缸内直喷汽油机自适应神经网络智能控制的开发

在未进行控制的条件下，发动机一个循环周期内的燃烧状态会有很大差异，因此需要严格的鲁棒控制，以使发动机在不同操作条件下都具有最优性能。该研究是实现汽油直喷（GDCI/GDI）发动机的智能控制技术。用优化控制硬件对4缸2.0L缸内直喷发动机进行建模，用这些优化控制硬件建立的发动机称为概念智能控制GDI或“iGDI”发动机。发动机的自由阀驱动（FVA）硬件和直接连接气缸的精密喷油器对控制灵活性技术评估具有辅助作用。

提出了一种机电一体化的神经控制方法，并将其与自适应控制技术相结合。自适应控制体系和预测神经网络控制体系是为两种不同的工厂操作模式开发的。发动机和控制器通过GTSuite和Simulink进行建模和仿真。通过减少因节流造成的泵气损失获得的高容量效率可达到97%。记录了两种条件下的瞬态模拟响应，并用不同的神经网络控制器优化响应。控制器运用非线性自回归与外源输入（NARX）神经网络监测时间的动态变化。而误判率（AFR）设定值通过NARMA-L2控制器对最低制动油耗率和NOx排放进行监测跟踪，这种模式称为“ECO”模式，该模式下制动油耗率相对原模型降低了14%。在使用神经网络预测控制器操作的“动力”模式需要最大制动转矩（MBT）。结果显示，制动转矩相对基本模型提高了15%。瞬态跟踪响应满足iGDI发动机控制目标。瞬态模式之间的切换时间由模拟时间表快速跟踪。智能计算能有效地处理高度非线性动态实时发动机控制问题，并具有在线优化特性和快速获得原型的优点。

M Abu Anas Shuvom et al. SAE 2015-01-0157.

编译：赵唤