提高汽车引擎性能

邮寄人Neha高尔，2021年8月13日,

530浏览量(过去30天 0喜欢| 0评论

在今天的帖子中，罗伯托·瓦伦蒂将提供有关MathWorks创新项目新团队实施的项目的细节。

在eMATLAB和Simu金宝applink设计项目的学生无处不在博客我们介绍了MathWorks卓越创新项目以及我们如何合作谢恩·麦科诺米教授从…起佛罗里达农业与机械大学机械工程系-佛罗里达州立大学工程学院试点这个项目。一个年代结果，一组来自McConomy教授的大四设计课挑选出来的和工作上来自美国的一个汽车项目GitHub列表．在这个博客中，我们提供了关于这个项目的细节以及团队实施的解决方案。

该团队由四名高中生组成:Austin LaFever, Patrick H. Marlatt, Frederick Peterson和Jonathan Wozny(学生的照片见图1)）从事过一个汽车项目，命名为MIMO发动机航路控制，其目标是设计和实施扭矩控制，以使用多输入多输出（MIMO）方法改善汽车发动机性能。

这个具有挑战性的项目让学生有机会了解汽车动力系统、建模和仿真、系统识别以及先进的控制方法，如日益流行的模型预测控制。此外，在整个项目中，他们有机会将行业相关工具应用于真实世界的应用，为他们在汽车行业的职业生涯打下基础!

动机

内燃机将继续在未来的汽车市场中使用。但是，发动机性能、燃油经济性和排放必须不断改进，以保持其相对于更昂贵的全电力来源的可行性。例如，现代汽油和柴油发动机使用直接燃油喷射，这可以n导致低发动机负荷下的颗粒物排放，颗粒物小到足以通过肺部直接进入人体血流，因此颗粒物控制是当今柴油和汽油发动机控制设计的一个主要重点领域。瞬态空燃比控制对颗粒物问题至关重要估计和控制进入发动机的气流至少是空燃比（AFR）控制问题的一半，这对于获得良好的发动机性能、燃油经济性和排放至关重要。由于多个执行器，例如节气门、废气旁通阀、凸轮相位器、气体再循环（EGR），影响进入发动机的气流，因此多输入/多输出（MIMO）发动机气流控制是改善发动机气流控制和估计性能的理想方法，市场上尚未完全实现。

介绍

内燃机依靠从外部环境通过发动机的气流来完成燃烧过程并为发动机提供动力。到目前为止，内燃机一直依赖于几十年前开发的单输入单输出(SISO)比例积分(PI)控制方法。这种方法使用预定的稳态位置操纵控制进入发动机的气流的主要部件。在瞬态响应期间，与稳态运行相比，输出不是协调的或最优的，导致扭矩和排放控制效率低下。虽然有效的稳态控制是可以实现的，但这种方法的有效瞬态控制是无法实现的，因此需要改进，以跟上日益竞争的发动机性能和排放标准。在标准技术中，节流和排气门不协调以提供升压或进气歧管压力(MAP)轨迹，这将导致良好的排放和扭矩瞬态响应。我们的项目目标是设计并实现空气系统的MIMO控制器，以在瞬态和稳态条件下产生输出值的协调和最优控制。这种控制方法将通过控制油门和排气门来控制升力。然后，升压将与扭矩相关，以创建所需的扭矩响应。

我们决定遵循通用汽车在[1]中所描述的工作，对气流部件，特别是节气门和废气门，实施模型预测控制(MPC)系统，以有效控制瞬态和稳态扭矩和排放。

方法

在本项目中，使用MathWorks动力传动系统区块集中的火花点火（SI）发动机测功机对发动机系统进行了模拟™, 显示在图2在下面。

图2发动机功率计模型

为了对系统进行建模，利用MATLAB中的system Identification Toolbox，利用虚拟发动机仿真获得的数据，分别建立了节气门和废门与MAP之间的二阶状态空间模型。由于该系统是非线性的，因此可以通过在一定范围的操作点(发动机转速和扭矩命令)上创建模型来实现线性化。

数据收集

为了创建MPC控制器，每个控制器在进行控制计算时需要在特定的操作点上参考一个模型。为此，我们运行模拟来收集发动机转速范围的输入/输出数据;每次仿真都需要收集发动机转速、节气门位置、废门位置和MAP的数据。在Simulink中对数据进行仿真和采集，然后在MATLAB中进行处理。金宝app在每个操作点/发动机转速下收集两组数据，一组用于系统识别，另一组用于系统验证。

建模

该建模是通过重写发动机转速，以保持发动机在一个恒定速度的稳定状态进行的。然后，控制器中的节气门和废气门数值被伪随机二进制序列(PRBS)覆盖，发送到节气门和废气门数值中，基本上“摆动”每个执行器，然后观察进气歧管压力(MAP)的响应情况。当PRBS信号发送到节气门，废气门位置保持不变，只看到节气门的影响，反之亦然。为了提高准确性，我们使用了一个称为微分建模的系统，它对数据进行去趋势化(用于输入/输出数据的“去趋势”命令)，然后降低数据的大小，以改进系统建模。MPC在“差动控制模式”中工作得最好。差异建模得名于它根据输入/输出的差异创建模型;从本质上说，输入/输出的平均值从测量的输入/输出数据中减去，就可以看到输入的变化对输出的直接影响。该过程降低了歧管压力的值，使其值的中点为零。

建模速度

图3:发动机转速5000转时油门PRBS信号和MAP响应

在小的油门角度下，升压是敏感的，因为它的位置的一个小变化将与歧管中空气压力的一个大百分比的差异相关。MAP在小油门角度时也更容易建模和控制;随着百分比油门位置增加，系统变得更加难以建模。为了模拟节流阀和MAP之间的关系，废弃门被保持在100%完全打开(没有影响)，节流阀被“摆动”在低值。提供合适模型的节流阀值非常低，不到10%。数字3.显示数据收集的变量MAP，节气门位置，废物门位置，发动机转速在一个操作点。

排气泄压阀建模

图4：发动机转速5000 rpm时废气旁通阀PRBS信号MAP响应

废气门的建模是用与节流阀相似的方式完成的。当接近关闭时，废气门更加敏感(更多的空气旋转涡轮增压器，因此，更多的空气进入气缸)，出于同样的原因，油门在小角度是敏感的。为了模拟废气门，发送了一个PRBS信号来覆盖废气门，并且油门保持100%完全打开。这样做是为了确保只有废物门会对MAP响应产生影响，并创建废物门-MAP模型。图4显示数据收集的变量MAP，节气门位置，废气门位置，和发动机转速。

系统识别

采用黑盒建模方法，将辨识输入和输出数据放入MATLAB系统辨识工具箱。通过脚本和n4sid命令的使用，这是自动化的。为了将每个输入变量与进气歧管压力相关联，只需要二阶模型即可生成准确的模型。

模型验证

为了验证用识别数据集创建的状态空间，然后在相同的参数(不同的PRBS信号)下收集第二组验证数据集。第二个数据集的输入被输入到状态空间中，从我们的系统中创建一个“最佳猜测”输出。这被称为模型或拟合输出。然后将系统输出和模型输出进行对比。MATLAB比较函数通过返回归一化均方根误差(NRMSE)值来返回一个数字拟合，如公式1所示。我们的目标是达到90%以上的契合度。

在哪里 $y "> y$ 是验证数据输出， $y^"> y ˆ$ 为系统输出，和 $y - "> y -$ 是意思是属于 $y "> y。$ 以下是适合节气门(数字5）和排气泄压阀(数字6）在一个操作点。

图5:发动机转速5000rpm时，节气门与实测升压数据的拟合模型

图6:在发动机5000转/分时测量的升压数据之上的废物门的拟合模型

结果和验证

图7:四种不同发动机转速下的油门控制

数字7显示发动机的绝对歧管压力(MAP)输出(蓝色)是由MPC控制的油门值产生的，而期望输出(橙色)是正弦波。用于这些MPCS的状态空间模型与油门MAP相关(注意，它不是差分MAP)。测试的操作点在四种不同的发动机转速下工作。从左到右都是：750转/分、1000转/分、2500转/分和5000转/分。即使在750 RPM部分的输出中存在噪声，整个系统的误差也只有1%，远低于我们的目标1.75%。由于输出遵循所需的映射，因此存在滞后误差，但它是最小的。在里面之间的操作点1000转，2500转，5000转，一个尖峰MAP可以被观察到。这是由于突然的RPM为MAP控制器响应造成混乱。控制油门的MPCs是not能够立即响应，造成一个非常简短的错误，因为油门被调整。误差对我们的准确性影响不大控制器和可以被忽略。将差分升压控制模型应用到MPC控制器中进行测试，得到平均升压值被减去从进入MPC前的boost命令，将标称执行器值添加到结果控制中命令用于差速推进，离开MPC返回所需的实际执行器位置。一个年代imilar控制方法用于废气旁通阀和类似的结果被获得。

硬件在环

为了确保这个控制器可以在真实世界的电子控制单元(ECU)上运行，我们创建了一个硬件在环(HIL)系统来与仿真一起运行。图8显示了我们最终的HIL系统的图片。

HIL系统使用Arduino Uno作为数据采集和电机驱动，接收由MPC创建的模拟节气门和废门位置。然后，Arduino命令一个伺服电机移动到模拟的角度，然后编码器对这个角度进行数字测量。上图右边所示的量角器将用于目视检查节流/排气门角度。编码器测量角度后，将数字信号发送回MATLAB，覆盖模拟的节流阀/废闸阀角度。如果MAP输出符合预期，则HIL系统验证了该控制方法可以应用于真实的ECU。