2、辨識(shí)結(jié)論參數(shù)!結(jié)合加權(quán)平均算法預(yù)測(cè)空燃比"動(dòng)態(tài)工況下的實(shí)驗(yàn)驗(yàn)證表明!空燃比自適應(yīng)模糊模型能夠補(bǔ)償延遲!精確捕獲空燃比的瞬態(tài)偏移"關(guān)鍵詞"煤層氣發(fā)動(dòng)機(jī)!空燃比!在線聚類算法!%,U模糊模型!加權(quán)平均中圖分類號(hào)"%&$-"!!!文獻(xiàn)標(biāo)識(shí)碼")!!!文章編號(hào)""*+",#*-##(#""$#",##$],#.@2$U0,O"L>FF7-(2"D(.$)*)+,)"@,%XL>"D!$0,(1$#"2()5)D,)"=D>#0"%,)+@D+(%,0’C;’$)+M,$)%K")+H,)%3$)+N>(’
3、>$%;>(=’")+P,UGB11M12/4GB:75G:M:7E)D;1I1N5M40785744>578#^4245<75=4>?5;@12%4GB71M18@!^4245#)7BD5#(-###]#AB57:"@:#0%$&0$C71>E4>;1E4?G>5N4?;>178M@717M574:>GB:>:G;4>5?;5G?:7E?1M=4;B4E4M:@H>1NM4I12:5>2D4M>:;51G17;>1MED>578E@7:I5G1H4>:;578G17E5;517?21>:A1:M
4、K34ET:?478574#17M5742DOO@GMD?;4>578:M81>5;BIF:?D?4E21>:E:H;5=42DOO@I1E4M124LB:D?;:5>K2D4M>:;51’%KU2DOO@I1E4M?;>DG;D>4F:?4=1M=4EN@17M574GMD?;4K>578:M81>5;BI#:7E;B4I1E4MG17?4gD47;H:>:I4;4>?F:?5E47;5254EN@F458B;4E>4GD>?5=4M4:?;?gD:>4:M81K>5;BI!QXVU"#;B47
5、:5>K2D4M>:;51F:?H>4E5G;4EF5;B;B4F458B;4E:=4>:84:M81>5;BI’%B4I1E4MF:?=:M5E:K;4EN@E@7:I5G1H4>:;517?4LH4>5I47;12;B>1;;M4;5HK57:7E;5HK1D;’X4?DM;??B1F;B:;:E:H;5=42DOO@I1E4MG:7G1IH47?:;421>;B4E4M:@:7E:GGD>:;4M@G:H;D>4;>:7?547;4LGD>?51712:5>K2D4M>:;51’A"7B(%
6、2#$A1:MKN4E8:?478574#)5>2D4M>:;51#S7M574GMD?;4>578:M81>5;BI#%KU2DOO@I1E4M#Q458B;4E:=K4>:84引言加了標(biāo)定實(shí)驗(yàn)的負(fù)擔(dān)#而且隨著發(fā)動(dòng)機(jī)磨損)老化和工傳統(tǒng)發(fā)動(dòng)機(jī)空燃比控制#在穩(wěn)態(tài)工況下可以達(dá)到作環(huán)境的變化#發(fā)動(dòng)機(jī)參數(shù)會(huì)逐漸漂移#從而導(dǎo)致模型很高的控制精度#但無法避免動(dòng)態(tài)工況下的空燃比偏失配&避免模型失配的有效方法是采用具有參數(shù)自適’$#.(移&這是由于發(fā)動(dòng)機(jī)存在強(qiáng)烈的非線性)時(shí)變和延遲應(yīng)特性的閉環(huán)模型#通過在線參數(shù)估
7、計(jì)#在測(cè)量之特性’"(#使得電控單元!0A<"只能得到滯后的空燃比前得到變量的預(yù)測(cè)值#以補(bǔ)償控制回路中的時(shí)間延遲&信息#限制了空燃比控制的帶寬’((&為了精確控制瞬由于自適應(yīng)%,U模糊模型能夠很好地處理過程’*#+(態(tài)空燃比#可以采用基于模型的控制方法&然而#基于的非線性動(dòng)態(tài)和參數(shù)的時(shí)變性#因而被用于面向物理原理的微分方程模型需要通過設(shè)計(jì)脈譜或擬合多控制的發(fā)動(dòng)機(jī)建模&V44等人采用最小二乘估計(jì)項(xiàng)式來補(bǔ)償發(fā)動(dòng)機(jī)不同工況下的非線性’-(#這不但增!VU0"與反向傳播!3b"相結(jié)合的算法預(yù)測(cè)隸屬度函作者
8、簡(jiǎn)介$張!健!"]$,"#男#在讀碩士研究生#主要研究方向?yàn)閮?nèi)燃機(jī)電控技術(shù)&.#!!小!型!內(nèi)!燃!機(jī)!與!摩!托!車!!!!!!!!!!!!第$#卷數(shù)參數(shù)#利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)!)W[CU"描述蹤發(fā)動(dòng)機(jī)不同工況的非線性和時(shí)變特性#補(bǔ)償由前饋柴油機(jī)氣缸壓力和溫度與噴霧射程非線性時(shí)變動(dòng)態(tài)特?cái)_動(dòng)引起的被控量偏移#并提供即時(shí)的反饋信息&?！?性&31>;1M4;等人基于輸入狀態(tài)的模糊劃分#生成動(dòng)型以空氣流量:)燃?xì)饬髁?為輸入變量#在線完成:8態(tài)規(guī)則#利用局部線性模型逼近發(fā)動(dòng)機(jī)
