柴油机优化燃烧控制器及对仿真模型控制方法与流程

本发明属于柴油机技术领域。

背景技术：

随着汽车工业的迅速发展，世界范围内汽车数量也在急剧增加，2015年全球汽车保有量将超过11亿辆，而2050年将预计增长到35亿辆。如此庞大数量的汽车每年将消耗10亿多吨燃油，已超过世界石油年产量的1/3。以目前的开采速度计算，全球石油资源将会在50年后枯竭，并且美国能源部研究预测，2020年以后全球石油需求与常规石油供给之间将出现净缺口。可见能源危机迫在眉睫。伴随燃油的使用，汽车排放的尾气造成了严重的环境污染，并且危害着人类的健康。我国大部分地区出现的雾霾问题已引起了人们的高度重视^[2]。能源短缺、环境污染和气候变暖是当前汽车和能源产业共同面临的巨大挑战。针对汽车的生产和销售，我国出台了最新的国ⅴ排放标准，将对汽车的排放进行了更为严格的限制。对柴油机进行优化燃烧控制，能有效的减低柴油机的排放，同时能够有效提高柴油机的经济性能与动力性能，这对于缓解我国的环境污染问题及资源枯竭问题具有重要的意义。

技术实现要素：

本发明的目的通过对柴油机的喷油量、喷油时刻、egr阀的开度及vgt截面积进行控制，从而使得柴油机的nox排放满足国iv排放标准，同时使其具有良好的动力性及燃油经济性能的柴油机优化燃烧控制器。

本发明步骤是：

①激励数据的选取：在柴油机燃烧模型中，将设计的喷油量、喷油时刻、egr阀的开度、vgt的齿条位置给柴油机，开环运行模型，得到实际的nox的排放量，发动机曲轴输出的扭矩，燃油消耗率；根据这些数据得到系统的输入hankel矩阵、，输出hankel矩阵、、：

（1）

（2）

（3）

（4）

（5）

公式（1）中的表示系统在2…..n-2m+2时刻系统的输出；公式（3）中的表示系统在2+m…..n-m+2时刻系统的输出；其中第i时刻的系统输出为，其中、、分别表示第i时刻燃油消耗率、nox排放量以及柴油机输出的曲轴扭矩；

公式（2）中表示系统在2……n-m+2时刻系统输出的增量，其中第i时刻系统输出的增量为，即第i时刻系统的输出减去第i时刻的输出，其中、、分别表示第i时刻燃油消耗率、nox排放量以及柴油机输出的曲轴扭矩；

公式（4）中的表示系统在2…….n-m+2时刻系统输入的增量；（5）中的表示系统在2+m…..n+2时刻系统输入的增量，其中第i时刻系统输入的增量为，即第i时刻系统的输出减去第i时刻的输出，其中、、、分别表示第i时刻的喷油量、egr阀的开度、vgt截面积及喷油时刻；

②通过输入输出hankel矩阵构造系统增量形式的预测输出方程为：

（6）

其中，为系统的输入hankel矩阵；即为通过增量型子空间辨识方法得到的系统未来的输出值，通过求解最小二乘问题，获得预测方程中的两个预测矩阵和：

（7）

其中，两个预测矩阵系数和的解由下式求得：

（8）

式中和分别为和的转置；

③在得到增量型的预测矩阵和后，利用增量型子空间预测方程（6），即得到系统未来输出值；

④数据驱动预测控制器设计：对目标函数对应的二次规划问题求解得到优化后的喷油量、喷油时刻、vgt的齿条位置、egr阀的开度，目标函数的数学表达式如式（9）所示：

（9）

其中k1、k2、k3、k4为目标函数的加权系数，k、p分别为当前时刻、预测时域，rt为期望的柴油机输出曲轴扭矩，rnox由式（10）计算得到

(10)

其中，为前时刻总的nox的排放量；

⑤将式（6）进行等量代换得式（11）

（11）

其中f项为系统自由相应部分，项被称为系统的控制相应；

⑥通过式（11），得到如下所示的目标函数：

（12）

其中

，

、

为加权系数，系统的输入约束由式（13）、（14）进行描述：

（13）

（14）

式（13）描述的是对控制量的变化率的约束，其中、分别为控制量变化率的最大值与最小值，式（14）描述的是对控制量的约束，、分别为控制量的最大值与最小值，通过求解带约束（13）、（14）的优化问题（12），就可以得到最优的控制率。

本发明能很好地解决现有技术的三点问题，基于数据驱动预测控制算法能有效表面复杂的系统机理建模，

1、使用系统的输入输出数据离线辨识得到系统面向控制的模型，这大大地减少了传统的机理建模的时间；同时由于辨识得到的面向控制的模型具有线性的结构，这有利于mpc控制器的设计及其优化问题的在线求解。

2、数据驱动mpc控制器能够对系统未来的动态进行预测，然后根据其预测的系统的动态做出相应的控制，所以使用mpc控制器能够很好克服惯性对柴油机输出的影响，从而对柴油机的燃烧过程实现优化。

3、柴油机的优化燃烧过程是一个多输入、多输出，带耦合的多目标优化问题。数据驱动mpc控制器具有处理带耦合的多目标优化问题的能力。所以使用数据驱动mpc能够同时对柴油机的燃油经济性、动力性及排放性能进行优化。

附图说明

图1是本发明所述的基于数据驱动mpc的柴油机优化燃烧控制框图；其中控制量是喷油量、喷油时刻、egr阀的开度、vgt截面积；

图2是本发明所述的集中式带egr+vgt的柴油机gt模型的示意图，该模型由环境设置模块、圆管模块、vgt模块、中冷器模块、三通管模块、egr模块、四缸2升排量的柴油机模块及尾气后处理模块构成；

图3是本发明在simulink中搭建的柴油机优化燃烧数据驱动mpc控制器(1)，主要是通过matlab中的m文件编译程序来实现数据驱动mpc控制算法；

图4是本发明在simulink中搭建的柴油机优化燃烧数据驱动mpc控制器(2)，主要是通过matlab中的m文件编译程序来实现数据驱动mpc控制算法；

图5是本发明对柴油机进行激励时喷油量的输入，单位为mg指的是每循环的喷油量，横坐标为时间，单位为s；

图6是本发明对柴油机进行激励时egr阀的开度的输入，横坐标是时间，单位为s；

图7是本发明对柴油机进行激励时喷油滞后角的输入，单位为度（°），横坐标为时间，单位为s；

图8是本发明对柴油机进行激励时vgt齿条位置的输入，横坐标为时间，单位为s；

图9是本发明对柴油机进行激励时燃油消耗率的输出，其单位为g/kwh，横坐标为时间，单位为s；

图10是本发明对柴油机进行激励时nox排放的输出，其单位为g/kwh，横坐标为时间，单位为s；

图11是本发明对柴油机进行激励时曲轴扭矩的输出，其单位为n.m，横坐标为时间，单位为s；

图12是本发明对辨识模型进行验证时喷油量的输入，单位为mg指的是每循环的喷油量，横坐标为时间，单位为s；

图13是本发明对辨识模型进行验证时egr阀的开度的输入，横坐标是时间，单位为s；

图14是本发明对辨识模型进行验证时喷油滞后角的输入，单位为度（°），横坐标为时间，单位为s；

图15是本发明对辨识模型进行验证时vgt齿条位置的输入，横坐标为时间，单位为s；

图16是本发明对辨识模型进行验证时燃油消耗率的输出，其单位为g/kwh，横坐标为时间，单位为s，其中实线代表gt模型的输出，虚线代表辨识模型的输出；

图17是本发明对辨识模型进行验证时nox排放的输出，其单位为g/kwh，横坐标为时间，单位为s，其中实线代表gt模型的输出，虚线代表辨识模型的输出；

图18是本发明对辨识模型进行验证时曲轴扭矩的输出，其单位为n.m，横坐标为时间，单位为s，其中实线代表gt模型的输出，虚线代表辨识模型的输出；

图19是本发明在driving模式下对柴油机进行控制时喷油量的输入，单位为mg指的是每循环的喷油量，横坐标为时间，单位为s；

图20是本发明在driving模式下对柴油机进行控制时egr阀的开度的输入，横坐标是时间，单位为s；

图21是本发明在driving模式下对柴油机进行控制时喷油滞后角的输入，单位为度（°），横坐标为时间，单位为s；

图22是本发明在driving模式下对柴油机进行控制时vgt齿条位置的输入，横坐标为时间，单位为s；

图23是本发明在driving模式下对柴油机进行控制时燃油消耗率的输出，其单位为g/kwh，横坐标为时间，单位为s；

图24是本发明在driving模式下对柴油机进行控制时nox排放的输出，其单位为g/kwh，横坐标为时间，单位为s；

图25是本发明在driving模式下对柴油机进行控制时曲轴扭矩的输出，其单位为n.m，横坐标为时间，单位为s，其中实线代表gt模型的输出，虚线代表辨识模型的输出；

图26是本发明在load模式下对柴油机进行控制时喷油量的输入，单位为mg指的是每循环的喷油量，横坐标为时间，单位为s；

图27是本发明在load模式下对柴油机进行控制时egr阀的开度的输入，横坐标是时间，单位为s；

图28是本发明在load模式下对柴油机进行控制时喷油滞后角的输入，单位为度（°），横坐标为时间，单位为s；

图29是本发明在load模式下对柴油机进行控制时vgt齿条位置的输入，横坐标为时间，单位为s；

图30是本发明在load模式下对柴油机进行控制时燃油消耗率的输出，其单位为g/kwh，横坐标为时间，单位为s；

图31是本发明在load模式下对柴油机进行控制时nox排放的输出，其单位为g/kwh，横坐标为时间，单位为s；

图32是本发明在load模式下对柴油机进行控制时柴油机转速的输出，其单位为rpm，横坐标为时间，单位为s，其中实线代表gt模型的输出，虚线代表辨识模型的输出。

具体实施方式

本发明首先针对柴油机的经济性能、动力性能及燃油经济性，提出了相应的控制指标，并选择了相应的控制输入；其次，根据系统的特性设计了适当的激励数据，以保证对系统稳态、动态特性的充分激励；接着，根据系统的阶跃响应特性，选择合适大小的输入输出矩阵对系统进行辨识；然后，考虑执行器的约束，利用模型预测控制算法构造相应的代价函数；最后，通过求解目标函数对应的最优问题，获得控制输入并将其作用于系统，从而实现对系统的控制。

本发明所述的基于数据驱动mpc控制器的柴油机优化燃烧是通过gt-power与simulink的联合仿真实现。其中gt-power是一个商用的复杂系统建模仿真平台，本发明利用其搭建一个高保真的柴油机燃烧模型，在仿真实验中用以代替一款真实的柴油机；matlab/simulink则是用于控制器的仿真模型搭建，即通过simulink编程来完成基于数据驱动mpc的柴油机优化燃烧控制器的搭建。

从功能上说本发明可以包括以下几部分：控制器仿真模块和带egr-vgt的柴油机燃烧模型。下面详细说明各部分的作用：

带egr-vgt的柴油机燃烧模型主要用于离线仿真得到能够体现系统特性的输入输出激励数据，从而通过子空间辨识的方法得到面向控制的模型。

控制模块的主要作用是对柴油机燃烧模型的输入、输出量进行采集，然后通过求解相应的二次规划问题得到系统最优的控制信号（喷油量、喷油时刻、egr阀的开度、vgt的齿条位置）；

本发明中基于数据驱动mpc控制器的柴油机优化燃烧控制的控制框图，如图1所示。图中的控制器是在simulink中搭建的，控制器的输入是喷油量、喷油时刻、egr阀的开度及vgt齿条的位置，而实际的燃油消耗率、nox的排放及发动机曲轴输出的扭矩是实时反馈回控制器的。考虑到实际存在的约束，喷油量的取值范围为0mg~40mg，喷油时刻-10~10，egr阀开度对应的值范围0~0.3，vgt截面积对应的齿条位置范围0~1。

本发明的控制目标是，柴油机输出的曲轴扭矩跟踪上期望值，同时优化燃油消耗率以及使得柴油机排放的nox满足国五排放标准。

根据上述步骤可以得到基于pc机的离线柴油机优化燃烧设计试验平台。该平台的搭建及运行过程如下所示：

一、仿真平台搭建

柴油机优化燃烧控制系统的被控对象和控制器分别通过matlab/simulink和gt-power进行搭建，求解器选择分别为ode3和explicit-runge-kutta。仿真步长为定步长，本发明中选为0.04s。

二、联合仿真设置

matlab/simulink与gt-power的联合仿真有两种方式，一种是在gt-power中调用matlab/simulink中的模型；另一种是在matlab/simulink中调用gt-power的模型。本发明中，为了便于控制器的调试使用的是第二联合仿真的方式。要实现matlab/simulink与gt-power的联合仿真，首先要将gt-power的安装路径添到matlab中。然后分别在gt-power界面及matlab/simulink界面添加相应的通信接口模块，将matlab/simulink和gt-power间需要通信的变量连接到这个模块。最后就是在matlab/simulink中设置仿真步长，在进行联合仿真的过程仿真步长一定要设置为定步长。

三、集中式柴油机燃烧过程仿真模型搭建：采用模块化方法，在gt-power中搭建了带egr-vgt的柴油机模型，其示意图如图2所示。该模型由环境设置模块、圆管模块、vgt模块、中冷器模块、三通管模块、egr模块、四缸2升排量的柴油机模块及尾气后处理模块构成。首先在gt中新建一个文件，然后将环境设置模块1（endenvironment）拉入该文件中，通过该模块对环境温度及压力进行设置，具体的参数如表一所示，其中composition属性及humidityspecies属性分别使用gt自带的air对象及h2o-vap对象；然后通过圆管模块1将环境设置模块与环境设置模块与压缩机模块相连接，其中圆管模块1的参数如表一所示；接着将压缩与中冷器连接在一起，其中中冷器的参数直接使用demo中的参数；接着通过三通管1将中冷器、四缸2l排放的柴油机模块的入口及egr模块的出口连接在一起，其中四缸2l排放的柴油机模块的参数如表一所示，其他的参数直接使用demo自带的参数，三通管1的参数如表一所示；接着通过三通管模块2将四缸2l排放的柴油机模块的出口、涡轮机及egr模块的入口连接在一起，三通管模块2的参数如表一所示；然后将涡轮机通过圆管模块2与尾气后处理系统相连接，尾气后处理系统的参数直接使用demo的参数，圆管模块2的参数如表1所示，最后通过圆管模3块将尾气后处理模块与环境设置模块2连接在一起，其中圆管模块3的参数如表一所示，环境设施模块2的参数与环境设置模块1的参数是一致的。

表一带egr+vgt的柴油机参数列表

四、柴油机优化燃烧控制方案

首先是控制目标的确定：使nox的排放的均值小于2g/kwh，以满足国五排放标准对nox排放的要求；同时使得柴油机输出的曲轴扭矩跟踪上期望值，以满足对柴油机动力性的要求；最后，在满足排放性能及动力性能的前提下，尽量降低燃油消耗。

控制量的确定：对于柴油机而言，其输出的扭矩主要由喷油量决定；为了提高柴油机的燃油经济性及动力性，需要优化柴油机的喷油时刻及vgt的截面；另一方面，为了减低柴油机nox的排放，需要对egr阀的开度进行控制，所以为了满足上述控制目标，本发明选择喷油量、喷油时刻、egr率及vgt的截面积作为控制量。

控制器的选择：因为柴油机的燃烧过程复杂且存在较强的非线性，本发明使用增量型子空辨识的方法建模建立面向控制的模型；另一方面，考虑到mpc控制器能够很好的解决带约束、多目标优化问题，所以本发明使用基于增量型数据驱动mpc控制器。

确定控制目标、控制量及控制器之后就能得到本发明的柴油机优化燃烧控制方案，具体的控制框图如图1所示。

五、柴油机优化燃烧数据驱动预测控制器

①激励数据的选取：选取柴油机的喷油量、喷油时刻、egr阀的开度、vgt的齿条位置（在gt模型中，vgt的截面积是由齿条位置决定的，齿条的位置在0~1的范围内变化）作为激励输入信号，在gt-power的柴油机燃烧模型中，将设计的喷油量、喷油时刻、egr阀的开度、vgt的齿条位置给柴油机，开环运行模型，得到实际的nox的排放量，发动机曲轴输出的扭矩，燃油消耗率；根据这些数据得到系统的输入hankel矩阵、，输出hankel矩阵、、：

（1）

（2）

（3）

（4）

（5）

公式（1）中的表示系统在2…..n-2m+2时刻系统的输出；公式（3）中的表示系统在2+m…..n-m+2时刻系统的输出；因为公式（3）中的输出是系统未来m时刻的值，所以公式（3）中的输出超前公式（1）中对应的输出m时刻。其中第i时刻的系统输出为，其中、、分别表示第i时刻燃油消耗率、nox排放量以及柴油机输出的曲轴扭矩。

公式（2）中表示系统在2……n-m+2时刻系统输出的增量，其中第i时刻系统输出的增量为，即第i时刻系统的输出减去第i时刻的输出，其中、、分别表示第i时刻燃油消耗率、nox排放量以及柴油机输出的曲轴扭矩；

公式（4）中的表示系统在2…….n-m+2时刻系统输入的增量；（5）中的表示系统在2+m…..n+2时刻系统输入的增量，其中第i时刻系统输入的增量为，即第i时刻系统的输出减去第i时刻的输出，其中、、、分别表示第i时刻的喷油量、egr阀的开度、vgt截面积及喷油时刻；

②通过输入输出hankel矩阵构造系统增量形式的预测输出方程为：

（6）

其中，为系统的输入hankel矩阵；即为通过增量型子空间辨识方法得到的系统未来的输出值，通过求解最小二乘问题，获得预测方程中的两个预测矩阵和：

（7）

其中，两个预测矩阵系数和的解由下式求得：

（8）

式中和分别为和的转置。

③在得到增量型的预测矩阵和后，利用增量型子空间预测方程（6），即得到系统未来输出值；在得到如（6）所示的预测方程之后，本发明使用图5所示的激励输入对辨识模型的精度进行了验证，验证结果如图7所示。由图7可知，预测得到的系统的输出与实际值吻合得很好。

④数据驱动预测控制器设计：对目标函数对应的二次规划问题求解得到优化后的喷油量、喷油时刻、vgt的齿条位置、egr阀的开度，目标函数的数学表达式如式（9）所示：

（9）

其中k1、k2、k3、k4为目标函数的加权系数，k、p分别为当前时刻、预测时域，rt为期望的柴油机输出曲轴扭矩，rnox由式（10）计算得到，由式（9）可得，目标函数中包括了：对柴油机输出曲轴扭矩的跟踪、对燃油消耗的优化以及对排放的跟踪优化。

(10)

其中，为前时刻总的nox的排放量；式10的物理意义，在可预见的未来的100个时刻之内，使得nox的排放量的平均值等于（1.95g/kwh）。

⑤为了便于控制器的推导，将式（6）进行等量代换得式（11）

（11）

其中f项为系统自由相应部分，项被称为系统的控制相应。

⑥通过式（11），得到如下所示的目标函数：

（12）

其中

，

、

为加权系数，系统的输入约束由式（13）、（14）进行描述：

（13）

（14）

式（13）描述的是对控制量的变化率的约束，其中、分别为控制量变化率的最大值与最小值，的值分别为40、0.3、10、1、-40、-0.3、-10、-1。式（14）描述的是对控制量的约束，、分别为控制量的最大值与最小值，的值分别为40、0.3、10、1、0、0、-10、0。通过求解带约束（13）、（14）的优化问题（12），就可以得到最优的控制率。如图3所示。

实验验证

模型预测控制的控制性能取决于预测模型的精度。为了验证模型的精度，本发明重新设计了一组激励输入，如图11、12、13、14所示，实验结果如图15、16、17所示。由图15、16、17可知，预测模型的nox、燃油消耗率、曲轴扭矩输出能够很好地跟踪上实际系统的输出值。

为了进一步验证柴油机优化燃烧数据驱动mpc控制器的控制性能，本发明使用ftp75工况分别在测功机模式及driving模式下对控制器的控制性能进行了仿真实验。ftp75工况被称为目前最合理的循环工况测试规则，其中美国加州政府起到了至关重要的作用。本着测试最真实数据的原则，美国ftp75工况设计了很多接近现实的试验内容。ftp75共由一个市区循环工况和两个补充循环工况组成。两个补充循环工况分别为sc03高温空调全负荷运转循环和us06高速、高加速度循环。最终试验结果由这三个试验结果通过不同的比例计算而成，因此这样的数据更接近实际使用。

1、测功机模式

gt中的测功机模式是通过柴油机的转速及柴油机的输入计算相应的扭矩输出。本发明使用ftp75工况下的柴油机转速作为给定输入，以验证基于数据驱动mpc控制器的在复杂工况的性能，实验结果如图22、23、24所示，其最优的控制量如图18、19、20、21所示。由图24可知，柴油机实际输出的曲轴扭矩能够很好地跟踪上期望值；同时，通过计算可知，nox的平均排放量为1.9152g/kwh，该值能够满足国五排放标准对于nox排放的要求；燃油消耗率的平均值为262.4231g/kwh。这时本发明认为，在测功机模式下基于数据驱动mpc的柴油机优化燃烧控制策略能够同时提高柴油机的动力性能、经济性能及排放性能。

2、driving模式

gt中的driving模式是通过柴油机输入的负载扭矩及柴油机的输入计算柴油机的转速。在gt中柴油机的转速可以由下面的式（15）得到。

（15）

其中，为柴油机的角加速度，该值可以由期望的柴油机的转速得到；j为柴油机的转动惯量；为柴油机输出的曲轴扭矩；为柴油机输入的负载扭矩。在实验过程中，柴油机的负载扭矩为认为给定的一个常值；期望的柴油机转速为ftp75工况下的柴油机转速；实验结果如图29、30、31所示，其最优的控制输入如图25、26、27、28所示。

由图31可知柴油机在driving模式下分别能够很好地跟踪上期望的柴油机转速；

同时由图30可以得到nox排放的均值为1.9225g/kwh，该值能够满足国五排放标准对于nox排放的要求；由图29可以得到燃油消耗率的平均值为262.1950g/kwh。这时本发明认为，在driving模式下基于数据驱动mpc的柴油机优化燃烧控制策略能够同时提高柴油机的动力性能、经济性能及排放性能。

本发明使用基于数据驱动mpc的控制器对四缸2l排放的柴油机的燃烧过程进行控制。首先使用了系统的输入输出数据离线辨识得到了面向控制的模型，并通过实验对该模型的精度进行了验证，这一方面减少了传统机理建模的时间，另一方面提高了模型的精度；然后使用上述预测模型设计了mpc控制器，该控制器能够根据系统未来系统的动态超前产生控制率，从而能够很好地克服惯性对柴油机输出的影响；另一方面，该控制器能够处理多输入、多输出、带耦合的多目标优化问题，所以它能将柴油机的燃油经济性、动力性及排放性能统一到一个目标函数中，从而对柴油机的燃油经济性、动力性及排放性能进行优化。