[发明专利]HCCI发动机进气门关闭时刻混合气温度的观测方法

摘要

本发明公开了一种基于扩展卡尔曼滤波(EKF)算法的均质充气压缩点燃式(HCCI)发动机进气门关闭时刻混合气温度(Tivc)的类龙伯格(Luenberger)高阶递归神经网络(RHONN)状态观测方法，涉及汽车电子控制技术领域。该方法采用添加Luenberger项的RHONN形式，其中，RHONN的权重系数由EKF算法进行训练调节并提供，进而估计得到HCCI进气门关闭时刻的混合气温度。EKF训练算法的输入为发动机热力学状态模型输出的估计值与实际值的误差和神经网络输出值对权重的导数，输出则为观测方法的权重参数w。通过选取最优的RHONN权重参数和增加的Luenberger项，本发明所提出的方法能够很好地克服系统运行中出现的扰动、参数时变及其他不确定因素等问题，并且加快了跟踪速度。因此，该方法具有较强的抗干扰能力，能够获得精确的Tivc估计值。

主权项

1.一种HCCI发动机进气门关闭时刻混合气温度的观测方法，其特征在于，以发动机进气门关闭时刻为循环的起始时刻，将该时刻混合气温度T_ivc和排气歧管温度T_exh作为系统的状态量，并以曲轴相位θ_ivo作为系统的输入量，建立非仿射非线性离散模型，确定T_ivc与T_exh的关系；根据检测的状态量T_exh及其估计值的误差与龙伯格参数的乘积计算龙伯格项，建立添加龙伯格项的高阶递归神经网络观测方程，对混合气温度T_ivc进行观测，获得混合气温度的估计值；利用排气歧管温度估计值与实际值的误差对每个循环中高阶递归神经网络观测方程的权重进行训练，获得最优权重，根据最优权重获得精确的发动机进气门关闭时刻混合气温度T_ivc；所述非仿射非线性离散模型具体为：y(k)＝Texh(k)＝C(Texh(k),Tivc(k))T，其中，f1和f2均为非线性函数，C＝(1 0)；d1(k)、d2(k)分别为系统的外部有界干扰，Texh(k)表示第k次发动机循环时排气歧管的温度，而Texh(k+1)表示第k+1次发动机循环时排气歧管的温度，Tivc(k)为第k次发动机循环时混合气温度,Tivc(k+1)为第k+1次发动机循环时混合气温度，θivo(k)为第k次发动机循环时曲轴角度，T为矩阵转置；所述最优权重是，根据公式：对权重进行训练获得第k+1次权向量的预测值作为最优权重，其中，w_i(k|k‑1)为通过第k次权向量的预测值，η_i为可调整卡尔曼增益参数，G_i(k)为Kalman增益矩阵。