] 执行神经网络的2个输入，分别是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;执行神经网络的4个输出，分别是四缸柴油机的1~4缸四个喷 油量大小的归一化值。执行神经网络输出的优化控制向量m(t)~U4(t)，经反归一化后用来 控制四缸柴油机四个缸的喷油量。
[0042] S3、确定评价神经网络的结构。
[0043] 评价神经网络用t时刻的输出来逼近近似动态规划t时刻的值函数Q(t)。其设计为 6-12-1结构，即6个输入层神经元，12个隐层神经元、1个输出层神经元。评价神经网络的隐 层采用如公式(2)所示的适于非线性函数逼近的Sigmoidal函数，评价神经网络的输出层则 采用线性函数。
[0044] 评价神经网络的6个输入变量，分别是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;评价 神经网络的1个输出变量是其值函数Q(t)的逼近值。
[0046] 其中，a为折扣因子，t表示采样时刻，R化)是效用函数，系数k从t+1到w。
[0047] S4、采用预设训练算法对缸平衡智能控制器进行离线训练。
[0048] 为评估离线训练的优化控制效果，需采用一个包含瞬时转速的随机波动，W及转 速的正弦波动部分的四缸柴油机的怠速模型。该模型应能模拟具有不同喷油量与扭矩差异 的四缸柴油机怠速时的转速波动，可用来测试缸平衡智能控制器的优化效果。
[0049] 采用二阶训练算法来离线训练缸平衡智能控制器。离线训练时，缸平衡智能控制 器及其二阶训练算法均采用Matlab的m文件来设计和仿真训练。反复调整执行神经网络和 评价神经网络的权值Wa(t)、Wc(t)的初始值W及效用函数R(t)，W上述模型为对象对缸平衡 智能控制器进行仿真训练，W最小化误差函数Ea(t)、Ec(t)的值为目标。
[0050] 定义；
[0051] ea(t)=Q(t) (4)
(5)
[0053] 执行神经网络的权值更新采用如下二阶训练算法，W最小化Ea(t)，
[0054] 即：
[0057]定义；
[005引 ec(t)=aQ(t)-[Q(t-l)-R(t)] (8)
[0059] ￡'(') =林(） （9)
[0060] 评价神经网络的权值更新采用如下二阶训练算法，W最小化Q(t):
[0061] Wc(t+l)=Wc(t)+Pc(t) ? Awc(t) ? ec(t) (10)
[0063] 运里，lc(t)和wc(t)分别是评价神经网络在t时刻的学习率和在t时刻的权值向量； Pc(t)是评价神经网络的权值Wc(t)的协方差矩阵；la(t)和Wa(t)分别是执行神经网络在t时 亥Ij的学习率和在t时刻的权值向量;Pa(t)是执行网络的权值Wa(t)的协方差矩阵。
[0064] 如果误差函数Et(t)达到目标值，认为训练成功了；如果50次迭代后仍达不到目标 值，认为训练失败了，需要再次初始化网络权值重新训练。评价神经网络的权值经训练且迭 代收敛后，评价神经网络将输出t采样时刻值函数的逼近值Q(t)。
[0065] 如果误差函数Ea(t)达到目标值，认为训练成功了；如果50次迭代后仍达不到目标 值，认为训练失败了，需要再次初始化网络权值重新训练。执行神经网络的权值经训练迭代 收敛后，执行神经网络将输出喷油量最优化控制变量的归一化值，通过反归一化后可W用 来控制四缸柴油机。
[0066] 评价神经网络和执行神经网络在每一个采样时刻均同步进行训练，如果评价神经 网络和执行神经网络都训练成功了，则缸平衡智能控制器就训练成功了。
[0067] 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。
[0068] 缸平衡智能控制器经过离线训练，具有稳定收敛性，产生控制效果后，在柴油机台 架上在线控制应用。该缸平衡智能控制器计算出四个缸的喷油量大小，并比较和补偿该四 缸柴油机原PID控制器所输出的四个缸的喷油量值，从而能补偿由于器件差异、参数时变、 老化磨损等不确定因素导致的各缸转速差异，使柴油机在一个工作循环上具有稳定的转速 特性。
[0069] 在线控制的优化目标与离线学习时的相同。缸平衡智能控制器是由Matlab-化nction函数来编程实现，并被嵌入到四缸柴油机管理软件中作为它的一部分。调试用上 位机装有dSPACE快速原型调试软件，用于将四缸柴油机的管理软件编译并下载到四缸柴油 机的控制单片机中，W实现四缸柴油机的控制及实际效果数据的采集与分析。
[0070] 在本实施例中，为了得到更好的优化控制效果，在步骤S3与步骤S4之间还包含一 步骤S6;
[0071] S6、根据离线学习实验，确定缸平衡智能控制器的控制参数，可W取得好的优化控 制效果，并可根据离线学习结果反复调整其控制参数的设置，具体参见表1。
[0072] 所述的步骤S6具体包含：
[0073] 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；
[0074] 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；
[0075] 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；
[0076] 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；
[0077] 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。
[0078] 表1缸平衡智能控制器2的控制参数
[0080] 其中，la(t)为执行神经网络的学习率，其初始值设置为0.3,它随迭代次数增加逐 渐减小到一个较小的值，执行神经网络的权值Wa(t)训练目标的最小化误差函数设置为Ta (t)=0.005,最大训练迭代次数设置为50次。执行神经网络的权值Wa(t)在训练之前被随机 初始化为(-1，+1)的小伪随机数。
[0081] lc(t)为评价神经网络的学习率，其初始值设置为0.3,它随迭代次数增加逐渐减 小到一个较小的值;折扣因子设置为Q = O.95;评价神经网络的权值WE(t)训练目标的最小 化误差函数设置为Tc(t) = 0.05,最大训练迭代次数设置为50次。评价神经网络的权值wc(t) 在训练之前被随机初始化为(-1,+1)的小伪随机数。
[0082]尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的 描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的 多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
【主权项】
1. 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， 其特征在于，该调节算法包含以下步骤： 51、 根据优化控制目标，确定效用函数； 52、 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，以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； 53、 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，以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； 54、 采用预设训练算法对缸平衡智能控制器进行离线训练； 55、 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，以补偿四缸柴油机各缸扭转差异。2. 如权利要求1所述的柴油机缸平衡智能化调节算法，其特征在于，所述的步骤S3与步 骤S4之间还包含一步骤S6; 56、 确定缸平衡智能控制器的控制参数。3. 如权利要求2所述的柴油机缸平衡智能化调节算法，其特征在于，所述的步骤S6具体 包含： 56.1、 确定评价神经网络的学习率及执行神经网络的学习率； 56.2、 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； 56.3、 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； 56.4、 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； 56.5、 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。4. 如权利要求1所述的柴油机缸平衡智能化调节算法，其特征在于，所述的步骤S1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。5. 如权利要求1或4所述的柴油机缸平衡智能化调节算法，其特征在于，所述的步骤S1 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。6. 如权利要求1所述的柴油机缸平衡智能化调节算法，其特征在于，所述的步骤S1中， 效用函数可表示为：式中, = (4%為表不一个柴油机工作循环上瞬时转速米样值;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;ci和(32表示非一致性效用函数R(t)的系数，这里可均取为= 为虚数单位， η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。7. 如权利要求1所述的柴油机缸平衡智能化调节算法，其特征在于，所述的步骤S4中， 预设训练算法为二阶训练算法。
【专利摘要】本发明公开了一种基于近似动态规划的柴油机缸平衡智能化调节算法，通过对四缸柴油机瞬时转速的采样，以一个柴油机工作循环上转速数据离散傅立叶变换结果的一阶谐波与二阶谐波的模之和为零为优化目标，设计效用函数，并选定输入输出控制变量，设计近似动态规划控制器，通过学习，自适应地调节柴油机四个缸的喷油量，来补偿各缸扭拒差异，从而使一个柴油机工作循环上的四个周期性波形趋于一致，具有稳定的转速特性。本发明能在一定范围内，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。
【IPC分类】F02D41/14, F02D41/30
【公开号】CN105443259
【申请号】CN201510900813
【发明人】黄志坚, 张艳燕, 王海龙, 张赞, 刘晓, 陈文涛, 张琴
【申请人】上海海事大学
【公开日】2016年3月30日
【申请日】2015年12月8日