CN114154377A - 一种发动机缸内瞬态气量的预测方法及*** - Google Patents
一种发动机缸内瞬态气量的预测方法及*** Download PDFInfo
- Publication number
- CN114154377A CN114154377A CN202111455218.2A CN202111455218A CN114154377A CN 114154377 A CN114154377 A CN 114154377A CN 202111455218 A CN202111455218 A CN 202111455218A CN 114154377 A CN114154377 A CN 114154377A
- Authority
- CN
- China
- Prior art keywords
- pressure
- engine
- intake manifold
- expression
- sampling period
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000001052 transient effect Effects 0.000 title claims abstract description 39
- 238000005070 sampling Methods 0.000 claims abstract description 57
- 239000000446 fuel Substances 0.000 claims abstract description 27
- 238000002347 injection Methods 0.000 claims abstract description 21
- 239000007924 injection Substances 0.000 claims abstract description 21
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 13
- 239000000243 solution Substances 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 34
- 238000004364 calculation method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000006467 substitution reaction Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 3
- 239000003054 catalyst Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
Abstract
本发明提供了一种发动机缸内瞬态气量的预测方法及***,属于发动机控制技术领域。该方法包括:建立预估的进气歧管压力的微分的压力微分表达式,压力微分表达式利用节气门上游压力和进气歧管压力表达预估的进气歧管压力的微分;根据第K个采样周期的进气歧管压力初始值P0(K)和带指数的欧拉公式对压力微分表达式进行m次求解,以得到第K个采样周期的m阶模型的进气歧管压力Pm(K),其中,K=1时,P0(K)取为设定值;K>1时,P0(K)=Pm(K‑1);根据各个采样周期的Pm(K)、理想气体状态方程和执行发动机喷油所需气量的延迟角度计算各个采样周期执行发动机喷油所用的缸内预测气量。本发明能够有效提高缸内预测气量预测准确性。
Description
技术领域
本发明属于发动机控制技术领域,特别是涉及一种发动机缸内瞬态气量的预测方法及***。
背景技术
随着国六排放法规推行,相比于国五排放法规,对于一氧化碳、氮氧化物及颗粒物的排放标定更苛刻。为了满足法规的需求,目前发动机电控技术采用以电控燃料喷射为特征,结合空燃比闭环控制,且采用三元催化器和GPF颗粒捕捉器进行尾气净化方式来实现。这其中发动机空燃比是影响燃油经济性和尾气排放的重要因素。而发动机喷油量多少取决于进入气缸的实时气量。对绝大部分汽油机来说,为实现更好的燃油雾化效果,充分均匀的空气与汽油的混合,循环燃油的喷射时刻要先于发动机进气量完成的时刻,这就意味着汽油机喷油前需要***出进入缸内的气量。由于进入气缸内的空气流量不易直接通过传感器实时获取,尤其在瞬态工况点,气流的传输延时、管内滞留、泵气损失等影响,这更造成了测量的难度。因此,为了实现了精准的闭环控制,需要对气缸气量进行准确的实时预估。
现有技术中针对缸内进气量的瞬态预估,主要涉及基于进气压力变化梯度算法和基于模型细分进气口到缸内路径算法。但是上述算法存在着缸内气量预估模型离散后在实际应用中存在不收敛,预测准确性低的问题。
发明内容
本发明第一方面的一个目的是提供一种发动机缸内瞬态气量的预测方法,能够解决缸内气量预估模型离散后在实际应用中存在不收敛,预测准确性低的问题。
本发明的进一步的一个目的是要提高计算效率、减轻控制器的运算负荷。
本发明第二方面的一个目的是提供一种发动机缸内瞬态气量的预测***。
特别地,本发明提供了一种发动机缸内瞬态气量的预测方法,包括:
建立预估的进气歧管压力的微分的压力微分表达式,所述压力微分表达式利用节气门上游压力和进气歧管压力表达所述预估的进气歧管压力的微分;
根据第K个采样周期的进气歧管压力初始值P0(K)和带指数的欧拉公式对所述压力微分表达式进行m次迭代求解,以得到第K个采样周期的m阶模型的进气歧管压力Pm(K),其中,K=1时,P0(K)取为设定值;K>1时,P0(K)=Pm(K-1),Pm(K-1)为第K-1个采样周期的m阶模型的进气歧管压力,所述带指数的欧拉公式为:
其中,y0为上一采样周期的值,y1为当前采样周期的值,h为采样周期,f(y0)为对应函数,f′(y0)为f(y0)的导数;
根据各个采样周期的Pm(K)、理想气体状态方程和执行发动机喷油所需气量的延迟角度计算各个采样周期执行发动机喷油所用的缸内预测气量。
可选地,当m大于2时,根据牛顿迭代法并利用Pm-1(K)和pm-2(K)推算Pm(K)的表达式。
可选地,所述建立预估的进气歧管压力的微分的压力微分表达式的步骤包括:
根据一维可压缩流体的喷管模型获取节气门空气流量Mthr的表达式:
Athr=table(Xthr)
其中,k为绝热指数,pDs为进气歧管压力,pUs为节气门上游压力,Rthr为气体常数,Tthr为节气门上游温度,Xthr为节气门开度,Athr为节气门面积,table(Xthr)为根据Xthr查询一维标定表获得的节气门面积值,所述一维标定表标定了Xthr和Athr的对应关系,Cdthr为节气门流量系数,为根据Xthr查询二维标定表获得的节气门流量系数值,所述二维标定表标定了Xthr与Cdthr的对应关系,为压比函数;
根据发动机理想气体状态方程和速度密度法原理获取缸内进气口空气流量均值Mcyl的表达式:
其中,Vd为发动机排量,ηu为发动机充气效率,n为发动机转速,T为进气歧管的温度;
将瞬态进气歧管压力p代替Mthr的表达式和Mcyl的表达式的中的pDs分别得到瞬态预测节气门流量Mthr(p)和发动机缸内预测流量Mcyl(p)的表达式:
根据进气歧管内空气流量的质量守恒原理获得瞬态进气歧管内空气流量Mman(p)的表达式:
Mman(p)=Mthr(p)-Mcyl(p)
利用理想气体状态方程表达Mman(p)
其中,V为节气门到发动机进气门口的管路体积;
可选地,所述根据第K个采样周期的进气歧管压力初始值P0(K)和带指数的欧拉公式对所述压力微分表达式进行m次迭代求解,以得到第K个采样周期的m阶模型的进气歧管压力Pm(K)的步骤包括:
将Pi-1(K)代入所述压力微分表达式得到所述Pdi-1(K)的表达式:
其中,i=1,....,m,i大于1时,Pi-1(K)第K个采样周期的i-1阶模型的进气歧管压力;
对所述Pdi-1(K)在Pi-1(K)处进行求导,得出导数DPdi-1(K)的表达式:
对DPdi-1(K)的表达式进行简化;
利用Pi-1(K)和所述带指数的欧拉公式对简化后的DPdi-1(K)依次进行m次迭代求解,以得到Pm(K)。
可选地,所述对DPdi-1(K)的表达式进行简化的步骤包括:
可选地,所述利用Pi-1(K)和所述带指数的欧拉公式对简化后的DPdi-1(K)依次进行迭代求解,以得到Pm(K)步骤包括:
将Pi-1(K)和DPdi-1(K)代入所述带指数的欧拉公式依次迭代求解得到Pi(K)的表达式,并对Pi(K)的表达式中包括Pdi-1(K)的项赋予调整系数fac(i):
其中,所述调整系数fac(i)为0-1之间的数值且通过标定实验确定。
可选地,所述根据各个采样周期的Pm(K)、理想气体状态方程和执行发动机喷油所需气量的延迟角度计算各个采样周期执行发动机喷油所用的缸内预测气量的步骤包括:
根据Pm(K)和理想气体状态方程计算第K个采样周期缸内预测气量McylPred(K):
根据执行发动机喷油所需气量的延迟角度换算对应的迟延时间tDly:
其中,Ag1是第K个采样周期内进气可变气门的提前角,Ag3是第K个采样周期内实际喷油时刻到发动机进气阀关闭时刻曲轴转过的角度;
将所述迟延时间tDly换算成采样周期数并代入McylPred(K)得到第K个采样周期缸内预测气量的修正值McylInjPred(K):
累计所述目标时间段内的各个采用周期内的McylInjPred(K)以获得对应的缸内预测气量。
可选地,所述设定值取为100,m取3。
特别地,本发明还提供了一种发动机缸内瞬态气量的预测***,包括控制装置,所述控制装置包括存储器和处理器,所述存储器内存储有控制程序,所述控制程序被所述处理器执行时用于实现上述任一项所述的发动机缸内瞬态气量的预测方法。
本发明对传统离散算法的缺陷,对欧拉方法引入指数对梯度补偿系数,即上文中的带指数的欧拉公式,可以有效地解决进气歧管压力模型估算不收敛的问题,提高了实时预估的进气歧管压力值的准确性。
进一步地,本发明通过在最后一阶计算过程中采用了牛顿迭代法来加速获得进气歧管压力,可以避免计算过程中迭代次数过多,提高计算效率,也减轻了控制器的运算负荷。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是发动机进气***和排气***的结构示意图;
图2是根据本发明一个实施例的发动机缸内瞬态气量的预测方法的流程图;
图3是节气门空气流量与进气歧管压力的关系图;
图4是根据本发明一个实施例的发动机缸内瞬态气量的预测方法所预估的数据与实测数据的曲线对比图。
附图标记:
1-节气门体、2-进气歧管压力传感器、3-进气歧管管路、4-喷油器组件、5-点火组件、6-氧传感器、7-排气歧管、8-催化器、9-***、10-气缸、11-节气门前压力温度传感器
具体实施方式
图1是发动机进气***和排气***的结构示意图。如图1所示,发动机的进气和排气过程大致如下:空气从进气管道处经节气门体1后进入进气歧管3管路,然后进入发动机的气缸10中,气缸10处还设有用于喷射燃油的喷油器组件4、点火组件5。从发动机排出的废气从排气歧管7排出,排气歧管7上设有氧传感器6、催化器8和***9。在节气门体1的上游和下游分别设置有节气门前压力温度传感器11和进气歧管压力传感器2,这两个传感器均集成了压力感应模块和温度感应模块,可以检测压力和温度。进气歧管压力传感器2测得节气门体1下游的压力,也即进气歧管压力。
图2是根据本发明一个实施例的发动机缸内瞬态气量的预测方法的流程图。如图2所示,一个实施例中,本发明的发动机缸内瞬态气量的预测方法包括:
步骤S100,建立预估的进气歧管压力的微分的压力微分表达式,压力微分表达式利用节气门上游压力和进气歧管压力表达预估的进气歧管压力的微分。
一个实施例中,可以根据以下步骤获得压力微分表达式:
根据一维可压缩流体的喷管模型获取节气门空气流量Mthr的表达式:
Athr=table(Xthr) (3)
其中,k为绝热指数(k=1.4),pDs为进气歧管压力,pUs为节气门上游压力,Rthr为气体常数(Rthr=287),Tthr为节气门上游温度,Xthr为节气门开度,Athr为节气门面积,table(Xthr)为根据Xthr查询一维标定表获得的节气门面积值,一维标定表标定了Xthr和Athr的对应关系,Cdthr为节气门流量系数,为根据Xthr查询二维标定表获得的节气门流量系数值,二维标定表标定了Xthr与Cdthr的对应关系,为压比函数。
根据发动机理想气体状态方程和速度密度法原理获取缸内进气口空气流量均值Mcyl的表达式:
其中,Vd为发动机排量,ηv为发动机充气效率,n为发动机转速,T为进气歧管的温度。
将瞬态进气歧管压力p代替Mthr的表达式和Mcyl的表达式的中的pDs分别得到瞬态预测节气门流量Mthr(p)和发动机缸内预测流量Mcyl(p)的表达式:
根据进气歧管内空气流量的质量守恒原理获得瞬态进气歧管内空气流量Mman(p)的表达式:
Mman(p)=Mtnr(p)-Mcyl(p) (8)
利用理想气体状态方程表达Mman(p)
其中,V为节气门到发动机进气门口的管路体积。
步骤S200,根据第K个采样周期的进气歧管压力初始值P0(K)和带指数的欧拉公式对压力微分表达式进行m次迭代求解,以得到第K个采样周期的m阶模型的进气歧管压力Pm(K),其中,K=1时,P0(K)取为设定值,设定值可以是100;K>1时,P0(K)=Pm(K-1),Pm(K-1)为第K-1个采样周期的m阶模型的进气歧管压力。
带指数的欧拉公式为:
其中,y0为上一采样周期的值,y1为当前采样周期的值,h为采样周期,f(y0)为对应函数,f′(y0)为f(y0)的导数。
带指数的欧拉公式,可以根据y0和f(y0)得出y1,与本案结合时,当P0(K)为已知的设定值且压力微分表达式已知时,将P0(K)代替公式(11)中的y0,将关于P0(K)的压力微分表达式代替公式(11)中的f(y0),就可以求得P1(K)。再得到P1(K)后再重复上述步骤,又求得了P2(K),如此迭代就可以求得Pm(K)。
步骤S300,根据各个采样周期的Pm(K)、理想气体状态方程和执行发动机喷油所需气量的延迟角度计算目标时间段内执行发动机喷油所用的缸内预测气量。
一个实施例中,步骤S300包括以下步骤:
根据Pm(K)和理想气体状态方程计算第K个采样周期缸内预测气量McylPred(K):
根据执行发动机喷油所需气量的延迟角度换算对应的迟延时间tDly:
其中,Ag1是第K个采样周期内进气可变气门的提前角,Ag3是第K个采样周期内实际喷油时刻到发动机进气阀关闭时刻曲轴转过的角度;
将迟延时间tDly换算成采样周期数并代入McylPred(K)得到第K个采样周期缸内预测气量的修正值McylInjPred(K):
如果采用传统的离散算法(例如有限元法)对公式(10)求解进气歧管压力Pi(K),离散化后引入误差,误差的累积存在算法不收敛的风险。
本实施例针对上述离散算法的缺陷,对欧拉方法引入指数对梯度补偿系数,即上文中的带指数的欧拉公式,可以有效地解决进气歧管压力模型估算不收敛的问题,提高了实时预估的进气歧管压力值的准确性。
一个实施例中,步骤S200包括:
步骤S202,将Pi-1(K)代入压力微分表达式得到Pdi-1(K)的表达式:
其中,i=1,....,m,i大于1时,Pi-1(K)第K个采样周期的i-1阶模型的进气歧管压力。
步骤S204,对Pdi-1(K)在Pi-1(K)处进行求导,得出导数DPdi-1(K)的表达式:
步骤S206,对DPdi-1(K)的表达式进行简化。一个实施例中,可以按照以下步骤进行简化:
图3是节气门空气流量与进气歧管压力的关系图。图3中的横坐标为进气歧管压力,纵坐标为节气门空气流量,该图可根据公式(1)绘制得到。图3中A点表征此时质量流量为0,压比对应的进气歧管最大压力为Pmax;B点表征临界声速点,压比对应临界进气歧管压力Pcr;BC段(即压比)从力学条件上气流达到声速,节气门的几何形状限制了气流的膨胀,节气门流量稳定在最大值Mthr(max),此时
式(20)中,Pmax为最大的进气歧管压力,该值可以用节气门上游压力传感器测试值pUs替代,则公式(20)可描述为:
步骤S208,利用Pi-1(K)和带指数的欧拉公式对简化后的DPdi-1(K)(即公式(22))依次进行m次迭代求解,以得到Pm(K)。
本步骤中为了考虑各阶模型的影响力,还加入了与阶次有关的调整系数,也即在各阶模型的梯度部分增加了可标定的调整系数,便于标定预设。
具体地,将Pi-1(K)和DPdi-1(K)代入带指数的欧拉公式依次迭代求解得到Pi(K)的表达式,并对Pi(K)的表达式中包括Pdi-1(K)的项赋予调整系数fac(i):
其中,调整系数fac(i)为0-1之间的数值且通过标定实验确定。
为了更好地说明多阶迭代求解的过程,下面m=2为例进行说明。
对于第K个采样周期来说:当i=1时,将P0(K)代入公式(22)得到DPd0(K)的表达式,即:
将P0(K)代入公式(23)得到P1(K):
将公式(24)代入公式(25)可以得到P1(K)的值,也即第K个采样周期的1阶模型的进气歧管压力P1(K)。
当得到P1(K)后将P1(K)代入(22)得到DPd1(K)的表达式,即:
将P1(K)代入公式(23)得到P2(K):
本实施例中m为2,第K个周期m阶模型的进气歧管压力Pm(K)就是P2(K)。
K=1时,P0(K)取为设定值,假设取为100,代入公式(26)和(27)就能求解出P2(1)。
K>1时,P0(K)=Pm(K-1),例如K=2时,将已经求解出的P2(1)代入公式(26)和(27)就能求解出P2(2)。同样地,K>1的其他情况下也如此求解。
上述的m一般取值不大于5,优选地可以选择2或3。一个实施例中,当m大于2时,根据牛顿迭代法并利用Pm-1(K)和Pm-2(K)推算Pm(K)的表达式。
牛顿迭代法对应的公式如下:
其中,xn为上一采样周期的值,xn+1为当前采样周期的值,f(xn)为对应函数,f′(xn)为f(xn)的导数。
具体应用时,根据公式(15)可以得到Pd1(K)、Pd2(K),根据公式(23)可以得到P0(K)、P1(K)、P2(K),据此可以构建第K个采样周期的1阶模型偏差方程F1(P1(K))和2阶模型偏差方程F2(P2(K)):
F1(P1(K))=P1(K)-P0(K)-Pd1(K)·h (29)
F2(P2(K))=P2(K)-P0(K)-Pd2(K)·h (30)
基于公式(28)的牛顿迭代法可以快速得到第K个采样周期的m阶模型的进气歧管压力P3(K):
本实施例通过在最后一阶计算过程中采用了牛顿迭代法来加速获得进气歧管压力,可以避免计算过程中迭代次数过多,提高计算效率,也减轻了控制器的运算负荷。
图4是根据本发明一个实施例的发动机缸内瞬态气量的预测方法所预估的数据与实测数据的曲线对比图。图4中实线1为缸内进气口空气流量均值模型计算实际缸内气量,虚线2为基于该预测方法计算的缸内气量,实线3为实测进气歧管压力,虚线4为预测进气歧管压力,实线5为过量空气系数。对于m=3的实施例,各个调整系数满足以下规则:fac(1)+fac(2)=1,fac(3)的调整是加速算法,根据需求做适量的增减,总的原则是在提速的前提下保证预测值对应的过量空气系数满足瞬态控制需求。如图4所对应的实施例中,m取为3,fac(1)、fac(2)、fac(3)分别标定为0.6、0.4、0.001,m=3时利用牛顿迭代法推算P3(K)。发动机转速控制在2000rpm,调整调整系数,手动调整发动机请求负荷从150毫克每冲程到400毫克每冲程,对应的实际进气歧管压力从70kPa变化到105kPa。从负荷对比可以看出预测气量要提前于实际缸内气量,进入稳态后,预测气量收敛于实际气量,均为400毫克每冲程左右,误差控制在5%以内;从歧管压力对比可以看出,预测歧管压力要提前于实际压力,进入稳态后,预测歧管压力收敛于实际压力,误差控制在5%以内,实测过量空气系数控制在0.95-1.05之间,瞬态工况空燃比绝对偏差控制在5%以内,满足空燃比控制标准需求。
本发明还提供了一种发动机缸内瞬态气量的预测***,包括控制装置,控制装置包括存储器和处理器,存储器内存储有控制程序,控制程序被处理器执行时用于实现上述任一项实施例中的发动机缸内瞬态气量的预测方法。处理器可以是一个中央处理单元(central processing unit,简称CPU),或者为数字处理单元等等。处理器通过通信接口收发数据。存储器用于存储处理器执行的程序。存储器是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何介质,也可以是多个存储器的组合。上述计算程序可以从计算机可读存储介质下载到相应计算/处理设备或者经由网络(例如因特网、局域网、广域网和/或无线网络)下载到计算机或外部存储设备。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (9)
1.一种发动机缸内瞬态气量的预测方法,其特征在于,包括:
建立预估的进气歧管压力的微分的压力微分表达式,所述压力微分表达式利用节气门上游压力和进气歧管压力表达所述预估的进气歧管压力的微分;
根据第K个采样周期的进气歧管压力初始值P0(K)和带指数的欧拉公式对所述压力微分表达式进行m次迭代求解,以得到第K个采样周期的m阶模型的进气歧管压力Pm(K),其中,K=1时,P0(K)取为设定值;K>1时,P0(K)=Pm(K-1),Pm(K-1)为第K-1个采样周期的m阶模型的进气歧管压力,所述带指数的欧拉公式为:
其中,y0为上一采样周期的值,y1为当前采样周期的值,h为采样周期,f(y0)为对应函数,f′(y0)为f(y0)的导数;
根据各个采样周期的Pm(K)、理想气体状态方程和执行发动机喷油所需气量的延迟角度计算各个采样周期执行发动机喷油所用的缸内预测气量。
2.根据权利要求1所述的发动机缸内瞬态气量的预测方法,其特征在于,
当m大于2时,根据牛顿迭代法并利用Pm-1(K)和Pm-2(K)推算Pm(K)的表达式。
3.根据权利要求1或2所述的发动机缸内瞬态气量的预测方法,其特征在于,所述建立预估的进气歧管压力的微分的压力微分表达式的步骤包括:
根据一维可压缩流体的喷管模型获取节气门空气流量Mthr的表达式:
Athr=table(Xthr)
其中,k为绝热指数,pDs为进气歧管压力,pUs为节气门上游压力,Rthr为气体常数,Tthr为节气门上游温度,Xthr为节气门开度,Athr为节气门面积,table(Xthr)为根据Xthr查询一维标定表获得的节气门面积值,所述一维标定表标定了Xthr和Athr的对应关系,Cdthr为节气门流量系数,为根据Xthr查询二维标定表获得的节气门流量系数值,所述二维标定表标定了Xthr与Cdthr的对应关系,为压比函数;
根据发动机理想气体状态方程和速度密度法原理获取缸内进气口空气流量均值Mcyl的表达式:
其中,Vd为发动机排量,ηυ为发动机充气效率,n为发动机转速,T为进气歧管的温度;
将瞬态进气歧管压力p代替Mthr的表达式和Mcyl的表达式的中的pDs分别得到瞬态预测节气门流量Mthr(p)和发动机缸内预测流量Mcyl(p)的表达式:
根据进气歧管内空气流量的质量守恒原理获得瞬态进气歧管内空气流量Mman(p)的表达式:
Mman(p)=Mthr(p)-Mcyl(p)
利用理想气体状态方程表达Mman(p)
其中,V为节气门到发动机进气门口的管路体积;
4.根据权利要求3所述的发动机缸内瞬态气量的预测方法,其特征在于,所述根据第K个采样周期的进气歧管压力初始值P0(K)和带指数的欧拉公式对所述压力微分表达式进行m次迭代求解,以得到第K个采样周期的m阶模型的进气歧管压力Pm(K)的步骤包括:
将Pi-1(K)代入所述压力微分表达式得到所述Pdi-1(K)的表达式:
其中,i=1,....,m,i大于1时,Pi-1(K)第K个采样周期的i-1阶模型的进气歧管压力;
对所述Pdi-1(K)在Pi-1(K)处进行求导,得出导数DPdi-1(K)的表达式:
对DPdi-1(K)的表达式进行简化;
利用Pi-1(K)和所述带指数的欧拉公式对简化后的DPdi-1(K)依次进行m次迭代求解,以得到Pm(K)。
7.根据权利要求6所述的发动机缸内瞬态气量的预测方法,其特征在于,所述根据各个采样周期的Pm(K)、理想气体状态方程和执行发动机喷油所需气量的延迟角度计算各个采样周期执行发动机喷油所用的缸内预测气量的步骤包括:
根据Pm(K)和理想气体状态方程计算第K个采样周期缸内预测气量McylPred(K):
根据执行发动机喷油所需气量的延迟角度换算对应的迟延时间tDly:
其中,Ag1是第K个采样周期内进气可变气门的提前角,Ag3是第K个采样周期内实际喷油时刻到发动机进气阀关闭时刻曲轴转过的角度;
将所述迟延时间tDly换算成采样周期数并代入McylPred(K)得到第K个采样周期缸内预测气量的修正值McylInjPred(K):
8.根据权利要求1-7中任一项所述的发动机缸内瞬态气量的预测方法,其特征在于,所述设定值取为100,m取3。
9.一种发动机缸内瞬态气量的预测***,包括控制装置,其特征在于,所述控制装置包括存储器和处理器,所述存储器内存储有控制程序,所述控制程序被所述处理器执行时用于实现权利要求1-8中任一项所述的发动机缸内瞬态气量的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111455218.2A CN114154377A (zh) | 2021-12-01 | 2021-12-01 | 一种发动机缸内瞬态气量的预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111455218.2A CN114154377A (zh) | 2021-12-01 | 2021-12-01 | 一种发动机缸内瞬态气量的预测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114154377A true CN114154377A (zh) | 2022-03-08 |
Family
ID=80455694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111455218.2A Pending CN114154377A (zh) | 2021-12-01 | 2021-12-01 | 一种发动机缸内瞬态气量的预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154377A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114718746A (zh) * | 2022-03-31 | 2022-07-08 | 东风汽车集团股份有限公司 | 进气压力的模型优化方法、装置、设备及可读存储介质 |
CN117852318A (zh) * | 2024-03-07 | 2024-04-09 | 中汽研汽车检验中心(昆明)有限公司 | 一种汽车尾气净化装置耦合***的性能仿真方法及*** |
-
2021
- 2021-12-01 CN CN202111455218.2A patent/CN114154377A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114718746A (zh) * | 2022-03-31 | 2022-07-08 | 东风汽车集团股份有限公司 | 进气压力的模型优化方法、装置、设备及可读存储介质 |
CN114718746B (zh) * | 2022-03-31 | 2022-12-27 | 东风汽车集团股份有限公司 | 进气压力的模型优化方法、装置、设备及可读存储介质 |
CN117852318A (zh) * | 2024-03-07 | 2024-04-09 | 中汽研汽车检验中心(昆明)有限公司 | 一种汽车尾气净化装置耦合***的性能仿真方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4424568A (en) | Method of controlling internal combustion engine | |
US9267452B2 (en) | Method and apparatus for measuring and controlling the EGR rate in a combustion engine | |
US7281368B2 (en) | Nox discharge quantity estimation method for internal combustion engine | |
JP5409833B2 (ja) | 内燃機関のシリンダ吸入空気量推定装置 | |
JP5409832B2 (ja) | 内燃機関のシリンダ吸入空気量および内部egr率の推定装置 | |
CN114154377A (zh) | 一种发动机缸内瞬态气量的预测方法及*** | |
EP1529941B1 (en) | NOx generation quantity estimation method for internal combustion engine | |
CN102159804B (zh) | 内燃机的炭烟排放量估计装置 | |
JP2015031167A (ja) | 診断装置 | |
KR0158880B1 (ko) | 엔진의 연료분사 제어방법 | |
JP2018178928A (ja) | 内燃機関の制御装置 | |
CN113027626A (zh) | 一种egr阀控制***及其控制方法 | |
JP5480048B2 (ja) | 内燃機関の制御装置 | |
JP2020020295A (ja) | 内燃機関の制御装置 | |
JP2011021583A (ja) | 内燃機関のポンプ制御方法及び内燃機関 | |
EP3752727B1 (en) | Engine air flow estimation | |
JP2022168929A (ja) | 内燃機関の制御装置 | |
KR102243127B1 (ko) | 과급기 회전속도를 이용하여 egr 유량율을 산정하는 방법 | |
CN113074051B (zh) | Egr阀废气流量值计算方法及***、发动机参数调节方法 | |
JP4661325B2 (ja) | 内燃機関の制御装置 | |
JP4736403B2 (ja) | 内燃機関の流量算出装置 | |
CN111058951A (zh) | 用于确定存在于内燃发动机气缸中的再循环废气浓度的估算方法 | |
JP2004522055A (ja) | 絞り位置手前の質量流量配管内圧力の決定方法および装置 | |
JP5381779B2 (ja) | 内燃機関の制御装置 | |
CN115112379A (zh) | 用于确定发动机的排气压力的方法 |
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 |