论文简介：
硕士论文-基于RBF网络和逆模型的汽油机瞬态空燃比控制，正文共133页，53301字。
降低汽车排放和油耗是涉及环境保护和能源的国际性问题，从发动机控制角度而言，精确控制汽油机瞬态空燃比是解决这一问题的重要措施，也是一个具有挑战性的研究课题。对此，作者开发了采用RBF神经网络控制和逆控制空燃比的方法，并基于发动机平均值模型进行了这两种控制策略的MATLAB离线仿真和SIMULINK在线仿真。
首先，介绍了研究汽车发动机空燃比(特别是瞬态空燃比)控制的必要性和重要性，以及国内外研究现状。同时，根据对国内外汽车发动机模型的综述分析，得到在不同控制策略下选择发动机模型的方法。
接着，在分析国内外各种控制策略的基础上，采用神经网络和逆控制对汽车发动机空燃比进行控制的策略。通过对已有的神经网络控制方案进行分析比较，得出采用RBF神经网络的结论。逆控制控制空燃比的控制策略是作者提出来的，作者在中外刊物上没有找到用此方法控制汽油机空燃比的文献。文中对神经网络和逆控制的相关知识做了必要的介绍。
文中采用的发动机模型是由丹麦技术大学ElbertHendricks教授和他的同事们提出来的，此模型具有较高的精度，它对不同于建模的三种发动机在整个运行域上的误差标准差仅为2～3%，对同一发动机采用不同进气歧管和喷油系统时也具有相同精度水平，被研究者们广泛采用。
在发动机模型和控制方案确定后，作者编写了RBF神经网络和逆控制的MATLAB离线仿真程序，并借鉴课题前期成果的方法，把自适应补偿算法加到控制程序中，从而构成自适应RBF神经网络控制和自适应逆控制策略。分别对简单油膜方程和复杂油膜方程作了MATLAB仿真分析比较，两种控制策略在瞬态过程都得到了很高的空燃比控制精度。随后还与课题前期的CMAC神经网络控制的仿真结果进行了分析比较。
随后，作者编写了两种控制方案控制器的S_function，从而构成基于S_function的RBF神经网络和自适应逆控制的SIMULINK在线仿真模型。仿真中，通过改变负载类型、改变油膜参数和更换油膜方程，同时对点火角附加随机噪声，考察了两种控制器的适应性和鲁棒性。仿真结果表明，RBF神经网络和自适应逆控制的瞬态空燃比与理想空燃比的误差均在 2%以内，且均具有较好的适应性和鲁棒性。最后，对各种仿真结果进行了综合分析，并与课题前期的CMAC神经网络控制结果进行了比较分析。
全文参考文献67篇，图80幅，表9个。
关键词：汽油机；空燃比；RBF神经网络控制；逆控制；SIMULINK仿真

论文文件预览：
共1文件夹，1个文件，文件总大小：9.75MB，压缩后大小：6.88MB

• 硕士论文-基于RBF网络和逆模型的汽油机瞬态空燃比控制
• 清华大学-汽车硕士毕业论文.doc  [9.75MB]