基于神经网络建模的柴油机排放模型预测控制
系统与控制
2023-11-08 v1 系统与控制
摘要
本文通过应用模型预测控制（Model Predictive Control，MPC）来解决柴油机氮氧化物（NOx）和碳烟（Soot）排放的控制问题。文中所述研究基于 GT-Power 中发动机进气路径与扭矩响应的高保真模型，并通过从实验发动机数据辨识出的前馈神经网络（Feedforward Neural Network，FNN）基发动机出口（排气）排放模型进行扩展，以实现控制器协同仿真与性能验证。随后辨识一个循环神经网络（Recurrent Neural Network，RNN）用作预测模型，以实施非线性经济 MPC，该 MPC 调整进气歧管压力和 EGR 率设定值至内环进气路径控制器以及发动机燃油喷射率。基于 GT-Power 发动机模型与 FNN 排放模型，控制系统与对象模型在不同行驶循环下的闭环仿真展示了通过在经济 MPC 公式中调整权重与约束来塑造发动机出口排放响应的能力。
引用
@article{arxiv.2311.03555,
title = {Model Predictive Control of Diesel Engine Emissions Based on Neural Network Modeling},
author = {Jiadi Zhang and Xiao Li and Ilya Kolmanovsky and Munechika Tsutsumi and Hayato Nakada},
journal= {arXiv preprint arXiv:2311.03555},
year = {2023}
}