基于神经网络的VNT叶片开度MAP值选取的研究.pdf

基于神经网络的VNT叶片开度MAP值选取的研究.pdf

ID:52176314

大小:995.72 KB

页数:2页

时间:2020-03-23

基于神经网络的VNT叶片开度MAP值选取的研究.pdf_第1页
基于神经网络的VNT叶片开度MAP值选取的研究.pdf_第2页
资源描述:

《基于神经网络的VNT叶片开度MAP值选取的研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、设计研究汽车实用技术AUTOMOBILEAPPLIEDTECHNOLOGY2017年第6期2017NO.610.16638/j.cnki.1671—7988.2017.06.002基于神经网络的VNT叶片开度MAP值选取的研究李中豪(长安大学,陕西西安710064)摘要:增压技术可以有效的提高内燃机的热效率,降低排放。文章研究了基于人工神经网络的涡轮增压器叶片开度控制技术,来实现精确控制VNT开度值,满足发动机燃烧过程中对进气量的精确性和及时性的要求。关键宇:增压技术;可变截面积涡轮增压;神经网络中图分类号:U462.1文献标识码:A文章编号:1671—7988(20

2、17)06—04—02StudyontheMapofVNTturbochargervanbasedonneuralnetworkLiZhonghao(Chang’anUniversity,ShaanxiXi’an710064)Abstract:Turbochargedtechnologyisaneffectivewaytostrengthentheintemalcombustionengine,anditcanimprovetheeconomyoftheinternalcombustionengine.Thispaperstudiesthetechnologyofth

3、econtroloftheturbochargervan,whichisbasedonartificialneuralnetworktechnology.Keywords:Turbochargedtechnology;VNT;NeuralnetworkCLCNo.:U462.1DocumentCode:AArticleID:1671-7988(2017106—04-02引言近年来,人工神经网络(ArtificialNeuralNetwork。ANN)的应用越来越广泛,内燃机领域。但是,ANN在内燃机的涡轮增压系统的改进时,用来确定一些核心参数的运算中应用不多,这也使得

4、本研究在VNT涡轮增压发动机设计优化方面具有很好的研究价值和潜力。VNT控制研究现状及问题车用发动机通常在变工况下工作,对转矩和喷油量的需求也在不断地变化,导致需求的进气量也在发生变化,需要根据不同的工况改变VNT喷嘴叶片的开度。因此需要设计合理的控制逻辑,可变涡轮增压器的控制最终体现在对进气压力的控制。目前国内研究对控制策略的研究较少。VNT与EGR、喷油系统参数之间的影响又较为复杂,因此本文综合各种影作者简介:李中豪,就读于长安大学。响因素,如发动机温度、环境因素以及EGR率、喷油参数等,根据稳态和瞬态工况的控制要求,基于BP神经网络制定出一个对应的VNT控制策略

5、模型。2、基于BP神经网络的VNT中叶片开度MAP值选取2.1VNT控制理论介绍vNT控制的根本目的就是在不同工况下提供最佳的进气量,对于四冲程柴油机进气量与进气压力存在如公式2.1的对应关系。m=3nVhiPk①c100IU’l((2.1)其中,m、Pk、Tk分别为气体的质量流量、气缸进气压力以及进气温度。从公式可以看出,通过进气压力和进气温度来计算某工况下所需的进气量,因此我们可以采用一定的控制方式来控制进气压力,进而精确地调整进入缸内的进气量。VNT涡轮增压技术正是要通过控制VNT喷嘴环叶片的开度来实现对进气压力的控制,对叶片开度的精确控制需要依赖于合适的MAP

6、值。本研究中采用了BP神经网络技术建立譬汽车实用技术2017年第6期Ⅵ盯控制模型,构建特征数据与目标量之间恰当的函数关系,使控制模型能够根据特征数据判断出目标量最合适的值。2.2VVT控制模型的建立及样本预处理2.2.1可变涡轮增压控制系统模型的建立建立v、,T涡轮增压系统的控制模型的关键的一个步骤是据与目标的量之间合适的函数关系。本文建立的vvT控制模型选择BP神经网络模型,对BP网络设计包括确定输入输出层和各层神经元节点数。在涡轮增压系统的BP神经网络vvT控制模型中,输入及输出层所需要的节点数的个数的设定是要依据实际处理的问题来定。点个数,或经特征提取后为训练的

7、样本的维数。在可变涡轮增压控制系统中,发动机转速、进气温度、叶片位置、EGR率等八个参数值的选取对喷嘴环叶片开度的MAP值的影响最大,所以设置为8,八个节点与八种特征参数值一一对应。输出层节点数设置为1,对应着喷嘴环叶片开度的MAP值。2.2.2样本预处理要使涡轮增压系统的BP神经网络VvT控制模型根据输入样本能够得到准确的MAP值,就需要对原始样本的进行预处理。样本的获取,一般分为两个步骤,先提取和处理所需信息,然后整理出样本数据。获得数据样本后,还需对这部分数据进行加工处理,即预处理,指的是把数据统一在一个值域里面。本研究中是利用公式2.2,公式

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。