针对SI(Spark Ignition)发动机空燃比(AFR:Air-Fuel Ratio)控制精度低、无法自适应等问题,提出了基于NARX(Nonlinear Auto Regressive model with e Xogenous inputs)模型的非线性模型预测控制(NMPC:Nonlinear Model Predict Control)...针对SI(Spark Ignition)发动机空燃比(AFR:Air-Fuel Ratio)控制精度低、无法自适应等问题,提出了基于NARX(Nonlinear Auto Regressive model with e Xogenous inputs)模型的非线性模型预测控制(NMPC:Nonlinear Model Predict Control)方法。利用渐消记忆递推最小二乘(RLS:Recursive Least Squares)算法对NARX模型进行辨识,基于NARX模型对SI发动机的AFR进行非线性模型预测控制。该方法辨识精度高,可通过NARX模型数学结构直接计算最优控制序列,从而提高系统的控制精度。同时,采用Matlab对均值发动机模型(MVEM:Mean Value Engine Model)进行仿真实验,并与采用Volterra模型的PI(Proportional Integral)控制器算法进行对比。仿真结果证明,该算法控制效果比基于Volterra模型和传统的PI控制器的控制效果超调量小,调节时间短,更加具有工程实际应用性。展开更多
文摘针对SI(Spark Ignition)发动机空燃比(AFR:Air-Fuel Ratio)控制精度低、无法自适应等问题,提出了基于NARX(Nonlinear Auto Regressive model with e Xogenous inputs)模型的非线性模型预测控制(NMPC:Nonlinear Model Predict Control)方法。利用渐消记忆递推最小二乘(RLS:Recursive Least Squares)算法对NARX模型进行辨识,基于NARX模型对SI发动机的AFR进行非线性模型预测控制。该方法辨识精度高,可通过NARX模型数学结构直接计算最优控制序列,从而提高系统的控制精度。同时,采用Matlab对均值发动机模型(MVEM:Mean Value Engine Model)进行仿真实验,并与采用Volterra模型的PI(Proportional Integral)控制器算法进行对比。仿真结果证明,该算法控制效果比基于Volterra模型和传统的PI控制器的控制效果超调量小,调节时间短,更加具有工程实际应用性。