发动机空燃比控制系统中传感器动态特性的研究

论文摘要

传感器动态特性是汽车发动机电子控制领域需要研究的主要技术问题之一。热式空气质量流量(MAF)传感器和废气氧(EGO)传感器作为发动机空燃比前馈控制环节和反馈控制回路的关键部件,其非线性动态特性直接影响到瞬态空燃比的测量和控制精度。为了有效地设计电控单元(ECU)信号电路中的抗混叠滤波器和选择合适的信号处理方法,以及进一步研究改善传感器动态性能、减小和消除动态测量误差的方法,本文通过建立发动机MAF和EGO传感器的非动态线性模型,研究了不同工作条件下的传感器动态性能。利用传感器的静、动态标定数据,基于两步辨识法分别建立了热线式、热膜式MAF传感器和EGO传感器Hammerstein模型,通过模型分别计算了上述传感器在不同阶跃激励条件下的时域和频域性能指标,并分析了两类传感器动态非线性的主要特征。建模过程中,充分考虑到激励信号源的延迟特性,采用不同的方法对传感器的实际输入进行估计,提高了建模精度。从面向控制的要求出发,分析了模型阶次对建模精度的影响,确定了合适的传感器模型阶次。通过将渐近辨识方法(ASYM)分别应用于MAF和EGO传感器Hammerstein模型的动态线性环节建模,给出了模型频域误差的确切描述。先建立传感器和测量噪声的高阶模型,而后对模型进行降阶,并与直接建立低阶模型方法进行比较,检验了不同辨识方法的建模效果。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 研究背景和意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究现状
• 1.3 MAF和EGO传感器的结构及工作原理
• 1.3.1 热式MAF传感器结构及工作原理
• 1.3.2 EGO传感器结构及工作原理
• 1.4 课题来源与研究内容
• 第二章 热线式MAF传感器动态特性研究
• 2.1 MAF传感器静、动态标定实验
• 2.1.1 MAF传感器静态标定实验
• 2.1.2 MAF传感器动态标定实验
• 2.1.3 实验结果
• 2.2 动态非线性系统
• 2.2.1 MAF传感器的动态非线性模型
• 2.2.2 激励信号的延迟特性
• 2.2.3 MAF传感器动态建模方法
• 2.3 动态非线性模型的确立
• 2.3.1 实际输入信号的估计
• 2.3.2 静态非线性环节
• 2.3.3 模型阶次选择
• 2.4 渐近辨识法
• 2.4.1 渐近理论
• 2.4.2 参数估计与模型降阶
• 2.4.3 模型阶次选择
• 2.4.4 渐近辨识法的模型阶次选择
• 2.4.5 模型检验
• 2.5 动态响应特性
• 2.5.1 时域特性
• 2.5.2 频域响应
• 2.6 本章小结
• 第三章 热膜式MAF传感器动态特性研究
• 3.1 热膜式MAF传感器建模数据的生成
• 3.1.1 实验数据的生成
• 3.1.2 基于实验数据计算的时域性能指标
• 3.2 动态系统的描述
• 3.2.1 MAF传感器的动态非线性模型
• 3.2.2 热膜式MAF传感器动态建模方法及模型阶次选择
• 3.2.3 热膜式MAF传感器的动态建模效果
• 3.3 渐近辨识算法
• 3.4 热膜式MAF传感器的时域和频域特性
• 3.4.1 时域响应
• 3.4.2 频域响应
• 3.5 与热线式传感器的性能比较
• 3.5.1 时域性能比较
• 3.5.2 频域性能比较
• 3.6 本章小结
• 第四章 废气氧（EGO）传感器动态特性的研究
• 4.1 EGO传感器静、动态标定实验
• 4.1.1 EGO传感器静态标定实验
• 4.1.2 EGO传感器动态标定实验
• 4.2 EGO传感器稳态非线性输出特性的建模
• 4.3 EGO传感器Hammerstein模型结构的确定
• 4.3.1 建模原理
• 4.3.2 EGO传感器实际输入信号的估计
• 4.3.3 动态线性环节模型阶次的确定
• 4.4 基于Hammerstein模型的EGO传感器动态建模
• 4.5 时域、频域分析
• 4.5.1 时域分析
• 4.5.2 频域分析
• 4.6 渐近辨识法的应用
• 4.7 本章小结
• 第五章 全文总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 硕士期间发表的论文