[发明专利]柴油机空气系统多变量自抗扰控制器的输入增益与观测带宽协同自趋优方法

说明书

本发明公开了一种多变量自抗扰控制器输入增益与观测带宽协同自趋优方法，面对TVA‑VGT‑EGR柴油机空气系统面向控制模型，设计多变量自抗扰TITO ADRC控制器，多变量自抗扰TITO ADRC控制器包括跟踪微分器TD、ESO观测器以及误差扰动控制律SEF，通过ESO观测器的收敛实现对psubgt;22/subgt;、psubgt;3/subgt;和Xsubgt;EGR/subgt;的控制，ESO观测器输出传递给误差扰动控制律SEF，利用误差扰动控制律SEF输出的Asubgt;TVA/subgt;、Asubgt;VGT/subgt;以及Asubgt;EGR/subgt;分别计算开度信息得到Usubgt;TVA/subgt;、Usubgt;VGT/subgt;以及Usubgt;EGR/subgt;，并送入TVA‑VGT‑EGR柴油机空气系统面向控制模型，对输入增益以及控制参数进行敏感性分析，通过极值搜索法ES获得待学习参数的最优值，解决空气系统各控制回路间复杂的交叉耦合关系以及相互之间的耦合影响，同时对控制参数及模型参数进行在线自学习。

技术领域

本发明涉及发动机空气系统技术领域，特别是涉及一种柴油机空气系统多变量自抗扰控制器的输入增益与观测带宽协同自趋优算法。

背景技术

柴油机空气系统具有多个状态变量，是一个有着强非线性、强耦合、时变的复杂系统。在TVA-VGT-EGR柴油机空气系统运行过程中，其执行机构的开度变化将引起系统中各变量的改变，同时这些变量间还存在着很多不确定的相互影响关系，各被控回路间存在着强耦合的特性。在对这样一个系统进行控制的时候，直接控制增压压力以及EGR率很难对系统进行充分的解耦，也很难准确地补偿掉系统中的不确定性和各类扰动，在各工况下不易取得稳定的控制效果。空气系统的控制难题主要体现在其各控制回路间复杂的交叉耦合关系以及相互之间的耦合影响。因此对这一强耦合的非线性系统实现系统特性清晰探索、面向控制合理建模以及控制算法最优设计从而实现其充分解耦，是空气系统控制的关键。

同时空气系统的解耦控制算法中的一些控制器参数需要通过整定得到，这些参数的取值直接影响算法性能和控制效果，取值的偏差会轻易地导致增压压力的控制上出现超调、振荡、调节时间过长等情况，同时也会一定程度地影响对EGR率的控制。因此对这些参数开展自学习工作是必要的。对于算法参数自学习，合理解析系统数学模型、设计学习算法、确保学习到参数的准确性，是算法开发的重难点所在。

自抗扰控制(Active Disturbance Rejection Control，ADRC)是由韩京请先生于1998年正式提出，其独特之处在于把作用于被控对象的不确定性因素归结为“未知扰动”，而用对象的输入输出数据对未知扰动进行补偿。它最大的优点是不要求被控对象有精确的数学模型。各项研究结果与工程应用结果表明，ADRC具备很好的适应能力，有着很强的鲁棒性和抗干扰性，其方法相对于其他控制思想在理论上有着本质的优越性，尤其能够有效适应复杂度和不确定度较大的控制对象。因此在本研究中，基于ADRC理论完成控制算法的开发和空气系统解耦控制。

一些研究者已经对其进行了改进，例如：文献(Optimization design andapplication of active disturbance rejection controller based on intelligentalgorithm)采用鱼群算法与粒子群算法相结合的混合算法优化ADRC参数，通过实验进行验证；文献(Parameters turning of ADRC based on neural network)将神经网络与ADRC结合，给出了ADRC参数自学习方法；但上述方法存在控制复杂、计算量大以及依靠经验整定参数等问题，不便于实际应用。

发明内容

本发明的目的是提供一种柴油机空气系统多变量自抗扰控制器的输入增益与观测带宽协同自趋优算法，以解决空气系统各控制回路间复杂的交叉耦合关系以及相互之间的耦合影响，同时对控制参数及模型参数进行在线自学习。

为实现本发明的目的所采用的技术方案是：