柴油机的MIMO控制

此示例使用：

打开脚本

这个例子用途Systune.设计和调整柴油发动机的MIMO控制器。控制器以单个操作条件的离散时间进行调谐。

柴油发动机模型

现代柴油发动机使用可变几何涡轮增压器（VGT）和废气再循环（EGR）来减少排放。对于满足严格的排放目标，需要对VGT提升压力和EGR质量流进行紧密控制。此示例显示如何设计和调整MIMO控制器，当发动机在2100转为2100 rpm时，每次注射缸为12毫克的燃料质量时，可以调整这两个变量。

Open_System（'rct_diesel'）

VGT / EGR控制系统在Simulink中建模。金宝app控制器调整位置埃格拉特和VGTPOS.EGR和VGT阀门。它可以访问升压压力和EGR质量流量和测量值，以及燃料质量和发动机速度测量。两个阀门都有速率和饱和限制。每0.1秒和控制信号采样植物模型埃格拉特和VGTPOS.每0.2秒刷新一次。该示例考虑了+10kPa在升压压力中的步骤变化，+ 3 g / s在EGR质量流动中，+5mg的燃料质量和-200rpm的速度为+ 5 mg。

对于正在考虑的操作条件，我们使用系统识别来从实验数据中导出发动机的线性模型。来自操纵变量的频率响应埃格拉特和VGTPOS.对受控变量促进和EGR MF.出现在下面。请注意，该植物在低频下均为低频调节，这使得升压压力和EGR质量流动的独立控制困难。

Sigma（植物（：，1：2）），网格冠军（“线性化引擎动态的频率响应”）

控制目标

有两个主要控制目标：

响应升压压力和EGR质量流量的步骤变化约5秒，最小交叉耦合
对速度和燃料质量的速度变化不敏感。

对第一个目标使用跟踪要求。指定步骤变化的幅度，以确保交叉耦合很小相对的这些变化。

％5-第二次响应时间，稳态误差小于5％tr = tuninggoal.tracking（{'Boost Ref';'egrmf ref'}，{'促进';'egrmf'}，5,0.05）;tr.name =.'设定点跟踪';tr.InputScaling = [10 3];

对于第二个目的，将速度和燃料质量变化视为阶跃干扰，并指定升压压力和EGR质量流动的所得变化的峰值幅度和稳定时间。还指定信号幅度以适当地反映每个干扰的相对贡献。

％峰值<0.5，沉降时间<5dr = tuninggoal.steprejectile（{'燃料制作';'速度'}，{'促进';'egrmf'}，0.5,5）;dr.name =“干扰拒绝”;dr.InputScaling = [5 200];Dr.OutputScaling = [10 3];

为了为未铭出的动态和混叠提供足够的鲁棒性，限制控制带宽，并在工厂输入和输出中强加足够的稳定性边缘。由于我们正在处理2×2 MIMO反馈循环，因此该要求可确保每个反馈信道中的增益或相变的稳定性。增益或相位可以同时在两个通道中改变，并且在每个信道中的不同量相同。看控制系统调谐中的稳定性边距和TuningGoal.Margins.有关详细信息。

％滚动-20 db / dec过去1 rad / sro = tuninggoal.maxloopgain（{'egrlift'那'vgtpos'}，1,1）;Ro.Loopscaling ='离开';ro.name =.'滚下';增益余量％7 dB和45度的相位余量m1 = tuninggoal.margins（{'egrlift'那'vgtpos'}，7,45）;m1.name =.'植物输入';m2 = tuninggoal.margins（'柴油发动机'，7,45）;m2.name =.'植物输出';

调整Blackbox MIMO控制器

如果没有优先考虑合适的控制结构，请首先尝试“BlackBox”状态空间控制器的各种订单。工厂模型有四个州，所以尝试四分之一的控制器。这里我们调整二阶控制器，因为Simulink模型中的“SS2”块具有两个状态。金宝app

图1：二阶BlackBox控制器。

使用SLTUNER.接口配置Simulink模型进行调谐。金宝app将块“SS2”标记为可调谐，注册在其中评估边缘和循环形状的位置，并指定应以控制器采样率执行线性化和调谐。

st0 = sltuner（'rct_diesel'那'ss2'）;st0.ts = 0.2;addpoint（st0，{'egrlift'那'vgtpos'那'柴油发动机'}）

现在使用Systune.调整国家空间控制器，受我们的控制目标。将稳定性边距和滚动目标视为艰难的限制，并尽量符合剩余目标（软目标）。随机化起点以减少暴露于不期望的局部最小值。

选择= systuneOptions（'OrmyStart'，2）;RNG（0），ST1 = SYSTUNE（ST0，[TR DR]，[M1 M2 RO]，OPT）;

Final：Soft = 1.07，硬= 0.94547，迭代= 420 Final：Soft = 1.05，硬= 0.95546，迭代= 491 Final：Soft = 1.05，硬= 0.99363，迭代= 433

几乎满足所有要求（当其归一化值小于1时，满足需求。以图形方式验证。

数字（'位置'，[10,10,1071,714]）ViewGoAL（[TRR RO M1 M2]，ST1）

绘制设定点跟踪和干扰抑制响应。通过信号幅度缩放以显示归一化效应（通过+10kPa，EGR质量流动的增压压力+ 3 g / s，燃料质量+ 5mg，速度升高，速度为-200rpm）。

数字（'位置'，[100,100,560,500]）t1 = getiotransfer（st1，{'Boost Ref';'egrmf ref'}，{'促进'那'egrmf'那'egrlift'那'vgtpos'}）;t1 = diag（[1/10 1/3 1 1]）* t1 * diag（[10 3]）;子图（211），步骤（t1（1：2，:)，15），标题（'设定点跟踪'）子图（212），步骤（t1（3：4，:)，15），标题（“控制努力”）

d1 = getiotransfer（st1，{'燃料制作';'速度'}，{'促进'那'egrmf'那'egrlift'那'vgtpos'}）;d1 = diag（[1/10 1/3 1 1]）* d1 * diag（[5 -200]）;子图（211），步骤（d1（1：2，:)，15），标题（“干扰拒绝”）子图（212），步骤（d1（3：4，:)，15），标题（“控制努力”）

控制器在不到5秒的响应中响应最小交叉耦合促进和egrmf.变量。

简化控制结构调整

状态空间控制器可以根据它实现，但通常希望将其煮沸到更简单，更熟悉的结构。为此，请获取调谐控制器并检查其频率响应

c = getblockValue（ST1，'ss2'）;CLF BODE（C（：，1：2），C（:,3：4），{。02 20}），网格传奇（'ref to你'那'你对你）

Bodemag（C（:,5：6）），网格标题（'从汽油/速度到egrlift / vgtpos的响应）

第一绘图表明，控制器基本上表现得像在REF-Y上的PI控制器（目标和受控变量的实际值之间的差异）。第二个曲线表明，从测量的变量转移到操纵变量可以通过与滞后网络串联的增益代替。完全建议以下简化控制结构由MIMO PI控制器组成，具有一流的扰动前馈。

图2：简化控制结构。

使用变体子系统，您可以在同一Simulink模型中实现两个控制结构，并使用变量在它们之间切换。金宝app在这里设置mode = 2选择MIMO PI结构。如前所述，使用Systune.调整三个2×2增益矩阵kp.那ki.那kff.在简化的控制结构中。

％在“控制器”块中选择“MIMO PI”变体mode = 2;％配置调谐界面st0 = sltuner（'rct_diesel'，{'kp'那'ki'那'kff'}）;st0.ts = 0.2;addpoint（st0，{'egrlift'那'vgtpos'那'柴油发动机'}）％tune mimo pi控制器。ST2 = SYSTUNE（ST0，[TR DR]，[M1 M2 RO]）;

最终：软= 1.09，硬= 0.98992，迭代= 319

再次达到所有要求。绘制闭环响应并与状态空间设计进行比较。

clf t2 = getiotransfer（st2，{'Boost Ref';'egrmf ref'}，{'促进'那'egrmf'那'egrlift'那'vgtpos'}）;t2 = diag（[1/10 1/3 1 1]）* t2 * diag（[10 3]）;子图（211），步骤（t1（1：2，:)，t2（1：2，:)，15），标题（'设定点跟踪'） 传奇（'ss2'那'pi + ff'）子图（212），步骤（t1（3：4，:)，t2（3：4，:)，15），标题（“控制努力”）

d2 = getiotransfer（st2，{'燃料制作';'速度'}，{'促进'那'egrmf'那'egrlift'那'vgtpos'}）;d2 = diag（[1/10 1/3 1 1]）* d2 * diag（[5 -200]）;子图（211），步骤（d1（1：2，:)，d2（1：2，:)，title（“干扰拒绝”） 传奇（'ss2'那'pi + ff'）子图（212），步骤（d1（3：4，:)，d2（3：4，:)，15），标题（“控制努力”）

BlackBox和简化的控制结构提供类似的性能。检查PI和馈电增益的调谐值。

展示（ST2）

框1：rct_diesel / controller / mimo pid / kp = d = U1 U2 Y1 -0.007997 -0.0008363 Y2 -0.02049 0.01456名称：KP静态增益。---------------------------------------------------- rct_diesel / controller / mimo pid / ki = d = u1U2 Y1 -0.01058 -0.01381 Y2 -0.03019 0.04706名称：KI静态增益。------------------------------------------------------ rct_diesel / controller / mimo pid / kff = d = u1U2 Y1 0.01368 -9.661E-05 Y2 0.03164 -0.001435名称：KFF静态增益。