[发明专利]一种基于神经网络的瞬态EGR控制方法

说明书

本发明的目的在于提供一种基于神经网络的瞬态EGR控制方法，根据柴油机当前工况计算循环供油量，然后将循环供油量信号分别输送给目标氧含量计算单元，目标氧含量计算单元计算出该工况下的目标氧含量值A，并将A输送给PI控制器单元；BP神经网络预测柴油机扫气集管内的预测氧含量，将此氧含量值反馈到PI控制器单元，将目标氧含量值A与反馈回来的扫气集管内的预测氧含量进行比较做差，通过PI控制器单元获得EGR阀开度信号，将该EGR阀开度信号传送至EGR阀的执行机构和BP神经网络，最终使EGR阀开度稳定。本发明可以很好的弥补传统的PI反馈控制在瞬态模式切换以及TierIII模式下瞬态加减载时由于氧含量传感器严重滞后导致的一系列问题。

技术领域

本发明涉及的是一种节能减排方法，具体地说是船舶柴油机节能减排方法。

背景技术

随着人们环保意识的增强，世界各国纷纷制定了相应的排放法规。船用柴油机的尾气排放作为大气污染的主要源头之一，国际海事组织(IMO)对船用柴油机的排放提出了日益严格的要求，截至目前，在特定的排放控制区域TierIII排放法规已正式实施，NOx排放要求在TierII基础上再降低76％，这给船用柴油机研究工作者带来更加严峻的挑战。EGR作为一项机内净化技术，通过将部分废气引入到扫气集管来降低其中的氧气含量，进而有效降低燃烧过程中NOx的生成量，然而氧含量过低会导致柴油机冒黑烟，动力性和经济型都得到降低。传统的EGR控制机理属于PI反馈调节，在特定工况下将氧含量的目标值与传感器的测量值进行比较做差，然后将此差值传递给PI控制器，输出得到一个EGR阀的开度，最终使扫气集管内的氧含量达到目标值，然而由于氧含量传感器反应比较慢存在较大的滞后，导致实际调节过程中氧含量波动大、稳定时间长甚至还会出现氧含量在某段时间内过低，冒黑烟等问题。人工神经网络是最近发展起来的十分热门的交叉学科，具有并行机制、自学习和自适应能力，可以用来逼近任意复杂的非线性系统，能够学习与适应不确定系统的动态特性，所有定量和定性信息都分布存于网络的神经元中，所以有很强的鲁棒性和容错性，同时其采用并行分布处理方法，使得快速进行大量运算成为可能。

发明内容

本发明的目的在于提供能有效改善传统的PI反馈调节由于氧含量传感器的严重滞后导致的扫气集管内的氧含量稳定时间变长、调节难度加大、EGR阀开度不可避免的超调以及由此导致的扫气集管内的氧含量在某段时间内过低、冒黑烟、动力性和经济性下降等一系列问题的一种基于神经网络的瞬态EGR控制方法。

本发明的目的是这样实现的：

本发明一种基于神经网络的瞬态EGR控制方法，其特征是：

(1)训练神经网络：EGR阀的最大开度为b，在每个柴油机工况下，按照EGR阀开度从0变化到b、中间间隔为b/N设定EGR阀开度，分别进行柴油机的稳态实验，用氧含量传感器测量每个情况下扫气集管内的氧含量，训练BP神经网络：BP神经网络的输入为柴油机工况和EGR阀开度，BP神经网络的输出为该柴油机工况和EGR阀开度下，柴油机稳定运行时扫气集管内的氧含量，利用柴油机每个工况下得到的训练样本完成对神经网络的训练；

(2)根据柴油机当前工况计算循环供油量m，然后将循环供油量m信号分别输送给柴油机和目标氧含量计算单元，柴油机按照循环供油量m信号喷油，目标氧含量计算单元根据循环供油量m计算出该工况下的目标氧含量值A，并将目标氧含量值A信号输送给PI控制器单元的输入端；

(3)BP神经网络根据EGR阀开度和柴油机所处的工况，通过步骤(1)的训练预测出柴油机在该工况和EGR阀开度下稳定运行时扫气集管内的预测氧含量，然后将此氧含量值反馈到PI控制器单元的输入端；

(4)将目标氧含量值A与反馈回来的扫气集管内的预测氧含量进行比较做差，通过PI控制器单元获得EGR阀开度信号，将该EGR阀开度信号传送至EGR阀的执行机构和BP神经网络，最终使EGR阀开度稳定，同时扫气集管内的氧含量也稳定在相应的目标氧含量值。