-
题名基于神经网络和粒子群寻优的空气系统解耦控制
- 1
-
-
作者
刘丹阳
沈照杰
乔奉亮
王彦岩
-
机构
哈尔滨工业大学(威海)汽车工程学院
-
出处
《内燃机学报》
2025年第5期460-468,共9页
-
基金
国家自然科学基金资助项目(51606052,52402107).
-
文摘
基于内燃动力智能控制算法国际挑战赛提供的多输入、多输出增压直喷发动机模型和整车模型,结合反向传播神经网络(BPNN)、粒子群寻优算法(PSO)、比例-积分-微分(PID)控制,设计一种BPNN-PSO-PID联合解耦控制器.为了减小耦合误差,实现对废气再循环(EGR)和涡轮放气阀等效流通直径的目标跟踪及解耦控制,采用PSO算法对EGR阀门开度的PID控制参数进行寻优,采用BPNN算法以误差反向传播的方式对涡轮放气阀等效流通直径的PID控制参数进行迭代,并在Simulink平台上评测联合解耦控制器在两种行驶车速下的控制效果.结果表明:相比于BPNN-PID算法,BPNN-PID与PSO-PID联合算法使增压压力和EGR率的平均积分绝对误差分别降低31.86%和2.46%,在不同行驶车速下均表现出良好的控制效果.
-
关键词
增压直喷发动机
反向传播神经网络
粒子群算法
空气系统解耦控制
-
Keywords
supercharged direct injection engine
back propagation neural network
particle swarm optimization
air system decoupling control
-
分类号
TK401
[动力工程及工程热物理]
-
