàn)標(biāo)定法12-13
• 1.3.2 經(jīng)驗(yàn)公式法13
• 1.3.3 參數(shù)辨識(shí)法13-15
• 1.4 本文主要工作15-17
• 第2章 發(fā)動(dòng)機(jī)模型的分析與建模17-28
• 2.1 發(fā)動(dòng)機(jī)平均值模型17-18
• 2.2 發(fā)動(dòng)機(jī)的燃油子系統(tǒng)模型及空燃比傳輸特性模型分析18-22
• 2.2.1 發(fā)動(dòng)機(jī)的燃油子系統(tǒng)模型及分析18-21
• 2.2.2 空燃比傳輸特性分析21-22
• 2.3 發(fā)動(dòng)機(jī)進(jìn)氣道油膜參數(shù)辨識(shí)模型的建立22-27
• 2.3.1 GT-Power軟件介紹23
• 2.3.2 汽油機(jī)進(jìn)氣道油膜動(dòng)力學(xué)參數(shù)辨識(shí)模型的建立23-27
• 2.4 本章小結(jié)27-28
• 第3章 基于遞推加權(quán)輔助變量法的油膜參數(shù)辨識(shí)28-44
• 3.1 基于最小二乘法的油膜參數(shù)辨識(shí)28-33
• 3.1.1 最小二乘法辨識(shí)原理28-29
• 3.1.2 最小二乘算法的油膜參數(shù)辨識(shí)29-30
• 3.1.3 仿真結(jié)果與分析30-33
• 3.2 基于遞推加權(quán)輔助變量法的方法分析33-36
• 3.3 基于遞推加權(quán)輔助變量法的模型設(shè)計(jì)36-38
• 3.4 仿真結(jié)果及分析38-42
• 3.5 本章小結(jié)42-44
• 第4章 基于自適應(yīng)卡爾曼濾波的油膜參數(shù)辨識(shí)44-54
• 4.1 傳統(tǒng)卡爾曼濾波估計(jì)算法概述44-46
• 4.2 自適應(yīng)卡爾曼濾波算法46
• 4.3 基于自適應(yīng)卡爾曼濾波算法的油膜參數(shù)辨識(shí)46-50
• 4.3.1 附壁油膜觀測模型的搭建46-48
• 4.3.2 離散自適應(yīng)卡爾曼濾波觀測器的設(shè)計(jì)48-50
• 4.4 仿真結(jié)果及分析50-52
• 4.5 本章小結(jié)52-54
• 第5章 總結(jié)與展望54-56
• 5.1 全文工作總結(jié)54-55
• 5.2 工作展望55-56
• 參考文獻(xiàn)56-60
• 致謝60-61
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果61

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐東輝;李岳林;解福泉;;汽油機(jī)瞬態(tài)工況油膜參數(shù)的混沌徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究[J];汽車工程;2015年03期

2 鄭太雄;周可君;李永福;李宣政;;汽油機(jī)進(jìn)氣道油膜動(dòng)力學(xué)模型參數(shù)辨識(shí)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年04期

3 徐雯;江俊康;楊北平;梅德清;戴兵;;不同粒徑汽車尾氣顆粒物對(duì)A549細(xì)胞毒性作用的比較[J];環(huán)境科學(xué)學(xué)報(bào);2013年12期

4 徐東輝;李岳林;解福泉;丁景峰;楊巍;;基于混沌RBF神經(jīng)網(wǎng)絡(luò)的汽油機(jī)瞬態(tài)工況油膜參數(shù)辨識(shí)研究[J];內(nèi)燃機(jī)工程;2015年03期

5 丁紅元;劉芬;黃榮華;王兆文;李智;;直噴汽油機(jī)多孔噴油器噴嘴內(nèi)部流動(dòng)數(shù)值模擬[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年03期

6 陳虹;宮洵;胡云峰;劉奇芳;高炳釗;郭洪艷;;汽車控制的研究現(xiàn)狀與展望[J];自動(dòng)化學(xué)報(bào);2013年04期

7 劉敬平;付建勤;馮康;王樹青;趙智超;;內(nèi)燃機(jī)的排氣能量流特性[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年11期

8 馬宗正;程勇;紀(jì)少波;楊永廣;;汽油機(jī)起動(dòng)工況附壁油膜揮發(fā)過程的計(jì)算分析[J];燃燒科學(xué)與技術(shù);2010年06期

9 李頂根;楊燦;;VVA汽油機(jī)進(jìn)氣道燃油觀測器的研究[J];內(nèi)燃機(jī)學(xué)報(bào);2010年06期

10 洪木南;李建秋;歐陽明高;;汽油機(jī)油膜模型參數(shù)辨識(shí)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2010年11期

，

本文編號(hào)：770296