（控制理论与控制工程专业论文）基于elman网络的hcci发动机燃烧相位观测器的研究.pdf

中文摘要 中文摘要 h c c i 燃烧是个复杂的化学反应动力学过程，其燃料自燃着火的条件对热力 学状态、化学状态等众多因素非常敏感，没有直接的控制参数，采用开环控制很 难满足实用化要求，因此实现燃烧闭环控制显得至关重要。燃烧相位是描述发动 机燃料燃烧过程的关键参数，通常人们采用燃烧相位作为控制器的反馈量，如何 实时获取准确的燃烧相位信息是实现燃烧闭环控制的关键问题。研究表明离子电 流蕴含着丰富的h c c i 发动机燃烧信息，通过对其进行处理和分析，可以得到燃 烧相位信息。 本文首先定性分析了离子电流信号与发动机失火和爆震的关系，研究结果表 明通过对离子电流信号的强弱分析可以判断发动机的失火情况，通过对离子电流 信号的频谱分析可以判断发动机爆震的发生：对采集到的离子电流信号进行特征 信息提取，并定性地分析了发动机的燃烧相位与离子电流的特征信息的相关性。 通过分析和研究，本文建立了基于e l m a n 动态递归神经网络的燃烧相位观 测器模型，根据离子电流的特征信息、发动机的运行参数和控制参数辨识h c c i 发动机的燃烧相位。试验结果表明：所建立的燃烧相位观测器模型具有很高的辨 识精度，能够为h c c i 发动机的闭环控制系统提供可靠、准确的反馈量。 最后，本文系统比较了e l m a n 动态递归神经网络观测器模型、b p 网络和r b f 神经网络观测器模型的各项性能：训练时间、计算时间、训i 练精度、辨识精度以 及容错能力和抗干扰性。研究表明e l m a n 动态递归神经网络观测器模型在辨识 精度和抗干扰性方面体现了突出的优势。 关键词：h c c i 汽油机燃烧相位观测动态递归神经网络离子电流 a b s t r a c t a b s t r a c t h c c ic o m b u s t i o ni sac o m p l i c a t e dc h e m i c a lr e a c t i o n c o n d i t i o n so fs e l f - i g n i t i o no ff u e la r es e n s i t i v et o d y n a m i cp r o c e s s ，s ot h e m a n y f a c t o r ss u c ha s t h e r m o d y n a m i ca n dc h e m i c a is t a t e t h e r ei st h e r e f o r en od i r e c tc o n t r o lp a r a m e t e r c l o s e d l o o pc o n t r o ls t r a t e g yi sn e c e s s a r y , b e c a u s ei t i sh a r dt om e e tt h er e q u i r e m e n t o fu t i l i t yw i t ho p e n - l o o pc o n t r 0 1 c o m b u s t i o np h a s ei sk e yp a r a m e t e rt od e s c r i b e c o m b u s t i o np r o c e s so ff u e li ne n g i n e t h e r e f o r e ，i ti so f t e nu s e da st h ef e e d b a c k p a r a m e t e r so fc l o s e d l o o pc o n t r o l l e r i o nc u r r e n tc a r r i e sr i c hc o m b u s t i o ni n f o r m a t i o n o fe n g i n e ，a n dc o m b u s t i o np h a s ec a nb eo b m i n e db yp r o c e s s i n ga n da n a l y z i n gi o n c u r r e n ts i g n a l i nt h i sp a p e r , t h er e l a t i o nb e t w e e ni o nc u r r e n ts i g n a la n de n g i n em i s f i r e ，k n o c k i sa n a l y z e d ，a n dt h er e s u l td e m o n s t r a t e s ：m i s f i r ea n dk n o c ko fe n g i n ec a nb ed e t e c t e d b ya n a l y z i n gi o nc u r r e n ts i g n a l ；t h e n ，c h a r a c t e r i s t i c si n f o r m a t i o no f i o nc u r r e n ts i g n a l i se x t r a c t e d ，a n dc o r r e l a t i o nb e t w e e nc o m b u s t i o np h a s ei n f o r m a t i o no fe n g i n ea n d c h a r a c t e r i s t i c si n f o r m a t i o no fi o nc u r r e n ts i g n a li sa n a l y z e d c o m b u s t i o np h a s eo b s e r v e ra r ee s t a b l i s h e db a s e do ne l m a nd y n a m i cr e c u r r e n t n e u r a ln e t w o r k ，d e t e c t i n gc o m b u s t i o np h a s ei n f o r m a t i o no fe n g i n eb a s e do n c h a r a c t e r i s t i c si n f o r m a t i o no fi o nc u r r e n ts i g n a l ，e n g i n es p e e da n dc o n t r o lp a r a m e t e r s o fh c c ie n g i n e r e s u l td e m o n s t r a t e s ：t h ec o m b u s t i o n p h a s eo b s e r v e rc a nd e t e c t c o m b u s t i o np h a s ew i t hg r e a tp r e c i s i o n ，a n da f f o r dt h ec l o s e d - l o o pc o n t r o ls y s t e mw i t h a c c u r a t ef e e d b a c kp a r a m e t e r s t h ep a p e rh a sm a d eac o m p a r i s o no fv a r i o u sp e r f o r m a n c e sa m o n ge l m a n n e t w o r ko b s e r v e r , b pn e t w o r ka n dr b fn e t w o r ko b s e r v e li n c l u d i n gt r a i n i n gt i m e ， c a l c u l a t i o nt i m e ，d e t e c t i n gp r e c i s i o na n ds oo n r e s u l t sd e m o n s t r a t e ：t h ee l m a n d y n a m i cr e c u r r e n tn e t w o r ko b s e r v e rs h o w sg r e a ta d v a n t a g e si ng e n e r a l i z a t i o n a b i l i t ya n dt h er e s i s t a n c et od i s t u r b k e yw o r d s ：h c c ig a s o l i n ee n g i n e ，c o m b u s t i o np h a s eo b s e r v e r , d y n a m i c r e c u r r e n tn e u r a ln e t w o r k ，i o nc u r r e n t 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得叁鲞盘堂或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：刷掣穹 签字同其月： 枷7 年，月加 学位论文版权使用授权书 本学位论文作者完全了解墨盗盘堂 有关保留、使用学位论文的规定。 特授权苤盗盘鲎可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：翻、拟雪 签字同期：七田7 年 月2 j 同 导师签名： 爱碰 签字f 1 期：l 叼7 年月鼍同 第一章绪论 1 1 引言 第一章绪论 随着世界各国排放法规日趋严格，低排放已经成为发动机进入市场的前提条 件。同时，人们出于经济性考虑，对车辆的燃油经济性要求也越来越高。因此， 人们开始尝试一种预混合燃烧和低温燃烧相结合的新型燃烧方式：依靠预混合燃 烧形成的均匀混合气和低温燃烧来同时降低碳烟和n o x 排放。这种燃烧方式被 称作均质压燃式( h o m o g e n e o u sc h a r g ec o m p r e s s i o ni g n i t i o n ，h c c i ) 燃烧方式。 早在2 0 世纪3 0 年代，人们就认识到均质混合气压缩自燃的燃烧方式在汽油 机上的存在，但它一直被认为是一种异常燃烧现象而被抑制。均质压燃燃烧概念 出现在上世纪7 0 年代，由于当时控制技术的限制，并没有引起足够的重视。进 入上世纪9 0 年代后期，发动机排放法规的日益严格和对发动机经济性的要求越 来越高。随着发动机控制技术的发展，h c c i 燃烧技术在内燃机节能和降低排放 方面的潜力引起了内燃机界的高度关注，与传统的火花点火发动机相比，h c c i 方式采用均匀的空气与燃料混合气，用压燃代替火花塞点火；与传统的柴油机相 比，h c c i 方式采用压燃着火，但混合气充量是均质的。试验证明这种燃烧方式 综合了火花点火模式和直喷模式的优点，具有较高热效率、较低n o x 和p m 排 放等优点。 其实，人们很早就自觉或不自觉地利用这种燃烧方式。在2 0 世纪初期，“燃 油蒸发式发动机( o i tv a p o r i z i n ge n g i n e s ) ”的燃烧就是采用h c c i 这种燃烧模式； 在5 0 年代，l o h m a n n 自行车的马达就没有火花塞和燃油喷嘴，它在外部控制燃 油和空气，使用手动杆驱动螺栓来改变压缩比。本田公司在2 5 0l n l 摩托车上试 验性地采用h c c i 这种燃烧模式( 他们自称a r 燃烧) ，该车参加了1 9 9 5 年的摩托 车拉力赛，取得了不错的成绩。 在二冲程发动机上真正有意识应用h c c i 燃烧始于1 9 7 9 年o n i s h i t h 和 n o u c h i 2 】的研究。随后y o i c h i t 3 1 、g e n t i l i t 4 】等仔细研究了利用内部e g r ( e x h a u s tg a s r e c i r c u l a t i o n ) 在二冲程发动机上实现h c c i 的应用；n o r i m a s a 5 】【6 】等人研究了代用 燃料在二冲程发动机上的h c c i 燃烧。四冲程汽油机上实现h c c i 燃烧模式见于 1 9 8 3 年n a j t i7 】的报道。1 9 8 9 年t h r i n g 掣8 1 研究了h c c i 燃烧在汽油机上应用的 工作范围。近几年a o y a m a l 9 1 、m a g n u sf l o 】等人研究了汽油和代用燃料h c c i 燃 第一章绪论 烧控制的方法，1 9 9 9 年，c h r i s t e r s e n 等人的试验又证明了几乎所有的液体燃料都 能用于可变压缩比的h c c i 方式中【1 2 】。2 0 0 2 年，郑进才【1 3 】等在美国圣地亚国家 重点实验室成功地在四冲程发动机上进行了h c c i 试验，通过高e g r 水平大大 降低了未燃碳氢化合物和c o 排放。m a s e t l 4 l ，y o k o t a l l 5 】等人研究柴油h c c i 燃烧 的控制方法。这些工作深化了对h c c i 燃烧的认识，为h c c i 的燃烧控制提供了 经验。 完全意义的h c c i 方式发动机投入使用的时间很难预测，但采用两种燃烧模 式的发动机可以较快投入使用，在起动和大负荷时使用点燃或压燃，在中低负荷 时转换为h c c i 方式，使发动机在中低负荷有良好的经济性和较低的排放。未来 的排放法规对n o x 提出了越来越严格的要求，所以在汽油机上使用h c c i 方式 将会受到越来越广泛的关注。 1 2h c ci 燃烧方式简介 h c c i 燃烧方式不同于常规汽油机的点火燃烧方式，通过提高压缩比、采用 废气再循环、进气加热和增压等手段提高缸内均质混合气的温度和压力，促使混 合气压缩自燃，并在缸内形成多点着火。h c c i 燃烧减少了火焰传播距离和燃烧 持续期，有效维持了燃烧的稳定性。 h c c i 燃烧的燃烧时刻和燃烧速率与柴油机燃烧方式以及火花点火式燃烧的 不同在于：1 ) 柴油机的燃烧时刻受喷油时刻的控制，燃烧速率主要受燃油蒸发及 与空气混合的速率的控制，这是因为在着火时刻燃油还没有完全蒸发混合，进行 的是扩散燃烧方式；2 ) 火花点火式发动机的燃烧时刻受火花点火时刻控制，燃烧 速率受火焰传播速度的控制；3 ) h c c i 燃烧的混合气在着火以前已经形成，进行 的是预混燃烧模式，并且发生的是同步多点着火，没有明显的火焰传播，所以它 的燃烧时刻和燃烧速率与混合气的化学反应动力学有关。传统直喷( d i r e c t i n j e c t i o n ，d i ) 燃烧模式、火花点火( s p a r ki g n i t i o n ，s i ) 模式与h c c i 燃烧特征对 比见图1 1 。 h c c i 发动机有以下的优点： 1 ) h c c i 燃烧的优点在于它可以同时保持较高的动力性和燃油经济性。一方 面，它采用均质燃烧混合气，保持了原汽油机功率高的特点；另一方面，它取消 了节流损失，设计的压缩比高，采用多点同时着火的燃烧方式使得能量释放率较 高，接近于理想的等容燃烧，热效率较高，保持了柴油机部分负荷下燃油经济性 好的特点。 2 ) h c c i 燃烧方式可以同时降低n o x 和碳烟。它通过设计较稀的混合气空 2 第一章绪论 西自函 d is i c c l 图i - 1 传统d i 、s l 模式与h c c i 燃烧特征对比 燃比或利h 1 再循环的废气控制把燃烧温度降低在1 8 0 0 k 以下并且山 。岂以均 质稀燃混合气方式工作有教地抑制rn o x 的生成，几乎做到，无烟燃烧。 如1 9 9 8 年m a g n u s 辞”做的异辛烷r 代替汽油) 、乙醇和天然气3 种燃料在自 然吸5l 、进气增压f 的f i c c i 燃烧模式的研究表明h c c i 燃烧的指示效率可以 超过5 0 ，n o xn 部分负荷条件下均逃到r 较低的水平( 降低9 0 9 8 ) 甚董 要低1 ：进气道喷射汽油机三元催化器转化后的水平。试验也敏现h c 年c o 排放 有所升高。但这两种排放可以通过氧化催化齐q 解决，也可以通过废气再精环降低 h c 和c o 择放。 3 ) 由于h c c i 燃烧只与本身的物理化学性质有关，它的着火和燃烧速率只受 燃油氧化反应的化学反应动力学控制受缸内流场影响较小同时均质预混的混 合气组织也比较简单。闻此，在发动机r 实施h c c i 燃烧模式可以简化发动机燃 烧系统和喷油系统的设计。 实现h c c i 燃烧的方式有多种，而祭于内部残余废气管理的汽油h c c i 燃烧被 认为是一种最实用的方式。基十内部残余废气管理的t t c c i t f q 自机通过r 变气 门机构对进排气过程的管理，可以根据运行1 = 况的需要，控制一定 ； 的已燃高温 废7t 残留神缸内加热下一个循环的新鲜充量，使其神压缩接近r 止点时自燃着 火。d i 十燃料自燃黄火的条件对热力学状态、化学状态等众多因素镛常敏感给 控制带来很人难度。着火定时拧制和燃烧速率控制成为这种既高效义清洁的汽 油机新型燃烧方式i 程宴h 化的关键。 h c c l 发动机设计的难点在于对h c c 燃烧速率和着火时刻的柠制mj ，山r 车用发动机的工m 多变，要想在各工况点都获得较好的燃烧和排放特性则必须 第一章绪论 对h c c i 燃烧进行控制。如果h c c i 燃烧控制的较好，则发动机可在拓宽的大空 燃比范围内进行高效稳定的燃烧，循环波动压力小，工作柔和；如果h c c i 燃烧 组织的不好，则容易出现爆震或失火，发动机的性能变差。 1 3h o gi 面临的技术问题和解决方案 h c c i 燃烧的着火时刻主要受到混合气本身化学反应动力学的影响，受负荷、 转速的影响较小，因此不能通过常规的负荷、转速等反馈信号来加以控制，只能 通过试验手段间接测量，获取经验。目前还没有单独的切实可行的方法控制h c c i 燃烧始点，需要综合采用两种或多种控制方法。还有学者通过数值模拟方法进行 h c c i 燃烧始点控制的研究，但由于燃油火焰前的氧化反应机理还未完全清楚【l 引， 这类工作只是定性的与试验取得了一致，还无法实际应用于指导h c c i 燃烧始点 的控制。对于h c c i 燃烧速率的控制策略，由于h c c i 燃烧反应较快，一般采用 较大的空燃比或较高的e g r 率来减缓燃烧速率，以防爆震的发生，但同时使得 发动机缸内的平均指示压力难以达到较高的水平，这就使h c c i 发动机容易受到 失火、爆震、功率等的限制，可操作范围不宽。目前柴油机上正进行把h c c i 应 用于大负荷的研究【l9 1 ，而汽油机上h c c i 燃烧的发展方向是开发混合燃烧模式系 统，以便适用于不同工况的需要【2 0 1 。 目前对h c c i 技术的研究方兴未艾，但距离商业化仍需时口，归纳起来主要 有以下问题： ( 1 ) 发动机冷启动i i i 难。多种多样冷启动方案被提出并研究，例如，使用预 热器，使用不同的燃料或是燃料添加剂，增加压缩比，使用可变压缩比或可变气 门正时等技术。有资料显示，点燃是个切实可行的办法。 ( 2 ) 废气控制系统的研究。使用h c c i 技术的发动机由于燃烧温度低、混合气 混合均匀的缘故产生很低的n o x 和微粒排放，但c o 排放较高。降低c o 排放 的机外净化装置已经成熟，但废气再循环技术更受青睐。一般认为，再循环废气 有这样的作用：加热作用、稀释作用、分层作用和化学性作用。 ( 3 ) 拓宽h c c i 运行工况范围。h c c i 燃烧几乎是同时进行的，大负荷时过快 的燃烧速度会引起发动机的爆震燃烧；低负荷时燃烧速度过慢会引起火焰传播中 断。研究表明，通过分层燃烧可以有效地拓宽h c c i 的运行工况范围，采用两种 不同特性的燃料也是拓宽h c c i 运行工况范围和控制着火时刻的重要途径之一。 ( 4 ) 控制着火时刻和燃烧速率。h c c i 着火过程主要受化学反应动力学控制， 着火时刻决定于混合气的成分、温度和压力，只能间接控制着火时刻和燃烧过程。 目前的解决办法是通过e g r 和v v t 等技术。 4 第一章绪论 1 4 离子电流在内燃机中的应用和研究现状 为了实现对内燃机的有效控制，满足动力性、经济性和排放低等的要求，研 究内燃机中的燃烧过程是非常必要的。传统的方法是在发动机上安装气缸压力传 感器，根据采集到的气缸压力信号由热力学方法计算所需的燃烧信息，从而为内 燃机的闭环控制系统提供精确的反馈量。这不仅使发动机结构设计复杂，成本升 高，还增加了发动机运行中的不可靠因素，因此用压力传感器来检测发动机燃烧 过程仅限于实验室的研究，无法在工程中得到普遍应用。所以急需寻求经济可靠 的燃烧传感器。 近年来逐渐兴起火花塞离子电流检测技术，内燃机燃烧室内的燃料在燃烧 时，会产生游离子和自由电子。当火花塞附近的燃料燃烧时，在电极之间就产生 大量的离子，如果在火花塞两极之间加上适当的直流偏置电压，在外加电场作用 下缸内燃烧产生的自由电子、离子定向移动，产生持续的离子电流。离子电流的 大小与瞬时离子浓度有关，而离子数目是由燃烧过程决定的，因此被检测到的离 子电流携带着丰富的发动机燃烧过程的信息，通过对离子电流的频域和时域信号 的研究，就可以定性和定量地揭示出气缸内燃烧过程的性质，得到反映h c c i 发 动机的燃烧信息。其优点主要体现在利用现有的火花塞作为传感器，无须对发动 机进行修改，成本低廉，使用方便。 近年来，火花塞离子电流作为研究内燃机中燃烧过程的方法受到越来越多的 重视。早期的离子电流的主要应用侧重于对异常燃烧的检测，如失火、早燃1 2 i j 和爆震【2 2 】等。现在则侧重于从离子电流信号中分析燃烧过程各参数，例如从离子 电流信号中提取出空燃比【2 3 1 、上止点、气缸压力【2 4 1 等信息，用于发动机诊断和 控制。c f d a n i e l s 2 5 】和c h r i s t i a n 2 6 】分别成功地根据汽油机离子电流信号获得 c a s 0 ( 燃烧5 0 累积放热量的曲轴转角) 。 由于离子电流在汽油机上的成功应用，研究者们开始研究离子电流在h c c i 发动机上应用的可能性，因为控制h c c i 发动机的关键因素是要有一个能够反映 发动机燃烧过程的信号。y i q u nh u a n g 和d a r i u sm e h t a t 27 j 通过对h c c i 发动机离 子电流的分析和研究得出结论，认为离子电流信号能够检测出h c c i 燃烧的始 点。d i m o s t h e n i sp a n o u s a k i s l 2 4 】等人利用神经网络根据h c c i 汽油机的离子电流信 号辨识出气缸压力峰值位置，达到了很高的辨识精度，为h c c i 发动机的稳态控 制提供了一种有效的途径。 目前在h c c i 发动机上，还没有根据离子电流信号辨识发动机的燃烧相位的 文献，本文针对这个问题进行了详细、系统地研究和探索，并得到了有价值的结 论，取得了一定的研究成果。 5 第。章绪论 1 5 本文的研究内容及意义 由于h c c i 燃烧是复杂的化学反应动力学过程，对影响燃烧边界条件的众多 参数( 如：空燃比、e g r 率、进气温度、进气压力、冷却水温度和机油温度等) 的 变化均很敏感，表现为强时变、动态特性。这就给着火定时控制和燃烧速率控制 带来很大的困难，传统的开环控制很难达到控制要求，因此必须对h c c i 过程进 行闭环控制，这就需要一个来自某种燃烧传感器的反馈信号来确定实际燃烧过程 的状态。 燃烧相位c a l 0 ( 燃烧1 0 累积放热量的曲轴转角) 、c a 5 0 是描述内燃机中燃 烧过程的关键参数，通常人们采用这两个量作为闭环控制系统的反馈量，因此能 否获得精确的c a l 0 、c a 5 0 值，是h c c i 发动机闭环控制系统的关键。由于燃料 燃烧产生的离子电流携带着丰富的燃烧信息，通过离子电流信号提取c a l 0 和 c a 5 0 必是一条非常有效的途径。 基于缸内残余废气的h c c i 燃烧，不仅受到缸内残余废气、缸内流场等因素 的控制，而且还与燃烧室和缸壁热状态等因素密切相关，当前循环的着火及燃烧 过程受到前一个甚至前若干循环的影响，因此h c c i 发动机运行具有很强的动态 特性。动态递归神经网络不仪具有很强的容错能力和抗干扰性，而且具有学习动 态特性的能力。为此，本文利用e l m a n 动态递归神经网络根据离子电流信号辨 识h c c i 发动机的燃烧相位信息。 本文的研究内容主要如下： 1 提取离子电流的特征信息( 离子电流信号最大值及其相位、离子电流信号 起始点大小及其相位、离子电流信号终点大小及其相位、离子电流信号 上升沿拐点幅值及其相位以及离子电流信号始点与终点之间信号曲线 覆盖面积) ，并分析h c c i 发动机燃烧相位c a l 0 、c a 5 0 与离子电流特 征信息的相关性。 2 定性分析离子电流信号与发动机的失火之间的关系，并根据对离子电流 的频谱分析和功率谱分析，定性判断离子电流与发动机爆震的关系。 3 建立基于动态递归网络的h c c i 发动机燃烧相位观测器模犁，根据离子 电流特征信息、发动机的运行参数和控制参数以很高的精度辨识出 c a l 0 和c a s 0 ，为发动机的闭环控制提供可靠的反馈量。 4 比较了e l m a n 、b p 和r b f 观测器模型的辨识精度、训练时间和计算时 间等性能，并分析了e l m a n 动态递归网络观测器模型的抗干扰性。 6 第_ 章动态递归神经网络模型建立的理论与方法 第二章动态递归神经网络模型建立的理论与方法 2 1 神经网络简介 2 1 1 神经网络特点 人工神经元网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) 简称神经网络，是对人脑 结构与工作方式的近似与简化，以产生类似于人脑行为的某些功能特点。它的研 究目标是研究和利用大脑的某些特征，设计出具有类似某些大脑功能的智能系 统。 神经网络模型用于模拟人脑神经元活动的过程。其中包括对信息的加工、处 理、存储和搜索等，它具有如下基本特点： 1 ) 它具有分布式存储信息的特点。它存储信息的方式与传统的计算机的思维 方式不同，一个信息不是存储在一个地方，而是分布在不同的位置。网络的某一 部分也不只存储一个信息，它的信息是分布式存储的，神经网络是大量神经元之 间的联结及对各连接权值的分布来表示特定的信息。因此由于这种分布式存储方 式，即使局部网络受损时，仍能恢复原来信息，即神经网络具有很强的容错性。 2 ) 具有学习能力和自适应能力 神经网络中各神经元的联结强度用权值大小来表示。这种权值可以事先定 出，也可以为适应周围环境而不断地变化，这种过程称为神经网络的学习过程。 总之，神经网络是以对信息的分布式存储和并行处理为基础，它具有自组织、自 学习的功能。在许多方面接近于人对信息的处理方法，它具有模拟人的形象思维 的能力，反映了人腩的若干基本特征，但它不是人脑的逼真描述，而只是它的某 种简化和模拟【2 8 】。 3 ) 非线性映射功能 多层前馈神经网络能够以任意精度逼近任意非线性映射，给复杂系统的建模 带来了新的、非传统的表达工具。同时研究也表明动态神经网络也能够逼近非线 性系统的输入输出模型，同时具有跟踪状态轨迹的能力。 4 ) 具有容错性和鲁棒性 所有定晕或定性的信息都分布储存于网络的各神经元以及神经元之间的广 泛连接，这种分布式的信息存储与处理结构，使神经网络具有独特的容错性和鲁 棒性。 7 第二章动态递归神经网络模型建立的理论与方法 5 ) 具有泛化功能 它能够处理那些未经训练过的数据，获得相应于这些数据的合适的解答，同 时能够处理那些有噪声或不完全的数据，从而显示了很好的容错能力。对于许多 实际问题，泛化能力是非常有用的，因为现实世界所获取的数据常受到噪声污染 或残缺不全。 6 ) 并行处理方式 每个神经元都可根据接受的信息作独立的处理和运算，然后将结果传输出 去，这体现了一种并行处理。神经网络对于一个特定的输入模式，各个输出节点 代表的逻辑概念被同时计算出来，在输出模式中，通过输出节点的比较和本身信 号的强弱而得到特定的解，同时排除其余的解，这体现了神经网络并行推理的特 点。 由于神经网络具有信息的分布存储、并行处理以及自学习能力等优点，所以 它在信息处理、模式识别、智能控制等领域有着广阔的应用前景【2 9 1 。 2 1 2 几种常用神经网络 i ) b p 网络 反向传播网络的结构如图2 1 所示，网络有一个输入层、一个输出层和一个 或多个隐含层。输入层起传递输入信号的作用；隐含层节点的净输入函数为加权 和函数，传递函数为s 型函数；输出层节点的净输入函数为加权和函数，传递函 为线性函数。正是隐含层引入了s 型函数，使b p 网络具有逼近任意非线性映射 的强大功能。 输入层隐含层输出层 图2 1 反向传播网络的结构 b p 网络是一种全局逼近网络，是在整个权空间上对误差曲面的逼近，即对 第二章动态递归神经网络模型建立的理论与方法 输入空间中的任意一点，任意一个或多个权值的变化都会影响整个网络的输出， 其泛化能力遍及全空间。它的多输入多输出的特性使其易用于多变量的非线性函 数逼近，但由于其学习算法必须采用非线性优化方法，就不可避免地存在局部极 小点的问题，且学习算法的收敛速度慢。 2 ) r b f 网络 径向基函数网络的结构如图2 2 所示，网络由一个输入层、一个输出层和一 个隐含层构成。输入层仅起传递输入信号的作用；隐含层节点的净输入函数为加 权和函数，传递函数为径向基函数，通常采用g a u s s 函数：输出层节点的净输入 函数为加权和函教，传递函数为线性函数。 输入层隐含层 输出层 图2 2 径向基函数的结构 r b f 网络是一种三层前馈型神经网络，与b p 神经网络相比，神经网络具有 结构明晰、算法简单、易于收敛的优点，同时也具备函数学习功能。它具有较强 的函数逼近能力和分类能力，学习速度快等优点：同时r b f 网络是局部逼近网 络，它具有唯一最佳逼近的特性，且无局部极小，学习算法可以采用全局收敛的 线性优化算法，最近几年已成为与b p 网络并驾齐驱的网络，具有很强的应用背 景。但r b f 网络隐节点的中心和标准化参数难求，而且径向基函数有多种，对 于一组样本，如何选择合适的径向基函数是尚未解决的问题，这是该网络难以广 泛应用的原因。 3 ) 动态递归网络 上述的两种网络都是前馈网络，本质上是静态网络，不具有动态信息处理能 力。而对一般系统来说，人们最关心的是系统的动态特性，这一点恰恰是静态网 络所不具备的。动态递归网络则不然，它最显著的特点是将输出端信号通过带时 9 第二章动态递归神经网络模型建立的理论与方法 延的或一阶惯性环节的反馈机构回接到输入端，因此是反馈网络，本质一e 是动态 网络。最著名的代表是h o p f i e l d 网络，常用来求解制约优化问题。但它是单层网 络，虽然代表了一类非线性动态系统，但不能代表任意映射的非线性动态系统。 因此一般的动态递归神经网络大多是在前馈网络的基础上，增加了适合于处理动 态特性的机制，从而使整个网络系统具有多层前馈网络无限逼近任意非线性映射 的能力，又能反映和描述控制系统的动态行为。 递归网络包含时间因素，是动态网络，是真正的动态系统。相比之下，递归 网络不需要预先假定系统的阶次，为动态系统的辩识与控制开辟了一个极有前途 的领域。与静态神经网络相比，动态递归神经网络具有逼近系统的动态过程，由 于其固有的反馈结构，往往只需单层的网络就可以表达复杂的动态系统。因此， 在大量研究和应用静态神经网络的同时，应对动态递归神经网络在系统辨识和控 制中的应用进行探索。 本课题就是利用了动态递归网络的动态特性，实现了h c c i 发动机动态系统 的燃烧相位信息的辨识。在2 。2 节将详细介绍动态递归网络的各种结构及其学习 算法。 2 2 动态递归神经网络 2 2 1 动态递归神经网络的拓扑结构 递归神经网络是在前馈网络的基础上加入回归连接得到的。回归连接包括不 同层节点间的反馈连接、同层不同节点问的交叉连接和节点本身的自回归连接。 递归神经网络由于这三种连接形式，具有很强的动态特性，己被证明能够任意逼 近一个非线性动态映射。递归网络有多种结构形式，概括起来，可以分为两大类： 局部递归网络和完全递归网络。下面就这两种结构分别加以介绍： ( 一) 局部递归网络 局部递归网络又称为部分回归网络。这种网络的连接形式以前馈连接为主， 仅引入了部分回馈连接。这些回馈连接使得网络能够“记忆”过去的信息，却并 不使训练过程明显的复杂化。在多数情况下，这些回馈连接是固定的、不可调的， 因此，误差反传的思想可以很容易的用于网络的训练过程。 局部递归网络有多种结构形式，但基本形式有四种。在这四种结构形式中， 引入了关系单元，与神经网络中的神经元单元不同，关系单元仅用于接收网络中 的反馈信号，并把这些反馈信号作为下一时刻的输入信号输送到网络中的相应部 分。 1 0 第一章动态递归神经网络模型建立的理论与方法 1 ) 局部递归网络结构一 图2 3 局部递归网络结构一 图2 3 所示的结构是由e l m a n 提出的，它的输入层分为两部分：真正的输入 单元和关系单元。关系单元仪用于复制隐含节点前一时刻的状态或输出。这种网 络能够识别时序信号，并能产生已知的短的时序信号。 2 ) 局部递归网络结构二 图2 4 局部递归网络结构二 与结构一的不同在于其关系单元是从隐层接收反馈信号，且带有自反馈，关 系单元的自反馈连接使它本身具有记忆能力。 3 ) 局部递归网络结构三 第二章动态递归神经网络模型建立的理论与方法 图2 5 局部递归网络结构三 这种网络结构简单，关系单元具有反馈连接，网络的输入直接送到关系单元， 关系单元加权滑动平均预处理后，送到隐含层，关系单元在这里的作用相当于一 个无限脉冲响应数字滤波器，它将输入信号的过去信息提取出来，作为网络的当 前输入。因此，这种网络能够识别不同的序列。 4 ) 局部递归网络结构四 图2 = 6 局部递归网络结构四 此结构与结构三有两个显著的区别：1 ) 输入单元与关系单元之间是完全连接 的，并具有可调的连接权；2 ) 关系单元自反馈连接权也是可凋的。这些特点使得 该网络结构灵活，适用范围更广，但训练相对较复杂。 ( 二) 完全回归网络 完全回归网络是指具有任意回归连接的回归网络，任意局部回归网络都是完 全回归网络的特例。完全回归网络具有很强的动态特性，但这种网络太复杂，一 1 2 第二章动态递归神经网络模型建立的理论与方法 般在实际中并不采用。 递归神经网络中，局部递归神经网络结构简单，动态推理能力强，学习算法 易于推导，所以是一种很适合实际应用的动态神经网络。 本课题采用局部递归网络结构一，即e l m a n 网络。e l m a n 网络的内部反馈结 构使它能够捕捉系统的动态特性，从而具有动态映射和递归能力，在实际中获得 了应用【3 0 】【3 l 】【3 2 】【3 3 】【3 4 】。 2 2 2 动态递! j j 神经网络的学习算法 严格地说，e l m a n 递归网络的训练应当采用动态b p 算法( d y n a m i c b a c k p r o p a g a t i o na l g o r i t h m ) ，但由于动态b p 算法大大增加了计算的复杂性，因 此通常忽略反馈回路引起的误差变化，而采用标准的b p 算法作近似的计算。当 状态反馈所引起的项在求偏导数的过程中起次要作用时，虽然忽略此项后得到的 偏导数只是其精确值的近似，但其应用效果往往却比使用动态b p 算法好。所以 本文采用标准的b p 算法训练e l m a n 神经网络。 反向传播算法的主要思想是把学习过程分成两个阶段：第一阶段是正向传播 过程，输入信息通过输入层经隐含层到输出层逐层处理，计算出每个节点的输出 值，每一层神经元的输出状态只影响下一层神经元；第二阶段是误差的反向传播 过程，若在输出层未能获得期望的输出值，则逐层计算网络的实际输出与期望输 出之间的误差，将此误差信号由输出层经隐含层到输入层逐层反传，以调整各层 神经元的权值，权值修改后，又进入正向传播过程。这两个过程反复运用，使误 差逐步减小，当误差达到所期望的要求时，网络的学习过程结束。 标准的反向传播算法是基于梯度下降法的，通过不断调整网络中的权值与阈 值以达到最小化目标函数的目的。标准梯度下降法权值和阈值修正的迭代过程可 以表示为： w ( k + 1 ) - - - - w ( k ) 一l r 丽t o e ( w ) ( 2 - 1 ) 其中：w ( k ) 为网络所有的权值和阈值组成的向量，l r 是学习速率，是一个 常数，e ( w ) = 亡 y j ( w ) 一萝j ( w ) 】2 为学习指标函数。 uj - l 然而标准的b p 算法存在自身的限制和不足，具体表现为： 1 ) 需要较长的训练时间 对于一些复杂的问题，b p 算法可能要进行几个小时甚至更长的时间的训练。 由于e l m a n 网络增加了反馈环节的权值，待调节的权值大大增加，训练时间长的 第二章动态递归神经网络模型建立的理论与方法 问题尤为突出。 2 ) 完全不能训练 这主要表现在网络出现的麻痹现象上。在网络的训练过程中，当其权值调的 过大，可能使得所有的或者大部分神经元的加权总和偏大，使激活函数的输入工 作在s 型转移函数的饱和区，从而导致其导数非常小，对网络权值的调节过程几 乎停顿下来。通常为了避免这种现象的发生，一是选取较小的初始权值，二是用 较小的学习速率，但是这又以增加训练时间为代价。 3 ) 局部极小值 b p 算法可以使网络权值收敛到一个解，但它并不能保证该解为误差超平面 的全局最小解，很可能是一个局部极小解。这是因为b p 算法采用的是梯度下降 法，训练是从某一起始点沿误差函数的斜面逐渐达到误差的最小值。对于复杂的 网络，在训练过程中，很可能跳不出误差超平面的某一局部极小值，从而得不到 全局最优解。 2 2 3 动态递归神经网络的改进学习算法 为了加快训练速率，避免陷入局部极小值，可以采用附加动量法。附加动量 法使网络在修正其权值时，不仪考虑误差在梯度上的作用，而且考虑在误差曲面 上变化趋势的影响，其作用如同一个低通滤波器，它允许忽略网络上的微小变化 特性。在没有附加动量的作用下，网络可能陷入浅的局部极小值，利用附加动量 的作用则有可能滑过这些极小值。 带有附加动量因子的权值调节式为： w ( k + 1 ) = m c x a w ( k ) + l r x m c x 丽a e ( w ) ( 2 - 2 ) 同样e ( w ) = y j ( w ) 一萝j ( w ) 】2 为学习指标函数，l r 是学习速率，为了 1 1 j = l 防止权值学习过程发生振荡，一般取0 l r 1 ；m c 是动量项常数，通常取 0 m e ￥ 蟋 世 、= ， 键 曲轴转角，( c a ) 图3 7 离子电流信号特征信息 烧相位相关的离子电流信号的特征值。表征离子电流信号特征的主要有：1 ) 离子 电流信号最大值及其相位：2 ) 离子电流信号起始点大小及其相位；3 ) 离子电流信 号终点大小及其相位；4 ) 离子电流信号上升沿拐点幅值及其相位；5 ) 离子电流信 第三章h c c i 汽油机离子电流检测原理及信号采集 号始点与终点之间信号曲线覆盖面积( 即积分值) 。离子电流信号曲线的各个特征 信号如图3 7 所示。 1 ) 离子电流信号最大值及其相位 h c c i 燃烧模式下，火花塞离子电流信号在压缩燃烧上止点附近为单峰曲线。 因此只需对整个循环的离子电流信号求其最大值，如果出现两个或者两个以上相 同的峰值点，则以第一个最大值作为离子电流信号最大值，同时其对应的曲轴转 角为离子电流信号最大值的相位。 2 ) 离子电流信号始点大小及其相位 首先确定起始点基线，即选择离子电流信号曲线比较平坦的起始段一定范围 ( 离子电流信号峰值点前1 0 0 度曲轴转角到前5 0 度曲轴转角之间) 的离子电流信 号，对该范围的离子电流信号幅值计算平均值，在求得的平均值上加上一定的余 量( 通常是离子电流信号最大值的5 ) 作为离子电流起始点的基线。然后从离子 电流最大值点向前逐个数据点比较离子电流的幅值和计算所得的离子电流起始 点的基线，第一个小于离子电流起始点基线的离子电流信号对应的曲轴转角作为 离子电流信号的起始点相位，其大小即为起始点的幅值。 3 ) 离子电流信号终点大小及其相位 与求取离子电流信号始点相同，首先确定终点基线，即选择离子电流信号曲 线比较平坦的一定范围( 离子电流信号峰值点后1 0 0 度曲轴转角到后1 5 0 度曲轴 转角间) 的离子电流信号，对该范围的离子电流信号幅值计算平均值，在求得的 平均值上加上一定的余量( 通常是离子电流信号最大值的5 ) 作为离子电流终点 的基线。同样从离子电流最大值向后逐个数据点比较离子电流的幅值和计算所得 的离子电流终点基线，第一个小于离子电流终点基线的离子电流信号对应的曲轴 转角作为离子电流信号的终点相位，该点离子电流信号的大小即为终点幅值。 4 ) 离子电流信号上升沿拐点大小及其相位 拐点为上升沿斜率变化趋势改变的点，需要对离子电流信号上升沿进行一阶 微分运算，但是离子电流信号的上升沿上升速度非常快，采集的上升沿的数据点 非常少，所以需要进行插值计算，然后对插值后的数据进行微分。一阶导数最大 值点即为离子电流信号拐点位置，该点的幅值即为离子电流信号拐点的幅值。 5 ) 离子电流信号