基于 Koopman 算子的涡轮增压器涡轮数据驱动建模

涡轮增压器在减少道路车辆排放和提高燃油效率方面起着至关重要的作用。排气气体的脉动流，以及来自涡轮增压器壳体的高热交换，使得开发面向控制的模型变得困难。若干研究者已使用制造商提供的图谱来解决此问题。这些图谱通常未能纳入任何传热效应，并且不适用于宽广的运行区域。此外，随着更多和更好传感器数据的可用性，需要一种能够利用这些数据以获得更好预测模型的方法。Koopman 方法依赖于这样一种观测：可以将涡轮的非线性动力学提升到一个无限维函数空间中，在该空间上动力学是线性的。本文的目标是开发一种模型，使用 Koopman 算子预测涡轮的瞬态和稳态行为，这有助于控制设计与分析。我们的方法如下。我们使用来自康明斯重型柴油发动机的实验数据，通过扩展动态模态分解开发涡轮模型，该方法近似 Koopman 算子在可观测量空间有限维子空间上的作用。结果表明，与文献中广泛使用的调优非线性带外生输入自回归网络模型相比，性能更优。基于这两个模型预测涡轮瞬态和稳态行为的能力，分析了它们的性能。