会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
首页 / 专利库 / 引擎 / 发动机扭矩 / 基于非奇异终端滑模观测器的发动机指示扭矩估计方法

基于非奇异终端滑模观测器的发动机指示扭矩估计方法

阅读:1035发布:2020-08-23

IPRDB可以提供基于非奇异终端滑模观测器的发动机指示扭矩估计方法专利检索,专利查询,专利分析的服务。并且本发明公开了一种基于非奇异终端滑模观测器的发动机指示扭矩估计方法,建立精确的非线性发动机曲轴动力学模型;对曲轴角度和发动机转速实时测量作为观测器输入并进行微分运算;利用非奇异终端滑模观测器,通过改变指示扭矩的估计值,使曲轴角速度的估计值不断趋近于不断变化的实际测量值。本发明利用非奇异终端滑模观测器对发动机指示扭矩进行在线估计,其对建模误差和参数扰动具有较好的鲁棒性,且收敛时间快,估计精度高。本发明确保了指示扭矩的估计精度。,下面是基于非奇异终端滑模观测器的发动机指示扭矩估计方法专利的具体信息内容。

1.基于非奇异终端滑模观测器的发动机指示扭矩估计方法,其特征在于,包括以下步骤:获取发动机实时变化的曲轴角θ,以及发动机瞬时转速信号;建立基于曲轴转角θ与指示扭矩Ti、惯性扭矩Tr、摩擦扭矩Tf和负载扭矩Tl的多缸发动机非线性曲轴动力学模型;

根据曲轴角θ、曲轴角速度 和曲轴角加速度 之间的关系,计算曲轴角加速度;

建立非奇异终端滑模面s;

根据指示扭矩估计方程计算指示扭矩估计值当连续注射信号能够驱使滑模面s至零,则输出得到指示扭矩估计值当滑模面s不满足条件,则对角加速度估计值 进行积分运算,得到曲轴角速度估计值返回系统重新计算指示扭矩估计值

2.根据权利要求1所述基于非奇异终端滑模观测器的发动机指示扭矩估计方法,其特征在于:所述多缸发动机非线性曲轴动力学模型为:令 用曲轴角速度估计值 代替曲轴角速度ω,

式中:

Je=m1r2[f(θ)]2+m2r2为指示扭矩估计值;Je为关于曲轴角θ的惯性方程;m1为等效往复集中质量;m2为等效旋转集中质量;r为曲轴半径;D为阻尼系数;m为汽车质量;g为重力加速度;rw为车轮半径;ig为变速器传动比;io为主减速器减速比;ηT为变速器机械效率;f为道路阻尼系数;i为道路坡度;φk为第k缸相对于第1缸的发火相位;N为发动机气缸总数;ρ为行驶过程中空气密度;δ为旋转质量换算系数;A为汽车迎风面积;CD为空气阻力系数。

3.根据权利要求1或2所述基于非奇异终端滑模观测器的发动机指示扭矩估计方法,其特征在于:所述非奇异终端滑模面s为:

式中,k1,k2分为正常数,定义了系统收敛速度;sgn(·)为符号函数,为曲轴角速度估计值,ω为曲轴角速度。

4.根据权利要求3所述基于非奇异终端滑模观测器的发动机指示扭矩估计方法,其特征在于:所述指示扭矩估计方程为:

式中,J(θ)为发动机的集中有效转动惯量; 为曲轴角速度的估计误差。

5.根据权利要求1或4所述基于非奇异终端滑模观测器的发动机指示扭矩估计方法,其特征在于:所述连续注射信号为λ为正增益;η为注射信号中可调节参数,其中, η0为η的初始值。

说明书全文

基于非奇异终端滑模观测器的发动机指示扭矩估计方法

技术领域

[0001] 本发明属于汽车发动机指示扭矩估计方法,具体涉及一种基于非奇异终端滑模观测器(NTSMO)的发动机指示扭矩估计方法。

背景技术

[0002] 指示扭矩作为发动机动力性能的一项重要参数,实时可靠的获取指示扭矩不仅可以正确地评价发动机工作性能,实时的监测故障发生,而且能够对发动机和变速器实施相关策略进行优化控制。在转速和负载变化的情况下,可以有效提高汽车的燃油经济性、驾驶舒适性和汽车安全性。此外,由于发动机指示扭矩无法直接获取,通过安装气缸压力传感器获取气缸压力能够计算得到指示扭矩,但是该方法在实际应用过程中受到限制。因此,如何间接估计获得指示扭矩引起了学界的广泛关注。
[0003] 近年来,国内外学者针对指示扭矩的估计已进行了诸多相关研究,并取得了一定的成果。通过非线性观测器对指示扭矩进行估计,准确性和鲁棒性较好。然而,其中一些估计方法由于对模型非线性特性考虑不全面,导致观测器估计精度不能够达到要求。由于建模过程中的参数不确定性、模型扰动,观测器本身存在系统抖振、收敛时间等问题,都需要在观测器的设计和参数设定过程中进行调节。文献[1]提出基于曲轴瞬时转速分析和一个缸压传感器结合,用于分析各缸的燃烧状态。利用参考缸来修正指示扭矩结果,由于不依赖复杂算法,精度较高。但是,因为使用了缸压传感器,实际应用却受到限制;文献[2]采用基于信度分配的小脑模型神经网络对指示扭矩进行估计,对模型精度依赖度较高,且参数复杂时,系统的计算量比较大;文献[3]对发动机扭矩估计分为了稳态和瞬态两种工况,并各自给出了控制误差范围;文献[4]利用发动机转速作为输入,在稳态下采用正交最小二乘法估计,瞬态则采用基于时域的识别方法,对制动扭矩进行了估计;文献[5]对指示扭矩和负载扭矩都进行了估计,忽略了活塞偏移对曲轴集中有效惯性的影响,提高了估计的准确性;文献[6]通过建立非线性模型,利用高增益观测器,考虑曲轴的转动效应,提高了估计的准确性;文献[7]通过二阶滑模理论的“超扭曲”算法结合滑模观测器,消除了相位滞后和时间延迟对估计结果带来的较大误差,抑制了抖动现象,提高了指示扭矩估计精度;文献[8]将卡尔曼滤波器与滑模观测器相结合,利用基于物理时变的发动机动力学模型,提高了计算速度,增强了算法的稳定性,但计算量却过大;文献[9]通过曲轴传感器获得的曲轴角度实时变化数据,将非线性双惯性模型和基于UKF的Ⅰ类的干扰观测器相结合,解决了信息中包含的振动干扰信号其振动频率在燃烧循环过程中对指示扭矩估计的影响;文献[10]分析对比了高增益观测器、滑模观测器和二阶滑模观测器对指示扭矩在线估计的差异,考虑了平稳状态和瞬时状态不同工况下的估计结果,虽然传统滑模观测器准确度稍微优于高增益观测器,但是抖振问题无法避免;文献[11]利用滑模观测器估计气缸偏差力矩,即指示扭矩和平均指示扭矩的差值。将输入估计问题转化为了控制跟踪问题;文献[12]采用滑模观测器对动态转矩,即指示扭矩与负载转矩之差进行了估计,可以避免了负载扭矩的获取,使用滑模观测器的估计鲁棒性较好,但是收敛的时间有待提高。

发明内容

[0004] 鉴于此,本发明针对现有发动机曲轴动力学模型及指示扭矩估计方法存在的不足,需要采用一种合理且易实现的方法对指示扭矩进行估计,以使估计值能够很好的接近实际值。提供一种基于非奇异终端滑模观测器(NTSMO)的发动机指示扭矩估计方法,利用曲轴角速度误差的不断减小来确保指示扭矩估计的精度。
[0005] 为了实现上述目的本发明采用如下技术方案:基于非奇异终端滑模观测器的发动机指示扭矩估计方法,包括以下步骤:
[0006] 获取发动机实时变化的曲轴角θ,以及发动机瞬时转速信号;建立基于曲轴转角θ与指示扭矩Ti、惯性扭矩Tr、摩擦扭矩Tf和负载扭矩Tl的多缸发动机非线性曲轴动力学模型。
[0007] 根据曲轴角θ、曲轴角速度 和曲轴角加速度 之间的关系,计算曲轴角加速度。
[0008] 建立非奇异终端滑模面s。
[0009] 根据指示扭矩估计方程计算得到指示扭矩估计值
[0010] 当连续注射信号能够驱使滑模面s至零,则输出得到指示扭矩估计值[0011] 当滑模面s不满足条件,即值小于任何大于零的数ε,则对角加速度估计值 进行积分运算,得到曲轴角速度估计值 返回系统重新计算指示扭矩估计值
[0012] 所述多缸发动机非线性曲轴动力学模型为:
[0013] 令 用曲轴角速度估计值 代替曲轴角速度ω,
[0014]
[0015] 式中:
[0016]
[0017]
[0018] Je=m1r2[f(θ)]2+m2r2
[0019] 为指示扭矩估计值;Je为关于曲轴角θ的惯性方程;m1为等效往复集中质量;m2为等效旋转集中质量;r为曲轴半径;D为阻尼系数;m为汽车质量;g为重力加速度;rw为车轮半径;ig为变速器传动比;io为主减速器减速比;ηT为变速器机械效率;f为道路阻尼系数;i为道路坡度;φk为第k缸相对于第1缸的发火相位;N为发动机气缸总数;ρ为行驶过程中空气密度;δ为旋转质量换算系数;A汽车迎风面积;CD为空气阻力系数;f(θ-φk)、g(θ-φk)、f(θ)、I(θ)分别为曲轴转角几何关系的不同函数。
[0020] 所述非奇异终端滑模面s为:
[0021]
[0022] 式中,k1,k2分为正常数,定义了系统收敛速度;sgn(·)为符号函数,为曲轴角速度估计值,ω为曲轴角速度。
[0023] 所述指示扭矩估计方程为:
[0024]
[0025] 式中,J(θ)为发动机的集中有效转动惯量; 为曲轴角速度的估计误差。
[0026] 本发明具有以下优点:
[0027] (1)由于发动机曲轴动力学系统是一个复杂的非线性系统,包含诸多不确定变量,利用非奇异终端滑模观测器和选择合适的平滑注射信号,更有利于完成对无法测量的指示扭矩进行在线估计。
[0028] (2)在建模过程中,根据汽车理论引入了汽车动力学方程,对负载扭矩变量进行了说明。提高了建模的精确性。

附图说明

[0029] 图1为指示扭矩控制器结构框图;
[0030] 图2为指示扭矩估计流程图;
[0031] 图3为曲轴角速度跟踪误差曲线;
[0032] 图4为指示扭矩跟踪曲线;
[0033] 图5为指示扭矩跟踪误差曲线。

具体实施方式

[0034] 下面结合附图对本发明作进一步说明。
[0035] 本发明所述的基于非奇异终端滑模观测器的指示扭矩估计方法,通过改变指示扭矩的估计值 迫使曲轴角速度的估计值 跟踪实际不断变化的测量值ω。在滑模过程中,曲轴角速度的估计误差 逐渐缩小,保证了系统的收敛性。通过李雅普洛夫稳定性定理结合滑模控制选择合适的注射信号,避免了系统抖振并消除了稳态误差。
[0036] 参见图2,基于非奇异终端滑模观测器的发动机指示扭矩估计方法,包括以下步骤:
[0037] 获取发动机实时变化的曲轴角θ,以及发动机瞬时转速信号;建立基于曲轴转角θ与指示扭矩Ti、惯性扭矩Tr、摩擦扭矩Tf和负载扭矩Tl的多缸发动机非线性曲轴动力学模型。
[0038] 根据曲轴角θ、曲轴角速度 和曲轴角加速度 之间的关系,计算曲轴角加速度。
[0039] 建立非奇异终端滑模面s。
[0040] 根据指示扭矩估计方程计算指示扭矩估计指
[0041] 当连续注射信号能够驱使滑模面s至零,则输出得到指示扭矩估计值[0042] 当滑模面s不满足条件,即值小于任何大于零的数ε,则对曲轴角加速度估计值进行积分运算,得到曲轴角速度估计值 返回系统重新计算指示扭矩估计值 曲轴角加速度估计值可在指示扭矩估计方程中获得。
[0043] 1)曲轴角速度的估计
[0044] 如图1所示,利用曲轴传感器和凸轮轴传感器获取实时变化的曲轴角,以及发动机瞬时转速信号。
[0045] 根据能量守恒定律,多缸发动机扭矩平衡方程为:
[0046]
[0047] 式中,J(θ)为发动机的集中有效转动惯量,为曲轴角加速度,Ti为指示扭矩,Tr为往复惯性扭矩,Tf为摩擦扭矩,Tl为负载扭矩。
[0048] 指示扭矩Ti为所有气缸压力产生的总的气体力矩
[0049]
[0050] 式中,φk为第k缸相对于第1缸的发火相位, Ap为气缸活塞顶部截面积;r为曲轴半径;p为气缸压力;N为气缸总数。
[0051] 根据发动机曲轴转角的几何关系,有
[0052]
[0053]
[0054] 式中,l为连杆长度;f(θ),g(θ)分别为曲轴转角几何关系的不同函数。
[0055] 惯性扭矩Tr为集中有效往复运动产生的扭矩:
[0056]
[0057] 式中,m1为等效往复集中质量。
[0058] 摩擦扭矩Tf是由活塞和活塞环之间产生的滑动摩擦,以及发动机的泵气损失产生的总的扭矩:
[0059]
[0060] 式中,D为阻尼系数。
[0061] 根据汽车动力学方程,可以得到负载扭矩:
[0062]
[0063] 式中,rw为车轮半径,ig为变速器传动比,io为主减速器减速比,ηT为变速器机械效率,m为汽车质量,g为重力加速度,f为道路阻力系数,i为道路坡度,ρ为空气密度,A为迎风面积,CD为空气阻力系数,δ为旋转质量换算系数。
[0064] 令 基于时域的发动机动态曲轴刚性模型表达式为:
[0065]
[0066] 式中,由于指示扭矩Ti无法直接测量。因此,需要建立观测器进行估计获得。
[0067] 2)非奇异终端滑模面的构建
[0068] 非奇异终端滑模面s为:
[0069]
[0070] 式中,k1,k2分别为正常数;sgn(·)为符号函数,为曲轴角速度估计值,ω为曲轴角速度。
[0071] 设系统曲轴角速度估计值为 定义曲轴角速度的估计误差为
[0072]
[0073] 为了实现系统状态在有限时间内的快速收敛,所述非奇异终端滑模面为:
[0074]
[0075] 式中:k1,k2分别为正常数。
[0076] 对切换函数两边同时进行微分,得到
[0077]
[0078] 理想状态情况下,当系统到达滑模面时,即
[0079]
[0080] 通过解微分方程,系统收敛时间为:
[0081]
[0082] 即,系统是收敛的。
[0083] 定义李雅普诺夫函数:
[0084]
[0085] 式中,V为设计的李雅普诺夫函数,用于判定系统的稳定性;s为非奇异终端滑模面。
[0086] 令注射信号为 有
[0087]
[0088] 则, 即系统稳定。
[0089] 式中,λ为正增益;η为注射信号中可以调节的参数。其中, η0为η的初始值。
[0090] 在滑模运动状态过程中,对于系统的不确定性和参数扰动,大部分传统滑模函数选择不连续的注射信号,即符号函数sgn(·),可以令切换函数趋近于零。然而,符号函数属于非连续函数,其使用会引起系统的高频抖振。本发明选择的平滑连续注射信号,其中包含的积分项可以避免系统抖振并消除稳态误差,鲁棒性效果较好。
[0091] 3)指示扭矩估计方程
[0092] 指示扭矩估计方程为
[0093]
[0094] 将式(15)带入式(16),得到指示扭矩估计方程为:
[0095]
[0096] 因此,闭环系统为
[0097]
[0098] 本实例中,发动机为四缸直列四冲程,其点火循环顺序为1-3-4-2,仿真基本参数取值如表1所示:
[0099] 表1 发动机基本参数配置
[0100]
[0101] 图3至图5为采用本发明的基于非奇异终端滑模观测器的仿真效果图。
[0102] 结果表明,该方法能够通过改变指示扭矩的估计值,使曲轴角速估计值很好的对实际输入变化信号进行跟踪。最终能够获得较好的指示扭矩估计效果。
[0103] 参考文献:
[0104] [1]王金力,杨福源,欧阳明高,李建秋.基于一缸缸压和瞬时转速的内燃机分缸燃烧状态估计.内燃机工程,2016(04):20-27.
[0105] [2]华海德,马宁,马捷,张桂臣,黄河.基于小脑神经网络的船用柴油机扭矩在线估计.内燃机工程,2013(01):62-66.
[0106] [3]杜常清,颜伏伍,李劲松,候献军.发动机性能测试及扭矩控制原型建立方法研究.内燃机工程,2010(01):60-64.
[0107] [4]Franco,J.,M.A.Franchek and K.Grigoriadis.Real-time brake torque estimation for internal combustion engines.Mechanical systems and signal processing,2008.22(2):338-361.
[0108] [5]Zweiri,Y.H.and L.D.Seneviratne,Diesel engine indicated and load torque estimation using a non-linear observer.Proceedings of the Institution of Mechanical Engineers,Part D:Journal of Automobile Engineering,2006.220(6):775-78.
[0109] [6]Hirahara,H.,K.Yoshida and M.Iwase.Torque estimation based on nonlinear engine model considering crankshaft torsion.in Advanced Intelligent Mechatronics(AIM),2010 IEEE/ASME International Conference on.2010:IEEE.[0110] [7]王赞松,褚福磊.基于二阶滑模理论的汽车发动机指示扭矩的实时估计.振动工程学报,2004.17(z1):252-255.
[0111] [8]Chauvin,J.,et al.Real-time combustion torque estimation on a diesel engine test bench using time-varying Kalman filtering.in Decision and Control,2004.CDC.43rd IEEE Conference on.2004:IEEE.
[0112] [9]Itoh,Y.,K.Higashi and M.Iwase.UKF-based estimation of indicated torque for IC engines utilizing nonlinear two-inertia model.in Decision and Control(CDC),2012IEEE 51st Annual Conference on.2012:IEEE.
[0113] [10]Wang,Y.and F.Chu,Application of non-linear observers to on-line estimation of indicated torque in automotive engines.Proceedings of the Institution of Mechanical Engineers,Part D:Journal of Automobile Engineering,2005.219(1):65-75.
[0114] [11]Wang,Y.and F.Chu,Real-time misfire detection via sliding mode observer.Mechanical systems and signal processing,2005.19(4):900-912.[0115] [12]王赟松,褚福磊.基于滑模跟踪控制的汽车发动机在线监测与故障诊断.清华大学学报,2005.45(2):182-185. 。
高效检索全球专利

IPRDB是专利检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,专利查询、专利分析

电话:13651749426

侵权分析

IPRDB的侵权分析产品是IPRDB结合多位一线专利维权律师和专利侵权分析师的智慧,开发出来的一款特色产品,也是市面上唯一一款帮助企业研发人员、科研工作者、专利律师、专利分析师快速定位侵权分析的产品,极大的减少了用户重复工作量,提升工作效率,降低无效或侵权分析的准入门槛。

立即试用