用于内燃机空气路径控制的基于离散时间速率的模型预测控制方法与流程

本申请是2012年12月21日提交的、名称为“RATE-BASED MODEL PREDICTIVE CONTROL METHOD FOR INTERNAL COMBUSTION ENGINE AIR PATH CONTROL(用于内燃机空气路径控制的基于速率的模型预测控制方法)”的、共同未决的美国专利申请No.13/724,957的部分继续申请，该申请的整个内容以引用方式全文并入本文中。

技术领域

本发明整体涉及用于内燃机的方法和控制器，更具体地，本发明涉及用于控制柴油发动机的方法。

背景技术：

本文提供的背景技术描述是为了整体上呈现本发明的背景。当前发明人的工作，到可以在背景技术部分描述的程度，以及在提交申请时可能没有作为现有技术的说明的各个方面，既不明确地也不隐含地承认作为针对本发明技术的现有技术。

现代的柴油发动机采用可变几何涡轮(VGT)来增加供应到发动机气缸的空气量。VGT改变涡轮定子入口叶片的角度，以改变供应到发动机气缸的空气量。

除了提供最佳的性能和燃料经济性之外，现代柴油发动机还必须满足严格的排放规定，尤其是颗粒物和氮氧化物。为了满足所有这些要求，具有VGT的柴油发动机还利用废气再循环(EGR)阀，该废气再循环阀具有可变控制位置，以便使得变化量的发动机废气再循环回到发动机气缸中，以进行更加完全的燃烧并降低发动机排放。

当发动机在大范围的操作条件(包括发动机速度、燃料消耗、发动机负荷等)下操作时，一个控制器且典型地多个控制器嵌入到发动机控制单元(ECU)中，以便响应于检测发动机性能的传感器来控制各种发动机致动器，从而优化发动机性能、排放等。

越来越多地使用模型预测控制(MPC)来用于发动机控制。标准MPC方法结合有一体类型的动作，以确保零态态误差，为预测控制模型增加额外的一体状态。MPC模型利用多个不同的发动机操作范围(燃料消耗率和发动机速度)，并且提供用于每个范围的控制器，以控制发动机致动器。

在应用于柴油发动机空气流的模型预测控制的具体例子中，利用可变几何涡轮(VGT)、EGR节流阀和EGR阀致动器控制发动机中的流动。这些系统是强耦合的，并且是高度非线性的。

然而，此前的模型预测控制器应用于内燃机，尤其是柴油发动机，已经利用了多个发动机性能操作范围，每个范围需要单独的预测控制器。另外，每个预测控制器利用一体类型的动作，其存在的问题是受控的发动机变量的超调限制。

希望提供用于内燃机的模型预测控制器，其具有最少数量的操作范围，以减少计算时间和存储要求，同时提供发动机控制性能变量的零态态跟踪误差。

技术实现要素：

这个部分提供本发明的整体概述，而不是本发明的完整范围或全部特征的综合性公开。

在多个方面中，本发明提供一种用于优化发动机操作的系统。该系统可以包括内燃机(例如柴油发动机)和控制器。控制器可以被构造成用以在发动机操作期间控制可变几何涡轮(VGT)和废气再循环(EGR)阀。控制器响应于发动机操作参数(例如发动机进气歧管压力和EGR速率)提供基于离散时间速率的预测模型。控制器利用基于离散时间速率的预测模型生成VGT位置和EGR阀位置。

在其它方面中，本发明提供用于控制内燃机的方法。该方法可以包括：获得进气歧管压力和EGR速率的测量值或估计值。该方法还可以包括：响应于所述进气歧管压力和EGR速率的测量值或估计值，利用控制器提供基于离散时间速率的预测模型。通过控制器，利用基于离散时间速率的预测模型可以生成VGT位置和EGR阀位置。

在其它方面中，本发明提供一种非暂时性计算机存储介质，具有在其上实施的计算机可读指令，该计算机可读指令在被执行时进行用于控制内燃机的方法。该方法可以包括：获得进气歧管压力和EGR速率的测量值或估计值。该方法还可以包括：响应于所述进气歧管压力和EGR速率的测量值或估计值，利用控制器提供基于离散时间速率的预测模型。通过控制器，利用基于离散时间速率的预测模型可以生成VGT位置和EGR阀位置。

从本文提供的说明中，进一步的适用性领域和增强上述相关技术的各种方法将会变得清楚。发明内容中的描述和特定例子仅仅是为了图示说明的目的，并不用来限制本发明的范围。

附图说明

通过参考以下的详细描述和附图，本发明的发动机控制方法的各种特征、优点和其它用途将会变得更加明显，其中：

图1为利用基于速率的预测模型控制器的柴油发动机的示意图；

图2为基于速率的预测模型控制器的输入和输出的方框图；

图3为利用图2的基于速率的预测模型控制器的发动机的示意性方框图；

图4为示出了顺序步骤和操作基于速率的预测模型控制方法的流程图；

图5为EGR阀位置对样品数量的曲线图；

图6为VGT占空比的曲线图；

图7为超调约束实施的曲线图；

图8为进气压力随时间的投射轨迹的曲线图；

图9为随时间采样的区域数量的曲线图；

图10为进气压力和EGR速率的时间历程曲线图；

图11为EGR节流阀位置的时间历程曲线图；

图12为EGR阀流量和受控的EGR阀流量的时间历程曲线图；

图13为受控的VGT升程的时间历程曲线图；

图14为图4的可供选择的流程图，示出了顺序步骤和操作基于离散时间速率的预测模型的控制方法；以及

图15为曲线图的集合，示出了在具有丰田GD发动机平均值模型的环中利用基于离散时间速率的非线性的模型预测控制进行的闭环模拟。

应当指出的是，本文所列的附图是为了举例说明本发明的技术中的方法、算法和装置的一般性特性，目的是描述某些方面。这些附图可以不精确地反映任何给定方面的特征，并且不必用来限定或限制本发明技术的范围内的具体实施例。另外，某些方面可以结合来自附图组合的特征。

具体实施方式

现在参考图1，内燃机20(在下文中通过例子描述为柴油发动机)包括容纳有多个气缸24的发动机缸体22。燃料轨26与未示出的燃料供应装置连接，将柴油燃料供应到多个燃料喷射器28，每个气缸24设置有一个燃料喷射器。

进气歧管30联接到气缸24，以用于将进入的空气供应到每个气缸。进气歧管压力传感器32联接到进气歧管30，以用于测量进气歧管的空气压力。

排气歧管34将燃烧气体从气缸24输送离开发动机缸体22。

EGR阀40联接在进气歧管30和排气歧管34之间的旁通路径中，以便将废气的一部分从排气歧管34再循环回到进气歧管32中而供应到气缸24。EGR冷却器42可以与EGR阀40一起联接在旁通路径中。

EGR节流阀44安装在来自可变几何涡轮(VGT)48的压缩机46的空气流路径中，以控制气体循环。

中间冷却器50可以安装在EGR节流阀44前方的进入空气路径中。

通过控制涡轮输入叶片的角度，可变几何涡轮48经由压缩机46控制进气歧管压力。

根据本发明的方法，用于发动机20的基于速率的预测模型控制(RB-MPC)利用多个控制输入，例如进气歧管压力62和EGR速率64，如图2所示。如下所述，部分非线性反演用来将两个输入62和64分别回溯为VGT位置和EGR阀位置。部分反演降低了模型的非线性程度，并且是朝向减少用以覆盖发动机操作范围的区域的数量并因此降低计算复杂度的第一步骤。

部分反演还避免了需要处理DC增益逆转。控制器60设计利用由发动机速度和燃料消耗率构成的发动机操作范围的分割，以用于每个操作区中的降阶线性化发动机模型。在控制和状态约束下，仅仅单个区能够用于良好的跟踪性能。因此，可以减少ECU中ROM的使用，并且可以减少控制器校正时间。单独的控制器可以用于EGR节流阀。

显式MPC的解可以是计算的，并且用在ECU 70中，如图3所示，而不是基于板载二次编程的解。这种实施方式的动机在于有限的计算能力和代码简化。

基于速率的预测模型可以包括以下的非限制性元素或特征：

设定点图，其规定了用于进气压力和EGR速率的设定点；

基于柴油发动机模型的降阶线性化的预测模型；

显式模型预测控制器，其生成所要求的VGT升程和所要求的EGR流量，同时对进气压力和最大EGR流量强制实施时变约束；

部分反演模块，其计算VGT占空比(关闭百分比)和EGR阀位置(打开百分比)；

卡尔曼滤波器，其基于进气压力的测量值、ECU估计的EGR速率和质量空气流量(MAF)来进行估计；

EGR节流阀(％关闭)控制器，其基于所要求的EGR流量和最大EGR流量之间差数来关闭节流阀；以及

基于马尔科夫链的MPC区域选择过程，其搜索用于显式模型预测控制器的适当区域的似然阶。

如图4所示，可以在步骤100中提供用于发动机20的非线性模型，利用平均值，采用物理和数据拟合的灰盒建模方法。模型中的主要动态是进气歧管压力、排气歧管压力、预节流阀压力、涡轮增压器涡轮速度、EGR冷却器出口温度、进气歧管密度、排气歧管密度、进气歧管燃烧气体比率、排气歧管燃烧气体比率、以及发动机温度。模型的输入是发动机速度、燃料消耗率、VGT占空比和EGR节流阀位置。

为了使得模型更加线性，控制输入选择为进气歧管压力62和EGR阀流量64，而不是VGT占空比和EGR阀位置。控制策略利用部分非线性反演从规定的控制输入62和64恢复VGT占空比和EGR阀位置。其余的输入，也就是发动机速度、燃料消耗率和EGR节流阀位置，保持不变。输出选择为VGT升程和EGR阀流量以及MAF，未示出。MAF仅仅用作卡尔曼滤波器的输入。

发动机操作范围(燃料消耗率和发动机速度范围)分为以所选的操作点为中心的多个区。在每个操作点处，非线性模型被线性化，以产生10阶线性模型。应用平衡截断，以减少模型阶数。基于汉克尔奇异值和初步设计的分析，确定线性模型的阶数可以减少二。因为降阶模型的状态的物理状态的转换，所以利用状态观察器来从测量的输出估计该状态。线性设计和模型的降阶是有利的，原因是减小了控制器ROM的尺寸，并且状态观察器是较低维的。

为了形成基于速率的预测模型，在步骤102中，采用2阶连续时间线性模型。然后，在步骤104中，生成基于速率的模型，作为线性模型的导数，如下，

其中ξ是由两个降阶状态的状态导数，和输出y，进气压力和EGR速率，构成的增广状态。u是输出矢量(VGT升程、EGR阀流量)，d是测量的扰动的矢量(EGR节流阀位置、发动机速度和燃料消耗率)。然后，对应A、B₁、B₂、C的连续时间系统实现转换为离散时间，具有T_s＝32_{m sec}的采样周期，以分别生成A_d、B_1d、B_2d、C_d。基于速率的预测模型(RB-MPC)具有以下的形式：

该模型将优化控制速率状态是控制的电流值。测量的扰动的导数d_k，是增广的，相反0≤λ≤1是扰动导数的预测衰减率并且基于仿真进行选择。o_k和r_k是不变的。

增量成本与跟踪误差、控制成效和松弛变量进行加权。所得的优化问题具有以下的形式，其中假设k＝1是当前时刻，

经受控制约束：

利用为1的控制步长：

并且经受在处间歇性地强制实施的软进气压力超调约束

y_MAPn-r_n≤o_overshoot,n+∈,(9)

∈≥0(10)

其中ξd＝[0r_N]T是期望的稳态值。最终成本，(ξ_N–ξ_d)^TP(ξ_N–ξ_d)利用与相关的未约束LQ问题的代数黎卡提方程的解相对应的P矩阵。

为了减少显式控制器中的区域数量，控制水平选择为单个步长。利用MPC指导以选择预测水平以及在利用仿真调谐控制器之后，输出约束水平设定为N_C＝30步并且预测水平为N＝50步。

利用Matlab的MPT工具箱在步骤106中生成为分段仿射控制规则形式的基于显式MPC速率的控制器60。控制器60具有分段仿射控制规则的形式。

u_k+1＝u_k+T_s(F_ix_aug+G_i),if H_ix_aug≤K_k) (11)

其中i∈{1,…,n_r}表示第i个多面区域，(F_i^X_aug+G_i)给出了所要求的控制速率，和,

其中是估计的工厂模型状态。总的增广状态，X_aug，在(12)中为16维。

将部分反演应用于基于速率的预测模型控制器60，以利用EGR流量控制信号取代EGR阀位置控制信号，并且利用VGT升程控制信号取代VGT占空比信号。EGR阀流量为进气压力、排气压力、排气温度、EGR阀位置和发动机速度的函数。在Huang等人的以下文献中描述了EGR流量对EGR阀位置的反演，Towards Combining Nonlinear and Predictive Control of Diesel Engines.Proceedings of the 2013American Control Conference；美国华盛顿哥伦比亚特区，2013年6月。因为EGR阀流量可获取为ECU估计，所以PID控制器也可以应用于EGR流量估计和所要求的EGR流量之间的差。图5示出了即使没有PID控制器，反演也是足够精确的。通过PID反馈和外环MPC反馈来补偿差异。

部分反演(但是没有动态补偿，原因是没有测量VGT升程)也用来将MPC控制器所要求的VGT升程转换为受控的VGT占空比。气动式VGT致动器动力学是复杂的，并且涉及滞后现象。然而，该模型将VGT升程、发动机速度、排气压力和排气温度(可获取为ECU估计)转换为VGT占空比，参见图6。

节流阀控制器与RB-MPC控制器60分开，并且具有以下的形式，

否则

节流阀控制器将节流阀位置设定到发动机速度，由节流阀位置前馈图规定的提供了差数M_egr的依据燃料的设定点，Θ^req，保持在所要求的EGR流量，和最大可行EGR流量，之间。如果该差数被破坏，那么应用PID控制器，C_PID(s)，通过关闭EGR节流阀来恢复该差数。

若干策略可以用来降低计算复杂度。间歇约束强制实施用来减少生成的区域数量。然后去除极少访问的区域。马尔科夫链区域选择过程也用来降低识别活动区域所需的平均时间。表1将最糟糕情况的计算复杂度RB-MPC与6或1个增量进气压力超调约束的强制实施进行了比较，n_z是区的数量，n_r是每个区的区域的数量。

表1

由于对典型的驱动循环的大量仿真，而能够去除极少访问的区域，以降低计算复杂度。此外，可以去除小区域，也就是具有小切比雪夫半径的区域。在消除区域的情况下，所选的区域给出如下

i∈argmin_i{max_j{H_ijx_aug-K_ij}}(14)

其中j对应于x_aug严格所属的第i个区域的定义中的第j个偏差。对于使用间歇约束强制实施的策略，大约一半的区域被额外去除。

区域的数量取决于主动约束的可能组合的数量。因此，为了减少区域的数量，在预测水平上所有时刻处强制实施约束的方法修改为在较少数量的时刻处强制实施严格的约束。RB-MPC 60的最终设计使用仅仅单个时刻(领先20个步长)来强制实施进气压力超调约束。

图7示出了利用RB-MPC控制器60来执行这个方法。在这种情况下，在燃料消耗率为从5至55mm³/冲程(对应于进气压力设定点中的124kPa至232kPa的步长)的大步长期间，该方法能够处理超调约束。瞬态特性突出了使用基于速率的方法的优点。

图9中进一步举例说明了RB-MPC的性能优点，图9示出了在N＝50步的水平上用于RB-MPC的预测轨迹。

在图9中，即使1750rpm处的线性化点比线性化点3250rpm更远离仿真操作条件3500rpm，用于RB-MPC的预测轨迹也接近于真实轨迹。

当使用RB-MPC控制器60时，通过检查每个区域的偏差来控制计算成本。通过搜索当前处于似然阶内的区域x_aug，马尔科夫链过程用来加速平均情况区域选择过程。从驱动循环仿真和访问的区域轨迹，形成用于区域过渡的相关的马尔科夫链模型的转移概率矩阵。每个入口代表以列进行索引的从之前的区域转移的可能性。然后，概率转移矩阵进行分类，以针对每个之前的区域产生对当前区域进行检查的阶。图8示出了在这个仿真期间检查的区域的数量。在最糟糕的的情况下，计算时间与表1中所示的一种情况相同。这在x_aug实际处于第10个区域中的情况下，或者在x_aug处于被去除的区域之一中的情况下，对应于10个要检查的区域。对于仿真的大部分而言，仅仅检查单个区域。这是期望的，原因是通常x_aug将停留在与之前的时间步长期间相同的区域中。

RB-MPC控制器60在发动机20的非线性模型上的仿真结果如图10-13所示。这些图示出了覆盖从1000至4000rpm的发动机速度范围和在5至55mm³/冲程之间的燃料消耗率的燃料阶跃响应。每100秒发动机速度增加500rpm。采用单个RB-MPC控制器60，并且线性化点位于1750rpm、45mm³/冲程处。控制器在整个操作范围内表明了良好了跟踪性能和超调约束处理。从图11中可以明显看到，EGR节流阀偶尔关闭，例如在25秒处，多于EGR节流阀设定点所表示的，以恢复EGR流量差数。

返回参考图4，一旦在步骤106中生成基于速率的预测模型控制器60，控制器60就在发动机20的ECU 70中实施，如图3所示。

ECU 70具有处理器，该处理器执行计算机程序，该计算机程序明确地在计算机可用介质上实施，包括多个指令，这些指令在由处理器执行时实施上述基于速率的预测模型控制器。

ECU 70可以包括中央处理单元，该中央处理单元可以是任何类型的装置或者多个装置，能够操纵或处理信息。中央处理单元实施为单个处理器或多个处理器。

中央处理单元存取存储器，该存储器可以是随机存取存储器或任何其它合适类型的存储装置。存储器可以包括能够由中央处理单元存取的代码和数据。存储器还可以包括操作系统和应用程序，包括用来执行本文所述方法的基于速率的预测模型控制器。在多个方面中，可以采用非暂时性计算机存储介质，该非暂时性计算机存储介质具有在其上实施的计算机可读指令，该计算机可读指令在被执行时进行根据本发明的用于控制内燃机的各种方法。

利用基于速率的预测模型控制器60的ECU 70可以借助于算法或公式估计分为多个区域的发动机状态空间。一旦在步骤110中确定了状态，ECU 70就经由基于速率的预测模型控制器60利用在步骤108中估计的状态确定在步骤112中生成的分段仿射控制规则的区域。

一旦在步骤112中确定了区域，ECU 70就在步骤114中经由基于速率的预测模型控制器60施加与所选区域相关的存储在存储器中的反馈增益，以确定相应的发动机致动器61、63的控制速率。最后，ECU 70在步骤116中经由基于速率的预测模型控制器60将来自步骤114的确定的控制速率进行积分，以确定用于致动器61或63的控制值，然后该控制值由ECU 70施加到用于输出61或63的致动器。

图14为图4的可供选择的流程图，示出了顺序步骤和操作基于离散时间速率的非线性的预测模型的控制方法。与以上针对图4所述的方法步骤类似，图14的方法也采用ECU 70和控制器60，但是控制器能够提供非线性的预测模型，而不需要将工厂模型分为多个区域并使每个区域线性化。图14的方法是用于内燃机空气路径控制的基于速率的NMPC，其能够获得零偏移稳态跟踪，同时绕开与使用扰动估计器的策略相关的通用问题，例如不连续的区切换以及单独地调谐估计器和反馈控制器的需要。

对于基于离散时间速率的非线性的模型预测控制，可以采用与线性的基于离散时间速率的模型预测控制类似的想法。参考步骤200，形成标准的非线性的模型预测优化问题。对于Δx_k＝x_k-x_k-1，可能需要状态更新方程，因此，离散时间模型可以具有以下形式，

x_k+1＝f^d(x_k,u_k),(15)

y_k＝f^y(x_k,u_k).(16)

其中，从优化控制问题的观点来看，状态和输出方程(15)和(16)是等式约束，参考步骤202。例如，对(15)和(16)的等同约束为

Δx_k+1＝x_k+1-x_k＝f^d(x_k,u_k)-f^d(x_k-1,u_k-1),(17)

Δy_k＝y_k-y_k-1＝f^y(x_k,u_k)-f^y(x_k-1,u_k-1).(18)

利用约束(17)和(18)，以下的基于离散时间速率的非线性的模型预测控制成本函数，

被最小化，受到约束，

x_i+1|k-x_i|k＝f^d(x_i|k,u_i|k)-f^d(x_i-1|k,u_i-1|k),(20)

y_i|k-y_i-1|k＝f^y(x_i|k,u_i|k)-f^y(x_i-1|k,u_i-1|k),(21)

g(x_i|k,u_i|k)＝0,(22)

h(x_i|k,u_i|k)≤0,(23)

ψ(x_N|k-x_N-1|k,y_N|k-r)≤0,(24)

x_0|k＝x_k,x_-1|k＝x_k-1,y_0|k＝y_k,y_-1|k＝y_k-1,u_-1|k＝u_k-1.(25)

如步骤204所示，由控制器测量或以其它方式估计例如进气歧管压力和EGR速率的状态。然后，参考步骤206，例如针对VGT升程位置和EGR阀位置，解出了基于速率的NMPC优化问题。一旦解出了这些值，控制器就可以将控制序列的第一元素应用于工厂，如步骤208所示。一旦下一个样本时间步长已经过去(由步骤210记录)，就可以获得或测量额外的测量值，返回到步骤204。

图15示出了在具有丰田GD发动机平均值模型的环中利用基于离散时间速率的非线性的模型预测控制(具有多项式预测模型)进行的闭环模拟的各种图表。控制目标是通过VGT位置(u_VGT)和EGR位置(u_EGR)的协调控制，跟踪进气歧管压力(p_in)和EGR速率(x_EGR)。对于ΔT＝Δτ＝32_msec的采样周期和离散化周期而言，预测步长是N＝5。控制器使用以上基于速率的公式(19)-(23)和(25)，利用用于控制约束增强的多重调节的外部障碍，以便于生成必要条件的雅可比行列式以及每个采样瞬间的单个牛顿(不是康托洛维奇)阶跃。可以看到，基于速率的非线性的模型预测控制能够成功地实现零偏移稳态跟踪，而不需要任何估计器、适应或前馈。对于图15的上部部分，顶部两个图，用于进气歧管压力(p_in)和EGR速率(x_EGR[％])的曲线包括基准点以及与该基准大致匹配的闭环响应。对于图15的中心部分，中间的两个图，用于EGR位置(u_EGR[％打开])和VGT位置(u_VGT[％关闭])的曲线包括闭环响应以及最小值和最大值。

以上的说明事实上仅仅是示例性的，不以任何方式限制本发明、其应用或用途。如在此所用的，短语A、B、C中的至少一个应当看做指的是逻辑(A或B或C)，利用非排他性逻辑“或”。应当理解，方法中的各个步骤可以以不同的顺序执行，而不会改变本发明的原理。范围的公开包括整个范围内的全部范围或细分范围的公开。

本文所用的标题(例如“背景技术”和“发明内容”)以及子标题仅仅用于本公开内的一般性主题的组织，而不用来限制技术的公开或其任何方面。具有所述特征的多个实施例的表述并不排除具有额外特征的其它实施例或者结合所述特征的不同组合的其它实施例。

如在此所用的，术语“包括”和“包含”及其变型是非限制性的，使得后续的或列出的项目的表述并不排除其它类似的项目，这些类似的项目也可以用于本发明的装置和方法。类似地，术语“可以”和“能够”及其变型是非限制性的，使得实施例可以或能够包括某些元件或特征的表述并不排除本发明的不包含这些元件或特征的其它实施例。

本发明的宽泛教导可以以多种形式实施。因此，虽然本公开包括具体的例子，但是本公开的真实范围不应当限于此，原因是在研究了说明书和以下的权利要求的情况下，其它的修改对于本领域技术人员而言将变得明显。在本文中参考一个方面或多个方面指的是，与实施例或具体系统相结合描述的具体特征、结构或特性包含在至少一个实施例或方面中。短语“在一个方面中”(或其变型形式)的出现并不意味着指的是同一个方面或实施例。还应当理解，本文讨论的各个方法步骤不必以所示的相同顺序执行，不是在每个方面或实施例中都需要每个方法步骤。

为了举例说明和描述起见，已经提供了实施例的上述说明。其不是排他性的，也不是限制本发明。具体实施例的单个元件或特征通常并不限于特定的实施例，而是在适用的情况下是可以互换的，并且能够用于选择的实施例(即使没有特定地示出或描述)。实施例也可以以多种方式改变。这样的改变不应当认为是脱离了本发明，所有这样的改变都将包含在本发明的范围内。