CN106545428A - 一种军用柴油机工况预估的控制算法参数优化方法 - Google Patents

一种军用柴油机工况预估的控制算法参数优化方法 Download PDF

Info

Publication number
CN106545428A
CN106545428A CN201611125545.0A CN201611125545A CN106545428A CN 106545428 A CN106545428 A CN 106545428A CN 201611125545 A CN201611125545 A CN 201611125545A CN 106545428 A CN106545428 A CN 106545428A
Authority
CN
China
Prior art keywords
parameter
operating mode
diesel engine
estimated
control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611125545.0A
Other languages
English (en)
Inventor
贾利
孟长江
刘涛
杨凤秋
张春
李菲菲
姚素娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China North Engine Research Institute Tianjin
Original Assignee
China North Engine Research Institute Tianjin
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China North Engine Research Institute Tianjin filed Critical China North Engine Research Institute Tianjin
Priority to CN201611125545.0A priority Critical patent/CN106545428A/zh
Publication of CN106545428A publication Critical patent/CN106545428A/zh
Pending legal-status Critical Current

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1409—Introducing closed-loop corrections characterised by the control or regulation method using at least a proportional, integral or derivative controller
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1413—Controller structures or design
    • F02D2041/1415—Controller structures or design using a state feedback or a state space representation
    • F02D2041/1417—Kalman filter
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1413—Controller structures or design
    • F02D2041/142—Controller structures or design using different types of control law in combination, e.g. adaptive combined with PID and sliding mode

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明提供了一种军用柴油机工况预估的控制算法参数优化方法，包括以下步骤：(1)提取柴油机工作***的输入输出观测数据，建立柴油机工作***的离散线性***状态方程；(2)根据卡尔曼滤波算法，得到上一状态最优结果，并推出上一状态的预测结果；(3)根据协方差最小原则，求出下一时刻估计值；(4)将下一时刻估计值代入到现有的增量式离散PID算法中，得到控制参数的偏移量，进而得到基于柴油机下一时刻工况预测的控制参数。本发明所述的军用柴油机工况预估的控制算法参数优化方法，使柴油机电控***在不增加传感器和硬件资源的前提下，在柴油机出现剧烈工况变化的情况下，不需要改变控制周期，可以具有较好的控制精度，获得较好的控制效果。

Description

一种军用柴油机工况预估的控制算法参数优化方法
技术领域
本发明属于柴油机工况预估技术领域，尤其是涉及一种通过卡尔曼滤波对军用柴油机进行工况预估的控制算法参数优化方法。
背景技术
传统的军用柴油机控制算法采用增量式离散PID控制算法，其离散化公式可表达为：△u(k)＝Kp[e(k)-e(k-1)]+Kie(k)+Kd[e(k)-2e(k-1)+e(k-2)]，其原理是根据当前状态的偏移量，确定控制参数的的偏移量。
现代军用柴油机面临着更大的工作范围和更快的工况变化，传统的控制算法基于当前状态的控制参数计算会存在一阶、二阶滞后的情况，导致发动机在出现工况剧烈变化时控制效果不佳。
发明内容
有鉴于此，本发明旨在提出一种通过卡尔曼滤波对军用柴油机工况进行预判的方法，解决了现有的柴油机控制算法应对工况剧烈变化控制效果不佳的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种军用柴油机工况预估的控制算法参数优化方法，包括以下步骤：
(1)提取柴油机工作***的输入输出观测数据，建立柴油机工作***的离散线性***状态方程；
(2)根据卡尔曼滤波算法，得到上一状态最优结果，并推出上一状态的预测结果；
(3)根据协方差最小原则，求出下一时刻估计值；
(4)将下一时刻估计值代入到现有的增量式离散PID算法中，得到控制参数的的偏移量，进而得到基于柴油机下一时刻工况预测的控制参数。
进一步的，所述步骤(1)中提取柴油机工作***的输入输出观测数据为利用柴油机模型原理，在试验数据中提取。
进一步的，所述步骤(1)中的柴油机工作***的离散线性***状态方程为：X(k)＝A X(k-1)+B U(k)，其中X(k)为k时刻***状态，A和B为柴油机工作***线性***状态方程参数矩阵，U(k)为k时刻控制参数。
进一步的，所述步骤(2)中的上一状态的预测结果为：X(k|k-1)＝A X(k-1|k-1)+BU(k)，X(k-1|k-1)是上一状态最优结果，其中X(k|k-1)是状态参数，X(k|k-1)表示根据k-1时刻的状态参数预测的k时刻的状态参数值。
进一步的，所述步骤(3)中的协方差公式为：P(k|k-1)＝A P(k-1|k-1)A’+Q，其中P(k|k-1)是状态参数的协方差，P(k|k-1)表示根据k-1时刻的状态参数的协方差预测的k时刻的状态参数的协方差，Q是根据***状态方程计算的特征值，是个常数，只与***状态方程参数有关。
进一步的，所述步骤(4)中的下一时刻估计值为X(k|k-1)。
进一步的，所述步骤(4)中的控制参数的的偏移量为：△u(k)＝Kp[X(k|k-1)-X(k-1)]+Ki X(k|k-1)+Kd[X(k|k-1)-2 X(k-1)+X(k-2)]，其中△u(k)为算法计算输出的控制参数的偏移量，Kp为比例系数，Ki为积分系数，Kd为微分系数(p表示比例，i表示积分，d表示微分)。
相对于现有技术，本发明所述的军用柴油机工况预估的控制算法参数优化方法具有以下优势：
(1)本发明所述的军用柴油机工况预估的控制算法参数优化方法，通过卡尔曼滤波对军用柴油机进行工况预估的控制算法参数优化方法，使柴油机电控***在不增加传感器和硬件资源的前提下，在柴油机出现剧烈工况变化的情况下，不需要改变控制周期，可以具有较好的控制精度，获得较好的控制效果。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的军用柴油机工况预估的控制算法参数优化方法流程示意图；
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示，本发明包括以下步骤：
(1)提取柴油机工作***的输入输出观测数据，建立柴油机工作***的离散线性***状态方程；
(2)根据卡尔曼滤波算法，得到上一状态最优结果，并推出上一状态的预测结果；
(3)根据协方差最小原则，求出下一时刻估计值；
(4)将下一时刻估计值代入到现有的增量式离散PID算法中，得到控制参数的的偏移量，进而得到基于柴油机下一时刻工况预测的控制参数。
所述步骤(1)中提取柴油机工作***的输入输出观测数据为利用柴油机模型原理，在试验数据中提取。
所述步骤(1)中的柴油机工作***的离散线性***状态方程为：X(k)＝A X(k-1)+B U(k)，其中X(k)为k时刻***状态，A和B为柴油机工作***线性***状态方程参数矩阵，U(k)为k时刻控制参数。
所述步骤(2)中的上一状态的预测结果为：X(k|k-1)＝A X(k-1|k-1)+B U(k)，X(k-1|k-1)是上一状态最优结果，其中X(k|k-1)是状态参数，X(k|k-1)表示根据k-1时刻的状态参数预测的k时刻的状态参数值。
所述步骤(3)中的协方差公式为：P(k|k-1)＝A P(k-1|k-1)A’+Q，其中P(k|k-1)是状态参数的协方差，P(k|k-1)表示根据k-1时刻的状态参数的协方差预测的k时刻的状态参数的协方差，Q是根据***状态方程计算的特征值，是个常数，只与***状态方程参数有关。
所述步骤(4)中的下一时刻估计值为X(k|k-1)。
所述步骤(4)中的控制参数的的偏移量为：△u(k)＝Kp[X(k|k-1)-X(k-1)]+Ki X(k|k-1)+Kd[X(k|k-1)-2 X(k-1)+X(k-2)]，其中△u(k)为算法计算输出的控制参数的偏移量，Kp为比例系数，Ki为积分系数，Kd为微分系数(p表示比例，i表示积分，d表示微分)。
利用柴油机模型原理，基于试验数据，提取柴油机工作***的输入输出观测数据，并建立柴油机工作***的离散线性***状态方程：X(k)＝A X(k-1)+B U(k)，其中X(k)为k时刻***状态，A和B为柴油机工作***线性***状态方程参数矩阵，U(k)为k时刻控制参数。
建立卡尔曼滤波算法：X(k|k-1)＝A X(k-1|k-1)+B U(k)，X(k|k-1)为利用上一状态的预测结果，X(k-1|k-1)是上一状态最优结果。以协方差P(k|k-1)＝A P(k-1|k-1)A’+Q最小原则，求出下一时刻估计值：
以卡尔曼滤波计算的下一时刻估计值X(k|k-1)，代入到现有的增量式离散PID算法中，得到△u(k)＝Kp[X(k|k-1)-X(k-1)]+Ki X(k|k-1)+Kd[X(k|k-1)-2 X(k-1)+X(k-2)]，从而得到基于柴油机下一时刻工况预测的控制参数。
本发明所述的军用柴油机工况预估的控制算法参数优化方法，通过卡尔曼滤波对军用柴油机进行工况预估的控制算法参数优化方法，使柴油机电控***在不增加传感器和硬件资源的前提下，在柴油机出现剧烈工况变化的情况下，不需要改变控制周期，可以具有较好的控制精度，获得较好的控制效果。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种军用柴油机工况预估的控制算法参数优化方法，其特征在于：包括以下步骤：
(1)提取柴油机工作***的输入输出观测数据，建立柴油机工作***的离散线性***状态方程；
(2)根据卡尔曼滤波算法，得到上一状态最优结果，并推出上一状态的预测结果；
(3)根据协方差最小原则，求出下一时刻估计值；
(4)将下一时刻估计值代入到现有的增量式离散PID算法中，得到控制参数的的偏移量，进而得到基于柴油机下一时刻工况预测的控制参数。
2.根据权利要求1所述的军用柴油机工况预估的控制算法参数优化方法，其特征在于：所述步骤(1)中提取柴油机工作***的输入输出观测数据为利用柴油机模型原理，在试验数据中提取。
3.根据权利要求1所述的军用柴油机工况预估的控制算法参数优化方法，其特征在于：所述步骤(1)中的柴油机工作***的离散线性***状态方程为：X(k)＝A X(k-1)+B U(k)，其中X(k)为k时刻***状态，A和B为柴油机工作***线性***状态方程参数矩阵，U(k)为k时刻控制参数。
4.根据权利要求3所述的军用柴油机工况预估的控制算法参数优化方法，其特征在于：所述步骤(2)中的上一状态的预测结果为：X(k|k-1)＝AX(k-1|k-1)+B U(k)，X(k-1|k-1)是上一状态最优结果，其中X(k|k-1)是状态参数，X(k|k-1)表示根据k-1时刻的状态参数预测的k时刻的状态参数值。
5.根据权利要求3所述的军用柴油机工况预估的控制算法参数优化方法，其特征在于：所述步骤(3)中的协方差公式为：P(k|k-1)＝A P(k-1|k-1)A’+Q，其中P(k|k-1)是状态参数的协方差，P(k|k-1)表示根据k-1时刻的状态参数的协方差预测的k时刻的状态参数的协方差，Q是根据***状态方程计算的特征值，是个常数，只与***状态方程参数有关。
6.根据权利要求3所述的军用柴油机工况预估的控制算法参数优化方法，其特征在于：所述步骤(4)中的下一时刻估计值为X(k|k-1)。
7.根据权利要求6所述的军用柴油机工况预估的控制算法参数优化方法，其特征在于：所述步骤(4)中的控制参数的的偏移量为：△u(k)＝Kp[X(k|k-1)-X(k-1)]+Ki X(k|k-1)+Kd[X(k|k-1)-2 X(k-1)+X(k-2)]，其中△u(k)为算法计算输出的控制参数的偏移量，Kp为比例系数，Ki为积分系数，Kd为微分系数(p表示比例，i表示积分，d表示微分)。
CN201611125545.0A 2016-12-08 2016-12-08 一种军用柴油机工况预估的控制算法参数优化方法 Pending CN106545428A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611125545.0A CN106545428A (zh) 2016-12-08 2016-12-08 一种军用柴油机工况预估的控制算法参数优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611125545.0A CN106545428A (zh) 2016-12-08 2016-12-08 一种军用柴油机工况预估的控制算法参数优化方法

Publications (1)

Publication Number Publication Date
CN106545428A true CN106545428A (zh) 2017-03-29

Family

ID=58396842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611125545.0A Pending CN106545428A (zh) 2016-12-08 2016-12-08 一种军用柴油机工况预估的控制算法参数优化方法

Country Status (1)

Country Link
CN (1) CN106545428A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110968961A (zh) * 2019-12-17 2020-04-07 哈尔滨理工大学 一种连续回转电液伺服马达参数辨识方法
CN114577480A (zh) * 2022-03-02 2022-06-03 中国船舶重工集团柴油机有限公司 一种基于序列变换的柴油机状态监测方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102588211A (zh) * 2012-02-29 2012-07-18 沈阳华人风电科技有限公司 一种风力发电机组全工况模型预测控制方法及***
CN103179596A (zh) * 2013-03-12 2013-06-26 浙江大学 一种优化lqg控制与通信功率总消耗的方法
CN104318083A (zh) * 2014-10-10 2015-01-28 北京交通大学 一种利用车辆发动机扭矩实时估计离合器传递扭矩的方法
CN104976337A (zh) * 2015-07-30 2015-10-14 上海汽车变速器有限公司 基于离合器传递力矩估计的车辆起步过程优化控制方法
CN105221282A (zh) * 2015-08-25 2016-01-06 重庆邮电大学 基于线性模型和滑模控制器的hcci发动机燃烧正时控制方法
CN105824897A (zh) * 2016-03-14 2016-08-03 湖南大学 基于卡尔曼滤波的混合推荐***及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102588211A (zh) * 2012-02-29 2012-07-18 沈阳华人风电科技有限公司 一种风力发电机组全工况模型预测控制方法及***
CN103179596A (zh) * 2013-03-12 2013-06-26 浙江大学 一种优化lqg控制与通信功率总消耗的方法
CN104318083A (zh) * 2014-10-10 2015-01-28 北京交通大学 一种利用车辆发动机扭矩实时估计离合器传递扭矩的方法
CN104976337A (zh) * 2015-07-30 2015-10-14 上海汽车变速器有限公司 基于离合器传递力矩估计的车辆起步过程优化控制方法
CN105221282A (zh) * 2015-08-25 2016-01-06 重庆邮电大学 基于线性模型和滑模控制器的hcci发动机燃烧正时控制方法
CN105824897A (zh) * 2016-03-14 2016-08-03 湖南大学 基于卡尔曼滤波的混合推荐***及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘云: "汽车测试仿真中的自适应卡尔曼滤波的研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
刘俊等: "车辆电动转向***的卡尔曼滤波模糊PID控制", 《农业机械学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110968961A (zh) * 2019-12-17 2020-04-07 哈尔滨理工大学 一种连续回转电液伺服马达参数辨识方法
CN114577480A (zh) * 2022-03-02 2022-06-03 中国船舶重工集团柴油机有限公司 一种基于序列变换的柴油机状态监测方法及***
CN114577480B (zh) * 2022-03-02 2023-11-10 中船发动机有限公司 一种基于序列变换的柴油机状态监测方法及***

Similar Documents

Publication Publication Date Title
Tan et al. A study on model predictive control in paste thickeners with rake torque constraint
CN106545428A (zh) 一种军用柴油机工况预估的控制算法参数优化方法
CN103649858B (zh) 用于预测组件或***状况的方法和设备
EP3171239A1 (en) Predictive monitoring and diagnostics systems and methods
US4814050A (en) Estimation and control of alumina concentration in hall cells
EP2696175B1 (de) Verfahren zum Erfassen der Durchflussmenge einer Kreiselpumpe
CN106335645A (zh) 飞行器中的驱动器的状态监控
EP2354556A1 (en) Method in connection with a pump driven with a frequency converter and a frequency converter
CN104932488A (zh) 一种模型预测控制性能评估与诊断方法
EP0211924B1 (en) Method of controlling the alumina feed into reduction cells for producing aluminium
CN102953842A (zh) 一种电子节气门的控制方法
CN108234496A (zh) 一种基于神经网络的流量预测方法
CN106773676A (zh) 用于化工过程的激励信号的生成方法和装置
CN105547325B (zh) 一种基于k均值聚类的光纤惯组温度模型系数确定方法
US11543277B2 (en) Sensor arrangement for arrangement on a process installation, and method for operating the sensor arrangement and process installation
CN112368452A (zh) 工程机械
CN110728037A (zh) 电池容量闭环融合预测方法
CN109002026A (zh) 一种水电机组全工况综合参数退化趋势分析方法
Quintanilla et al. Economic model predictive control for a rougher froth flotation cell using physics-based models
Bender et al. Nonlinear model predictive control of a hydraulic excavator using hammerstein models
CN104753429B (zh) 空调器中压缩机电机的磁极对数的计算方法、装置
EP3819723B1 (en) Simulation method and system for the management of a pipeline network
CN109597316B (zh) 一种基于阶跃响应特征的闭环辨识模型结构确定方法
CN101985168A (zh) 熔体阳极板定量浇铸控制方法
EP3543537B1 (de) Pumpenaggregat sowie verfahren zum überwachen der flüssigkeitsvorlage in einer dichtungsanordnung in einem pumpenaggregat

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170329