基于智能双积分滑模控制的发动机指示扭矩估计

周铜林　谭瑞　张瑜

【摘 要】利用指示扭矩能够对发动机实施在线控制，进行故障诊断。首先，建立发动机非线性曲轴动力学模型；其次，将曲轴角度和瞬时转速作为控制器输入并进行微分运算；最后，利用BP神经网络对控制器参数进行在线自适应设计。仿真结果表明，在稳态工况下，设计的控制器对多缸发动机的指示扭矩能够精确地进行估计，其对参数扰动具有较好的鲁棒性，可以用于发动机的失火检测和故障诊断。

【关键词】滑模观测器；BP神经网络；发动机；指示扭矩

【Abstract】Indicated torque can be used to control of automotive engine on-line and fault diagnosis.Firstly，establish the non-linear crankshaft dynamic model；secondly，input the crankshaft angle and instantaneous engine speed to the controller and implementation differential operation；finally， take advantage of the BP neural network to design the self-adaption parameters of controller.Estimation results demonstrate that the controller can estimation the indicated torque of multi cylinder engine precisely，which presents the strongly robustness for parameters variation，and is a suitable way for misfire detection and fault diagnosis in the future.

【Key words】Sliding mode observer；BP neural network；Engine；Indicated torque

0 引言

指示扭矩作为表征发动机动力性能的一项重要参数，及时可靠的获取指示扭矩不仅可以正确地评价发动机工作性能，实时的监测故障发生[1]。在转速和负载变化的情况下，可以有效提高汽车的燃油经济性、驾驶舒适性和汽车安全性。

目前，指示扭矩的估计方法主要有三种：一是，基于速度波动的方法[2]；二是，基于神经网络的方法[3]；三是，基于观测器的方法[4]。

随着滑模变结构控制技术的不断发展，滑模理论常被用来设计观测器估计指示扭矩[5]。其中，负载扭矩的获取是一个难点[6]。本文通过引入汽车动力学方程，解决了这个问题。为了进一步提高指示扭矩的估计精度，针对系统中存在的不确定性和时变扰动，设计双积分滑模观测器对指示扭矩进行估计。

1 非线性曲轴动力学模型

3 控制器参数自适应设计

智能双积分滑模控制相对传统的滑模控制，由于具有Ⅰ控制特性，所以，在稳态误差调节方面效果更好。本文利用BP神经网络对参数k1，k2，k3进行了在线自适应设计。

4 仿真结果分析

4.1 仿真实验

利用LMS Imagine.Lab Amesim14平台建立发动机多缸模型，并通过Matlab/Simulink建立控制器。发动机的参数配置如表1所示：

5 结论

针对系统中存在的扰动问题，设计了基于非线性曲轴动力学模型的双积分滑模控制器，将扭矩估计问题转换为转速误差跟踪控制问题。通过Lyapunov稳定性理论和BP神经网络设计自适应控制器增益参数，实现了指示扭矩的精确估计。该方法具有精度高、鲁棒性好和成本低等特点，且避免了利用扭矩传感器对负载扭矩的测量。仿真結果表明，在稳态工况下，该方法能够较精确地估计多缸发动机指示扭矩，可用于发动机故障诊断。

【参考文献】

[1]F Ponti，M Rinaldi. Analysis of the relationship between mean indicated torque and its waveform for modern common rail diesel and gasoline engines[J].2008 Spring Technical Conference of the ASME Internal Combustion Engine Division，2008：149-159.

[2]Ponti F，Serra G，Lupo S.Powertrain Torsional Model Development or On-Board Indicated Torque Estimation[J].Linear Algebra & Its Applications，2009，1（1）：263-264.

[3]Ge Y，Huang Y，Hao D，et al.An indicated torque estimation method based on the Elman neural network for a turbocharged diesel engine[J].Proceedings of the Institution of Mechanical Engineers Part D Journal of Automobile Engineering， 2015，230（10）.

[4]Itoh Y，Higashi K，Iwase M.UKF-based estimation of indicated torque for IC engines utilizing nonlinear two-inertia model[C]// Decision and Control. IEEE，2012：4077-4082.

[5]Azzoni P，Moro D，Ponti F，et al.MODEL-BASED INDICATED TORQUE ESTIMATION，USING NON LINEAR OBSERVERS[C]// IEEE Mediterranean Conference.IEEE，2014：160-166.

[6]Higashi K，Itoh Y，Iwase M.Torque estimation for combustion engine using nonlinear model[C]// Sice Conference，2012：1959-1964.

[责任编辑：田吉捷]