第4期（总第231期） 2017年8月
车用发动机 VEHICLE ENGINE
No 4 (Serial No 231 )
Aug2017
基于小波网络的发动机瞬态工况进气流量
动态辨识与预测研究
宋丹丹"2，李岳林”，解福泉12
(1.长沙理工大学汽车与机械工程学院，湖南长沙410076；2.河南交通职业技术学院汽车学院，河南郑州450005）
摘要：由于发动机进气系统具有复杂的非线性动态特性，因此构建了进气流量小波网络辨识与预测模型，并利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化，以提高小波网络预测模型的可靠性和预测结果表明，小波网络模型能有效地预测发动机瞬态工况进气流量，与BP神经网络预测模型相比，误差精度更高，可用于发动机麟态工况空燃比的精确控制
关键词：汽油机；进气流量；小波网络；瞬态工况；辨识；预测 DOI:10 3969/j issn 1001-2222 2017 04 013
中图分类号：U46442
文献标志码：B
文章编号：1001-2222(2017)04-0063-05
空燃比是影响发动机排放性、经济性与动力性
的重要指标，而进气流量的测量精度是空燃比控制系统的主要误差来源之一。特别是在发动机瞬态工况，由于进气管内存在的充排现象，以及传感器测量问应的滞后性，发动机进气流量的测量精度存在较大偏差，从而影响了瞬态工况空燃比控制精度。近年来，许多学者对进气流量的获取进行了深入研究。姚栋伟等基于进气流量均值模型构建了进气状态观测器，用以估计进气流量：冯煜等3提出了一种基于无迹卡尔曼滤波的暂态缸进气量估计算法；谭德荣等提出了基于扩展的卡尔曼滤波的发动机进气量估计算法。这些进气量估计算法存在计算量太大、估计精度不高等问题。由于发动机进气系统复杂的非线性动态特性，采用神经网络对其进行预测已经得到了广泛关注。如侯志祥等提出了一种基于混合遗传算法的径向基神经网络（HGARBF）的车用汽油机过渡工况进气流量预测模型，徐东辉等提出了一种基于混沌径向基(RBF)神经网络的汽油机进气流量预测模型，为精确及时测试汽油机进气流量提供了新的方法。小波网络兼具小波分析与神经网络的优点，逼近能力强、收敛速度快，成为非线性系统黑箱辨识的强大工具。因此，可以通过小波网络对进气流量模型进行辨识与预测。本研究
收稿日期：2017-01-08；修回日期：2017-04-11
基于小波网络建立了发动机瞬态工况进气流量辨识与预测模型，利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化，以提高小波网络的训练速度和误差精度；作为对比，建立了基于 BP神经网络的预测模型，并利用瞬态工况试验数据进行了仿真。
1基于小波网络的进气流量辨识与预测
发动机进气流量模型--8可以表述为
y(t)=f(xr)=f(y(t—l),**y(t-n),
u(t—1),***u(t—nu))。
(1）
式中：ny，nu分别为系统的阶数；y（t）表示系统在t 时刻的输出信号，它是由过去n个时刻的所有输人信号和n，个时刻所有输出信号构成；f（·）是未知的非线性函数系统，利用小波网络辨识非线性进气流量动态系统，即用小波网络代替模型中的f（·），然后根据系统的输出来调整网络权值，使小波网络
的响应与f（·）相同 1.1小波网络的结构
小波网络可以看作是以小波函数为基函数的一种函数连续型网络[},ZhangQ等基于离散小波框架理论提出了小波框架网络：假定多维母小波函数亚：R"→R通过伸缩和平移得到的函数族为
基金项目：国家自然科学基金项目（51176014）：湖南省自然科学基金项目资助（2016JJ2003）
作者简介：宋丹丹（1983一），女，博士，主要研究方向为汽车节能减排与新能源技术；sdd122163com，通讯作者：李岳林(1964一），男，教授，博士生导师，主要研究方向为汽车节能减排与新能源技术，