压燃式轻型SCR发动机黑箱模型与控制
摘要：选择性催化还原（以下简称“SCR”）被广泛用于中型和重型发动机NOX排放的控制，而NOX捕集器（以下简称“LNT”）通常用于轻型发动机。轻型发动机不常采用SCR技术，归因于昂贵的添蓝供给和存在更为简单的控制措施。然而，如果轻型发动机用作混合动力电动汽车的增程器，在发动机独立提供动力时，其排放必须满足柴油机法规的要求。在这种情况下，SCR是合适的排放解决方案，从未来立法的角度，也许是唯一的选择。但是，轻型发动机采用SCR方案存在一个关键问题，即安装SCR的可用空间往往有限，这导致SCR催化器的体积大幅度的减少。SCR系统体积较小以后，其动态性能变快，存储现象变得不太明显，而基于数据驱动的控制方法适合该类对象的特征，因此，本文提出了SCR系统的黑箱建模方法，并将其与非线性模型预测控制结合，形成SCR系统闭环控制方案。仿真分析和台架试验结果表明，该控制策略有效。
1.介绍
现代柴油发动机除了需要满足驱动扭矩和低油耗的燃烧需求之外，也要减少污染物的排放量，因此，尾气后处理控制技术成了最具挑战性的目标。 为了满足排放法规要求，如果没有额外的尾气后处理设备，柴油机的NOx排放要求是不可行的。 现已可用的解决方案是柴油机氧化催化剂（以下简称“DOC”），柴油颗粒过滤器（以下简称“DPF”）和稀薄NOx捕集器（以下简称“LNT”）和选择性催化还原（SCR）系统的组合。
最后无论选择哪种排气后处理方式，都需要精确控制，以保持NOx和PM的排放值在法规要求范围内，在SCR系统控制情况下，还需要考虑NH3的泄漏。 在文献中可以找到各种不同设备建模和控制的方法，例如纯粹的控制导向模型。 关于废气后处理控制，Willems ，McKinley和Alleyne等人曾讨论出不同的SCR控制方案，对于DPF和DOC，Jung和Chatterjee等人提出了建模和实验的方法，其着重于说明DPF的详细模型和DOC的老化现象情况。
为了满足控制要求，还需要对SCR的过程和最佳的氨给料控制需要详细的说明。 SCR催化剂的原理是氨（NH 3）将NO x还原成N2和H2O. 为了将氨存储在SCR中，使用通常由铜（Cu）沸石，铁（Fe）沸石或钒（V）组成的不同涂层材料。 但是，除了由于所用材料的变化，对于每种SCR催化剂，NO和NO2排放的基本还原机制是相同的（参见反应（1），（2）和（3））
4NH3 3NO2 →7/2N2 6H2O (1)
4NH3 4NO O2 →4N2 6H2O (2)
4NH3 2NO 2NO2 →4N2 6H2O (3)
在SCR系统中，反应快慢是区分三种不同的还原机制。虽然NH3和NO2（1）的反应相对较慢，但是如果NH3与NO（2）反应速度会增加。对于最后的反应（3），与NH3反应需要相同量的NO和NO2。这个反应比仅仅消耗NO（2）反应快得多。因此，如果有足量的二氧化氮可用，可以实现整体转化转换速度的加快。因此，氮氧化物转化能力可能由一些基本原因影响，例如氨投加量过低或SCR容量过低，还有NO / NO 2比例不平衡。另外一个是添蓝喷雾器的汽化程度和氨的空间分布也是影响转换效率的关键因素，因为不均匀性也是造成转换率降低的影响因素。因此，浅蓝喷雾剂和喷雾模型在研究中是需要常常被拿出来讨论。为了建立适当的控制SCR模型，需要综合考虑多方面影响因素，在大多数情况下这需要建立复杂的物理的建模。
然而，在这项工作中，我们提出了基于数据的方法。 这个选择的动机是：有特定的系统假设，一般来说，如果主要的动力和反应可以从测量结果推导出来，并且还存在氨气的储存问题，此时基于数据的方法是可行的。 通过对SCR系统的出口处NH3和NOx进行实验测量，考虑到了SCR的氨储存能力足够低，所以我们就提出了应用纯粹的基于数据的黑匣子方法。
除了选择性建模方法，基于数据的方法中控制氮氧化物降低率还受非线性温度的影响，因此还后续的一些修正措施，这促进了非线性控制策略的使用。 最先想到的是非线性MPC策略的应用，因为随着快速求解器和增加的计算能力的最新发展，这样的复杂系统可以实时解决。
这项工作的其余部分结构如下：首先讨论了SCR建模的实验步骤和黑盒建模假设。 之后介绍SCR模型的标识和验证结果。然后介绍模型预测控制器框架， 最后介绍NH3投量策略和测试平台上应用控制策略的结果。
2.实验设备
实验设备是2缸1升柴油发动机，在1500rpm时的最大扭矩为77Nm，在3600rpm时的最大功率为26.4kW。 该发动机专为应用增程器而设计，并配备共轨喷射系统和涡轮增压。最主要的组成部分是电子测力计和内燃机，如图1。
图1. JKU实验室的范围扩展器测试台
这台发动机的废气后处理是仅仅包含SCR的一个概念，由大约0.87升的铜ceolite SCR组成。 该系统除SCR之外还包括一个添蓝储液器，一个泵和一个定量阀。 该系统设备的设计是为了确保添蓝喷雾能够正常使用。用Horiba 7100测量出口处以及SCR入口处的NO x / NO，CO，CO2和O2排放物，并用西门子LDS 6测量SCR出口处的氨的量。 所有数据采集都是通过Matlab XPC方法完成的，其中包括所需的ECU信号，比如发动机转速信息。
3.基于数据的黑盒模型
正如引言中简要讨论的那样，最大的局限性是，为什么通常黑箱模型不能用于SCR系统的建模和控制，这是事实上，记录数据中无法访问的现象没有包含在模型中。 因此，作为第一步，SCR的隐藏现象的影响，更确切地说是氨储存能力的影响，需要进行分析。因此，将具有不同添蓝剂量的恒定发动机运行点（neng = 2000rpm，mf = 22mg / cyc）应用于发动机以分析存储容量，如图2所示。
图2.增量应用的存储效果0.87升SCR
在图2中，可以看出，SCR的出口处的氨的延迟和上升时间，通常在重载中相对比较明显。如果假定存储容量对该原型SCR的影响较小，所以选择了基于黑箱数据的建模方法。 另外，必须注意的是，在这个图表中以及所有下面的数据中，NH3和NOx的量已经尽最大可能的缩放。
4. SCR建模
基于前面讨论的结果，对基于数据的建模进行了以下假设。 因为发动机装置没有DOC，只有SCR标准反应，这必须考虑到NMPC的功能目标。 应该尽量减少建模测量，而不是减少系统风险，黑箱模型的模型参数估计分两步进行：
（1）首先，基于各种固定的发动机测量和不同的添蓝给料量，确定和验证SCR出口处的NOx和NH3的自回归非线性模型。
（2）在通过最小二乘法对这些系数进行评估之后，该模型也适用于不同的动态测试循环，和考虑发动机SCR系统瞬态NOX的还原和NH3的泄露。
这些考虑导致如图3所示的模型结构，其具有与Hammerstein Wiener模型类似的结构，但是不同之处在于动态校正还包括非线性NARX模型。
图3. 2步骤识别结构
如图3所示，是基于静止和瞬态测量数据的识别输入。 NH 3在是由注入的添蓝量决定， TSCR是SCR温度，mexh是排气质量流，mf是估计基于所测得的空气质量流和喷射燃料量。
为了对于瞬态情况的延伸，用稳态模型下得到的输出结果与瞬态循环的测量数据进行比较。 根据测量和模型之间的差异（eNOx，out和eNH3，out），建立了一个额外的NARX模型，将瞬态发动机信息纳入SCR模型。这一步在建立有效的瞬态和稳态的柴油机运行模型中是必须的。
4.1数据驱动的多项式NARX模型
由于SCR的温度与NO x还原速率呈非线性相关，所以SCR模型的自回归多项式NARX模型被选择并由下式给出
y(k)=f( u(kminus;1), y(kminus;1), theta;) e(kminus;1), (4)
其中y（k）是待建模的量，u（k-1）是输入ui（k-1）的向量，e（k-1）是表示测量和建模误差，假定其与f不相关。 theta;= [theta;1，...，theta;J] T是参数矢量，J是参数的数量。 由于多项式NARX模型在参数中是线性的，所以参数估计theta;可以通过标准最小二乘估计来获得。
4.2多项式NARX模型的模型结构
由于没有假定物理结构的先验知识，所以只需要选择合适的输入矢量u和模型阶数l。 由于要在模型复杂性和准确性之间进行折衷，所以选择2阶，其不能捕获整个非线性温度行为，但为控制导向黑匣子方法提供了足够多的近似值。 因此，为了确定稳定情况下的SCR模型，将u和要模拟的输出选择为：
将相同的程序应用于静态模型的动态校正，得到相同的结构。
4.3 SCR模型校准和验证
首先，确定稳态时SCR模型的识别和验证数据集，如图4所示。
图4.固定的标识和验证数据集
如图4所示，验证数据集的选择方式是只有插值必须被应用，并且不需要外推。 基于图3的结构，可以获得如图5所示的自回归SCR模型的识别结果。
图5.固定数据集的识别结果
可以看出，如果采用自回归结构，如预期的那样，可以确定出口处的NH3和NOx的精确模型。 另外，在图5中可以看出，如果氨泄漏量应该保持在法规限制内，则把原模型的最大减少率限制在20-50％（取决于SCR温度）。 这与只能使用标准SCR反应的事实有关，因此限制了最大转化率。
即使很多现象都没有能很好地捕捉到，足够多的结果都被充分验证，这主要是由简单的建模方法造成的。
为了将稳定精确的SCR模型扩展到高度瞬态测试周期的模型，扩展模型（见图3）在不同的测试周期（包括WHTC的前500秒）进行训练。 由于这个模型结构是一个扩展，所以整个模型的验证结果在WHTC测试周期的第二个周期（500-1800秒）内显示在图7中。
图7.综合SCR模型的瞬态验证，既考虑了静态测试周期，也考虑了瞬态测试周期
如图7所示，与固定情况相比，想要获得足够的建模结果其难度更大。 在这两种情况下，对于出口处的氨和氮氧化物，都可以找到比稳态验证期间更高的偏差。 尽管如此，对于扩展模型而言，对于SCR出口处的NH3和NOx排放物的验证，FIT值分别为58％和58％，对于NMPC使用该模型是足够高的。
5.SCR控制
5.1非线性模型预测控制
在建立非线性SCR模型之后，提出非线性NH 3剂量控制。 一般来说，三个不同的目标必须由这样的控制者来实现：
（1）应尽可能减少氮氧化物。
（2）在静态和瞬态试验循环中，应避免SCR出口处氨的滑移或将其限制在10ppm以下。
（3）在稳定和瞬态条件下，控制方案应具有相同的性能。
5.2一般NMPC问题的制定
在这项工作中考虑的模型类是基于一个非线性差分方程公式，其中测量的干扰和输入约束。 对于NMPC的设计，只考虑估计模型并将其与跟踪误差和控制效果的目标函数相结合。 众所周知，NMPC中的控制行为是通过解决优化问题来确定的。这个优化问题可以被描述为
其中模型追踪误差由Q加重，致动器提前量由R表现。为了解决这种非线性模型预测控制问题，使用ACADO工具包（更多细节参见Ariens等（2010）），其解决了NMPC 问题。 连续时间过程的离散化是通过拍摄技术完成的，所产生的备用QP可以任意浓缩，并通过内置的QP解算器解决。
5.3应用于SCR控制
SCR模型可以直接应用于选定的控制结构（见图8）。 作为模型说明，出现了NOx out和NH3 out，作为在目标函数中的输出，现在只选择SCR出口处的NOx的输出。 SCR出口处的NH3泄露可用评估方法确定。
图8. NMPC的控制结构
由于测量的干扰，考虑了控制器无法控制附加输入，即SCR入口处的NOx排放，SCR温度和排气质量流量。 这些输入都是在测试台上进行周期的验证和测量，以提供接近实际应用的测试和验证数据。 由于已经存在模型和实际不匹配有差别的情况，因此在该模拟研究中不考虑额外的未测量扰动，并且可以直接使用NH 3喷射量作为控制输入。
NH3（uk）投加量的输入限制分别设定为0，即400ml / h，这是试验台中NH3的最大投加量。 如前所述，NH3用添蓝以液体形式进行添加。 因此，NH3的量是基于
（1）将尿素（NH 2）2 CO（水溶液）水溶液蒸发成固体或液体尿素和气态水，
(NH2)2CO(aq)→(NH2)2CO 6.9H2O(g)（9）
（2）固体或液体尿素热分解成氨和异氰酸，
(NH2)2CO(sorl)→NH3(g) HNCO(g) （10）
（3）和用水将异氰酸水解成氨和二氧化碳
HNCO(g) H2O(g)→NH3(g) CO2(g)（11）
离散NMPC公式固定为采样时间为0.4s，预测范围设为nPH = 20。与MPC实现一样，只有20个优化控制输出中的第一个被应用到实际中，并在下一个采样时刻，最优控制问题再次得到解决。 最后，选择Q和R的加权因子时，参考轨迹的权重要高出10倍，因为这样可以在参考跟踪和致动器前进之间达到最佳折衷。
6. SCR控制结果
首先，基于引入的SCR模型和所提出的NMPC的仿真结果如图9所示。
图9. SCR控制模拟 - SCR出口处的模拟NOx和NH3
如图9所示，在每个操作点，氨泄漏可以被限制在10ppm以下。 但是，如图5所示，如果避免氨泄漏，则氮氧化物最大降低率只能限制在
全文共6277字，剩余内容已隐藏，支付完成后下载完整资料
英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14556]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
