一種新型柴油機(jī)進(jìn)氣流氧氣量估算方法

在最近的幾十年中，隨著燃料價格的不斷增長，排放法規(guī)日益嚴(yán)格以及發(fā)動機(jī)功率需求的不斷增加，使得全球汽車工業(yè)必須不斷地提高電子設(shè)備的性能，來更加有效地驅(qū)動發(fā)動機(jī)內(nèi)部燃燒和污染物排放控制系統(tǒng)。目前，柴油機(jī)發(fā)展面臨的一個主要問題就是日益嚴(yán)格的污染物減排控制系統(tǒng)。特別就NOx而言，EGR系統(tǒng)已經(jīng)非常成熟并且應(yīng)用廣泛，但是為了提高減排的效率，盡可能準(zhǔn)確地估算進(jìn)氣歧管中的實際含氧量是必要的。

使用神經(jīng)網(wǎng)絡(luò)方法和模糊方法建立了神經(jīng)網(wǎng)絡(luò)預(yù)測模型和神經(jīng)網(wǎng)絡(luò)-模糊預(yù)測模型，來預(yù)測進(jìn)氣歧管中的氧氣含量。通過從一個壓燃式發(fā)動機(jī)的瞬態(tài)工況所獲得的試驗數(shù)據(jù)，來對神經(jīng)網(wǎng)絡(luò)模型（ANN）和神經(jīng)網(wǎng)絡(luò)-模糊模型（ANFIS）預(yù)測進(jìn)氣氣體中氧氣濃度的能力進(jìn)行了比較。比較時，兩個模型的訓(xùn)練階段和測試階段均使用相同的試驗參數(shù)，通過對試驗數(shù)據(jù)的離線分析發(fā)現(xiàn)，兩種模型都具有很好的預(yù)測能力。其中，對于神經(jīng)網(wǎng)絡(luò)-模糊模型來說，在訓(xùn)練階段和測試階段所得到的絕對誤差分別等于0.7和0.9（即絕對誤差分別為3.5%和4.5%），而使用神經(jīng)網(wǎng)絡(luò)模型得到的絕對誤差則分別為0.92和0.9（即絕對誤差分別為4.6%和4.5%）。眾所周知，神經(jīng)網(wǎng)絡(luò)用于在線工作時具有諸多的局限性，本文則通過結(jié)合神經(jīng)網(wǎng)絡(luò)方法和模糊方法來克服這些局限性。比較結(jié)果顯示，對于線性化的輸入輸出變量的模糊規(guī)則來說，神經(jīng)網(wǎng)絡(luò)-模糊預(yù)測模型能夠在更短的時間內(nèi)獲得更加精確的結(jié)果。模糊規(guī)則的線性化是降低收斂時間的一個關(guān)鍵因素，特別是當(dāng)模型用于周期性的訓(xùn)練中時。

刊名：Applied Energy（英）

刊期：2014年第1期

作者：F.Mariani et al

編譯：陳鵬飛