[发明专利]复杂工况下HCCI发动机燃烧正时控制系统

摘要

本发明涉及一种复杂工况下HCCI发动机燃烧正时控制系统，属于发动机控制技术领域。本发明首先以进气门关闭正时θIVC、发动机转速N、燃料当量比φ为输入，发动机燃烧正时估计值为输出，建立ELMAN神经网络HCCI发动机黑箱模型。利用该黑箱模型预测发动机燃烧正时。选择进气门关闭正时θIVC为控制变量，以发动机转速N和期望的燃烧正时角度为输入变量，设计BP神经网络控制器。通过燃烧正时估计值与期望的燃烧正时角度之间的误差ek来调整BP神经网络中的链接权值，让神经网络进行学习，直至误差ek小于设定误差阈值。此时，BP神经网络控制器可根据发动机转速和期望的燃烧正时角度调整进气门关闭正时，实现对复杂工况下HCCI发动机燃烧正时的控制。

主权项

1.复杂工况下HCCI发动机燃烧正时控制系统，其特征在于：包括ELMAN神经网络HCCI发动机黑箱模型和BP神经网络控制器；所述ELMAN神经网络黑箱模型对HCCI发动机燃烧正时进行估计；所述BP神经网络控制器根据发动机转速和期望的燃烧正时角度调整进气门关闭正时，实现复杂工况下HCCI燃烧正时的控制；ELMAN神经网络黑箱模型包含输入层、隐含层、承接层、输出层共四层，以进气门关闭正时θ_IVC、发动机转速N、燃料当量比φ作为输入层，发动机燃烧正时估计值为输出；其中，输入层包含输入向量的3个神经节点，承接层包含由自连接反馈因子a构建的2个神经元节点，隐含层包含隐含层神经元激励函数为Sigmoid函数f(·)的4个神经元节点，输出层包含由神经元的激励函数g(·)构建输出向量y的1个神经元节点；输入层神经元到隐含层神经元之间的连接权值w^I2,隐含层神经元到承接层神经元之间的连接权值w^I1，输出层神经元到隐含层神经元之间的连接权值w^I3，网络训练学习算法为Levenberg‑Marquardt算法。