吴笑伟+史雷鸣

摘要：为提高发动机怠速控制的准确性，解决非线性、复杂的系统控制问题，详细介绍发动机模型建立方法、转速神经控制的结构和神经网络的形式，并将神经网络同PID控制很好的结合起来，以有效解决发动机转速控制问题。

关键词：发动机；神经网络自适应PID；设计；转速控制；神经网络

中图分类号：U467.2 文献标识码：A 文章编号：1674-1161（2014）01-0030-03

发动机是一个典型的非线性、时滞、时变系统。智能控制能够将人类的智慧应用于控制系统，解决非线性、复杂的系统控制问题。发动机的转速控制问题一直是热点研究课题，特别是发动机的怠速控制更是研究重点。怠速转速是汽车发动机的主要性能指标之一。目前，虽然在发动机燃油控制方面的研究取得了一定进展，但影响发动机性能的参数相当多，在建模时不可能面面俱到（常会忽略一些不重要的参数，如进气歧管截面积随温度的变化、发动机的磨损情况等），常造成发动机模型不精确，且相对可靠性比较差。对发动机转速神经控制的结构和神经网络的形式进行研究，将神经网络同PID控制相结合，很好地解决了发动机转速与燃油控制问题，可以使发动机在最优状态下工作，对节能减排具有重要的现实意义。

1 发动机模型与PID控制

1.1 发动机模型

丹麦技术大学Elbert Hendricks教授提出的发动机模型具有较高精度。参照Elbert Hendricks发动机模型建立发动机进气系统动力学、曲轴动力学和油膜子模型。

1.1.1 发动机进气系统动力学子模型 进气系统动力学描述歧管中空气的质量变化率，它是流经节气门的空气质量流量与流入气缸的空气质量流量ap之差：