[发明专利]一种基于脉冲神经网络的电子节气门控制方法

说明书

本发明请求保护一种基于脉冲神经网络的电子节气门控制方法。首先，鉴于脉冲神经网络脉冲输入脉冲输出的特性，利用相位编码技术对电子节气门期望输出信号进行编码以得到期望脉冲输入信息。基于此，以期望脉冲输入信息与节气门实际输出信号差为输入，利用脉冲神经网络对节气门进行控制。最后，基于Backpropagation(BP)的脉冲时间依赖可塑性(Spike Timing Dependent Plasticity,STDP)学习算法实现脉冲神经网络权值的更新以确保实时精确的控制电子节气门。本发明考虑到脉冲神经网络包含时间维度的信息并且是特征稀疏表达，因此不仅能够实现电子节气门伺服系统的精确控制，并且能够保证节气门控制的实时性能，从而确保了电子节气门跟踪控制的精度同时实现节气门控制的快速反应。

技术领域

本发明属于智能汽车发动机电子节气门控制领域，具体是一种汽车发动机电子节气门控制方法，该方法是基于脉冲神经网络的电子节气门控制方法。

背景技术

随着智能汽车技术与需求的不断发展，精确稳定的智能汽车控制变得越来越重要。而作为汽车速度控制的重要部件，汽车发动机电子节气门的精确控制扮演着重要的角色。文献[1]中作者曾指出车辆的速度是节气门开度的函数，即通过控制汽车电子节气门可以实现对汽车速度的精确控制。因此，作为智能汽车速度控制的重要组成，电子节气门控制算法的研究仍然获得了诸多研究学者关注。

随着汽车工业的发展越来越多的控制算法(如线性控制、非线性控制算法、优化控制算法、智能控制算法)以及优化算法(如遗传算法、果蝇优化算法、调和搜索算法等)被广泛应用于电子节气门控制，相比于传统PID控制获得了较高的控制精度。从线性控制角度分析，J.Deur[2]等人设计了一种优化PID控制算法，通过设计反馈补偿器对摩擦和复位弹簧非线性进行补偿，遗憾的是，该算法没有给出如何选取补偿器的参数，同时需要辨识控制对象的参数，并且补偿器在稳定状态时容易产生高频抖振。Yadav[3]等人将电子节气门控制应用于混合动力车辆的速度控制，提出了自学习模糊PID控制器，并设计了基于滑模控制机理的模型参考系统，以获得较好的鲁棒性。遗憾的是，符号函数的使用会使滑模控制产生高频抖动，进而影响控制器的控制性能。接着，Jiao[4]等人为了更精确的对节气门阀片进行控制，提出了电子节气门自适应伺服控制策略，其中伺服控制策略主要包括：参数自适应性PID反馈控制器、前馈补偿器以及摩擦、跛行回家和齿轮间隙等非线性因素自适应补偿器，通过仿真与实验验证了控制算法的有效性。应该指出的是，在电子节气门控制策略设计过程中，并没有考虑到电子节气门开度变化难以直接测量等问题。

从非线性控制角度出发，Wang[5]等人提出了自适应滑模控制策略以克服参数不确定性以及节气门非线性(摩擦非线性、复位弹簧非线性、气门间隙以及跛行回家非线性)特性的影响。仿真以及实验结果验证了此方法的有效性。[6]等人研究了电子节气门扩展滑模控制，主要是通过感知神经网络对不确定因素进行辨识，以实现摩擦和“跛行回家”非线性因素的补偿。值得注意的是，该方法需要微控制器具有很强计算能力。此外，控制策略没有详尽的考虑参数变化时的限制。胡云峰[7,8]等人对电子节气门反演控制方法进行了研究，并基于输入状态稳定性理论提出了控制器参数设计的指导性原则。值得指出的是，在控制器的设计中并没有考虑未建模动态以及外部扰动，同时该方法需要被控对象的精确建模信息，而这在实际控制过程中却难以实现。最近，Amini[9]等人提出了一种离散滑模控制器。此外，一种新颖的方法被用于将采样与量化不精确性插入到离散滑模控制器中。实验证明，控制器的控制精度很大程度上依赖于AD转化器。

基于最优控制理论，[10]等人采用约束时间优化控制，建立了精确的节气门模型，并通过精确的摩擦模型对摩擦力矩进行了细致的刻画，遗憾的是，该方法对模型的依赖性较强，当模型精度随着实际控制对象的特性而变差时，控制效果就会急剧下降。为了解决此问题，[11]等人提出了一种基于时间优化策略的模型预测控制，改善了控制器的性能。应该指出的是，在参数变动和扰动存在时，优化控制技术不能确保控制器的鲁棒性。Alessandro[12]等人将无迹卡尔曼滤波器应用于汽车节气门系统以估计节气门装置的位置来避免由于故障导致的节气门位置不可测问题。