一种基于在线感知为反馈信息的HPDI喷气量PID喷气量闭环控制装置及其控制方法

一种基于在线感知为反馈信息的hpdi喷气量pid喷气量闭环控制装置及其控制方法
技术领域
1.本发明涉及动力能源技术领域，具体涉及一种基于在线感知为反馈信息的hpdi喷气量pid喷气量闭环控制装置及其控制方法。


背景技术：

2.近年来，随着能源危机和排放法规的日益严格，天然气作为替代能源，因其对环境具有良好的排放性以及高热效率，加之具有储量丰富及较大的价格优势，被越来越广泛地用作发动机替代燃料，以降低环境污染压力和缓解能源问题。随着天然气发动机的发展，其利用也扩展到重型和船用发动机，而在这些发动机中，对于发动机的动力性能有着很大的需求。
3.当前，天然气发动机主要有三种运行模式。第一种模式是纯天然气发动机，天然气由火花塞点燃。在第二种模式下，发动机使用预混合天然气和直喷引燃柴油运行，其中天然气在进气冲程期间被引入低压双燃料发动机。在这种类型的发动机中，均匀的天然气/空气混合物被迅速压缩到其自燃条件以下，并通过在上止点附近喷射一定量的引燃柴油而被点燃。发动机负荷只能通过改变天然气的进气量来控制。在中高负荷时，低压双燃料发动机的排放相对较低。然而，在轻负荷下，未燃烧的碳氢化合物排放量急剧增加。此外，由于发动机爆震的限制，发动机功率和效率也是低压双燃料发动机面临的挑战之一。而在第三种模式下，天然气和引燃柴油都直接喷射到上止点附近的气缸中，这些通常被称为高压天然气缸直喷(hpdi)双燃料发动机。在这种类型的发动机中，先导柴油先于高压天然气注入气缸。当天然气注入气缸时，柴油自燃。天然气被带入引燃火焰并被点燃。由于天然气的火焰传播速度较慢，纯天然气发动机适用于小型发动机，而双燃料发动机通常用于重型和船用发动机。近期研究中，天然气双燃料船用发动机得到了广泛的研究。hpdi天然气发动机的优点是热效率和发动机功率更高，因为其混合控制燃烧速率以及抗爆特性。然而，与低压双燃料发动机相比，高压直喷发动机的挑战在于面临更高的氮氧化物和烟尘排放问题。
4.为进一步提高缸内高压直喷天然气发动机(hpdi)的热效率，降低其排放，国内外学者通过软件模拟和试验的方法研究了它的燃烧特性、燃烧模型和排放特性等，从而提升发动机的性能。


技术实现要素：

5.本发明提供一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置及其控制方法，从而提高hpdi发动机的经济性能和排放性能。
6.本发明通过以下技术方案实现：
7.一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置，所述控制装置包括天然气供给系统1、压力传感器2、喷射器3、轨压控制器4、pxi触发装置5、电荷-电压转换的电荷放大器6及上位机7；
8.所述天然气供给系统1的天然气1-1通过压气机1-2连接气轨1-3，所述气轨1-3分别与压力传感器2和轨压控制器4相连接，所述压力传感器2与喷射器3相连接，所述喷射器3与pxi触发装置5相连接，所述pxi触发装置5与压力传感器2均和电荷-电压转换的电荷放大器6相连接，所述pxi触发装置5与轨压控制器4均和上位机相连接。
9.一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置，喷射器3喷射出预设的喷气量，喷射器3的压力变化由喷射器3气体入口处的夹持式高精度压力传感器2感知，夹持式高精度压力传感器2实时感知的反馈信号经过电荷-电压转换的电荷放大器6放大输入pxi触发装置5，pxi触发装置5将信号传输至上位机7进行喷气量神经网络计算模型识别，识别后的计算喷气量与预设喷气量进行比对而实现对下次喷气量的实时精准控制。
10.一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置的控制方法，所述控制方法具体包括以下步骤：
11.步骤1：组装控制装置，并进行调试；
12.步骤2：建立基于步骤1装置中测得的喷气始点的喷气压力p
inj
以及入口压力最大跌落值δp的bp神经网络喷油量计算模型，得到输出量为喷气量m
cyc
；
13.步骤3：将步骤2中的喷气量m
cyc
作为反馈信号输入至pid控制算法内；
14.步骤4：迭代pid控制算法进行参数整定求得最优解。
15.一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，所述步骤2具体包括以下步骤，
16.步骤2.1：确定喷气量神经网络结构；输入层的输入为p
inj
与δp，输出层为m
cyc
；根据以下的经验公式，确定隐藏层数：
[0017][0018]
其中：l为隐藏层层数，n为输入层神经元个数，m为输出层神经元个数，a为[1,10]之间的常数；根据上式选取神经网络的层数为6层；
[0019]
步骤2.2：对网络结构进行权值阈值的初始化；
[0020]
步骤2.3：基于步骤1的实验装置采取反馈信号及实际喷气量，反馈信号喷气压力p
inj
及入口压力最大跌落值
△
p；
[0021]
步骤2.4：对喷气压力p
inj
及入口压力最大跌落值δp及实际喷气量进行[0,1]的归一化处理，使数据落在激活函数的敏感区间内，数据归一化公式为：
[0022][0023]
式中：xi为原始数据，x’i
为归一化的数据，x
min
为原始数据中的最小值，x
min
为原始数据中的最大值；
[0024]
步骤2.5：将步骤1得到的喷气量与步骤2.4得到的喷气压力及入口压力跌落值δp归一化后的数值代入神经网络模型，网络训练函数采用带动量的梯度下降法(traingdx)，对神经网络进行训练。
[0025]
一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，所述步骤2.1具体为，建立的bp神经网络设定隐藏层和输出层的激活函数均为
logsig函数，公式为：
[0026][0027]
选取的bp反传误差函数为：
[0028][0029]
其中，ti为期望输出，oi为网络的计算输出；
[0030]
一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，所述步骤2.2具体为，从输入层到隐藏层的权值矩阵为：
[0031][0032]
从隐藏层到输出层的权值矩阵为：
[0033]
w2＝(w
11
′ꢀw12
′ꢀw13
′ꢀw14
′ꢀw15
′ꢀw16
′
)
[0034]
隐藏层激活函数的阈值矩阵为：
[0035]
θ＝(θ
1 θ
2 θ
3 θ
4 θ
5 θ6)
[0036]
输出层激活函数的阈值为θ
′
；
[0037]
一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，所述步骤2.5具体为，选取的bp反传误差函数为：
[0038][0039]
设定合适的期望误差，使得e《0.0001,若训练后得出的计算误差不满足精度要求，则更新权值阈值，不断进行网络训练，直至满足期望的精度要求后，完成网络训练。
[0040]
一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，所述pid控制算法具体为，其表达如式(1)所示：
[0041][0042]
所以对pid算法离散化后取增量；
[0043]
则式(1)中e(t)＝e(k)-e(k-1)，1)，
[0044]
则可得增量式pid控制算法输出的数学表达式如式(2)所示：
[0045]
δu(k)＝k
p
[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e(k-1)+e(k-2)]
ꢀꢀ
(2)
[0046]
其中ki为控制系统的积分系数；kd为控制系统的微分系数；kp为比例系数；u(k)为当前时刻输出；δu(k)为当前时刻输出与上一次输出的差值；e(k)为第k次偏差；e(k-2)为第k-2次偏差。
[0047]
本发明的有益效果是：
[0048]
本发明以喷射器入口处压力信号为实时的反馈信号，有效的提高了在实际工况中天然气喷射量的精准快速的闭环控制，方法便利快捷。
[0049]
本发明提出的喷气量神经网络计算模型，将pid算法的强自适应能力和神经网络的强抗干扰能力相结合，解决了现有技术对喷射过程中复杂的压力波动情况不能实时高效的求解问题。以及相比于基于计算或仿真模型的求解方式，神经网络和pid闭环控制算法的结合更加贴近实际喷射工况。
[0050]
本发明外加的传感器工作环境稳定，规避了多数压力传感器被破坏的风险，节省成本，且操作简单。
附图说明
[0051]
图1是本发明的结构示意图。
[0052]
图2是本发明的喷气量神经网络计算模型图。
[0053]
图3是本发明的神经网络结构图。
[0054]
图4是本发明的pid控制框图。
[0055]
图5是本发明的流程图。
具体实施方式
[0056]
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0057]
一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置，所述控制装置包括天然气供给系统1、压力传感器2、喷射器3、轨压控制器4、pxi触发装置5、电荷-电压转换的电荷放大器6及上位机7；
[0058]
所述天然气供给系统1的天然气1-1通过压气机1-2连接气轨1-3，所述气轨1-3分别与压力传感器2和轨压控制器4相连接，所述压力传感器2与喷射器3相连接，所述喷射器3与pxi触发装置5相连接，所述pxi触发装置5与压力传感器2均和电荷-电压转换的电荷放大器6相连接，所述pxi触发装置5与轨压控制器4均和上位机相连接。
[0059]
一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置，喷射器3喷射出预设的喷气量，喷射器3的压力变化由喷射器3气体入口处的夹持式高精度压力传感器2感知，夹持式高精度压力传感器2实时感知的反馈信号经过电荷-电压转换的电荷放大器6放大输入pxi触发装置5，pxi触发装置5将信号传输至上位机7进行喷气量神经网络计算模型识别，识别后的计算喷气量与预设喷气量进行比对而实现对下次喷气量的实时精准控制。
[0060]
一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置的控制方法，所述控制方法具体包括以下步骤：
[0061]
步骤1：组装控制装置，并进行调试；
[0062]
步骤2：建立基于步骤1装置中测得的喷气始点的喷气压力p
inj
以及入口压力最大跌落值δp的bp神经网络喷油量计算模型，得到输出量为喷气量m
cyc
；
[0063]
步骤3：将步骤2中的喷气量m
cyc
作为反馈信号输入至pid控制算法内；
[0064]
步骤4：迭代pid控制算法进行参数整定求得最优解。
[0065]
一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，所述步骤2具体包括以下步骤，
[0066]
步骤2.1：确定喷气量神经网络结构；本发明的bp神经网络算法由输入层，隐藏层和输出层，共三层组成。输入层的输入为p
inj
与δp，输出层为m
cyc
；根据以下的经验公式，确定隐藏层数：
[0067][0068]
其中：l为隐藏层层数，n为输入层神经元个数，m为输出层神经元个数，a为[1,10]之间的常数；根据上式选取神经网络的层数为6层；
[0069]
建立的bp神经网络设定隐藏层和输出层的激活函数均为logsig函数，公式为：
[0070][0071]
选取的bp反传误差函数为：
[0072][0073]
其中，ti为期望输出，oi为网络的计算输出；
[0074]
步骤2.2：对网络结构进行权值阈值的初始化；
[0075]
从输入层到隐藏层的权值矩阵为：
[0076][0077]
从隐藏层到输出层的权值矩阵为：
[0078]
w2＝(w
11
′w12
′w13
′w14
′w15
′w16
′
)
[0079]
隐藏层激活函数的阈值矩阵为：
[0080]
θ＝(θ1θ2θ3θ4θ5θ6)
[0081]
输出层激活函数的阈值为θ
′
；
[0082]
步骤2.3：基于步骤1的实验装置采取反馈信号及实际喷气量，反馈信号喷气压力p
inj
及入口压力最大跌落值
△
p；
[0083]
步骤2.4：对喷气压力p
inj
及入口压力最大跌落值δp及实际喷气量进行[0,1]的归一化处理，使数据落在激活函数的敏感区间内，数据归一化公式为：
[0084][0085]
式中：xi为原始数据，x’i
为归一化的数据，x
min
为原始数据中的最小值，x
min
为原始数据中的最大值；
[0086]
步骤2.5：将步骤1得到的喷气量与步骤2.4得到的喷气压力及入口压力跌落值δp归一化后的数值代入神经网络模型，网络训练函数采用带动量的梯度下降法(traingdx)，对神经网络进行训练；
[0087]
选取的bp反传误差函数为：
[0088][0089]
设定合适的期望误差，使得e《0.0001,若训练后得出的计算误差不满足精度要求，则更新权值阈值，不断进行网络训练，直至满足期望的精度要求后，可完成网络训练。
[0090]
一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，所述pid控制算法具体为，其表达如式(1)所示：
[0091][0092]
因为数字pid增量型控制算法是一种递推式的算法，执行机构需要的是本次输出的控制量的增量，该增量只和最近的几次采样偏差有关，易于手动或自动实现无扰动切换，不影响积分失控，所以对pid算法离散化后取增量；
[0093]
则式(1)中e(t)＝e(k)-e(k-1)，1)，
[0094]
则可得增量式pid控制算法输出的数学表达式如式(2)所示：
[0095]
δu(k)＝k
p
[e(k)-e(k-1)]+ki[e(k)-e(k-1)]+kd[e(k)-2e(k-1)+e(k-2)]
ꢀꢀ
(2)
[0096]
其中ki为控制系统的积分系数；kd为控制系统的微分系数；k
p
为比例系数；u(k)为当前时刻输出；δu(k)为当前时刻输出与上一次输出的差值；e(k)为第k次偏差；e(k-2)为第k-2次偏差。
[0097]
在matlab中对pid控制算法的输入及输出进行系统识别，建立传递函数，调节pid的参数值，对此系统进行控制。进一步的，先调整kp值，使得系统输出值的范围在期望范围上下10％，再调节ki，和kd的值，使得系统的输出能够快速到达目标值，并且使其稳定在目标值的上下2％以内。
[0098]
(1)本发明提供了一种以在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid闭环控制方法。具体装置如图1所示。
[0099]
天然气经由压气机压缩，压缩后的高压天然气经过气轨通到喷射器喷射，在喷射器入口处夹持安装的高精度压力传感器采集压力反馈信号，入口压力反馈信号经放大器放大后用pxi对入口压力反馈信号进行采集，最终由pid控制器实现闭环控制。
[0100]
(2)图2提供了本发明的喷气量神经网络计算模型。以简单的喷气量神经网络计算模型处理了喷射器内部复杂的喷射问题。实现了喷气量的实时高效精准计算。
[0101]
(3)图3提供了本发明的喷气量神经网络结构图。以喷射器入口的喷射压力p
inj
和入口压力最大跌落值
△
p为输入层，喷气量m
cyc
为输出层，以及最优的十五个隐含层数。
[0102]
(4)图4提供了本发明的pid控制框图，图5提供了本发明的算法流程图。以喷射器入口压力信号为在线感知信号，将预设喷气量和计算喷气量的差值代入pid控制器，精确的控制了喷气量的喷射。
[0103]
以上就是单次pid闭环控制方法的具体实施过程，重复以上过程可实现以在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid闭环控制方法。

技术特征：
1.一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置，其特征在于，所述控制装置包括天然气供给系统(1)、压力传感器(2)、喷射器(3)、轨压控制器(4)、pxi触发装置(5)、电荷-电压转换的电荷放大器(6)及上位机(7)；所述天然气供给系统(1)的天然气(1-1)通过压气机(1-2)连接气轨(1-3)，所述气轨(1-3)分别与压力传感器(2)和轨压控制器(4)相连接，所述压力传感器(2)与喷射器(3)相连接，所述喷射器(3)与pxi触发装置(5)相连接，所述pxi触发装置(5)与压力传感器(2)均和电荷-电压转换的电荷放大器(6)相连接，所述pxi触发装置(5)与轨压控制器(4)均和上位机相连接。2.根据权利要求1所述一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置，其特征在于，喷射器(3)喷射出预设的喷气量，喷射器(3)的压力变化由喷射器(3)气体入口处的夹持式高精度压力传感器(2)感知，夹持式高精度压力传感器(2)实时感知的反馈信号经过电荷-电压转换的电荷放大器(6)放大输入pxi触发装置(5)，pxi触发装置(5)将信号传输至上位机(7)进行喷气量神经网络计算模型识别，识别后的计算喷气量与预设喷气量进行比对而实现对下次喷气量的实时精准控制。3.根据权利要求1-2所述一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制装置的控制方法，其特征在于，所述控制方法具体包括以下步骤：步骤1：组装控制装置，并进行调试；步骤2：建立基于步骤1装置中测得的喷气始点的喷气压力p
inj
以及入口压力最大跌落值δp的bp神经网络喷油量计算模型，得到输出量为喷气量m
cyc
；步骤3：将步骤2中的喷气量m
cyc
作为反馈信号输入至pid控制算法内；步骤4：迭代pid控制算法进行参数整定求得最优解。4.根据权利要求3所述一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，其特征在于，所述步骤2具体包括以下步骤，步骤2.1：确定喷气量神经网络结构；输入层的输入为p
inj
与δp，输出层为m
cyc
；根据以下的经验公式，确定隐藏层数：其中：l为隐藏层层数，n为输入层神经元个数，m为输出层神经元个数，a为[1,10]之间的常数；根据上式选取神经网络的层数为6层；步骤2.2：对网络结构进行权值阈值的初始化；步骤2.3：基于步骤1的实验装置采取反馈信号及实际喷气量，反馈信号喷气压力p
inj
及入口压力最大跌落值
△
p；步骤2.4：对喷气压力p
inj
及入口压力最大跌落值δp及实际喷气量进行[0,1]的归一化处理，使数据落在激活函数的敏感区间内，数据归一化公式为：式中：x
i
为原始数据，x’i
为归一化的数据，x
min
为原始数据中的最小值，x
min
为原始数据中的最大值；
步骤2.5：将步骤1得到的喷气量与步骤2.4得到的喷气压力及入口压力跌落值δp归一化后的数值代入神经网络模型，网络训练函数采用带动量的梯度下降法(traingdx)，对神经网络进行训练。5.根据权利要求4所述一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，其特征在于，所述步骤2.1具体为，建立的bp神经网络设定隐藏层和输出层的激活函数均为logsig函数，公式为：选取的bp反传误差函数为：其中，t
i
为期望输出，o
i
为网络的计算输出。6.根据权利要求4所述一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，其特征在于，所述步骤2.2具体为，从输入层到隐藏层的权值矩阵为：从隐藏层到输出层的权值矩阵为：w2＝(w
11
′ꢀ
w
12
′ꢀ
w
13
′ꢀ
w
14
′ꢀ
w
15
′ꢀ
w
16
′
)隐藏层激活函数的阈值矩阵为：θ＝(θ
1 θ
2 θ
3 θ
4 θ
5 θ6)输出层激活函数的阈值为θ
′
。7.根据权利要求4所述一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，其特征在于，所述步骤2.5具体为，选取的bp反传误差函数为：设定合适的期望误差，使得e<0.0001,若训练后得出的计算误差不满足精度要求，则更新权值阈值，不断进行网络训练，直至满足期望的精度要求后，完成网络训练。8.根据权利要求3所述一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量pid喷气量闭环控制方法，其特征在于，所述pid控制算法具体为，其表达如式(1)所示：所以对pid算法离散化后取增量；则式则式则可得增量式pid控制算法输出的数学表达式如式(2)所示：
δu(k)＝k
p
[e(k)-e(k-1)]+k
i
e(k)+k
d
[e(k)-2e(k-1)+e(k-2)]
ꢀꢀ
(2)其中k
i
为控制系统的积分系数；k
d
为控制系统的微分系数；k
p
为比例系数；u(k)为当前时刻输出；δu(k)为当前时刻输出与上一次输出的差值；e(k)为第k次偏差；e(k-2)为第k-2次偏差。

技术总结
本发明公开一种基于在线感知为反馈信息的高压天然气缸内直喷发动机喷气量PID喷气量闭环控制装置及其控制方法。所述天然气供给系统(1)的天然气(1-1)通过压气机(1-2)连接气轨(1-3)，所述气轨(1-3)分别与压力传感器(2)和轨压控制器(4)相连接，所述压力传感器(2)与喷射器(3)相连接，所述喷射器(3)与PXI触发装置(5)相连接，所述PXI触发装置(5)与压力传感器(2)均和电荷-电压转换的电荷放大器(6)相连接，所述PXI触发装置(5)与轨压控制器(4)均和上位机相连接。本发明用以解决降低高压天然气缸内直喷发动机排放量的问题。缸内直喷发动机排放量的问题。缸内直喷发动机排放量的问题。


技术研发人员：董全 夏天峰 王迪 杨晰宇
受保护的技术使用者：哈尔滨工程大学
技术研发日：2023.03.02
技术公布日：2023/6/12