基于神经网络的VNT叶片开度MAP值选取的研究

李中豪

（长安大学，陕西 西安 710064）

基于神经网络的VNT叶片开度MAP值选取的研究

李中豪

（长安大学，陕西 西安 710064）

增压技术可以有效的提高内燃机的热效率，降低排放。文章研究了基于人工神经网络的涡轮增压器叶片开度控制技术，来实现精确控制VNT开度值，满足发动机燃烧过程中对进气量的精确性和及时性的要求。

增压技术；可变截面积涡轮增压；神经网络

CLC NO.:U462.1Document Code:AArticle ID:1671-7988 (2017)06-04-02

引言

近年来，人工神经网络（Artificial Neural Network,ANN）的应用越来越广泛，内燃机领域。但是，ANN在内燃机的涡轮增压系统的改进时，用来确定一些核心参数的运算中应用不多，这也使得本研究在 VNT涡轮增压发动机设计优化方面具有很好的研究价值和潜力。

1、VNT控制研究现状及问题

车用发动机通常在变工况下工作，对转矩和喷油量的需求也在不断地变化，导致需求的进气量也在发生变化，需要根据不同的工况改变 VNT 喷嘴叶片的开度。因此需要设计合理的控制逻辑，可变涡轮增压器的控制最终体现在对进气压力的控制。

目前国内研究对控制策略的研究较少。VNT 与 EGR、喷油系统参数之间的影响又较为复杂，因此本文综合各种影响因素，如发动机温度、环境因素以及 EGR 率、喷油参数等，根据稳态和瞬态工况的控制要求，基于BP神经网络制定出一个对应的VNT控制策略模型。

2、基于BP神经网络的VNT中叶片开度MAP值选取

2.1 VNT控制理论介绍

VNT控制的根本目的就是在不同工况下提供最佳的进气量，对于四冲程柴油机进气量与进气压力存在如公式 2.1的对应关系。

其中，m、Pk、Tk分别为气体的质量流量、气缸进气压力以及进气温度。从公式可以看出，通过进气压力和进气温度来计算某工况下所需的进气量，因此我们可以采用一定的控制方式来控制进气压力，进而精确地调整进入缸内的进气量。

VNT涡轮增压技术正是要通过控制VNT喷嘴环叶片的开度来实现对进气压力的控制，对叶片开度的精确控制需要依赖于合适的 MAP值。本研究中采用了 BP神经网络技术建立VNT控制模型，构建特征数据与目标量之间恰当的函数关系，使控制模型能够根据特征数据判断出目标量最合适的值。

2.2 VVT控制模型的建立及样本预处理

2.2.1 可变涡轮增压控制系统模型的建立

建立 VVT涡轮增压系统的控制模型的关键的一个步骤是据与目标的量之间合适的函数关系。本文建立的 VVT控制模型选择 BP 神经网络模型，对 BP 网络设计包括确定输入输出层和各层神经元节点数。

在涡轮增压系统的 BP 神经网络VVT控制模型中，输入及输出层所需要的节点数的个数的设定是要依据实际处理的问题来定。点个数，或经特征提取后为训练的样本的维数。在可变涡轮增压控制系统中，发动机转速、进气温度、叶片位置、EGR率等八个参数值的选取对喷嘴环叶片开度的MAP值的影响最大，所以设置为 8，八个节点与八种特征参数值一一对应。输出层节点数设置为 1，对应着喷嘴环叶片开度的MAP值。

2.2.2 样本预处理

要使涡轮增压系统的 BP 神经网络VVT控制模型根据输入样本能够得到准确的MAP值，就需要对原始样本的进行预处理。样本的获取，一般分为两个步骤，先提取和处理所需信息，然后整理出样本数据。获得数据样本后，还需对这部分数据进行加工处理，即预处理，指的是把数据统一在一个值域里面。本研究中是利用公式2.2，公式2.3使原始样本的数据都统一到了[-1,1]范围内，数据的处理结果如表1所示。

表1 样本数据

2.3 算法的优化

若要使BP 神经网络VVT控制模型的根据样本能够快速得到MAP值，就要选取恰当的隐含层节点数。本文采用了遗传算法优化 BP 神经网络，能够优化网络的结构，得到一个较优的 BP 神经网络模型。

2.3.1 编码方法选择

在本研究中，采用遗传算法的递阶编码方法，其中包含了控制基因串以及参数基因串，考虑到控制下级结构的方便性，控制基因采用2进制编码，没有被激活的控制基因表示为“0”，已被激活的则用“1”来表示。参数基因的编码采用2进制或者实数编码都可以。种群规模大小的取值要合理，整个遗传算法的有紧密的关联，一般取50-100。

2.3.2 交叉操作

神经元以及方式有两种，一种是，另一种是多点交叉。根据参数基因的特点，它采用算术交叉的方式会产生比较好的效果，即通过个体的线性组合这种算术交叉方式来产生两个新的个体。法用来产生重要方法，其概率则是由叉算法得到。

2.3.3 网络训练

训练前，需要先对发动机转速、增压器转速、增压压力、油门位置、冷却水温、进气温度、叶片位置、EGR率等八个的特征参数进行处理后作为样本的输入向量，设定遗传算法的初始种群设定为60，最大迭代次数设定为 300，算子中的取值数 k1取0.3、k2取 0.6、k3取 0.001、k4取 0.1。HJ 搜索的最初步长为 0.5，在搜索一次成功以后，将原步长乘以2，如果搜索结果为失败，则将原步长乘以 0.5，允许精度为0.01，搜索迭代次数为 60。设置BP 望值为 0.05，设置训目为 300 次。图1为。

图1 误差曲线

3、结束语

VNT涡轮增压系统对车用发动机特别是柴油机非常重要，既能增大发动机的动力，又能改善排放性能以及减少发动机的耗油量，同时由于VNT可以随时调节进气量，使得发动机在变工况下也拥有良好的动力性和排放性能。传统的VNT涡轮增压系统有其不可逾越的技术瓶，所以需要更智能化和先进化的获取喷嘴环叶片开度MAP值的方法，来实现对进气压力的更精确的控制。所以，本文采用了 BP 神经网络的VNT控制模型对涡轮增压系统进行优化，对获取MAP值的方法进行了一个新的思路。

[1] 王旭,王宏,王文辉.人工神经元网络原理与应用[M].沈阳:东北大学出版社 2007:22-23

[2] 胡建军,秦大同,杨为.神经网络的BP算法在发动机建模中的应用[J]. 重庆大学学报,2004,27(7):18-20.

[3] 林磊.可变喷嘴涡轮增压器(VNT)与柴油机的匹配及其控制的研究[D].北京,北京交通大学,2010.

[4] 田旭光,宋彤,刘宇新.结合遗传算法优化 BP 神经网络的结构和参数[J].计算机应用与软件,2004.

[5] 周慧娟,基于改进遗传算法优化神经网络的涡轮增压系统故障诊断研究[D].南昌,江西理工大学,2014.

Study on the Map of VNT turbocharger van based on neural network

Li Zhonghao
（Chang’an University, Shaanxi Xi’an 710064）

Turbocharged technology is an effective way to strengthen the internal combustion engine, and it can improve the economy of the internal combustion engine.This paper studies the technology of the control of the turbocharger van, which is based on artificial neural network technology.

Turbocharged technology; VNT; Neural network

U462.1

A

1671-7988 (2017)06-04-02

李中豪，就读于长安大学。

10.16638/j.cnki.1671-7988.2017.06.002