买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海交通大学

摘要：一种内燃机技术领域的基于数据驱动的柴油机燃烧过程多目标控制方法，包括以下步骤：算法参数初始化，实时获取柴油机运行过程中喷油正时、轨压、NOx排放与油耗数值；根据当前时刻的NOx排放与油耗的控制误差，结合神经网络算法求取控制算法参数；根据最小化准则函数式和伪雅可比矩阵估计算法，求取当前时刻的伪雅可比矩阵；基于控制系统目标函数式与伪雅可比估计矩阵，根据无模型自适应算法公式和控制目标权重规则求取当前时刻的喷油正时与轨压控制量，并对柴油机实施控制；进行神经网络学习，获取实施控制作用后柴油机NOx排放与油耗的控制误差，根据误差反向传播算法在线调整神经网络参数实现控制参数的自适应调整。本发明能够满足在无需对柴油机和控制结构进行建模的条件下，基于柴油机的实时运行信息实现了柴油机燃烧过程的多目标有效控制。

主权项：1.一种基于数据驱动的柴油机燃烧过程多目标控制方法，其特征在于，包括以下步骤：步骤一，算法参数初始化，实时获取柴油机运行过程中喷油正时、轨压、氮氧化物排放与油耗数值；步骤二，根据当前时刻的氮氧化物排放与油耗的控制误差，结合神经网络算法求取控制算法参数；步骤三，根据最小化准则函数式和伪雅可比矩阵估计算法，求取当前时刻的伪雅可比矩阵；步骤四，基于控制系统目标函数式与伪雅可比估计矩阵，根据无模型自适应算法公式和控制目标权重规则求取当前时刻的喷油正时与轨压控制量，并对柴油机实施控制；步骤五，进行神经网络学习，获取实施控制作用后柴油机氮氧化物排放与油耗的控制误差，根据误差反向传播算法在线调整神经网络参数实现控制参数的自适应调整；其中，在步骤二中，所述神经网络算法为： 式中：X1为柴油机氮氧化物排放值，单位为gkW·h；X2为柴油机油耗值，单位为gkW·h；为神经网络氮氧化物排放输入值，单位为gkW·h；为神经网络油耗输入值，单位为gkW·h；w2为输入层到隐藏层的权值；O2为神经网络隐藏层输出值；w3为隐藏层到输出层的权值；ρ与η为算法参数；为神经网络输出值；为神经网络输出值；在步骤三中，所述最小化准则函数式为： 式中：k为算法运行次数；Φck为系统在k时刻的伪雅可比矩阵；Δyk为系统在k时刻的氮氧化物排放与油耗变化量，单位为gkW·h；Δuk-1为系统在k-1时刻对喷油正时与轨压的控制变化量，单位分别为°CA与MPa；为系统在k-1时刻的伪雅可比矩阵估计值；μ为算法参数；在步骤三中，所述伪雅可比矩阵估计算法为： 式中：k为算法运行次数；为系统在k时刻的伪雅可比估计矩阵；为系统在k-1时刻的伪雅可比矩阵估计值；Δyk为系统在k时刻的氮氧化物排放与油耗变化量，单位为gkW·h；Δuk-1为系统在k-1时刻对喷油正时与轨压的控制变化量，单位分别为°CA与MPa；μ与η为算法参数；在步骤四中，所述控制系统目标函数式为：Juk＝[y*k+1-yk+1]TR[y*k+1-yk+1]+μ‖uk-uk-1‖2式中：k为算法运行次数；uk为系统在k时刻对喷油正时与轨压的控制量，单位分别为°CA与MPa；uk-1为系统在k-1时刻对喷油正时与轨压的控制量，单位分别为°CA与MPa；y*k+1为系统的氮氧化物排放与油耗的控制目标值，单位为gkW·h；yk+1为系统在k+1时刻的氮氧化物排放与油耗值，单位为gkW·h；R为控制目标权重矩阵；μ为算法参数；在步骤四中，所述无模型自适应算法公式为： 式中：k为算法运行次数；uk为系统在k时刻对喷油正时与轨压的控制量，单位分别为°CA与MPa；uk-1为系统在k-1时刻对喷油正时与轨压的控制量，单位分别为°CA与MPa；y*k+1为系统的氮氧化物排放与油耗的控制目标值，单位为gkW·h；yk为系统在k时刻的氮氧化物排放与油耗值，单位为gkW·h；为系统在k时刻的伪雅可比估计矩阵；R为控制目标权重矩阵；ρ与λ为算法参数；在步骤五中，所述误差反向传播算法为： 式中：k为算法运行次数；uk为系统在k时刻对喷油正时与轨压的控制量，单位分别为°CA与MPa；为系统在k时刻的神经网络输出算法参数值；为系统在k时刻的神经网络输出算法参数值；b为算法修正项；λ为算法参数；为系统在k时刻的伪雅可比估计矩阵；R为控制目标权重矩阵；y*k+1为系统的氮氧化物排放与油耗的控制目标值，单位为gkW·h；yk为系统在k时刻的氮氧化物排放与油耗值，单位为gkW·h；Δyk为系统在k时刻的氮氧化物排放与油耗变化量，单位为gkW·h；为系统在k-1时刻的伪雅可比估计矩阵；Δuk-1为系统在k-1时刻对喷油正时与轨压的控制变化量，单位分别为°CA与MPa；μ为算法参数。

全文数据：

权利要求：

百度查询： 上海交通大学 基于数据驱动的柴油机燃烧过程多目标控制方法