基于DOE和神经网络的增压柴油机实时模型建模方法研究

基于一维仿真物理模型,研究了发动机实时模型的建模理论和方法。将发动机划分为进排气管路、中冷器、涡轮增压器和气缸四个子系统,分别探讨了各个子系统的建模方法,并重点研究了利用DOE和人工神经网络构建发动机气缸模型的方法。在此基础上,以道依茨BFM1015增压中冷柴油机为对象,对该方法进行了验证。研究结果表明:与传统的面向控制的平均值模型相比,运用新方法建立的面向控制的发动机实时模型误差小于5%,具有精度高、对试验数据依赖低等特点。