用神经网络辨识汽车发动机歧气管压力系统的非线性动态模型.pdfVIP

用神经网络辨识汽车发动机歧气管 压力系统的非线性动态模型 谭永红 党选举 (桂林电子工业学院计算机分院桂林541004) MehrdadSaif School Scicttcc ofEagiIaccrinz Simon FmscrUniversi吼Canada 提要该文介绍了用神经网络辨识汽车发动机中歧气管压力过程的非线性动态模型．本文采用一种外回归 计．建模结果表明，基于神经髑络的歧气管压力系统模型优于根据机理所建立的模型．此外所获得的神经网 络模型具有更强的通用性． 关键词神经网络 汽车发动帆 歧气管压力非线性系统 模垂辨识 I．前言 内燃机的自动控制系统的设计是汽车工业中的重要课题。最近，由于美国加洲cAIiB和美 国EPA联合颁布O叻一II规定的原因，发动机的在线故障诊断引起了广泛的重视。这要求到1998 年底以前，所有在美国销售的轻型汽车需具有可以探测和诊断发动机故障的在线盐障诊断器． 加拿大已接受了oBD-II规定。在欧洲销售的汽车也可望满足类似的规定要求。 ． 先进的发动机控制策略通常依赖于基于模型的控制方法。基于准确发动机模型进行故障 andSaif 诊断是研究者们为实现OBD-II规定所追求的另一个领域(Tan1997)。因此，研究 开发适应于控制系统设计和故障诊断的发动机模型是必要的。一般而言，发动机模型的建立 Cook and 主要根据其物理特征和一些发动机稳态数据(Crossleyand 1991，ChoHedrick 1989)。这样的模型由非线性微分方程、查表法或回归函数等组成。需要指出的是这些由经验 数据或物理特性获得的模型通常在理想化条件下构造而成。因此，它们可能难以全面地表示 实际的动态或非线性行为特征。 and 神经网络已被证明对于非线性系统建模和控制具有非常重要的应用价值(Narendra Pathsarathy1990，Narendra1996)如果引入反馈连接，神经网络也可以用于描述非线性动 态系统，通常有两类神经网络用于系统建模。它们分别被称之为“全局”神经网络和“局部” 神经网络。在全局网络中，神经元受到所有输入的影响。因此，新出现的信息可能会破坏网 络已学会的旧信息，多层前向神经网络即是属于这一类。另外。在局部网络中，每个神经元 仅对输入空间中的某个特别区域的信息有响应。由于神经元的响应是局部的，大量的神经元 不得不被用来覆盖整个输入空间，RBF和嘴条神经网络属于这一类网络。对于全局神经网 络而言，其网络结构相对类说要小的多。为了描述动态系统的特征，反馈或自回归项必须引 入神经网络以获得瞬间记忆或动态特性．这类神经网络被称为回归神经网络或动态神经网络． 在此文中，我们采用外部回归神经网络来辨识汽车发动机歧气管压力系统的非线性动态 表明基于神经网络的非线性动态模型在精度和通用性方面皆优于基于机理的非线性动态模 一381— 型。所获得的模型可用于发动机歧气管压力的控制和故障检测与诊断。 汽车发动机歧气管压力系统 这里我们将给出Ic发动机的油门到歧气管的动态特性的建模过程，歧气管压力受到油 门开度、废气循环(EGR)阀门以及其它因素的影响。发动机歧气管压力系统是非线性的动态 系统，它可近似成 j彳=石一f尊口“一口柙／+h(eJ (1) ”J