摘要 | 第4-6页 |
Abstract | 第6-8页 |
第一章 绪论 | 第12-24页 |
1.1 问题的提出 | 第12-14页 |
1.2 汽车发动机 AFR 控制国内外研究现状 | 第14-21页 |
1.2.1 发动机建模方法研究现状 | 第15-17页 |
1.2.2 发动机空燃比控制研究现状 | 第17-21页 |
1.3 本文研究的主要问题与内容安排 | 第21-24页 |
第二章 SI 发动机 AFR 系统模型与建模基础 | 第24-38页 |
2.1 引言 | 第24页 |
2.2 SI 发动机工作原理 | 第24-26页 |
2.3 SI 发动机 AFR 均值模型 | 第26-33页 |
2.3.1 发动机进气歧管子模型 | 第27-30页 |
2.3.2 发动机燃油喷射子模型 | 第30-31页 |
2.3.3 发动机转速子模型 | 第31-32页 |
2.3.4 空燃比子模型 | 第32-33页 |
2.4 RBF 神经网络模型 | 第33-36页 |
2.5 Volterra 模型 | 第36-37页 |
2.6 本章小结 | 第37-38页 |
第三章 基于 RBF 神经网络模型的 SI 发动机 AFR 非线性模型预测控制 | 第38-66页 |
3.1 引言 | 第38页 |
3.2 非单调可行信赖域 SQP 优化算法 | 第38-47页 |
3.2.1 优化问题的描述 | 第38-39页 |
3.2.2 非单调可行信赖域 SQP 算法 | 第39-42页 |
3.2.3 算法的可行性和全局收敛性 | 第42-47页 |
3.3 基于 RBF 神经网络模型的 SI 发动机 AFR 系统建模 | 第47-52页 |
3.3.1 RBF 神经网络模型训练方法 | 第47-49页 |
3.3.2 模型训练数据 | 第49-50页 |
3.3.3 SI 发动机 AFR 系统的 RBF 神经网络模型建模 | 第50-52页 |
3.4 基于 RBF 神经网络模型的 SI 发动机 AFR 非线性模型预测控制 | 第52-53页 |
3.4.1 控制系统结构 | 第52-53页 |
3.4.2 非线性模型预测控制的非单调可行信赖域 SQP 方法 | 第53页 |
3.5 仿真实验 | 第53-64页 |
实验 1 | 第54-57页 |
实验 2 | 第57-59页 |
实验 3 | 第59-61页 |
实验 4 | 第61-64页 |
3.6 本章小结 | 第64-66页 |
第四章 基于Modified Volterra模型的SI发动机AFR非线性模型预测控制 | 第66-86页 |
4.1 引言 | 第66页 |
4.2 Modified Volterra 模型 | 第66-72页 |
4.2.1 标准 Volterra 模型 | 第66-68页 |
4.2.2 SI 发动机 AFR 系统的 Modified Volterra 模型 | 第68-69页 |
4.2.3 基于 Modified Volterra 模型的 SI 发动机 AFR 系统辨识 | 第69-70页 |
4.2.4 Modified Volterra 模型建模实验仿真 | 第70-72页 |
4.3 基于 Modified Volterra 模型的 SI 发动机 AFR 非线性模型预测控制 | 第72-79页 |
4.3.1 控制系统结构 | 第72页 |
4.3.2 模型预测算法 | 第72-78页 |
4.3.3 非线性模型预测控制算法 | 第78-79页 |
4.4 仿真实验 | 第79-85页 |
实验 1 | 第79-80页 |
实验 2 | 第80-81页 |
实验 3 | 第81-82页 |
实验 4 | 第82-85页 |
4.5 本章小结 | 第85-86页 |
第五章 SI 发动机 AFR 联合非线性模型预测控制 | 第86-100页 |
5.1 引言 | 第86页 |
5.2 SI 发动机 AFR 联合非线性模型预测控制系统结构 | 第86-88页 |
5.3 SI 发动机 AFR 联合非线性模型预测控制方法 | 第88-92页 |
5.4 仿真实验 | 第92-98页 |
实验 1 | 第92-93页 |
实验 2 | 第93-94页 |
实验 3 | 第94-95页 |
实验 4 | 第95-98页 |
5.5 本章小结 | 第98-100页 |
第六章 全文总结与课题展望 | 第100-102页 |
6.1 全文总结 | 第100-101页 |
6.2 进一步需研究的问题 | 第101-102页 |
参考文献 | 第102-114页 |
攻读博士学位期间科研成果 | 第114-116页 |
致谢 | 第116页 |