孙宏杰，彭溢文，荆家乐，黄栋杰

（1.长安大学汽车学院，陕西 西安 710064；2.中国铁路广州局集团有限公司广州职工培训基地培训科，广东 广州 510800）

引言

随着日益严苛的排放法规和传统化石燃料的短缺，均质压燃（HCCI）这种高效清洁的内燃机燃烧方式开始受到研究人员的重视。HCCI发动机的燃烧过程属于低温均质燃烧，因此能够同时降低PM和NOx的排放，并且实现较高的热效率，但随之也带来了燃烧相位控制困难和负荷范围窄的问题。人工神经网络就提供了一种精确预测HCCI发动机各项参数的方法，该模型是基于实验的预测模型不需要考虑复杂的缸内燃烧过程，这为HCCI发动机实时在线控制提供了潜在的解决方案。本文主要介绍人工神经网络在HCCI发动机上的应用研究。

1 人工神经网络在HCCI发动机上的应用

1.1 HCCI发动机运转特性和排放特性预测

HCCI发动机的运转特性和排放特性受进气温度、进气压力、燃料类型、EGR率、负荷、转速等的多重影响，这些影响因素与发动机输出参数大多都存在着很强的非线性关系。由于人工神经网络具有高度的非线性，因此能够精确地模拟发动机输入和输出之间的关系，近些年有大量研究人员在这方面作出了努力。Javad R[1]等人将燃料的混合比例和过量空气系数作为输入参数，分别构建径向基神经网络和前馈神经网络来预测HCCI发动机的输出参数，通过实验数据验证发现两种模型对参数预测的平均误差都低于 4%。Harisan-kar B[2]等人则将进气温度和负荷作为输入构建了一个广义回归神经网络来预测HCCI发动机的输出参数，并利用网格搜索法优化模型参数。随后Harisankar B[3]还设计了一个广义回归神经网络和粒子群优化的混合模型，利用粒子群优化算法来优化HCCI发动机的进气温度、负荷和EGR率。

1.2 HCCI发动机失火检测

失火是制约HCCI发动机向低负荷拓展的重要因素，对于SI/HCCI复合发动机而言失火检测的精确度会直接影响到燃烧模式切换的质量。HCCI发动机的失火主要是由不稳定燃烧造成的，一旦发动机失火就会造成未燃烧的燃料进入尾气后处理系统中对催化剂进行冷却，当催化剂的活性降低后会显著增加HC和CO的排放量，因此HCCI发动机的失火检测至关重要。Bahram B[4]等人通过大量实验验证发现上止点前5、10、15和20°CA处的缸内压力是决定发动机失火的关键因素，经验证发现利用神经网络将这些压力作为输入来预测发动机失火的精确度可以达到100%。

1.3 HCCI发动机燃烧初始时刻预测

燃烧初始时刻对内燃机燃烧过程起着主导作用，点燃式内燃机由火花塞点火来控制燃烧初始时刻，压燃式内燃机则由喷油时刻来间接控制燃烧初始时刻，而HCCI发动机属于均质压燃，燃烧初始时刻由化学反应动力学控制，进气温度、压力以及燃料特性都会影响到燃烧初始时刻。M.Taghavi[5]等人将发动机转速、进气温度、压力、当量比、辛烷值和EGR率作为输入，通过构建神经网络来预测燃烧初始时刻，并利用遗传算法对神经网络的结构参数进行优化，不仅提高了预测精度还降低了计算成本。而Y. Choi[6]等人则通过燃烧初始时刻的半经验模型和人工神经网络进行耦合建立了一个全新的燃烧初始时刻预测模型，该预测模型的平均CPU计算时间在20 - 30毫秒，具有应用于HCCI发动机燃烧实时动态控制的潜力。

1.4 HCCI发动机实时控制

在HCCI发动机的实际应用中，为了确保HCCI发动机的稳定运转，往往需要增加一些发动机辅助控制设计，即废气再循环、可变气门正时、进气加热以及可控供油系统等。这些复杂的发动机设计会增加HCCI发动机的复杂性，使得HCCI发动机的控制成本上升。先前的研究主要关注于在离线状态下利用实验数据来训练神经网络对HCCI发动机的运转参数进行预测，然而这需要大量的实验数据，对计算机的处理能力要求高，计算成本大；另一方面不同发动机最佳运转工况点都不同，这就会造成一些训练效果很好的神经网络很难应用到其他的发动机上去。此外，实现发动机工作过程中参数的实时预测对模型的计算速度和数据的更新迭代能力也有苛刻的要求。Vijay M J[7]等人结合HCCI发动机线上实时控制的特点开发了一个基于随机梯度的极限学习机的稳定在线学习算法（SG-ELM），通过该算法能够对一台HCCI发动机进行在线的回归学习同时检测该发动机的动态运转边界。SG-ELM算法不仅保证了学习的稳定性，而且降低了计算量，有望未来应用到发动机的实时在线控制中。

2 结论

HCCI发动机的稳定运转受到多种因素的干扰，因此对HCCI发动机输出参数的预测相对更难，与其他预测模型相比，经过训练的人工神经网络对HCCI发动机输出参数的预测能够达到很高的预测精度，可以作为发动机仿真试验平台；另一方面，由于人工神经网络是基于实验的一种预测模型，不需要考虑缸内燃烧过程，往往具有很高的预测速度，这有利于HCCI发动机的实时在线控制调整。

综上所述，随着人工智能算法地进一步发展，人工神经网络在 HCCI发动机上的应用会越来越受到科研人员的重视，这也为HCCI发动机实现实时精确控制提供了可供参考的方向，相信在众多研究工作者的努力下，HCCI发动机的商用化指日可待。