4  ISC历史沿革、现状与发展
    4.1 ISC的现状与历史沿革
      国际主流的汽车制造商对发动机怠速控制的电子控制装置系统通常的做法是将预先测得的发动机性能数据MAP图以数据方式存储在ECU里。发动机进入怠速工况后，根据传感器获得的物理型号，包括发动机的转速、空气流量与进气温度等数据，从MAP图中找到相应的喷油量、点火提前角与节气门开度等参数，然后调用某一控制算法来进行补偿，最后由执行器进行实时响应的操作。如设计模糊自适应PID算法的发动机电子控制装置，节能效果大于15%；环境保护的效果大于25%，足见其对节油减排的影响多么突出。
      传统的化油器式汽油发动机怠速工作时，节气门处于关闭状态、。怠速工作时的空气量是通过节气门的缝隙及空气旁通通道进入发动机。怠速调整仅能在停车状态下，由维修人员依据各自的经验进行调整，带有很大的局限性。而实际使用中运行条件变化将使怠速转速会远远偏离原来的值。而最初，发动机电子控制仅以汽油喷射和电子点火两者为研究的主要方向。

    4.2  ISC的新动态
    智能控制在怠速控制中最典型的应用是变参数PID控制方式、模糊控制、预测控制和神经网络控制方式。学习控制是应对磨损后等原因对ISCV阀位置作自我修正，便是由人工智能的核心一一机器学习（ML, Machine learning）来实现的，它是计算机具有智能的根本途径。
    德国的Bosch（博世）和美国的GM（通用汽车的TBI）在20世纪80年代初最早实现怠速电子控制装置系统，为ISC建树了里程碑的起点。
    当下，一个重要方向是神经网络和模糊控制技术两者相结合构成基于神经网络的模糊控制器（FNN, FuzzyController Based On Neural Network）。它可以不依赖精确的模型，选择深度学习架构，设计更简化有效，在同样的扭矩干扰下，怠速转速波动可以从原来的12%，降至1.6%。对怠速系统进一步提高控制精度，使控制更直观，动态性能有显著的提高，对模型参数有良好的鲁棒性。
    神经网络是对函数的一种网络表示，藉以对对象建模，用于描述任何复杂的输入输出关系。设计成2个或以上的输入神经元和一个输出神经元，2～3个隐含层的神经网络，隐含层及输出层神经元的S型激活函数，并用若干数据作为训练样本，训练算法采用变尺度法，得到权矩阵，得以训练和部署。
    ISC系统模型的复杂性体现在系统信息的非线性、高阶次时变性及随机干扰，多样性、模糊性、不确定性和偶然性是其特征。与常规控制方法相比，智能控制无须依赖被控制对象的精确模型，还在于其自学习、自适应、自组织的功能，在运行过程中，自动获得最佳模糊控制推理规则，对自身不断修正和完善，它还有很好的容错能力，故智能控制为大型非线性系统或时变参数甚多的“黑箱” “灰箱”系统开辟一条很好的路径，提升怠速控制系统的控制性能。
      据报道，一汽马自达Mazda6阿特兹每百公里6.31,的低油耗，源于其创驰蓝天发动机实现巧％油耗降低。除了13：1的高压缩比、燃油直喷／多孔喷油嘴（高压6孔）、进气侧电控S-VT、凹孔活塞和i-Eloop制动能量回收系统等5项措施外，还创新采用一种称为“i-stop”的智能技术。名称中的i兼具“我”（I）、“怠速”（idea）、“智能”  （intelligent）等多层含义。智能的电控技术让发动机每次停转瞬间控制活塞静止于非上下死点的位置这样发动机重新点火起动，燃料喷射燃烧所需做的功便较小，有利于节能。初创人的初衷便如该名称所表达的“我会智能怠速停机，为环保而关切”显得与传统的“Stop＆Start"发动机起停系统质的区别。“i-stop”并不是仅依靠串励电机起动机来重新起动发动机，而是世界首创采用预先控制活塞停止位置。
      通常，仅需马自达MAZDA6阿特兹发动机在怠速运转状态下熄火时间大于5s，即可有明显节能效果。测试表明，对2.0L排量的车型，若变速器挂于D挡，此时打开空调怠速运行10 min，消耗的燃油约为0.26 L。以每天累计怠速运行10 min计算，“i-stop”技术系统每年可为车主节省燃油费700元人民币，而每年减少的二氧化碳排放量相当于16棵杉树的吸收量，足见经济效益和社会效益极为显著。

上一页  [1] [2] [3] [4] [5] [6] [7] [8]  下一页