49. Адаптация двигателей.
Термин адаптация означает приведение параметров двигателя с требованиями конкретного параметра. Например дорожная или внедорожная эксплуатация. Для легковых автомобилей адаптация проводится только с целью настройки двигателя на нормы эмиссии ОГ.
Этапы адаптации:
1.Приспособление выходной величины к показателям принятые за оптимальные.
2.Адаптация двигателя на тс.Цель обеспечения требуемых эксплуатационных характеристик тс.
3.Адаптация к условиям эксплуатации.
Различают программную, поисковую и аналитическую адаптацию.
1.Программная адаптация.Основана на вводе в блок управления допол-нительных программ, которые настраивают цикловую подачу и параметры турбокомпрессора на лучшее смесеобразование исходя из условий работы. Проводится на моторных стендах. Используют разомкнутую систему.
2.Поисковая адаптация- проводится на работающем двигателе поиск расположенных критериев качества и вывод двигателя на соотвествующий режим.
3. Аналитическая адаптация- вычисляется и реализуется микропроцесс на основе мат. модели. Имеет высокое быстродействие но требует контроля хотя бы части возмущения и упр. параметрами двигателя.
50.Интеллектуальные системы управления двигателем. Основные задачи. Применение искусственных нейронных сетей и нечеткой логики.
Табличная форма законов управления определяется экспериментальным путем. Имеют определенную сложность: создание многомерных таблиц, большой объем памяти для хранения информации.
Не представляется возможным создать тончёную математическую модель с регулируемым в процессе эксплуатации параметрами.
Это регулирование необходимо в случае:
1. Незначительного износа, не требуемого замены деталей двигателя
2. Замена движущихся частей двигателя
3. Смещение показателей датчиков в процессе эксплуатации
4. Изменение условий эксплуатаций ТС
5. Конструктивные изменения двигателя
Разработанный алгоритм должен использовать минимальный объем памяти и минимум вычислений. Это позволяет сократит период регулирования и снизить стоимость микропроцессора.
Требования к алгоритму:
1. Быстрота в работе – максимальная простота
2. Гибкость и универсальность
3. Содержание минимальное количество регулируемых параметров
4. В ходе настройки двигателя аппроксимировать максимальное количество входных параметров
5. Размерность алгоритма не должна зависеть от выборок данных, используемых в процессе настроек .
Нейронные сети. Преимущества:
1. ‘’ Обучаемость”
2. Параллелизм
Эти свойства присущи нейтронным сетям из элементов нечеткой логики- способности к логическому описанию процессов и ручной корректировки.
Нечеткое множество А, заданное на универсальном множителе Х, - совокупность пар в виде.
Представим нейрон. Сеть с тремя входными информационными и двумя уровнями её обработки:
В общем случае нейрон имеет несколько входов- синапсов и 1 выход -аксон Синапс
Синапс характ-я величинйо синаптической связи W, который в физическом смысле соответствует проводимость. Тукущ. сост-е нейрона предств-я суммой.
S=Wi*Xi
Выход нейрона является ф-ей этого состояния :
У=f(S)
Наибол. часто ф-я сост-я предст-я в виде функций:
Сигмоидная ф-я наиболее предпочт. в исп-ии, т.к имеет простое выр-ее производной, что может использовать в алгоритмах обучения, усиливает слабые сигналы, предотвращает от больших сигналов.