一種基于神經(jīng)網(wǎng)絡(luò)的氧化催化器出口溫度控制方法

李延紅，高發(fā)廷，王秋花，劉 浩，黃少文

（中國重型汽車集團(tuán)有限公司技術(shù)發(fā)展中心，山東 濟(jì)南 250101）

前言

隨著國家機(jī)動車第6階段排放法規(guī)的發(fā)布及亟待解決的大氣環(huán)境污染需求，重型柴油車污染物的排放需要進(jìn)行嚴(yán)格控制。在柴油發(fā)動機(jī)的排氣氣體中含有大部分由煤和可溶性有機(jī)物質(zhì)構(gòu)成的顆粒物排放，目前氧化催化器 （Diesel oxidation catalyst，DOC）耦合顆粒捕集器 （Diesel particulate filter，DPF）成為降低顆粒物排放的主要技術(shù)手段。尾氣中的顆粒物經(jīng)DOC后在DPF內(nèi)被捕集過濾，過濾效率可達(dá)90%以上。被捕集過濾的顆粒物會沉積在DPF內(nèi)，隨著發(fā)動機(jī)不斷運(yùn)行，DPF內(nèi)顆粒物累積量增加，會引起發(fā)動機(jī)排氣阻力增加，排放進(jìn)一步惡化，因此需要對累積的顆粒物再生。發(fā)動機(jī)在正常運(yùn)行狀態(tài)下排氣溫度一般低于400℃，難以達(dá)到顆粒物主動再生所要求的600 20℃范圍。目前，在重型發(fā)動機(jī)中，通常采用在DOC上游入口處排氣管噴燃油，在DOC內(nèi)部進(jìn)行燃油氧化放熱來解決DOC出口溫度即DPF入口溫度控制。

目前DOC出口溫度的控制方法主要為根據(jù)DOC下游設(shè)定溫度及傳感器采集溫度，利用PID方法控制DOC上游HC噴嘴的噴射油量。但是由于DOC下游溫度傳感器采集的滯后性、DOC下游溫度傳感器安裝位置的不同以及DOC本身為大的慣性系統(tǒng)，使該方法的控制效果比較差，無法達(dá)到對DOC下游溫度的精確控制。DOC出口溫度的精確控制對DPF安全可靠主動再生影響很大，如果控制偏差過大，將會導(dǎo)致DPF再生過程中DPF載體熱損壞或者出現(xiàn)再生過程中斷；DPF載體熱損壞不可逆轉(zhuǎn)，DPF再生過程中斷會影響碳載量的精確計算，進(jìn)而影響下次再生時機(jī)的判斷。

針對DOC出口溫度響應(yīng)的長時延特征，本文提出了一種基于神經(jīng)網(wǎng)絡(luò)的氧化催化器出口溫度控制方法，并通過整車試驗驗證控制策略的有效性。

1 氧化催化器熱響應(yīng)過程出口溫度建模

將氧化催化器DOC按照排氣流向分為6塊，根據(jù)能量熱平衡定律，DOC能量熱響應(yīng)示意圖如圖1所示。

圖1 DOC能量熱響應(yīng)示意圖

如圖1所示，DOC能量熱響應(yīng)主要包括DOC入口排氣能量、DOC與環(huán)境熱傳遞能量、DOC中燃油燃燒化學(xué)反應(yīng)放熱能量以及DOC介質(zhì)本身能量。本文將DOC分為6塊，將DOC上游溫度傳感器采集的溫度作為第1塊DOC的入口溫度，將DOC的入口HC噴射總油量作為第1塊DOC的入口油量，根據(jù)熱平衡公式計算第6塊DOC的出口排氣溫度。

對于每塊DOC而言，根據(jù)能量熱平衡，可得如下公式：

式中：Qoutn——催化器第n塊出口總能量；QSlicen——催化器第n塊介質(zhì)本身能量；QEGSlicon——催化器第n塊入口排氣能量；QSliceEnvn——催化器第n塊與環(huán)境熱傳遞能量；QFueln——催化器第n塊中化學(xué)反應(yīng)放熱能量，此處1≤n≤6。

根據(jù)能量等于熱容與溫度的乘積，公式 （1）變形為：

式中：CSlicesum——催化器第n塊出口混合熱容；Toutn——催化器第n塊出口介質(zhì)溫度；CSlice——催化器第n塊介質(zhì)熱容；Tinn——催化器第n塊介質(zhì)溫度；CEGSlicen——催化器第n塊排氣熱容；TEGinn——催化器第n塊入口排氣溫度；CSliceEnv——催化器第n塊環(huán)境熱容；TEnvn——催化器第n塊環(huán)境溫度。

由于是在DOC上游噴射燃油，所以催化器每塊中受到燃油化學(xué)反應(yīng)放熱能量不均勻。公式 （1）、 （2）中的催化器第n塊中化學(xué)反應(yīng)放熱能量QFueln計算如下：

式中：QFuel——催化器DOC燃油化學(xué)反應(yīng)放熱總能量；n——每塊受到燃油化學(xué)反應(yīng)放熱能量影響系數(shù)。

催化器DOC燃油化學(xué)反應(yīng)放熱總能量QFuel計算如下：

式中：qdmhc——在DOC上游噴射燃油質(zhì)量流量；qdmFIEG——排氣帶入的發(fā)動機(jī)正常運(yùn)行狀態(tài)噴射燃油中未燃燒燃油質(zhì)量流量；Caldmq——燃油熱量值。

每塊受到燃油化學(xué)反應(yīng)放熱能量影響系數(shù) 計算如下：

式中：f1raw、f2raw、f3raw、f4raw、f5raw、f6raw——催化氧化器每塊受到燃油化學(xué)反應(yīng)放熱能量影響原始系數(shù)。

由能量守恒定律可得，當(dāng)催化器第n塊與催化器第n-1塊之間的熱交換為理想熱交換時，則催化器第n塊出口介質(zhì)溫度等于催化器第n塊出口排氣溫度，可得：

將公式 （11）代入公式 （2）可得：

在每塊之間認(rèn)為是理想熱傳遞，即認(rèn)為每一塊的下游出口溫度為下一塊的上游入口溫度。

將公式 （3）帶入公式 （12）可得：

2 DOC出口溫度控制器結(jié)構(gòu)

DOC出口溫度控制直接體現(xiàn)在HC噴射量的控制。由于HC噴射用于氧化放熱，HC噴射量的前饋模型分為氧化放熱量與少部分不完全反應(yīng)的HC以及直接耗散掉的熱量兩部分。由于前饋模型僅考慮了系統(tǒng)的穩(wěn)態(tài)特征，如加入動態(tài)特征則會引起前饋模型的不穩(wěn)定。因此在HC噴射量控制時，采用反饋控制來實現(xiàn)系統(tǒng)動態(tài)響應(yīng)及穩(wěn)態(tài)誤差控制。

具體控制結(jié)構(gòu)如圖2所示，包括HC噴射量目標(biāo)計算反饋控制器以及預(yù)測DOC出口溫度兩部分。預(yù)測DOC出口溫度計算出的DOC出口溫度作為實際溫度，用于HC噴射量目標(biāo)計算反饋控制器的反饋輸入。由于DOC溫度具有長時延及高度非線性，為避免排溫控制中需要盡可能的超調(diào)，本文采用基于神經(jīng)網(wǎng)絡(luò)的DOC出口溫度預(yù)測建模。

圖2 DOC出口溫度控制器結(jié)構(gòu)圖

3 基于神經(jīng)網(wǎng)絡(luò)的DOC出口溫度預(yù)測建模

3.1 神經(jīng)網(wǎng)絡(luò)介紹

典型神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括輸入層、隱含層、輸出層，各層之間實行互連接，層內(nèi)神經(jīng)元之間無法連接。即下層的每個單元與上層的每個單元都實現(xiàn)權(quán)連接，而每層各神經(jīng)元之間無權(quán)連接。

在神經(jīng)網(wǎng)絡(luò)中，單個樣本有m個輸入，有n個輸出，在輸入層和輸出層之間通常還有若干個隱含層。一個3層的神經(jīng)網(wǎng)絡(luò)就可以完成任意的m維到n維的映射，即這3層分別為：輸入層I，隱含層H，輸出層O，如圖3所示。

3.2 基于神經(jīng)網(wǎng)絡(luò)的DOC出口溫度預(yù)測方法

基于神經(jīng)網(wǎng)絡(luò)的DOC出口溫度預(yù)測方法包括如下步驟。

圖3 神經(jīng)網(wǎng)絡(luò)

3.2.1 步驟1：根據(jù)影響DOC出口溫度變化的因素，設(shè)計人工神經(jīng)網(wǎng)絡(luò)模型

影響DOC出口溫度的因素有：發(fā)動機(jī)轉(zhuǎn)速、環(huán)境溫度、DOC上游傳感器溫度、DOC中廢氣流量、DOC的入口HC噴射總油量、發(fā)動機(jī)正常運(yùn)行狀態(tài)噴射燃油中未燃燒燃油質(zhì)量流量、DPF上游傳感器溫度、燃油熱量值，因此神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點數(shù)為8個。隱含層數(shù)1個，隱含層節(jié)點數(shù)為4個，分別為催化器第n塊介質(zhì)本身能量與單塊介質(zhì)本身能量最大值比值、催化器第n塊入口排氣能量與每塊排氣能量最大值比值、催化器第n塊與環(huán)境熱傳遞能量與每塊環(huán)境熱傳遞能量最大值比值、催化器第n塊中化學(xué)反應(yīng)放熱能量與每塊化學(xué)反應(yīng)放熱能量最大值比值。輸出層節(jié)點個數(shù)為6個，分別為催化器每塊出口介質(zhì)溫度。

3.2.2 步驟2：采集訓(xùn)練樣本，對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練

取18個熱電偶，分別對DOC每塊出口溫度按照DOC橫截面中心、邊緣、距離中心1／2半徑處進(jìn)行溫度采集，取DOC每塊出口溫度按照DOC橫截面中心、邊緣、距離中心1／2半徑處溫度平均值作為DOC該塊出口溫度值，以此作為人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。根據(jù)以上方式采集多組訓(xùn)練樣本，制作出樣本集Xp，其中，下標(biāo)p＝1，2，3，…，N。

利用該樣本集Xp對人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，包括以下內(nèi)容。

3.2.2.1 前向?qū)W習(xí)

1）從神經(jīng)網(wǎng)絡(luò)模型的輸入層向隱含層計算隱含層第j個節(jié)點來自輸入層的總輸入為

式中：i——輸入層的節(jié)點編號；j——隱含層的節(jié)點編號；xi——依次對應(yīng)輸入層的8個輸入?yún)?shù)的具體數(shù)值；wij——輸入層第i個節(jié)點到隱含層第j個節(jié)點的權(quán)值。

隱含層第j個節(jié)點的輸出為：

2）從神經(jīng)網(wǎng)絡(luò)模型的隱含層向輸出層計算

輸出層來自隱含層的總輸入為：

式中：wjk——隱含層到輸出層的權(quán)值；k——輸出層節(jié)點個數(shù)1。

輸出層的輸出為：

3.2.2.2 誤差反向計算

1）首先定義該人工神經(jīng)網(wǎng)絡(luò)模型誤差

式中：δ——人工神經(jīng)網(wǎng)絡(luò)輸出和輸出層樣本信號的差的平方；Ti——給出的學(xué)習(xí)樣本中DOC各塊出口溫度值；yk——輸出層的輸出。

2）定義該模型反向?qū)W習(xí)效率β

該模型訓(xùn)練完成后允許的模型最小誤差為γ，當(dāng)δ大于等于γ時，則利用β調(diào)整初始權(quán)值wij、wjk，并開始重新進(jìn)行前向?qū)W習(xí)過程；一直至δ小于γ滿足時，則認(rèn)為該誤差滿足要求，停止訓(xùn)練學(xué)習(xí)，即模型訓(xùn)練完成。

其中調(diào)整初始權(quán)值wij、wjk采用梯度下降法：

3）權(quán)值更新計算

式中：wijn——權(quán)值wij本次計算結(jié)果；wijn-1——權(quán)值wij上次計算結(jié)果；wjkn——權(quán)值wjk本次計算結(jié)果；wjkn-1——權(quán)值wjkn上次計算結(jié)果。每次訓(xùn)練學(xué)習(xí)，均會調(diào)整權(quán)值。

3.2.3 步驟3：重新采集影響DOC出口溫度變化的所有數(shù)據(jù)將重新采集的所有數(shù)據(jù)輸入訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型中，利用人工神經(jīng)網(wǎng)絡(luò)模型計算出DOC出口溫度。

4 試驗結(jié)果分析

為驗證基于神經(jīng)網(wǎng)絡(luò)的DOC出口溫度作為反饋的DOC出口溫度控制方法，本文將該方法代碼下載到控制器中進(jìn)行驗證。

由于實際系統(tǒng)中，DOC出口溫度控制時處于排氣流量連續(xù)變化過程中，本文進(jìn)行實車連續(xù)變化工況測試算法。設(shè)定DOC出口目標(biāo)溫度為600±20℃，廢氣流量變化范圍為200～1200kg／h；發(fā)動機(jī)轉(zhuǎn)速變化范圍為500～2000r／min。發(fā)動機(jī)轉(zhuǎn)速變化如圖4所示，排氣質(zhì)量流量及HC噴射流量變化如圖5所示，DOC出口實際溫度、DOC出口計算溫度變化如圖6所示。

由圖4中的發(fā)動機(jī)轉(zhuǎn)速及圖5中的廢氣質(zhì)量流量可見，整個驗證過程處于動態(tài)變化過程中。由圖6的DOC出口實際溫度可見，在HC噴射65s后能達(dá)到580℃，在隨后的動態(tài)變化工況中，DOC出口溫度始終在600±20℃范圍內(nèi)。

圖4 發(fā)動機(jī)轉(zhuǎn)速變化

圖5 廢氣質(zhì)量流量與HC噴射量

5 結(jié)論

1）結(jié)合DOC系統(tǒng)的實際特征、DOC傳熱及化學(xué)反應(yīng)特性建立了一階延遲DOC出口溫度模型，分析了影響DOC出口溫度變化特征因素。

2）基于神經(jīng)網(wǎng)絡(luò)建立了DOC出口溫度預(yù)測模型，并將DOC出口溫度預(yù)測值作為閉環(huán)反饋，輸入反饋控制器計算HC噴射量進(jìn)而控制DOC出口溫度。

3）利用整車試驗進(jìn)行了控制策略驗證，通過對連續(xù)變化工況驗證，DOC出口溫度在DPF再生過程中控制在600 20℃范圍內(nèi)。

圖6 DOC出口溫度