歐順華，余永華, ，董 旭，楊建國,

(1. 武漢理工大學 船海與能源動力工程學院，湖北 武漢 430063；2. 高性能船舶技術(shù)教育部重點實驗室(武漢理工大學)，湖北 武漢 430063；3. 武漢理工大學 船舶動力工程技術(shù)交通運輸行業(yè)重點實驗室，湖北 武漢 430063；4. 山東雙港活塞股份有限公司，山東 日照 276800)

高壓共軌柴油機各工況的最佳噴油參數(shù)常根據(jù)發(fā)動機動力性、經(jīng)濟性和排放性進行標定并固化在控制器中[1]．而由于各缸零部件加工誤差及其性能在全壽命周期內(nèi)逐漸退化，即使柴油機各缸噴油控制參數(shù)一致，也會使各缸燃燒放熱過程不同，導致各缸的轉(zhuǎn)矩貢獻量存在差異[2]，進而惡化柴油機性能指標．

隨著船舶及機艙朝智能化和無人化發(fā)展，對船用發(fā)動機缸內(nèi)燃燒狀態(tài)提出了監(jiān)測需求．缸壓傳感器測量精度和可靠性的不斷提高為滿足這一需求提供了硬件基礎，同時將推動基于缸壓監(jiān)測、診斷和燃燒閉環(huán)控制等技術(shù)的實機應用．基于缸壓的燃燒閉環(huán)控制作為優(yōu)化柴油機缸內(nèi)燃燒過程及各缸做功均勻性的技術(shù)途徑，國內(nèi)外高校及科研院所在車用發(fā)動機中開展了大量研究[3-6]．將其與不同的控制策略相結(jié)合，可增加柴油機熱效率[7]、降低排放[8]、改善燃油適應性[9]和降低燃燒噪聲[2]等．船用柴油機在轉(zhuǎn)速、功率、運行模式、燃油品質(zhì)和運行環(huán)境等方面與車用柴油機存在較大差異，對電控系統(tǒng)的控制精度、動態(tài)響應、安全性和可靠性要求更高．船用主推進柴油機和發(fā)電柴油機常連續(xù)運行于某一工況、大型低速船用柴油機各缸配備的單缸控制器等特點有利于燃燒閉環(huán)控制技術(shù)的實機應用．文獻[10—12]通過對缸內(nèi)燃燒過程的精準調(diào)控，降低了全工況燃油消耗率，改善了發(fā)動機對環(huán)境和燃料的適應性．目前，國內(nèi)針對船用發(fā)動機燃燒閉環(huán)控制技術(shù)的研究還處在仿真分析與驗證階段．

發(fā)動機實時仿真模型為控制策略的開發(fā)和驗證提供了受控對象，其建模方法主要包括基于機理的建模和數(shù)據(jù)驅(qū)動的建模．基于機理的發(fā)動機模型具有較豐富的物理含義，其常利用韋伯燃燒模型模擬缸內(nèi)燃燒放熱規(guī)律[13]，而韋伯參數(shù)隨發(fā)動機工況、噴油規(guī)律、進氣溫度和壓力等參數(shù)的變化而變化，導致建立適用于全工況的缸內(nèi)燃燒放熱規(guī)律預測模型十分困難[14]．神經(jīng)網(wǎng)絡對復雜非線性系統(tǒng)具有很強的擬合能力和容錯能力．相對基于機理的發(fā)動機模型，神經(jīng)網(wǎng)絡對柴油機部分性能參數(shù)具有更高的預測精度，且其計算耗時遠低于基于機理的發(fā)動機模型[15]．朱振夏等[16]基于神經(jīng)網(wǎng)絡提出了適用于穩(wěn)態(tài)和瞬態(tài)工況下的發(fā)動機零維燃燒預測模型．Finesso等[17]開發(fā)了用于預測平均有效壓力(BMEP)和50%燃料燃燒對應的曲軸轉(zhuǎn)角(MFB50)的神經(jīng)網(wǎng)絡模型．隨著船用發(fā)動機監(jiān)測數(shù)據(jù)的不斷累積，將有助于神經(jīng)網(wǎng)絡在發(fā)動機性能預測及其自動控制領域應用．

燃燒閉環(huán)控制性能受控制策略及控制參數(shù)的影響較大．為充分利用現(xiàn)有MAP數(shù)據(jù)，提高燃燒閉環(huán)控制策略開發(fā)效率和降低試驗成本，以CA4DLD型柴油機臺架標定的MAP為數(shù)據(jù)集，建立面向控制的柴油機神經(jīng)網(wǎng)絡仿真模型．基于卡爾曼濾波設計一種反饋型卡爾曼濾波算法，并以此提出前饋與燃燒閉環(huán)協(xié)同的平均指示壓力(IMEP)控制策略．設計燃燒閉環(huán)控制策略仿真架構(gòu)，并對比分析不同燃燒控制策略的性能，最后在試驗臺架上驗證所提出協(xié)同控制策略的性能更優(yōu)越．

1 試驗簡介

CA4DLD型高壓共軌柴油機主要技術(shù)參數(shù)如表1所示．4個Kistler 6052型氣缸壓力傳感器安裝于與燃燒室相通的缸蓋孔內(nèi)．采用自主控制器替代原機控制器，控制參數(shù)在圖1所示的試驗臺架上進行標定．柴油機測控系統(tǒng)的主要設備如表2所示．

圖1 試驗臺架Fig.1 Scheme of the test rig

表1 柴油機技術(shù)參數(shù)Tab.1 Diesel engine specifications

表2 試驗設備Tab.2 Test equipment and instruments

在柴油機怠速與最高轉(zhuǎn)速范圍內(nèi)，以外特性曲線限制輸出轉(zhuǎn)矩，按均勻分布設計完全覆蓋其正常運行區(qū)域的試驗工況點，如圖2所示．在臺架上標定各工況點的軌壓、噴射量、噴油正時和噴油脈寬等控制參數(shù)．將標定所得的216組控制參數(shù)按7∶3的比例進行隨機分配，分別作為柴油機神經(jīng)網(wǎng)絡仿真模型的訓練和測試數(shù)據(jù)集．

圖2 工況點試驗設計Fig.2 Design of test condition

2 柴油機神經(jīng)網(wǎng)絡仿真模型建立

柴油機實時仿真模型是控制策略開發(fā)與驗證的前提，需要滿足準確性和實時性要求．以臺架標定的控制參數(shù)MAP為數(shù)據(jù)集，采用反向傳播(BP)神經(jīng)網(wǎng)絡映射柴油機控制參數(shù)與性能參數(shù)之間的關系，構(gòu)建柴油機神經(jīng)網(wǎng)絡仿真模型．

2.1 神經(jīng)網(wǎng)絡設計

臺架標定的各種MAP圖承載了從噴油控制參數(shù)到柴油機性能參數(shù)間的非線性映射關系．為實現(xiàn)對柴油機轉(zhuǎn)矩輸出和控制器噴油控制參數(shù)的預測，建立如圖3所示的三層神經(jīng)網(wǎng)絡預測模型，其中輸入層由柴油機轉(zhuǎn)速、循環(huán)噴油量和共軌壓力組成，輸出層由轉(zhuǎn)矩、噴油正時和噴油脈寬組成．

圖3 面向控制的柴油機神經(jīng)網(wǎng)絡仿真模型Fig.3 Control-oriented simulation model of neural network of diesel engine

為了均衡各輸入/輸出參數(shù)在模型訓練及預測過程中的重要性，利用歸一化函數(shù)將輸入/輸出限制在[0，1]范圍內(nèi)．根據(jù)式(1)所示的經(jīng)驗公式[18]，確定隱含層神經(jīng)元個數(shù)n1為8；隱含層和輸出層神經(jīng)元激活函數(shù)分別為sigmoid函數(shù)和線性函數(shù)，網(wǎng)絡訓練采用貝葉斯算法，以獲得最佳的模型性能．

式中：n和m分別為輸入層和輸出層神經(jīng)元個數(shù)；a為1～10間的常數(shù)．

2.2 預測性能及分析

以柴油機神經(jīng)網(wǎng)絡仿真模型預測值和試驗值間的決定系數(shù)R2來分析其性能．圖4為訓練完成的柴油機神經(jīng)網(wǎng)絡仿真模型在訓練集和測試集上對轉(zhuǎn)矩、噴油正時和噴油脈寬的回歸分析．對于相同控制參數(shù)，神經(jīng)網(wǎng)絡在訓練集和測試集上R2近似相等；不同控制參數(shù)在訓練集和測試集上的R2均大于0.989．即柴油機神經(jīng)網(wǎng)絡仿真模型可精準預測各工況點的轉(zhuǎn)矩、噴油正時和噴油脈寬．

圖4 試驗值與預測值的線性回歸Fig.4 Linear regression of both experimental and predictive results

柴油機神經(jīng)網(wǎng)絡仿真模型對圖2中各工況點的轉(zhuǎn)矩預測值相對試驗值的偏差如圖5所示．轉(zhuǎn)矩預測相對偏差較大的工況點主要集中在柴油機運行面域的邊緣．這主要是由于神經(jīng)網(wǎng)絡的預測準確性依賴于數(shù)據(jù)，而邊緣工況的數(shù)據(jù)量略少于其他工況點的數(shù)據(jù)量，導致神經(jīng)網(wǎng)絡在低負荷區(qū)域的預測精度相對偏低，最大相對偏差為8.64%，但其相對偏差的均值僅為1.08%．因此，該神經(jīng)網(wǎng)絡仿真模型對各工況點的轉(zhuǎn)矩預測精度較高，可用于燃燒閉環(huán)控制策略設計和驗證．

圖5 全工況范圍內(nèi)的轉(zhuǎn)矩預測相對偏差Fig.5 Relative errors of torque all over the operating conditions

3 燃燒閉環(huán)控制策略設計

3.1 反饋變量與控制變量

IMEP表征了缸內(nèi)燃燒產(chǎn)生的指示轉(zhuǎn)矩，是評價柴油機工作循環(huán)動力性的重要指標，其數(shù)學計算如式(2)所示，計算過程采用的積分運算有效降低了缸壓隨機測量誤差對計算精度的影響，數(shù)據(jù)可靠性高．

式中：pi為平均指示壓力；p為氣缸壓力；Vd為氣缸工作容積；θ為曲軸轉(zhuǎn)角；V為瞬時氣缸容積；Vc為氣缸余隙容積；Rv為連桿長度與曲柄半徑之比．

柴油機在恒轉(zhuǎn)速下的IMEP與每缸每循環(huán)噴油量近似呈線性關系[19]，因而可選取循環(huán)噴油量作為IMEP的控制變量．

3.2 反饋型卡爾曼濾波設計

缸內(nèi)燃燒放熱過程存在較大的循環(huán)間隨機波動．基于氣缸壓力的燃燒分析、故障診斷與控制的研究，普遍采用滑動平均算法以削弱氣缸壓力測量信號中的噪聲、提升燃燒狀態(tài)參數(shù)預測準確性[20]．由于滑動平均濾波算法存在一定的時滯性，濾波后的IMEP并不能實時反映實際IMEP的變化，導致滑動平均濾波算法在瞬態(tài)工況下的IMEP預測精度低．為改善IMEP瞬態(tài)預測精度，基于卡爾曼濾波設計一種反饋型卡爾曼濾波算法．

首先，將燃燒閉環(huán)控制策略中的IMEP反饋變量視為狀態(tài)變量，引入傳統(tǒng)卡爾曼濾波算法，建立式(4)～(6)的遞推方程[21]，構(gòu)建IMEP狀態(tài)觀測器．

式中：A為系統(tǒng)矩陣；B為控制矩陣；k為工作循環(huán)，其狀態(tài)向量 xk=[ p1(k ) p2(k ) p3(k ) p4(k )]、輸入向量為i缸的噴油量，i=1～4；xk|k和xk|k-1分別為xk估計值和預測值；zk為IMEP測量值；H為測量矩陣；D為直接傳遞矩陣；Kk為卡爾曼增益矩陣，根據(jù)式(6)迭代計算；Pk|k-1和Pk|k分別為狀態(tài)預測和狀態(tài)估計誤差協(xié)方差矩陣；Q為過程噪聲，Q=E，E為單位矩陣；R為觀測噪聲協(xié)方差矩陣，R=0.035E．

由于各缸噴油量難于測量，將各缸IMEP估計值反饋至卡爾曼濾波輸入端，用估計值與測量值之差作為控制輸入向量；同時，為改善卡爾曼濾波算法的瞬態(tài)工況預測性能，采用如式(7)所示的變增益控制矩陣替代定常控制矩陣，該控制矩陣根據(jù)構(gòu)建的控制輸入向量和“3σ準則”確定．

式中：標準差σ根據(jù)IMEP單缸循環(huán)波動統(tǒng)計分析，結(jié)果預設為0.01MPa.

綜上所述，所設計的反饋型卡爾曼濾波算法可按圖6所示的架構(gòu)進行計算．圖中，濾波輸入為各缸IMEP測量值，輸出為各缸IMEP估計值．

圖6 反饋型卡爾曼濾波架構(gòu)示意Fig.6 Block diagram of the Kalman filter with feedback loop

3.3 IMEP閉環(huán)控制策略設計

為降低各缸間IMEP的不均勻性，基于PI控制算法設計如式(8)所示的燃燒閉環(huán)控制策略．該控制策略利用各缸IMEP參考值與反饋值之間的偏差e(k)，根據(jù)比例系數(shù)和積分系數(shù)計算下一工作循環(huán)各缸的噴油量，進而實現(xiàn)對各缸IMEP的閉環(huán)控制．

式中：KP和KI分別為比例系數(shù)和積分系數(shù)；e(j)為第j工作循環(huán)的偏差．

3.4 控制性能評價指標

采用IMEP變異系數(shù)(CoVIMEP)作為各缸做功不均勻的評價指標，即

式中：n為氣缸數(shù)；IMEPi為i缸100個連續(xù)工作循環(huán)pi的均值；μIMEP為1～4缸IMEPi的均值．

4 燃燒閉環(huán)控制策略仿真分析

4.1 燃燒閉環(huán)控制策略仿真架構(gòu)

以柴油機神經(jīng)網(wǎng)絡仿真模型為受控對象，設計由感知、決策與執(zhí)行組成的燃燒閉環(huán)控制策略仿真架構(gòu)如圖7所示．為評估控制策略對各缸IMEP的控制性能，利用4個如圖3所示的柴油機神經(jīng)網(wǎng)絡仿真模型分別模擬輸出1～4缸轉(zhuǎn)矩．指示轉(zhuǎn)矩為摩擦轉(zhuǎn)矩與輸出轉(zhuǎn)矩之和，而機械效率隨發(fā)動機工況變化而變化．為簡化指示轉(zhuǎn)矩計算模型，忽略機械摩擦損失，并基于式(10)將指示轉(zhuǎn)矩轉(zhuǎn)化為單缸IMEP．利用臺架試驗數(shù)據(jù)估計各缸IMEP概率密度函數(shù)，并采用Marsaglia-Bray算法生成偽隨機數(shù)模擬各缸IMEP不平衡和循環(huán)變動．為改善IMEP反饋變量的穩(wěn)定性，采用IMEP的濾波結(jié)果作為反饋變量，再根據(jù)反饋值與參考值間的偏差調(diào)節(jié)各缸噴油量，神經(jīng)網(wǎng)絡仿真模型以此計算下一控制循環(huán)的轉(zhuǎn)矩輸出值．

圖7 燃燒閉環(huán)控制策略仿真架構(gòu)示意Fig.7 Simulation structure of closed-loop combustion control

式中：Ti為指示轉(zhuǎn)矩；π為常數(shù)；β為柴油機沖程數(shù)．

通過對圖7中的狀態(tài)濾波算法、控制策略和控制架構(gòu)進行配置，可實現(xiàn)對不同控制策略的仿真分析．研究的4種控制策略是：(1)開環(huán)控制(OLCC)，控制架構(gòu)僅包含噴油量前饋控制；(2)燃燒閉環(huán)控制(CLCC)，控制架構(gòu)僅包含反饋控制回路；(3)基于滑動平均濾波的前饋與燃燒閉環(huán)協(xié)同控制(MVCLCC)，包含控制架構(gòu)的所有模塊，且狀態(tài)濾波算法采用如式(11)所示的滑動平均濾波．

式中：μ為濾波系數(shù)，為使滑動平均穩(wěn)態(tài)濾波性能與反饋型卡爾曼濾波基本一致，取μ=0.1；k為發(fā)動機循環(huán)索引；(4)基于反饋型卡爾曼濾波的前饋與燃燒閉環(huán)協(xié)同控制(Kal-CLCC)，包含控制架構(gòu)的所有模塊，且狀態(tài)濾波算法為如圖6所示的反饋型卡爾曼濾波算法．

4.2 燃燒控制仿真結(jié)果

在LabVIEW環(huán)境下進行燃燒閉環(huán)控制策略仿真，對比上述不同燃燒控制策略在穩(wěn)態(tài)和瞬態(tài)工況下的控制性能．所有燃燒閉環(huán)控制策略均采用同一PI控制參數(shù)．仿真工況設定是：0～200工作循環(huán)的轉(zhuǎn)速和整機IMEP分別為900r/min、0.5MPa；201～400工作循環(huán)轉(zhuǎn)速保持不變，IMEP設為1.0MPa；401～600工作循環(huán)再次設為900r/min、0.5MPa．不同燃燒控制策略對各缸IMEP仿真控制效果、感知的反饋信號和輸出的噴油量分別如圖8～圖10所示．

圖8 不同控制策略IMEP仿真控制結(jié)果對比Fig.8 Comparison of IMEP simulation results of different control strategies

圖9 不同控制策略反饋信號對比Fig.9 Comparison of feedback signals of different control strategies

圖10 不同控制策略控制輸出對比Fig.10 Comparison of the control outputs of different control strategies

由圖8a、圖9a和圖10a可知，在穩(wěn)態(tài)工況下，基于柴油機神經(jīng)網(wǎng)絡仿真模型的燃燒閉環(huán)控制策略仿真架構(gòu)可模擬各缸做功不均勻性和單缸循環(huán)波動；通過控制整機噴油量，可實現(xiàn)工況的調(diào)節(jié)．OLCC策略的各缸噴油量僅依賴于前饋控制，因而其無法精準控制各缸IMEP．

由圖8b所示的CLCC控制效果可知，穩(wěn)態(tài)工況下，各缸IMEP基本重合，即IMEP閉環(huán)控制可有效改善各缸間的做功均勻性；瞬態(tài)工況下，當IMEP控制目標值突變后，各缸IMEP逐漸被控制至目標值，調(diào)整時間ts為24個工作循環(huán)，瞬態(tài)響應遲緩．這是由于CLCC策略根據(jù)各缸IMEP控制偏差調(diào)節(jié)各缸噴油量，如圖10b所示，其變化規(guī)律主要取決于控制偏差大小和控制參數(shù)．

由圖8c、圖9c和圖10c所示的MV-CLCC控制效果可知，控制目標突變時，噴油量前饋控制策略通過調(diào)節(jié)整機噴油量，在201工作循環(huán)將各缸實際IMEP調(diào)節(jié)至目標值附近．然而受滑動平均濾波算法時滯影響，圖9c所示IMEP反饋變量在瞬態(tài)工況未能及時追蹤柴油機各缸IMEP的真實輸出；200～212工作循環(huán)的IMEP反饋變量始終小于目標值，導致燃燒閉環(huán)控制器輸出的噴油修正量不斷增加，進而造成實際IMEP達到控制目標后仍在不斷增大；IMEP反饋變量在213工作循環(huán)達到控制目標值后，燃燒閉環(huán)控制策略改變了噴油修正方向，實際IMEP逐漸被調(diào)節(jié)至目標值．由于滑動平均濾波計算的IMEP反饋變量與實際IMEP之間存在一定的滯后，這給瞬態(tài)工況下IMEP的精確控制帶來困難．

由圖8d Kal-CLCC控制效果可知，其穩(wěn)態(tài)控制性能與CLCC、MV-CLCC基本一致．瞬態(tài)工況下，IMEP控制目標值突變后，各缸IMEP經(jīng)1個工作循環(huán)被精準控制在目標值附近，未出現(xiàn)明顯超調(diào)，其瞬態(tài)控制性能明顯優(yōu)于CLCC和MV-CLCC．這主要是因為所設計的反饋型卡爾曼濾波算法能夠及時追蹤由噴油量前饋控制引起的實際IMEP變動．

表3為圖8對應的控制性能參數(shù)分析．穩(wěn)態(tài)工況時OLCC的變異系數(shù)較大．CLCC和MV-CLCC均能降低變異系數(shù)，改善各缸在穩(wěn)態(tài)工況的做功均勻性，但分別存在瞬態(tài)調(diào)節(jié)時間長和超調(diào)量大的問題．Kal-CLCC與其余3種控制策略相比，能提高IMEP的控制精度和響應速度，其瞬態(tài)控制性能最佳．

表3 燃燒控制策略控制性能對比Tab.3 Comparison of control performance of different combustion control strategies

5 控制策略試驗驗證

5.1 燃燒閉環(huán)控制硬件架構(gòu)及試驗設計

將MV-CLCC和Kal-CLCC控制策略集成于自主開發(fā)的船用柴油機燃燒閉環(huán)控制快速原型，并在CA4DLD型高壓共軌柴油機上進行試驗．圖11為柴油機燃燒閉環(huán)控制系統(tǒng)總體示意．氣缸壓力傳感器經(jīng)電荷放大器后接入NI 9220模擬量采集板卡；上止點和曲軸轉(zhuǎn)角測量的霍爾傳感器輸出信號引入NI 9401數(shù)字量采集板卡；NI 9853將燃燒閉環(huán)控制快速原型實時計算的噴油量和噴油正時等控制參數(shù)通過CAN(controller area network)總線發(fā)送至柴油機基礎控制器，以實現(xiàn)對各缸噴油量和噴油正時的控制．

圖11 燃燒閉環(huán)控制硬件架構(gòu)Fig.11 Schematic of the experimental facilities layout

為對比分析不同燃燒控制策略在穩(wěn)態(tài)和瞬態(tài)工況下對IMEP的控制效果，交流測功機采用恒轉(zhuǎn)速控制模式，使發(fā)動機在900r/min穩(wěn)定運行，0～400工作循環(huán)的指示轉(zhuǎn)矩為105N·m；在第401工作循環(huán)通過改變整機噴油量，將指示轉(zhuǎn)矩階躍至140 N·m；在第801工作循環(huán)指示轉(zhuǎn)矩降至105N·m．

5.2 試驗結(jié)果

OLCC、MV-CLCC和Kal-CLCC對IMEP的控制效果對比如圖12所示．由圖12a可知，各缸之間的做功不均勻性較為明顯，105 N·m和140N·m穩(wěn)態(tài)工況下的IMEP變異系數(shù)分別為5.20%和4.08%．各缸IMEP均存在較大的循環(huán)波動，最大單缸IMEP標準差為0.009MPa．IMEP循環(huán)間的波動特性可能被控制器放大，造成噴油量控制參數(shù)劇烈波動，進而惡化控制性能．為獲得可靠的反饋變量，采用濾波算法對IMEP測量值進行濾波．反饋型卡爾曼濾波算法對開環(huán)控制的IMEP濾波結(jié)果見圖12d．濾波后的IMEP相對平滑，有助于識別各缸之間IMEP的差異．由于各缸不均勻程度隨工況的變化而改變，若僅通過對各缸噴油器的噴油量不一致性進行開環(huán)補償，難以在全工況范圍內(nèi)改善各缸做功均勻性．

圖12 IMEP開環(huán)與閉環(huán)控制結(jié)果對比Fig.12 Comparison of control result of open and closed-loop IMEP

由圖12b和圖12c可知，采用MV-CLCC或Kal-CLCC策略時，105N·m和140N·m穩(wěn)態(tài)工況下的各缸IMEP不均勻性均得到明顯改善，即兩種燃燒閉環(huán)控制策略的穩(wěn)態(tài)控制性能基本一致．兩種閉環(huán)控制策略在105N·m工況下的IMEP變異系數(shù)均為0.09%，相比開環(huán)控制降低了98.27%．在指示轉(zhuǎn)矩從105N·m階躍至140N·m的瞬態(tài)過程中，首先，兩種控制策略在噴油量前饋控制的作用下，整機IMEP經(jīng)一個工作循環(huán)被調(diào)節(jié)至0.40MPa；然后，在燃燒閉環(huán)控制回路的作用下，各缸IMEP逐漸被控制至目標值．由于滑動平均濾波和反饋型卡爾曼濾波瞬態(tài)濾波性能差異，MV-CLCC和Kal-CLCC表現(xiàn)出不同的瞬態(tài)控制性能，IMEP超調(diào)量分別為14.0%和3.7%．由圖12和圖8仿真和試驗結(jié)果表明，Kal-CLCC策略的瞬態(tài)和穩(wěn)態(tài)控制性能最佳，兩種控制策略的控制規(guī)律與其對應的仿真結(jié)果基本一致，驗證了筆者提出的燃燒閉環(huán)控制策略仿真架構(gòu)準確性．

相比OLCC策略，Kal-CLCC策略下的各缸IMEP在第400工作循環(huán)呈現(xiàn)出不同的不均勻性．這主要是由于各缸不均勻程度隨工況的變化而改變，而轉(zhuǎn)矩突變時的協(xié)同控制策略在前一工況計算的各缸噴油修正量對后一工況的各缸IMEP產(chǎn)生了影響．如開環(huán)控制時，缸1在105N·m和140N·m工況下的平均IMEP分別為0.285MPa和0.400MPa．在105N·m工況，Kal-CLCC通過增加缸1的噴油量將其輸出的IMEP控制至0.300MPa，該噴油修正量與前饋噴油量的疊加導致缸1 IMEP在工況突變至140N·m時刻出現(xiàn)明顯超調(diào)(IMEP為0.415MPa)，隨后在燃燒閉環(huán)控制的作用下，缸1的IMEP被控制至0.400MPa．Kal-CLCC策略計算的各缸噴油修正量變化規(guī)律如圖13所示．不同工況下的各缸噴油修正量不同，而整機噴油修正量基本保持不變．

圖13 各缸噴油修正量變化曲線Fig.13 Curve of compensated injecting quantity of each cylinder

6 結(jié)論

(1) 以柴油機臺架標定的噴油控制參數(shù)MAP為數(shù)據(jù)集，建立適用于燃燒閉環(huán)控制策略開發(fā)與驗證的柴油機神經(jīng)網(wǎng)絡仿真模型，可精準預測各工況轉(zhuǎn)矩、噴油正時和噴油脈寬，轉(zhuǎn)矩預測最大偏差和平均偏差分別為8.64%和1.08%，能為燃燒閉環(huán)控制策略的設計和驗證提供模型基礎．

(2) 針對柴油機缸內(nèi)燃燒放熱過程存在較大循環(huán)間隨機波動的問題，設計了一種反饋型卡爾曼濾波算法，結(jié)果表明其在穩(wěn)態(tài)工況和瞬態(tài)工況均具備良好的濾波性能；將其濾波結(jié)果作為反饋變量并引入PI控制律，構(gòu)成基于反饋型卡爾曼濾波的前饋與燃燒閉環(huán)協(xié)同控制的控制策略．

(3) 基于上述柴油機神經(jīng)網(wǎng)絡仿真模型，構(gòu)建船用柴油機燃燒閉環(huán)控制策略仿真架構(gòu)；對比4種不同控制策略在穩(wěn)態(tài)和瞬態(tài)工況下的控制性能，仿真結(jié)果表明，基于反饋型卡爾曼濾波的前饋與燃燒閉環(huán)協(xié)同控制能提高IMEP的控制精度和響應時間，瞬態(tài)控制性能最佳，最后通過臺架試驗驗證了其有效性．