基于数据驱动的发动机空燃比预测控制
| 前言 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 问题的提出与研究意义 | 第13-15页 |
| 1.2 本课题的研究现状 | 第15-17页 |
| 1.3 存在的主要问题 | 第17-18页 |
| 1.4 论文的主要研究内容 | 第18-19页 |
| 第2章 数据驱动预测控制器算法介绍 | 第19-34页 |
| 2.1 数据驱动控制算法及相关知识介绍 | 第19-25页 |
| 2.1.1 数据驱动控制算法的构成 | 第20-21页 |
| 2.1.2 相关理论知识介绍 | 第21-25页 |
| 2.2 数据驱动预测控制算法推导 | 第25-33页 |
| 2.2.1 基于子空间辨识的系统预测模型 | 第25-30页 |
| 2.2.2 基于数据驱动的MPC控制器设计 | 第30-31页 |
| 2.2.3 数据驱动预测控制对约束的处理 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 空燃比系统分析与子空间预测模型 | 第34-53页 |
| 3.1 空燃比系统分析 | 第34-43页 |
| 3.1.1 进气系统 | 第36-39页 |
| 3.1.2 油路系统 | 第39-42页 |
| 3.1.3 空燃比系统 | 第42-43页 |
| 3.2 基于数据驱动的空燃比系统预测模型 | 第43-52页 |
| 3.2.1 enDYNA虚拟发动机介绍 | 第43-44页 |
| 3.2.2 激励输入输出数据的选取 | 第44-49页 |
| 3.2.3 子空间预测模型与模型验证 | 第49-52页 |
| 3.3 本章小结 | 第52-53页 |
| 第4章 数据驱动空燃比预测控制器设计 | 第53-70页 |
| 4.1 粒子群优化算法PSO | 第53-58页 |
| 4.1.1 原始粒子群算法 | 第53-55页 |
| 4.1.2 改进的标准PSO算法 | 第55-58页 |
| 4.2 数据驱动的AFR控制器设计 | 第58-60页 |
| 4.2.1 控制需求分析 | 第58页 |
| 4.2.2 基于数据驱动的MPC控制器设计 | 第58-59页 |
| 4.2.3 系统状态量的处理 | 第59-60页 |
| 4.3 改进后的控制算法 | 第60-65页 |
| 4.3.1 改进后的数据驱动AFR预测模型 | 第62-64页 |
| 4.3.2 改进后的数据驱动AFR控制 | 第64-65页 |
| 4.4 离线仿真 | 第65-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第5章 空燃比控制算法RCP实验 | 第70-84页 |
| 5.1 V-模式开发流程 | 第70-71页 |
| 5.2 发动机硬件在环仿真平台 | 第71-76页 |
| 5.3 快速原型实验 | 第76-83页 |
| 5.3.1 串口通信 | 第76-78页 |
| 5.3.2 控制算法程序的调整 | 第78-79页 |
| 5.3.3 模型配置与硬件连接 | 第79-80页 |
| 5.3.4 快速原型仿真实验 | 第80-83页 |
| 5.4 本章小结 | 第83-84页 |
| 第6章 全文总结 | 第84-86页 |
| 6.1 全文工作总结 | 第84-85页 |
| 6.2 今后工作展望 | 第85-86页 |
| 参考文献 | 第86-93页 |
| 作者简介及研究成果 | 第93-94页 |
| 致谢 | 第94页 |
