汽油机瞬态工况空燃比控制策略仿真研究

黄鹏超

（柳州职业技术学院汽车工程学院，广西柳州545006）

汽油机瞬态工况空燃比控制策略仿真研究

黄鹏超

（柳州职业技术学院汽车工程学院，广西柳州545006）

空燃比在理论值附件时，汽油发动机燃料才能得到充分的燃烧，发动机发出最大的功率、尾气排放得到有效的控制。针对汽油发动机在瞬态工况下对空燃比控制的特殊要求，提出了基于模糊神经网络对空燃比的控制策略，在MATLAB/Simulink平台上建立了汽油机数学模型，设计了空燃比计算模块、发动机节气门开度控制模型、模糊神经网络控制器，并对汽油机的瞬态工况空燃比进行控制仿真，验证了方案的可行性。

汽油机；瞬态工况；空燃比；模糊神经网络

0　引言

随着社会经济的快速发展，汽车保有量的大幅度增加，全球能源危机更加严峻、环境污染进一步恶化。汽车在城市道路行驶时，受道路环境的影响，经常不断的启动、加速、减速和停车等情况，于此发动机也伴随有启动、加速、减速和怠速等工况，而这些转速或负荷急剧变化的瞬态工况在发动机的运行过程中40%—70%为瞬态工况。从经济性和尾气排放的角度得出同样的结论，汽车有害排放和燃油消耗的50%--80%均来自瞬态工况，迫于日益严峻的环境污染问题，欧洲分别于2005年和2008年制定了欧Ⅲ、欧Ⅳ瞬态循环（ETC）排放法规，美国也制定了城市循环工况EPA瞬态循环法规，用以限制汽车的排放污染［1］。如此严格的排放控制要求，对发动机的排放控制提出了更为严格的要求。为了达到汽车排放法规要求，全球都在加紧从事发动机瞬态工况控制的研究。与此同时，各种瞬态工况下的发动机空燃比控制策略和控制算法层出不穷。

模糊控制是一种非线性控制，鲁棒性强，该控制系统不要求知道被控对象精确的数学模型，所以控制系统不用建立数学模型，控制机理和控制策略设计简单，方便应用，参考工作人员的运行经验，就可对系统进行实时控制，控制系统的适应能力比较强，但是模糊控制系统控制精度不太高，自适应能力比较有限，控制过程容易产生振荡现象。神经网络是模拟大脑思维运行方式的数学模型，具有强大自我学习和记忆等功能。神经网络控制理论就是把神经网络融入到了控制理论中，随着研究的不断深入，神经网络控制理论被广泛应用到了生活和生产的各种控制过程中，并取得了巨大的成果。神经网络控制在解决难以精确描述的复杂的非线性对象进行建模方面具有无可比拟的优势，神经网络控制使智能控制得到了极大的丰富和强大，并变得趋于人性化。基于神经网络的智能模拟用于控制，是实现智能控制的一种重要形式，近年来获得了迅速发展。

本文在Matlab/Simulink平台上，首先建立汽油机整体数学模型，结合模糊控制和神经网络控制两者的有点，提出一种更优的基于模糊神经网络控制发动机空燃比的综合控制策略，依据模糊神经网络控制策略设计出汽油发动机控制器，该控制器通过对进入气缸的燃油量、节气门开度变化的精确控制，实现空燃比的波动幅度在设计范围之内，最终实现发动机转速和污染物排放的最佳控制。采用模糊控制和神经网络控制合成的模糊神经网络综合控制策略实现对汽油发动机系统进行仿真研究，并对系统进行无控制、模糊控制、神经网络控制和模糊神经网络控制仿真，并对4种控制仿真结果进行对比分析［2-5］。

1　汽油车发动机的数学模型

建立发动机的数学模型是研究汽油机瞬态工况空燃比控制的基础，当今使用汽油机模型比较普遍的主要有两种，一种是平均值发动机模型（MeanValue EngineModel，MVEM）。该模型主要考虑发动机的整体性能，而对各缸的差异性进行了平均处理，大大降低了模型的运算量，具有较高的整体精度。另一种是基于各缸控制的发动机模型（Cylinder by Cylinder Engine Model，CCEM）。该模型考虑到各缸的差异，采取对各缸单独控制，模型较为精确，但是平均值发动机模型在运算量小的情况下足以满足发动机的工况预测和非线性控制。为了较好的模拟发动机的动态响应和非稳态工况控制，基于Matlab/Simulink平台上建立汽油机平均值模型［2］。改模型包括5个子模型：燃油蒸发与动态油膜子模型、进气系统动力学子模型、空燃比计算模块、节气门体开度变化控制子模型和发动机动力输出子模型。为了使发动机模型系统直观明朗，依据各个子系统之间的关系进行封装，封装后建立汽油机总成模型如图1所示。

图1　汽油机整体模型结构图

2　汽油机模糊神经网络控制系统设计

2.1汽油车发动机空燃比计算模块

汽油发动机在工作的时候，燃油供给系统负责把一定量的燃油喷到进气道与空气混合，使之形成燃油混合气体，燃油混合气体中的燃油与空气质量的比值成为空燃比

空燃比是影响发动机动力性、排放性、经济性能的重要参数。依据汽油机燃烧理论可知，只有当汽油机的空燃比在理论值14.7附近时，汽油燃料才能完全燃烧，发动机在发出最大的功效的同时具有良好的排放特性［2］。但是当发动机处于瞬态工况运行时，由于瞬态工况本身的复杂性和非线性的特点，发动机的进气量、燃油喷射量等参数都有很大的波动变化，导致空燃比难以保持在理论值附件，对发动机的动力性、经济性和排放性都会产生很大的影响，同时，三元催化器只有在空燃比保持在理论值（±3.5%）附近区域时才能对HC、NOX和CO这污染物都有很高的转化效率，所以空燃比的控制对汽油机节能与排具有重大现实意义［3］。

图2所示为在Simulink平台上建立的空燃比计算模块。

图2　空燃比计算模块

2.2汽油车节气门开度变化模型

汽油发动机通常用节气门的开度变化代表发动机的工况变化，为了便于模拟汽油发动机瞬态工况状态，可以用节气门开度减小来模拟减速工况，用节气门开度增大来模拟加速工况，如果节气门开度没有变化则代表汽油机处于稳态工况。图3所示为在Simulink平台建立汽油车节气门开度变化模型。

图3　汽油车节气门开度变化控制模型

2.3模糊神经网络系统整体设计

结合模糊系统和神经网络各自的优点进行融合，建立模糊神经网络控制系统，在汽油机模糊神经网络系统中，把理论与实际空燃比的偏差设为e，偏差变化率设为ec，喷油脉宽的调整信号设为u，把e和ec定义为该控制器的两个输入参数，u作为模糊控制器的输出，系统模糊神经网络系统采用结构，节气门的开度设为a，发动机的转速设为n，并把a和n作为RBF网络的输入参数，模糊神经网络控制系统的结构如图4所示。

图4　模糊神经网络控制系统结构图

3　汽油车发动机空燃比控制仿真分析

通过Simu link可视化仿真，对汽油机在瞬态工况运行时，采用不同的控制方法进行仿真对比分析，得出如图5-图8结果。由以上仿真曲线比较可知：

（1）图5在没有控制器的状态下，空燃比值在加速和减速瞬态工况时分别达到16.31和12.50，空燃比的绝对误差达到14.80，空燃比远远偏离了理论值14.7，而且调整时间比较长。

（2）图6在使用模糊控制器控制时，该控制系统经3.6s就达到比较稳定状态。空燃比值在加速、减速瞬态工况时分别达到15.45和14.06，并分别在11.5s和24.3s左右就达到理论值，空燃比的绝对误差为5.37%，瞬态空燃比控制较为理想。由于糊系统等级划分较细，曲线在11s-19s间出现较小的振荡。

（3）图7在使用神经网络控制下，该系统在较短的时间3.9s左右就达到稳定。空燃比值在加速、减速瞬态工况时分别达到15.12和14.30，并分别在10.4s和25.4s左右就达到理论值，空燃比的绝对误差为3.13%，瞬态空燃比控制范围较为理想。

（4）图8在使用模糊神经网络控制时，该系统在很短的时间3.1s左右就达到稳定。空燃比值在加速、减速瞬态工况时分别为14.93和14.49，并分别在9.4s和23.0s左右就达到理论值，空燃比的绝对误差为1.85%，瞬态空燃比控制在一个非常理想的范围。

图5　无控制时的空燃比仿真曲线

图6　模糊控制时的空燃比仿真曲线

图7　神经网络控制时的空燃比仿真曲线

图8　模糊神经网络控制时的空燃比仿真曲线

4　结论

汽油车发动机控制系统非常复杂，发动机瞬态工况空燃比的精确控制有利于提高汽油车的动力性、燃油经济性以及排放性能。为了使空燃比保持在理论值附件，使燃油混合物得到充分的燃烧，提高发动机的输出功率，提高燃油经济性，降低尾气排放。本文提出模糊神经网络控制系统，在MATLAB/Simulink平台上建立汽油机数学模型，利用模糊神经网络控制器，通过调整节气门开度来实现空燃比的控制。并对无控制、模糊控制器控制、神经网络控制、模糊神经网络控制4种情况进行仿真分析。研究结果表明，使用模糊神经网络控制时效果最好，能准确、稳定、快速的控制汽油机瞬态工况空燃比，比模糊控制和神经网络控制控制效果都好，从而有效的提高汽油发动机的瞬态工况的动力性和燃油经济性，有效的降低了尾气排放。

［1］Peter Wuensche，Franz X.Moser，Rolf Dreisbach and Theodor Sams.Can the Technology for Heavy Duty Diesel Engines be Common for Future Emission Regulations in USA，Japan and Europe.SAE Paper 2003-01-0344.

［2］李薛，汽油机瞬态工况空燃比控制策略仿真研究［D］.长沙：长沙理工大学，2010.

［3］吕玉江.汽油发动机空燃比闭环控制及监测系统［D］.石家庄：河北农业大学大学.2001：4-8.

［4］刘恒.基于MATLAB/RTW的空燃比控制［D］.成都：西华大学.2007：1-12.

［5］申允德，摩托车发动机空燃比控制策略研究与仿真［J］，小型内燃机与车辆技术，2015（5）：12-16.

［6］王立标.汽油机怠速负荷模糊-PID控制策略研究［D］.长沙：长沙理工大学.2009：17-29.

A Study on Simu lation of Transient Air-FuelRatio Control Strategy for Gasoline Engine

HUANG Peng-chao
（Schoolofautomobile engineering，Liuzhou Vocationaland TechnicalCollege，Liuzhou，Guangxi545006）

Only when the gasoline engine’s AIR-Fuel Ratio（AFR）infinitely close to the theoretical value，the engine can have suffi⁃cientburning and getgreatest power，and produce less vehicle em ission.Based on gasoline engine’s severe requirement to AFR ofengine on transient conditions，this study proposes a control strategy from the aspect of fuzzy neural network control and proves that it is feasible by building gasoline engine mathematics model on the MATLAB/Simulink p latform，designing AFR model，throttle degree controller and fuzzy neuralnetwork controller.

gasoline engine；transient condition；AIR-Fuel Ratio；fuzzy neuralnetwork

U464.171

A

2096-2126（2016）04-0145-04

2016-06-21

2014年广西教育厅科研立项项目“汽油机瞬态工况空燃比模糊神经网络控制仿真研究”（LX2014536）。

黄鹏超（1984—），男，湖南邵阳人，讲师，研究方向：汽车节能减排、汽车电子控制技术。

（责任编辑：李洁坤）