汽车内燃机最优空燃比实现方法研究

1 引言

我国社会经济的快速发展和人们生活水平的不断改善，带动了汽车产业的繁荣和汽车消费市场的持续膨胀。截止2021年底，我国机动车的市场保有量已经突破4亿辆，汽车数量快速增长的最直接负面影响，是导致了城市交通拥堵问题和大气环境污染问题

。为了减少和控制汽车尾气污染物排放对大气的污染，一方面国家从政策调整和宏观调控的角度，大力鼓励新能源汽车的生产、销售、和使用；另一方面对传统燃油汽车发动机的排放标准也提出了更高的要求，例如，从2020年开始我国已经开始在全国范围内分步推进国6B尾气排放标准，严格控制汽车尾气及碳基颗粒物的排放。在从传统汽车向新能源汽车的过渡阶段，燃油车的市场地位仍然不能撼动，燃油车在短期内也不可能退出汽车市场。为了降低燃油车的能源消耗并提高排放标准，只能从内燃机技术优化的视角，做出相对均衡的选择

。例如，通过调整发动机空燃比等技术改进和技术创新手段

，提升汽车发动机的工作效率和降低发动的废气及颗粒物排放量，减轻对周围环境所造成的污染。

2 空燃比最优控制目标及影响因素

2.1 空燃比的最优控制目标

以多点电喷汽油发动机活塞工作过程为例，来分析空燃比对汽车能耗和排放的影响。进入发动机进气歧管的汽油和空气的混合物被火花塞点燃，混合气体燃爆膨胀，在气缸内产生压力进而驱动活塞和曲轴运动。进入多点电喷发动机进气歧管中汽油和空气的质量比例即为空燃比参数指标，空燃比可以通过调整气门开合大小和喷油嘴的喷油量等措施来控制。从发动机理论研究的角度来考虑，进入进气歧管并产生燃烧的汽油和空气混合物，存在一个最优比例，即在最优比例下燃烧很充分，燃烧过程结束以后气油和空气均完全反应并产生二氧化碳和水汽。确定最优空燃比值难度较大，当空燃比大于这个最优值时，由于空气较多会影响发动机的热效率，发动机动力和扭矩输出达不到最优值；如果空燃比小于这个值，势必会造成燃料燃烧不充分，造成更多废气排放和颗粒物排放，且浪费了能源。在最优空燃比条件下通过对发动机气门和喷油量的精确控制，能够达到动力、油耗和排放的最佳比例，具体见图1：(为简化说明假定内燃机排放物只有碳氢化合物HC一种)

如图1所示，在当汽油发动机的空燃比值在12-13之间时，发动机的扭矩输出最大，但此时的碳氢化合物排放量较高表明空燃比值较低，汽油燃烧不充分，会造成较为严重的污染物排放。调整空燃比值使其达到14-15之间，此时发动机的扭力输出与峰值比有所降低，但降低的值较少，表明发动机损失的低速扭矩较小，而此时的碳氢化合物排放量明显减少；当空燃比值继续增加到16或以上时，碳氢化合物排放量的减少十分有限，但由于发动机气门开合角度增大，空气进入量显著增加，发动机的动力输出损耗严重。考虑到现阶段在售的汽油车都有加装三元催化器，对于空气净化和颗粒物排放能起到一定的辅助作用，发动机调校时没有必要为了较低的排放值变化而损失过多的动力，能源消耗增加亦会增加废气或颗粒物的排放。因此将实际的空燃比通过参数匹配调整到趋近于理论空燃比值时，能够达到动力、友好、和排放的相对平衡，使三者处于一个最优的比例关系

本研究中以网络健康护理方式对观察组患者进行干预,患者入院后不仅常规24h接听患者电话,做好指导与宣教;同时注重通过定时的电话随访、短信提醒、微信指导、知识讲座等方式来及时了解患者情况,在为患者解疑答惑的同时为患者进行健康宣教与指导此外,通过微信指导健康知识讲座视频的上传与分享,可为患者及时与医护人员联系提供方便,并便于患者随时观看专家指导;以便患者积极主动的配合、坚持各项干预,养成正确的行为习惯,从而不断改善自我效应及自我管理能力。

2.2 影响最优空燃比的其他因素

发动机是一个十分精密复杂的机械结构，对于发动机动力输出和废气排放的综合控制难度本来就很大，而且在车辆日常驾驶过程中，由于各种不同工况的存在，节气门位置变化幅度较大，也增加了最优空燃比的控制难度，影响最优空燃比的其他因素如下：

（6）研发基于BIM的 PC构件CAM（计算机辅助制造）技术。基于BIM信息，通过 CAM完成边模、钢筋、预埋件等工艺布局，通过摆模机器人在模台上自动安装定位，实现摆模机器人、MES（制造企业生产过程执行系统）和云制造平台的互联互通，基于MES或云制造平台实现从CAM工艺方案到布模实施完成的全自动化作业流程[7]。

首先，观测PSO算法下识别到最优极点所需的迭代次数和适应度值变化情况，为了使评价结果更为客观引入了传统的模糊控制算法参与对比，具体的仿真结果见下图2：

为验证提出PSO算法的有效性和适用性，进行仿真实验，实验的软硬件环境设定，见表1：

(3)多点电喷发动机进气歧管容易产生湿壁效应，导致发动机空燃比发生偏差。大部分空气和被雾化的汽油混合后进入发动机进气歧管，但还有一小部分油膜附着在进气歧管的管壁上，随着发动机累计做功时间的增加和车辆总里程数的不断增加，该油膜的厚度也处于不断的变化之中，一方面会影响到氧传感器的正常工作和数据读取，另一方面也会导致喷油嘴滞后效应的发生，最后导致发动机ECU单元对发动机空燃比数据的判断产生一定偏差。

其中，

表示空间的维度分量，

是粒子运动时的惯性权重，

和

是学习因子，

和

是取值在0-1之间的随机数。粒子

通过自身的学习和迭代，并参展局部最优粒子的位置和速度运动，同时与周围的粒子进行信息交流，目的是通过位置移动和速度调整趋近于种群的最优位置和粒子运动的最优速度。发动机作为一个具有自我控制功能的闭环系统，如果给定一个最优极点配置状态，在该状态下发动机的空燃比能够达到最佳值。发动机闭环系统输出值应能够有效跟踪各参数的输入值，并通过PSO算法的迭代和训练寻找到最佳的匹配结果。为了是闭环系统的结果输入更快，空气和燃油匹配效率更高，将目标的极点位置设定为PSO粒子群的全局最优位置点。极点的确定要考虑到多种因素，包括影响发动机空燃比控制的各种因素，通过粒子群的迭代寻优，使闭环系统的特征值趋于最佳位置，同时得到最优状态下的信息反馈增益矩阵及表达式。输出信息的反馈基于输出反馈控制器完成，控制器的设计具体包括了观测部分和反馈部分，控制器性能决定了最优极点值能否合理的设置，并且输出信息控制器的参数选择也基于PSO算法来实现。

3 基于PSO智能算法的发动机最优极点匹配控制

为了更精准地控制发动机喷油量和其他各个影响空燃比的控制参数，本文引入一个变量 (汽油从喷油嘴到气缸的时间)，并构建空燃比控制模型：

(1)

Step1：将全部可能出现的极点视为一个种群中的各个粒子，确定初始状态下的种群规模，确定惯性因子、学习因子、随机数和最大迭代次数。初始化以后各粒子的初始状态下的位置和速度已经确定。

(2)

协议书模板分为有界桩的界线协议书、无界桩的界线协议书2个模板，分别包括封面、协议主体内容、界线所涉及乡镇政府代表签字3个部分。协议书主体内容包含工作概况、重要问题处理结果、行政区域界线走向和界桩位置说明、行政区域界线的维护和管理、最后条款（补充说明）以及附件6个部分，其中附件包括了附图、界桩登记表、三交点界桩登记表、界桩成果表、界址点成果表、三交点成果表等内容。三交点协议书模板包含标题，协议内容，三交点的位置、坐标，底图所在的图幅以及所涉及的乡镇政府代表签字，所属县民政局代表签字和协议日期。

Step3：利用公式(2)再第

+1次尝试更新极点的位置和速度，并调整当前最优粒子的适应度值，与自身历史最佳的位置和速度进行比较，判断迭代终止的条件是否达到。在满足终止条件后得到的极点即为最优的极点位置。

Step2：当种群迭代寻优到第

次时，计算所有极点的当前位置，速度，和适应度值，在第

次迭代后识别出当前最优的极点，并判断该极点是局部最优解还是全局最优解。如果为局部最优解仍需要继续迭代，如果系统判断为全局最优解，迭代过程结束，

为最大的迭代次数。

在初始状态下符合要求的目标极点可能有多个，利用PSO算法在众多的潜在极点中识别出最优极点，具体的步骤如下：

(2)发动机氧传感器故障也容易导致空燃比控制实效或偏差过大。目前绝大部分电喷或直喷汽油发动机都标配氧传感器，用来配合ECU单元更精确地控制喷油量。氧传感器可以感知进入气缸的氧气浓度，ECU在控制喷油量时也参照氧传感器的数值。但对于涡轮增压的车型而言，循环利用的废气中也含有一定的氧气浓度，用这个数值来调整控制喷油量，对于涡轮增压车型空燃比控制，可以会存在一定的滞后性，这一现象在小排量涡轮增压车型上显现的尤为明显。

(1)由于车辆突然加速和紧急制动，会导致发动机节气门开合变化幅度较大，直接影响到进气门和排气门的空气进入量和排出量。发动机气缸的进气量主要靠气流传感器来控制，节气门变化量过大将影响到进入气缸的空气量和排除气缸的空气量，进而导致发动机ECU单元对喷油量的控制出现误差，或导致喷油量不足影响发动机的动力，或导致喷油量过多造成能源浪费和环境污染。目前大部分多点电喷发送机和缸内直喷发动机，都可以根据节气门的位置变化，来控制ECU单元的数据变化。但由于国内油品质量问题、发动机设计存在缺陷、发动机精密程度不够消耗机油，或车辆的总里程数偏大磨损严重等，都会导致节气门位置出现积碳，影响ECU核心参数的变化，进一步增加了空燃比误差。

仿真结果显示，PSO算法具有更快的迭代效率和更少的迭代次数，当迭代次数到120次时满足终止条件，算法的总适应度值归零；相比较而言，传统模糊控制算法的迭代效率较差，所需的迭代次数更多，当总适应度值归零时迭代次数已经超过了180次。对于汽车内燃机这种封闭的复杂单体结构而言，模型设定的精确性十分重要，但由于存在多个目标极点，最优极点位置的选择成为确定最佳空燃比的关键环节。利用PSO群智能算法的优势在于可以在局部范围内获得最优解，并扩展到整个种群，在闭环的内燃机控制系统范围内识别到位置最优的极点。反馈控制器能够观测到的极点值越小，其响应速度越快，工作效率越高，但同时模型的抗干扰性能也会衰减，因此在利用PSO算法误差估计过程要平衡模型的迭代效率和误差控制等问题，保证系统的均衡。最后，对比PSO算法和模糊控制算法下，发动机空燃比的优化情况，仿真结果如图3所示：

模型以本次建造的监测孔ZK1、ZK2、ZK3、ZK4、ZK5和厂区内其他项目的工程勘察钻孔作为稳定流地下水流场校准的依据。对成品库、分解分级、热电、原料磨区域分别各选1个钻孔，读取地下水位，并按拼音缩写依次编号为:热电(RD)、原料磨(YLM)、成品库(CPK)、分解分级(FJFJ)。模型模拟结果见图3，各个观测孔处计算水位均在设定误差范围内(表2)。

【书籍】 主编者.书名.版次.卷次.出版地:出版者，年份.起页.迄页.或作者.文题.见:主编者.书名.卷次.版次.出版地.出版者，年份.起页.迄页.例如:

在汽车发动机动力扭矩输出和废气排放总量不变的前提下，本文基于PSO算法控制所得到的空燃比曲线，更接近于标准状态下的理论值，空燃比控制结果优于传统模糊控制算法。

4 结束语

汽车发动机最优空燃比参数的选择，不仅会影响到汽车发动机动力扭矩输出，还会影响到汽车的废气排放问题，进而对生态环境构成重要影响。发动机节气门变化，氧传感器故障和进气歧管的湿壁效应，也会干扰最优空燃比参数的选择，为了更精确地选择最佳的极点值，进而确定最优空燃比，本文分析了发动机最优空燃比的控制目标及各种影响因素，基于PSO算法构建了一种极点优化模型，利用PSO算法模型在局部寻优和全局寻优中的优势，筛选出最佳的空燃比控制参数。仿真实验的结果也验证了PSO算法在最优空燃比参数选择和数值控制等方面的优势。

[1]孙传旺, 徐淑华. 城市机动车限行对PM_(2.5)的影响与效果检验[J]. 中国管理科学, 2021, 29(01):196-206.

[2]阿迪拉·阿力木江, 蒋平, 董虹佳,等. 推广新能源汽车碳减排和大气污染控制的协同效益研究——以上海市为例[J]. 环境科学学报, 2020, 40(05):1873-1883.

[3]程大千、邹庆、张甦、陈俊、周俐峻. 机动车污染物排放及扩散的时空分布特征研究——以江苏省高速公路网为例[J]. 公路交通科技, 2020, 37(11):139-149.

[4]赵梓钏, 刘帅, 王忠,等. 重型柴油机燃用改性柴油的排放污染物研究[J]. 西安交通大学学报, 2022, 56(01):41-50.

[5]徐劲松, 聂珂, 黄国勇,等. 压燃式航空活塞发动机转矩与空燃比的控制[J]. 航空动力学报, 2021, 36(05):1083-1093.