张英朋 孙晓东++石要武

摘要：采用基于径向基神经网络（RBFNN）模型的非线性模型预测控制方法，被控对象选择火花塞点火（SI）发动机的空燃比（AFR）高度非线性复杂系统，利用渐消记忆最小二乘法实现基于RBFNN的SI发动机AFR系统建模以及参数在线自适应更新。针对非线性模型预测控制中寻优问题，运用序列二次规划滤子算法对最优控制序列进行求解，并加入滤子技术避免了罚函数的使用。在相同的实验环境下，与PI控制算法和Volterra模型预测控制方法进行仿真对比实验，结果表明，所提算法的控制效果明显优于其他两种方法。

关键词：非线性模型预测控制；空燃比；RBF神经网络模型；序列二次规划

中图分类号：TP273文献标识码：A

1引言

目前，研究精确有效的空燃比（Airfuelratio，AFR）控制方法对降低汽车尾气污染物排放、提高燃油利用率以及发动机整体性能均有着重要意义。研究表明控制AFR在14.7附近时发动机的动力输出和燃油消耗达到最佳平衡。目前三元催化器的使用是汽车的一场革命，三元催化器的工作效率直接影响着汽车尾气的排放，准确的控制AFR可以提高三元催化器的工作效率，研究显示，当控制AFR低于14.7-1%时导致CO和HC的排放量急剧增加，当AFR高于14.7+1%时NOx排放陡升50%。

研究汽车发动机AFR的控制精度的关键问题是如何解决发动机高度非线性问题。目前生产的电控单元使用查表与PI反馈回路控制器相结合来对AFR进行控制。这种方法对高度非线性的SI发动机系统达不到精确的控制，近些年对AFR控制的研究中，Manzie[1]提出了一种径向基函数神经网络（RBFNN）为基础的方法来解决燃料喷射控制的问题，并发现，该网络适用于估计进入气缸的空气质量流速。……