一种基于近似动态规划的柴油机缸平衡智能化调节算法
【技术领域】
[0001] 本发明设及柴油机智能化控制技术领域，具体设及一种基于近似动态规划的柴油 机缸平衡智能化调节算法。
【背景技术】
[0002] 柴油机按各缸顺序发火做功和累气的特性，决定了其转速呈现出正弦波形状的正 常周期性波动。然而，由于各缸间的器件差异、参数时变、不均衡老化磨损等，都会造成使用 过程中各缸间的不均衡扭矩输出，并导致其转速呈现出不均衡的正弦波形状周期性波动， 甚至影响到柴油机转速的稳定性。可是，对于柴油机的转速控制，又一直专注于其长期转速 值上，比如80化/min的怠速设定值;而一个柴油机工作循环上各缸间的转速波动，即缸平衡 控制问题，常常被忽视了。因此有运样一种需求，希望通过对各缸间扭矩差异的自适应调 节，实现各缸实际转速的均衡输出。
[0003] 现有方法多采用PID控制技术;并经对现有专利检索发现，到目前为止，在该领域 探索过的几种技术方法情况如下：申请号为:200410022691.1，名称为："四缸十六气口汽油 发动机动平衡装置"的发明专利，提出在发动机壳上设置平衡轴并通过链条与曲轴相连的 方法进行缸平衡。申请号为:200910236623.8，名称为："一种多缸发动机的分缸平衡系统与 方法"的发明专利，提出在曲轴上安装信号盘，该信号盘上具有分别与发动机的每个气缸相 对应的多个齿，并根据各缸的信号差值来调整各缸喷油量的方法，进行缸平衡控制。申请号 为:201110081865.1，名称为："在低怠速时使用曲轴转速传感器使能气缸平衡的方法和系 统"的发明专利，提出采用发动机转速模块、制动器控制模块、转矩平衡模块、怠速下降模 块，来联合控制发动机缸平衡。申请号为:201310203287.3，名称为："多缸发动机的控制方 法W及多缸发动机装置"的发明专利，则需要采集一个工作循环内每个气缸的缸压信号和 对应的发动机曲轴转角信号，并计算每个气缸在所述工作循环内的燃烧状态信息，W及下 一个工作循环需相应调整的使各个气缸燃烧状态平衡的发动机控制参数。申请号为： 201420281943.1，名称为："一种车载直列四缸发动机平衡轴"的实用新型专利，则完全采用 布置在发动机曲轴两侧的第一平衡轴和第二平衡轴的方法，来控制缸平衡。申请号为： 201410829720.9，名称为："双燃料发动机逐缸平衡的方法"的发明专利，需计算发动机每个 缸的扭矩与预定扭矩的差值，并根据其确定针对该缸下一循环的汽油增量和柴油增量，来 平衡各缸。
[0004] 上述方法从不同角度，对缸平衡问题进行补偿与控制，也各有一定的效果。然而， PID方法对非线性多输入多输出禪合系统并不高效;机械平衡装置是缸平衡的基础，但无法 精细补偿各缸差异，且不具有自适应调节能力;而其它方法一般需要添加昂贵的传感器、专 用检测系统等附加装置，还需要复杂地计算各缸差异;关键是上述方法均缺乏智能化调节 的能力，在当前全球产业大力发展并进入工业4.0与智能制造的时代，非常有必要，也非常 迫切进一步提升我国柴油机产业的智能化竞争力。
【发明内容】
[0005] 本发明的目的在于提供一种基于近似动态规划的柴油机缸平衡智能化调节算法， 能在一定范围内，智能地调节柴油机各缸喷油量，来补偿由于器件差异、参数时变、老化磨 损等不确定因素导致的各缸转速差异，从而自适应地提高缸平衡效果。
[0006] 为了达到上述目的，本发明通过W下技术方案实现:一种基于近似动态规划的柴 油机缸平衡智能化调节算法，用于缸平衡智能控制器对四缸柴油机进行优化控制，所述的 缸平衡智能控制器包含评价神经网络及执行神经网络，其特点是，该调节算法包含W下步 骤：
[0007] Sl、根据优化控制目标，确定效用函数；
[0008] S2、执行神经网络根据一个柴油机工作循环上，瞬时转速采样值离散傅利叶变换 结果的基波频率的模的归一化值，W及瞬时转速采样值离散傅立叶变换结果的二阶谐波频 率的模的归一化值，得到四缸柴油机中每一个缸的喷油量大小的归一化值；
[0009] S3、评价神经网络根据一个柴油机工作循环上，瞬时转速采样值离散傅立叶变换 结果的基波频率的模的归一化值、瞬时转速采样值离散傅立叶变换结果的二阶谐波频率的 模的归一化值，W及四缸柴油机中每一个缸的喷油量大小的归一化值，得到值函数的逼近 值；
[0010] S4、采用预设训练算法对缸平衡智能控制器进行离线训练；
[OOW S5、将完成离线训练后的缸平衡智能控制器用于在线控制，实现对四缸柴油机各 缸喷油量的控制，W补偿四缸柴油机各缸扭转差异。
[0012] 所述的步骤S3与步骤S4之间还包含一步骤S6;
[0013] S6、确定缸平衡智能控制器的控制参数。
[0014] 所述的步骤S6具体包含：
[0015] S6.1、确定评价神经网络的学习率及执行神经网络的学习率；
[0016] S6.2、确定评价神经网络的期望的训练误差及执行神经网络的期望的训练误差；
[0017] S6.3、确定评价神经网络的最大训练循环次数及执行神经网络的最大训练循环次 数；
[0018] S6.4、确定评价神经网络的折扣因子及执行神经网络的折扣因子；
[0019] S6.5、确定评价神经网络的初始权值及执行神经网络的初始权值。
[0020] 所述的步骤Sl中，优化控制目标为：怠速时，在一个柴油机工作循环上，柴油机各 缸间的转速波动一致。
[0021 ]所述的步骤Sl中，优化控制目标为:一个柴油机工作循环上，瞬时转速采样值离散 傅立叶变换结果的基波频率的模与瞬时转速采样值离散傅立叶变换结果的二阶谐波频率 的模之和为零。
[0022]所述的步骤Sl中，效用函数可表示为：
[0024] 式中，巧=仍)，巧;爲,...,斯_;.)康不一个柴油机工作循环上瞬时转速义样值;Yfuii表不一 个柴油机工作循环上，瞬时转速采样值离散傅立叶变换结果的基波频率的模;Yhalf表示一 个柴油机工作循环上，瞬时转速采样值离散傅立叶变换结果的二阶谐波频率的模；I ? I表 示复数的模;Cl和C2表示非一致性效用函数R(t)的系数，运里可均取为1;诚。ew'w"，i为虚数 单位，n表示一个柴油机工作循环上的采样数据量，k表示该柴油机工作循环上的第k个采样 数据。
[0025] 所述的步骤S4中，预设训练算法为二阶训练算法。
[0026] 本发明一种基于近似动态规划的柴油机缸平衡智能化调节算法与现有技术相比 具有W下优点：不要专用设备检测波动来自哪一个缸，W及区分各缸间的转速差异，只需采 用现有的柴油机瞬时转速信号，也不需要对象的数学模型，具有非线性系统的智能，还能直 接处理掉各缸间的非线性多输入多输出禪合关系;不需要给柴油机增加额外的传感器及其 它附件，并具有快速的迭代收敛性能，为柴油机缸平衡智能化控制提供了一种新的方法。
【附图说明】
[0027] 图1为本发明一种基于近似动态规划的柴油机缸平衡智能化调节算法的流程图；
[0028] 图2为缸平衡智能控制器的结构和原理示意图；图2中，100为缸平衡智能化控制 器，102为执行神经网络，101为评价神经网络，200为四缸柴油机;X(t)为t时刻，一个柴油机 工作循环上，瞬时转速采样值离散傅立叶变换结果的基波和二阶谐波频率的模的归一化 值;U(t)为执行神经网络t时刻输出的四个缸的喷油量的归一化值;xi(t)为t时刻，一个柴 油机工作循环上，转速采样值离散傅立叶变换结果的基波频率的模的归一化值;X2(t)为t 时刻，一个柴油机工作循环上，转速采样值离散傅立叶变换结果的二阶谐波频率的模的归 一化值；麟;;:巧为t时刻执行神经网络从第j个输入神经元到第i个隐层神经元的权值，j = l，2，i = l，. . .，8; 的为t时刻执行神经网络从第i个隐层神经元到第k个输出层神经元 的权值，i = l,. . .，8，k=l,. . .，4;Nh2 = 8为执行神经网络隐层节点数;hi(t)为t时刻执行神 经网络第i个隐层节点的输入，i = l，. . .，8;gi(t)为t时刻执行神经网络第i个隐层节点的 输出，i = 1，. . .，8 ; vk(t)为t时刻执行神经网络第k个输出节点的输入，k = 1，. . .，4;ui (t)，. . .，U4(t)为执行神经网络t时刻输出的第1~4缸喷油量的归一化值；14￡>。(叫为*时刻 评价神经网络从第n个输入神经元到第m个隐层神经元的权值，n = l，. . .，6，m=l，. . .，12; 为t时刻评价神经网络从第m个隐层神经元到输出层的权值，m= 1，. . .，12 ;Nhi = 12为 评价神经网络隐层节点数;qm(t)为t时刻评价神经网络第m个隐层节点的输入，m=l，...， 12;pm(t)为t时刻评价神经网络第m个隐层节点的输出，m=l，. . .，12;Q(t)为评价神经网络 t时刻输出的值函数的逼近值。
【具体实施方式】
[0029] W下结合附图，通过详细说明一个较佳的具体实施例，对本发明做进一步阐述。
[0030] 如图1及图2所示，一种基于近似动态规划的柴油机缸平衡智能化调节算法，用于 缸平衡智能控制器100对四缸柴油机200进行优化控制，所述的缸平衡智能控制器100包含 评价神经网络101及执行神经网络102。
[0031] 调节算法包含W下步骤：
[0032] Sl、根据优化控制目标，确定效用函数。
[0033] 优化控制目标为：怠速时，在一个柴油机工作循环上，柴油机各缸间的转速波动一 致。即若一个柴油机工作循环上，瞬时转速采样值离散傅立叶变换结果的基波频率的模与 瞬时转速采样值离散傅立叶变换结果的二阶谐波频率的模之和为零。
[0034] 效用函数用来设定系统的控制目标，因此，根据优化控制目标，其效用函数可定义 为：
[0036] 式中，^ =快。部，馬，表示一个柴油机工作循环上瞬时转速采样值;Yfuii表示一 个柴油机工作循环上，瞬时转速采样值离散傅立叶变换结果的基波频率的模;Yhalf表示一 个柴油机工作循环上，瞬时转速采样值离散傅立叶变换结果的二阶谐波频率的模；I ? I表 示复数的模;Cl和C2表示非一致性效用函数R(t)的系数，运里可均取为1;始，i为虚数 单位，n表示一个柴油机工作循环上的采样数据量，k表示该柴油机工作循环上的第k个采样 数据。
[0037] 上述定义为模的加权和的效用函数，具有正定特性，因此，具有Lyapunov意义下的 稳定性，是收敛的，还要进行离散化，离散化计算可确保迭代收敛过程的鲁棒性。
[0038] S2、确定执行神经网络的结构。
[0039] 执行神经网络用来逼近并输出最优化的控制向量U(t)。其设计为2-8-4结构，即2 个输入层神经元，8个隐层神经元、4个输出层神经元。执行神经网络的隐层和输出层均采用 公式(2)所示的适于非线性函数逼近的Sigmoidal函数：
[0041