液化石油氣汽車點火控制系統(tǒng)優(yōu)化與故障診斷

崔宏巍，朱亮紅

（深圳職業(yè)技術(shù)學(xué)院汽車與交通學(xué)院，廣東深圳 518055）

液化石油氣汽車點火控制系統(tǒng)優(yōu)化與故障診斷

崔宏巍，朱亮紅

（深圳職業(yè)技術(shù)學(xué)院汽車與交通學(xué)院，廣東深圳 518055）

對點火提前角與液化石油氣（LPG）汽車發(fā)動機性能和排放的關(guān)系進行分析，通過臺架試驗，獲取各種工況下LPG發(fā)動機的最佳點火提前角，通過建立BP神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)燃?xì)馄圏c火控制系統(tǒng)的優(yōu)化，還對LPG發(fā)動機點火提前角對動力性與排放的影響進行了試驗研究，得出在不同轉(zhuǎn)速和負(fù)荷下，點火提前角變化對NOx和CO排放的影響結(jié)果，采用模糊模式識別的方法判別燃?xì)馄圏c火系統(tǒng)的技術(shù)狀態(tài)。

點火系統(tǒng)；發(fā)動機；控制系統(tǒng)；神經(jīng)網(wǎng)絡(luò)

液化石油氣發(fā)動機可燃混合氣的點火系統(tǒng)對發(fā)動機的動力性能、工作效率和排放至關(guān)重要。點火時刻不合適，會導(dǎo)致發(fā)動機動力性能下降、熱效率降低、燃料消耗率上升、有害氣體排放增加等現(xiàn)象。如果點火提前角過小，則會影響其動力性能；如果點火提前角過大，就會增加HC和NOx的排放量。點火提前角優(yōu)化控制一直是國內(nèi)外內(nèi)燃機領(lǐng)域的重點研究課題，但大多研究集中在汽油機的點火控制。由于氣體燃料與汽油的特性相比，有著很大差異，其自身具有抗爆燃性好、辛烷值高等特點，并在最高燃燒壓力、滯燃期、燃燒時間、最高燃燒壓力變化率等很多方面均不相同，因此，研究液化石油氣發(fā)動機點火系統(tǒng)的優(yōu)化，對于提高發(fā)動機最大功率或扭矩，降低有害氣體排放具有重要意義［1－2］。

1 點火提前角三維脈譜圖

影響燃?xì)獍l(fā)動機最佳點火提前角的因素包括發(fā)動機的結(jié)構(gòu)參數(shù)和空燃比、負(fù)荷、轉(zhuǎn)速、冷卻水溫度等運行參數(shù)。當(dāng)發(fā)動機長時間工作，發(fā)生老化和磨損等現(xiàn)象時，這些影響參數(shù)會發(fā)生變化，它們之間也會相互作用，通過數(shù)學(xué)模型表達這些參數(shù)對燃?xì)獍l(fā)動機最佳點火提前角的影響程度并進行在線優(yōu)化和修正，則非常困難。在實際工作中，往往是在發(fā)動機臺架上通過大量的標(biāo)定試驗，獲取發(fā)動機各種試驗工況下標(biāo)準(zhǔn)的點火提前角脈譜圖，將脈譜圖中的數(shù)據(jù)存入電控單元微控制器的ROM中，在發(fā)動機實際工作運轉(zhuǎn)時，依靠插值的方法獲得不同轉(zhuǎn)速和負(fù)荷的最佳點火提前角，實時將點火提前角控制在最佳狀態(tài)。存儲在電控單元微控制器ROM中的三維脈譜數(shù)據(jù)為燃?xì)馄圏c火控制提供了依據(jù)，一般通過查表法可以獲得最佳點火提前角。在實際應(yīng)用中，如果在某一工況下，采集得到的負(fù)荷與轉(zhuǎn)速處于所存儲的數(shù)據(jù)之外，則可以利用線性插值法獲取最佳點火提前角［3－4］。

2 點火提前角優(yōu)化問題的BP網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)（artificial Neural Network）能夠自身適應(yīng)環(huán)境，總結(jié)規(guī)律，完成某種運算、識別或過程控制，具有初步的自適應(yīng)與自組織能力，在學(xué)習(xí)或訓(xùn)練過程中改變突觸權(quán)重值，以適應(yīng)周圍環(huán)境的要求，對于處理多變量、非線性的復(fù)雜問題具有較強的優(yōu)勢，本文將人工神經(jīng)網(wǎng)絡(luò)的這些特性應(yīng)用于燃?xì)獍l(fā)動機點火提前角的優(yōu)化。

發(fā)動機在長時間運行過程中，可能會出現(xiàn)壓力波動、電壓波動、火花塞磨損、積碳等情況，造成點火提前角偏離理想位置，改變點火正時，點火控制系統(tǒng)無法按照MAP圖中的最佳時刻進行控制，造成發(fā)動機性能惡化。提高燃?xì)馄嚢l(fā)動機點火提前角的控制效果，必須兼顧發(fā)動機的動力性、降低燃料消耗和減少排氣污染，而神經(jīng)網(wǎng)絡(luò)具有非線性映射和記憶能力，建立起發(fā)動機運轉(zhuǎn)參數(shù)與最佳點火提前角之間關(guān)系的神經(jīng)網(wǎng)絡(luò)模型，用于實時調(diào)節(jié)點火提前角，是一種很好的控制和優(yōu)化策略。在LPG發(fā)動機點火提前角優(yōu)化問題中，主要考慮轉(zhuǎn)速（n）、負(fù)荷（p）這兩個參數(shù)對最佳點火提前角的影響。由于空燃比被電控單元控制在理論值附近，不需考慮空燃比對發(fā)動機性能的影響，當(dāng)然還有其他因素也會影響點火提前角，比如冷卻水溫度等參數(shù)，但在實際控制中可以采用分段控制，因此，簡化模型僅需考慮轉(zhuǎn)速和負(fù)荷。本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)的輸入層簡化為兩個節(jié)點，即x1＝n，x2＝p，輸出為最佳點火提前角。通過對NJG415P（直列、四缸、四沖程水冷發(fā)動機，排量為1.46L）單燃料液化石油氣發(fā)動機進行大量臺架試驗，獲取不同轉(zhuǎn)速和負(fù)荷下的最佳點火提前角，進行相應(yīng)的訓(xùn)練。BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是由信息正向傳播過程和誤差反向傳播過程組成，本文采用經(jīng)典的兩層BP網(wǎng)絡(luò)結(jié)構(gòu)，8個隱含層結(jié)點，1個輸出層結(jié)點，隱含層采用S型激活函數(shù)，輸出層采用線性激活函數(shù)，通過試驗不同轉(zhuǎn)速、不同負(fù)荷下，在液化石油氣進氣量閉環(huán)控制時，功率、燃料經(jīng)濟性滿足要求條件下，排放達到最小所對應(yīng)的最佳點火提前角作為學(xué)習(xí)樣本，建立網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。轉(zhuǎn)速（r／min）、真空度（kPa）作為輸入，點火提前角作為輸出，輸入轉(zhuǎn)速分別為1 500r／min、2 200r／min、2 500r／min、2 800r／min、3 000r／min、3 300r／min、3 500r／min、4 000r／min，通過臺架試驗共獲得40組數(shù)據(jù)，負(fù)荷和轉(zhuǎn)速的分布如圖2所示。對應(yīng)學(xué)習(xí)速率0.03，通過學(xué)習(xí)5 000次，不斷調(diào)整連接權(quán)值，最后可得權(quán)值（表1）。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2 數(shù)據(jù)分布圖

表1 訓(xùn)練結(jié)束后各層神經(jīng)元權(quán)值

3 BP神經(jīng)網(wǎng)絡(luò)點火提前角優(yōu)化與動力性能和排放的影響研究

采用BP神經(jīng)網(wǎng)絡(luò)對40個輸入樣本進行訓(xùn)練。通過訓(xùn)練，利用BP神經(jīng)網(wǎng)絡(luò)較強的非線性映射能力和學(xué)習(xí)功能，將發(fā)動機最佳點火提前角正確表達為負(fù)荷和轉(zhuǎn)速的映射關(guān)系，在發(fā)動機的整個運行工況范圍之內(nèi)，都能夠獲取最佳點火提前角，實現(xiàn)點火提前角的優(yōu)化控制。當(dāng)外部工作環(huán)境發(fā)生變化時，如點火線圈、傳感器、火花塞等零部件磨損和老化時，只需要對BP網(wǎng)絡(luò)重新訓(xùn)練，就可以獲得環(huán)境變化后的最佳點火提前角，提高發(fā)動機的動力性能和排放性能。為驗證BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的最佳點火提前角是否準(zhǔn)確，在轉(zhuǎn)速2 400r／min時臺架試驗獲得的最佳點火提前角與BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的點火提前角相比較，誤差優(yōu)于1.2%，而在其他轉(zhuǎn)速和負(fù)荷下的誤差也很小，試驗表明BP神經(jīng)網(wǎng)絡(luò)在燃?xì)獍l(fā)動機點火提前角優(yōu)化方面具有明顯優(yōu)勢。

為進一步研究點火時刻對LPG燃?xì)獍l(fā)動機性能的影響，深入分析BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于點火提前角的實際優(yōu)化效果，本文分別在不同的發(fā)動機轉(zhuǎn)速、不同發(fā)動機負(fù)荷下，改變發(fā)動機的點火時刻，在不同點火提前角分別測試發(fā)動機的排放特性和扭矩，其中轉(zhuǎn)速為2 000／min時，20%～100%負(fù)荷的試驗結(jié)果如圖3所示。試驗表明，在通過BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的最佳點火提前角，燃?xì)獍l(fā)動機能夠獲得較大的扭矩，同時也可以兼顧得到較好的排放性能，CO與NOx的排放能夠保持在較低的水平。點火提前角較小，推遲燃燒，排氣溫度會升高，造成未燃燒成分氧化，燃燒室內(nèi)最高溫度的降低，使得NOx的排放減少，但扭矩也會相應(yīng)減??；而點火提前角較大，則會使得NOx的排放增加。試驗表明CO排放與負(fù)荷關(guān)系較大，工作在大負(fù)荷下，CO的排放會明顯增加，沒有發(fā)現(xiàn)點火提前角對于CO排放有較為明顯的影響。通過對液化石油氣汽車發(fā)動機進行點火提前角控制和優(yōu)化，發(fā)動機在不同工況下，均能達到較好的性能和排放效果，基于BP神經(jīng)網(wǎng)絡(luò)的最佳點火提前角優(yōu)化，能在發(fā)動機動力性能與排放性能之間達到平衡［5－6］。

圖3 轉(zhuǎn)速n＝2 000r／min點火特性

4 點火系統(tǒng)故障診斷

點火系統(tǒng)是液化石油氣發(fā)動機故障發(fā)生率比較高的系統(tǒng)之一，點火系統(tǒng)的工作狀況不僅影響到燃?xì)馄嚬ぷ鞯目煽啃?，還影響其動力性和經(jīng)濟性。對點火系統(tǒng)的技術(shù)狀態(tài)進行全面檢測和診斷，可以通過分析初級電路電壓信號和次級電路電壓信號來實現(xiàn)。點火電壓波形屬規(guī)則信號波形，它有下列特點：1）點火電壓是周期信號，其波形每經(jīng)過一定時間重復(fù)一次；2）點火系統(tǒng)各組成環(huán)節(jié)的狀態(tài)信息能夠反映在規(guī)則信號波形結(jié)構(gòu)的不同部位；3）點火系統(tǒng)組成環(huán)節(jié)的狀態(tài)異常能夠表現(xiàn)為波形結(jié)構(gòu)的變化。

根據(jù)以上特點，本文通過提取各組成環(huán)節(jié)狀態(tài)對應(yīng)的波形結(jié)構(gòu)特征，采用模糊模式識別的方法判別燃?xì)馄圏c火系統(tǒng)的技術(shù)狀態(tài)。

4.1 點火波形結(jié)構(gòu)特征提取與數(shù)學(xué)模型的建立

點火系統(tǒng)的故障總是會引起點火波形一定程度的變化，同一種類型的點火故障會具有相類似的點火波形，由于在實際檢測過程中，對波形的測量數(shù)據(jù)具有一定的隨機性，其隨機數(shù)據(jù)期望值會隨著不同的故障、不同的發(fā)動機類型在一定的范圍內(nèi)發(fā)生變化，同一種故障的點火波形僅僅相對于其它類型故障的點火波形具有一定相似性。因此，僅僅采用普通數(shù)值界線法是無法從紛繁復(fù)雜的各種點火波形變化中準(zhǔn)確識別故障類型。因此采用模糊模式識別的方法，即給定論域U上的n個模糊子集（模式）Ai∈U，i＝1，2…，n，又設(shè)一個模糊子集B∈U，為待識別模式。要判斷B與給定的哪一種模式Ai最貼近，本文通過貼近度按擇近原則來識別。貼近度是表示兩個模糊集接近程度的數(shù)量指標(biāo)，由于測度貼近度計算方便，能比較有效地表示模糊集接近程度，點火系統(tǒng)故障識別采用測度貼近度，其定義如下：

點火電壓波形識別是以一組特征參數(shù)｛x1，x2…xn｝，即一個子樣為研究對象，全體特征參數(shù)的集合構(gòu)成論域U，由于波形數(shù)據(jù)結(jié)構(gòu)復(fù)雜多變，只有經(jīng)過大量標(biāo)準(zhǔn)的故障試驗和數(shù)理統(tǒng)計，才能摸索出其變化規(guī)律。如圖4所示，借助點火電壓（kV）、燃燒電壓（kV）、初級電壓（V）、點火段（ms）、中間段（ms）、閉合段（ms）以及峰谷值序列來描述點火電壓次級波形和初級波形。特征參數(shù)越多越細(xì)，波形描述越詳盡，獲取的故障信息也就越多，但計算會更加復(fù)雜。電壓波形結(jié)構(gòu)由直流段單元和波動段單元（高頻振蕩，初級振蕩，雜波）相間構(gòu)成，設(shè)電壓波形時域信號為：xk＝｛x（k）｝，k＝1，2，…，N。各種典型故障波形對應(yīng)不同的特征參數(shù)Xk變化范圍，同一類故障的Xk值基本符合正態(tài)隨機分布。

圖4 點火次級波形特征提取

根據(jù)統(tǒng)計規(guī)律求出期望E（Xk），由E（Xk）描述的故障波形是同類故障的理想化模型，為模式識別提供了相似性的判別標(biāo)準(zhǔn)。典型故障模糊子集如：A1為高壓線松動，高壓導(dǎo)線電阻值過大；A2為白金觸點間隙過大；A3為最高次級電壓過低使火花塞沒有跳火；A4為斷電器活動觸點臂彈簧太弱。

點火系統(tǒng)特征參數(shù)次級點火峰值（kV），燃燒電壓（kV），點火段（ms），閉合段（%）、初級峰值電壓（V）隸屬度的確定，通常根據(jù)大量試驗和統(tǒng)計分析而定。在具體研究和分析了相關(guān)標(biāo)準(zhǔn)和故障波形的特性后，根據(jù)特征參數(shù)Xk各自變化范圍，確定相應(yīng)的隸屬函數(shù)（表2）。

表2 波形特征參數(shù)的隸屬函數(shù)

4.2 試驗與分析

根據(jù)本文提出的波形模糊識別方法編制識別程序，對實測點火電壓波形進行識別，下面給出部分試驗分析與故障識別結(jié)果，建立的典型故障波形模糊子集如下：

1）高壓回路中阻抗過大 A1＝（0.8，0.5，0.8，0.5，0.9，0.9，0.8，0.6，0.6，0.5，0.3，0.2，0.2，0.1，0.1，0.5，0.2，0.2，0.1，0.1）。

2）觸點間隙過大 A2＝（0.8，0.5，0.8，0，0.8，0.7，0.7，0.6，0.5，0.3，0.1，0.3，0.2，0.2，0.1，0.1）。

3）次級電壓過低致使火花塞沒有跳火 A3＝（0.2，0，0，0.5，0.9，0.8，0.7，0.6，0.6，0.5，0.4，0.3，0.2，0.1，0.4，0.2，0.2，0.1，0.1）。

4）斷電器活動觸點臂彈簧太弱 A4＝（0.8，0.5，0.8，0.5，0.8，0.7，0.6，0.5，0.3，0.1，0.4，0.8，0.7，0.6，0.3，0.2，0.1，0.1）。

待定波形的模糊子集為B＝（0.8，0.8，0.8，0.5，0.8，0.6，0.5，0.4，0.2，0.1，0.5，0.7，0.8，0.5，0.6，0.1，0.4，0.1），則由上述方法，可以分別計算出B與Ai的測度貼近度：N（B，A1）＝0.5702，N（B，A2）＝0.5876，N（B，A3）＝0.4722，N（B，A4）＝0.8181。可以得出，故可以判斷出B與A4最為相似，表明斷電器活動觸點臂彈簧太弱。

5 結(jié)束語

本文構(gòu)建了燃?xì)馄嘗PG發(fā)動機點火控制系統(tǒng)，研究了基于BP神經(jīng)網(wǎng)絡(luò)的最佳點火提前角優(yōu)化問題，在NJG415P單燃料燃?xì)獍l(fā)動機臺架試驗得到的多個訓(xùn)練樣本，利用建立的BP神經(jīng)網(wǎng)絡(luò)模型，通過學(xué)習(xí)得出各層神經(jīng)元權(quán)值，進行點火提前角優(yōu)化，將訓(xùn)練得到的點火提前角最佳值與臺架試驗得到的最佳值比較，僅發(fā)現(xiàn)在允許范圍內(nèi)的極小誤差，減輕了大量的標(biāo)定試驗工作。本文還對不同點火提前角的燃?xì)獍l(fā)動機動力性能與排放性能進行研究，提取點火波形結(jié)構(gòu)特征，采用模糊模式識別的方法判別燃?xì)馄圏c火系統(tǒng)的技術(shù)狀態(tài)。試驗結(jié)果表明：本文所建立的BP神經(jīng)網(wǎng)絡(luò)模型對于燃?xì)馄嚢l(fā)動機最佳點火提前角的優(yōu)化控制具有較好的效果。

［1］ Scoton P G，Wellstead P E.Self-tuning optimization of spark ignition automotive engines［J］.IEEE Control Systems Magazine 0272-1708／90／0400-0094 21-23 June，1989，Page（s）：1 983－1 988

［2］ Hafner M，Schuler M，Nelles O，et al.Fast neural networks for diesel engine control design［J］.Control Engineering Practice，2000（08）：1 211－1 221.

［3］ 簡林莎，邊耀璋，張春化.天然氣／汽油兩用燃料汽車點火提前角適應(yīng)性優(yōu)化設(shè)計［J］.中國公路學(xué)報.2004（01）：110－113.

［4］ 阮登芳，鄧兆祥.恢復(fù)改裝天然氣發(fā)動機動力性能的措施［J］.重慶大學(xué)學(xué)報（自然科學(xué)版）.2005（05）：15－18，23.

［5］ 何義團，安 娜，鄧 蛟，等.點火提前角對CNG發(fā)動機燃?xì)涞∷傩阅艿挠绊懀跩］.重慶交通大學(xué)學(xué)報（自然科學(xué)版）.2011（02）：110－113.

［6］ 王 欣，張紅光，姚寶峰，等.小負(fù)荷時天然氣發(fā)動機點火提前角對排放影響的試驗研究［J］.車用發(fā)動機.2010（03）：86－89.

［責(zé)任編校：張 眾］

Research on Optimizing Ignition Control System and Fault Diagnosis in LPG Automotive Engines

CUI Hong-wei，ZHU Liang-hong
（School of Transportation ＆Automotive Engin.，Shenzhen Polytechnic，Shenzhen518055，China）

The relationship of ignition timing，LPG engine performance and emissions were researched in this paper.At various work conditions optimum ignition angles were acquired.Because of the implementation of optimum ignition system based on BP neural network，LPG engine performance was greatly improved.The testing results of NOx and CO emissions show that ignition control system established in this paper is accurate and practical.Technical condition of ignition system was identified based on fuzzy pattern recognition method.

ignition system；engine；control system；neural network

U464.136

A

1003－4684（2014）02-0086-05

2014－02－21

廣東省教育科學(xué)“十二五”規(guī)劃2012年度科研項目（2012JK296）

崔宏?。?974－），男，河南安陽人，工學(xué)博士，深圳職業(yè)技術(shù)學(xué)院副教授，研究方向為汽車測控技術(shù)