基于神经网络的电子节气门自适应跟踪控制系统直接逆模型应用



基于神经网络的电子节气门自适应跟踪控制系统直接逆模型应用

在现代发动机控制系统中，对节流板位置的精确控制是非常必要的。神经网络算法已经被成功地应用在非线性动态系统的识别和控制研究中。多层前馈和反馈网络的全局逼近性质已经使神经网络算法成为一个流行的选择，尤其是在非线性动态系统的建模和对非线性控制器的实现方面。基于神经网络的控制方法为非线性跟踪控制和非线性自适应控制提供了解决方案。

提出了一种基于人工神经网络（ANN）的电子节气门系统在自适应跟踪控制系统中的应用方法。此ANN用动态反向传播算法的多层感知神经网络结构建立油门伺服系统的直接逆动态试验模型。在一系列包含所有操作条件的试验测量基础上，采用离线训练进程可以提供足够的开环逆非线性模型的动态性能信息。ANN的直接逆模型（ANNDIM）被用于不同的工作条件下，结合自适应反馈增益控制器的前馈控制器，通过对未建模的油门伺服系统动态性能的跟踪控制以获得鲁棒性。未建模的动态特性主要与强非线性函数有关，此函数用外部不可测干扰和噪声激励系统。然而，在ANNDIM预测逆动态特性的实际操作中，节气门体的非线性动态特性变化会引起一些误差。因此，通过在控制回路中增加反馈自适应PID控制器补偿未建模的动态变化模型失配，并提高整体控制性能。

完成了开环试验测试，用离线模拟技术确定前馈直接逆动态模型。在控制回路中加入一个自适应反馈PID控制器，用外界干扰和噪声来减小反演误差和补偿未建模动态特性。在一台实时系统原型机上进行全部实际测试，结果表明所提出的方法是有效的。

Salem Al- Assadi et al. SAE 2014-01-0197.

编译：黄河