面向柴油机转速高适应性控制的智能学习策略研究.pdfVIP

摘要

转速控制是现代柴油机的核心功能之一，但其控制品质受到外部负载、轴

系摩擦及运行工况等多种因素的影响，其目标值也会同时影响油耗、运行平顺

性等多种因素。传统控制方法一方面需要控制参数的分段调参，另一方面需要

对目标转速进行转速查表修正，在一定程度上提升算法适应性的同时付出了巨

大的标定代价。为此，本研究提出一种面向柴油机转速高适应性控制的智能学

习策略，力图通过主动扰动观测、模型参数学习和目标值在线搜索，实现对工

况的主动适应，减小参数标定。主要研究内容如下：

以涡轮增压柴油机为研究对象，建立了GT-Power/Simulink联合仿真平台，

以提高开发效率。并分别从燃烧系统、转矩系统和空气系统三个方面与试验数

据进行校准，最大相对误差控制在7%以内，验证了平台的准确性和可靠性。为

验证算法在实际应用中的有效性和一致性，分别在19.6L六缸发电用柴油机和

4.8L四缸农机验证平台上完成多机型台架实验验证。

针对未知外部负载突变造成转速大幅波动的问题，设计了基于扰动滤波器

的负载转矩在线观测算法。通过机理建模和数据驱动相结合的方式，建立了转

速的动态预测模型，用于控制律设计。将模型偏差与实际转速的偏差等效为广

义负载转矩，将该转矩及其变化率等效为2个扩张状态，构建了扩张状态观测

器(ESO)对其进行实时估计。设计了负载转矩的自适应滤波算法，实现了在转速

抗干扰速度和稳态油量波动幅度之间折中。通过负载转矩补偿和反馈调节，实

现了转速精确控制。试验表明：瞬态加载后，在300Nm的阶跃负载干扰下，本

算法的转速最大波动幅度降低35.97%-43.58%，转速恢复时间缩短1.33s-3.21s。

为降低最佳转速的离线标定工作量，提高对环境和柴油机状态的适应能力，

提出了基于极值搜索(ES)的最低目标怠速自趋优算法。基于历史数据，建立了

基于冷却水温的目标怠速前馈模型；设计了综合考虑柴油机油耗、柴油机转速

波动幅度等因素的最佳怠速评价指标，使优化后的目标怠速兼顾燃油经济性、

运行稳定性和安全性。多机型台架试验结果表明：相对于原有标定怠速初值，

使用该算法目标怠速值在29.43s-70.81s后收敛到稳定值,油耗量减少3.92%，转

速波动系数提升35.71%，机油压力降低8hPa。

为主动适应应用场景的变化和系统老化变异以保持转速控制品质，设计了

带有调度策略的转速动态模型的参数在线学习算法。针对转速品质对转动惯量

高度敏感，而转动惯量随应用场景变化的问题，以转速的跟踪误差最小为目标，

设计了在稳态工况下的转动惯量极值搜索(ES)学习算法。为确保学习算法只在

稳态调度以提升可靠性，提出了基于线性微分跟踪器的稳态工况的判定方法，

并设计了算法调度状态机。多机型台架试验结果表明：模型参数自学习策略在

台架机型变化时学习精度误差控制在4.52%以内，最快学习时间为51.17s；并在

分别变初始调节和变激励条件下学习结果仍稳定在学习值附近，验证了其具有

较好的鲁棒性。

分别在19.6L六缸发电用柴油机和4.8L四缸柴油机上完成稳态自学习测试

和全工况瞬态加载测试。结果表明：应用智能学习策略后的柴油机转速控制算

法，在瞬态加载时，转速波动幅度改善10.77%-64.71%，调节时间缩短1.33s-

4.85s，无超调，这些验证了本研究算法在复杂应用场景和变机型下的高适应性。

相对于某公司最新量产控制算法，在阶跃负载为420Nm时，转速最大波动幅度

改善49.21%-66.67%，调节时间缩短0.32s-0.94s，验证了其控制性能的优越性。

综上所述，本文所提出转速高适应性控制智能学习控制算法，通过主动扰

动观测、模型参数学习和目标值在线搜索，可以适用于多种柴油机机型，对柴

油机运行工况的变化具有良好的主动适应性，在提升控制品质的同时，可以减

小大幅度减少参数标定。

关键词：柴油机，转速高适应性控制，负载观测，参数自学习，怠速自趋优

ABSTRACT

Speedcontrolisoneofthecorefunctionsofmoderndieselengines,butitscontrol

qualityisaffectedbymanyfactorssuchasexternalload,shaftingfriction