时不可能面面俱到 （常会忽略一些不重要的参数，如
进气歧管截面积随温度的变化、 发动机的磨损情况
等）， 常造成发动机模型不精确， 且式
进行研究，将神经网络同 PID 控制相结合，很好地解
决了发动机转速与燃油控制问题，可以使发动机在最
优状态下工作，对节能减排具有重要的现实意义。
化的增益参数。
2.3 仿真结果
仿真条件为：仿真软件为 MATLAB；发动机模型
如上所述；参数优化神经网络中 n=2，m1=2，m2=10，i=
32
农业科技与装备
２０１4 年 1 月
图 4 发动机模型辨识 NN 结构 Figure 4 Engine model identification NN structure
２０１4 年第 1 期
吴笑伟等：发动机神经网络自适应 PID 转速控制
31
分燃油量之和。
1.2 PID 算法
发 动 机 的 转 速 控 制 采 用 可 变 增 益 的 PID 方 法 ，
具体控制算法为：
α=Kpε+Ki∫εdt+Kddε/dt
（8）
式 中 ：α 为 节 气 门 开 度 ；ε 为 转 速 误 差 ；Kp，Ki，Kd
负载小、发动机各种干扰小的转速控制。 仿真结果还
表明，PID 调节器的转速跟踪 （负载较大时） 效果很
差。
2 发动机转速的神经网络控制
2.1 发动机转速的 NC 设计 对如图 3 所示的控制结构进行研究。 神经网络
NN2 用于建立被控系统的动态模型 ， 并为神经网络 NN1 的学习训练过程提供必要信息。 神经网络 NN1 根据系统的状态，不断调节 PID 控制器的增益，以达 到所规定的最优性能指标。
转速跟踪情况见图 2。
从图 2 的仿真结果可看出： 当发动机负载很低
（0.5 kW）或负载不大（5 确 kW），且设定转速不高（约
21000 rpm）时 ，PID 调 节 器 能 正 常 工 作 ；当 发 动 机 输
入有干扰时，PID 调节器失调； 当发动机负载有扰动
时，发动机转速不平稳。 这表明 PID 调节器只适应于
压力，MPa；发动机排量 Vd=1.275 m3。 ηV 是发动机的
容积效率。
ηV 为歧管压力的函数，可表示为：
ηV=0.952-0.075/p
（3）
式中：m觶 ap 可表示为两个并行的等嫡物理过程。 1.1.2 发动机曲轴系统动力学子模型 根据能量守恒定律 描述发动机中的热能向机械能的转换及做功过程。发
0～2（PID）；模型辨识神经网络中选取 n=2，m1=2，m2= 10，i=0，仿真结果如图 6 所示。 从仿真结果可以看出， 神经网络自适应 PID 控制， 能有效抑制转速的超调 量，减小转速在调整过程中的波动。
3 结语
发动机是一个典型的非线性、时滞、时变系统。智 能控制能够将人类的智慧应用到控制系统中，解决非 线性、复杂的系统控制问题。 参照 Elbert Hendricks 发 动机模型建立发动机进气系统动力学、曲轴动力学和 油膜子模型，对发动机转速神经控制的结构和神经网 络的形式进行研究，采用神经网络自适应 PID 方法对 发动机转速控制进行计算仿真。 仿真结果表明，神经 网络自适应 PID 控制能有效抑制转速的超调量，减小 转速在调整过程中的波动。
摘要：为提高发动机怠速控制的准确性，解决非线性、复杂的系统控制问题，详细介绍发动机模型建立方法、转速神经控制的结构 和神经网络的形式，并将神经网络同 PID 控制很好的结合起来，以有效解决发动机转速控制问题。 关键词：发动机；神经网络自适应 PID；设计；转速控制；神经网络 中图分类号：U467.2 文献标识码：Ａ 文章编号：1674-1161(2014)０1-0030-03
发动机是一个典型的非线性、时滞、时变系统。智
能控制能够将人类的智慧应用于控制系统，解决非线
性、复杂的系统控制问题。 发动机的转速控制问题一
直是热点研究课题，特别是发动机的怠速控制更是研
究重点。 怠速转速是汽车发动机的主要性能指标之
一。 目前，虽然在发动机燃油控制方面的研究取得了
一定进展，但影响发动机性能的参数相当多，在建模
…，u(k-m)]
（10）
式中：y 为发动机的输出转速；u 为对发动机的控
制 （节气门开度）；ym 为模型的输出；n，m 分别为 y(k)
和 u(k)的阶次；f 为非线性函数。
采用如图 5 所示的 BP 神经网络结构对 NC 控制
器中的参数（PID 中的增益）进行优化。 图 5 中，E（k）
为转速误差；P（k）为发动机负载因子 ；G1—G3 为要优
1 发动机模型与 PID 控制
1.1 发动机模型
丹麦技术大学 Elbert Hendricks 教授提出的发动
机模型具有较高精度。 参照 Elbert Hendricks 发动机
模型建立发动机进气系统动力学、曲轴动力学和油膜
子模型。
1.1.1 发动机进气系统动力学子模型 进气系统动力学描
述歧管中空气的质量变化率p觶 ， 它是流经节气门的空
IEEE Transactions on Control Systems Technology,2006,51(7):1 200-1 207. [5] 王喜莲,葛宝明,伍召莉.基于柔性神经网络自适应 PID 的磁轴承径向力控制[J].北京交通大学学报,2012,36(2):85-90. [6] 王秋蓉,葛宝明.无轴承开关磁阻电机磁场及力特性的分析[J].电机与控制学报,2007,11(3):217-220.
The Neural Network Adaptive PID Speed Control on Engines
WU Xiaowei, SHI Leiming
(College of Automotive Engineering, Henan Jiaotong Polytechnic, Zhengzhou 450005, China) Abstract：In order to improve the accuracy of engine idle speed control, and to solve the control problem of nonlinear, complex system, this article offers a detailed description of the establishment of engine model, the structures of speed neuron control and the form of neural network, and combines neural network PID control, to effectively solve the problem of engine speed control. Key words: engine; neural network adaptive PID; design; speed control; neural network
图 1 PID 转速控制框图 Figure 1 PID speed control block diagram
控 制 方 案 的 PID 调 节 器 参 数 Kp，Ki，Kd 进 行 优 化 ，结 果为：Kp=1~2，Ki=1~2，Kd=0。
为对空燃比进行良好控制，现代汽车一般采用如
下的燃油控制方式:
m觶 fpc=
m觶 ap Lh
+KpIy+KiI∫ydt
（9）
式中：m觶 fpc 为进入发动机气缸所需要的燃油质量
流速；m觶 ap 为进入发动机气缸的空气质量流速 ；y 为氧 传 感 器 的 输 出 ；Lh 为 发 动 机 运 行 空 燃 比 ， 汽 油 车 取 14.67～14.7；KpI，KiI 为控制器增益。 1.3 仿真结果
m觶 fv=(1-X)m觶 fc
（5）
m咬 ff=(Xm觶 fi-mff)/τf
（6）
m觶 fi=m觶 fv+m觶 ff
（7）
式中 ：X 为燃油 沉 积系数 ；Tf 为油膜 蒸 发时 间 常
数。 它们随发动机工况变化，是发动机转速 n（或 ω）、
进气岐管压力 Pi、温度 Ti 等的非线性函数；m觶 fc 是按指 令喷射的燃油质量流量， 分为完全气化部分m觶 fv 和油 膜蒸发部分m觶 ff 两部分：m觶 fi 是气缸的总燃油量，为两部
图 6 NN-PID 转速控制仿真结果 Figure 6 NN-PID speed control simulation results
图 5 NC 控制中参数优化 NN 结构 Figure 5 The NC control parameter optimization of NN
structure
第 1 期 总第 ２35 期 ２０１4 年 1 月
农业科技与装备 Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｅｑｕｉｐｍｅｎｔ
Ｎｏ．1 Ｔｏｔａｌ Ｎｏ．２35 Jan． ２０１4
发动机神经网络自适应 PID 转速控制
吴笑伟，史雷鸣
（河南交通职业技术学院 汽车学院，郑州 450005）
bearing system[J].IEEE/ASME Transactions on Mechatronics,2007,12(2):179-189. [4] FRANCO A L D,BOURLES H,DEPIERI E R.Robust nonlinear control associating robust feedback linearization and control [J].
发 动 机 PID 转 速 控 制 计 算 机 仿 真 的 条 件 如 下 ：
仿真软件为 MATLAB6.5/SIMULINK； 发动 机 仿 真 模