一种电子节气门控制系统的控制方法与流程

本发明涉及汽车进气相关技术技术领域，尤其涉及一种电子节气门控制系统的控制方法。

背景技术：

如今电子节气门系统广泛应用与当代汽车中。目前，汽车中的节气门系统根据油门踏板位置传感器将踏板位置信息传给电控单元，电控单元根据此信息以及其他相关数据信息来控制节气门开度的大小，但是在电控单元控制过程中响应会比较缓慢、产生时间延迟，这些时间延迟在赛车比赛中就会造成导致加速的延迟，从而影响车手操作，因此需要设计一种可以减少加减速过程中的时间延迟的电子节气门系统。

技术实现要素：

为了解决上述存在的问题，本发明提供一种电子节气门控制系统的控制方法，包括油门踏板预测单元、阻力分析单元、特性分析单元、电机驱动缓存单元以及节气门控制单元，其系统的工作状态包括预测模式和学习模式，可以减少加减速过程中的时间延迟，为达此目的，本发明提供一种电子节气门控制系统的控制方法，所述系统包括油门踏板预测单元、阻力分析单元、特性分析单元、电机驱动缓存单元以及节气门控制单元，其特征在于：所述系统的工作状态包括预测模式和学习模式；

预测模式下：

预测模式下油门踏板预测单元，利用预设的多层神经网络模型，根据油门踏板的第一初始位置和所述油门踏板的第一初始加速度，获取所述油门踏板的第一预测终止位置，并发送所述第一预测终止位置；获取所述油门踏板第一终止位置和所述第一预测终止位置之间的第一误差；判断所述第一误差是否满足预设条件，若不满足，则控制所述系统进入学习模式；若满足，则控制所述系统保持预测模式；

预测模式下阻力分析单元，获取匀速行驶时的发动机转速和节气门开度；利用发动机的工作特性曲面，根据所述的发动机转速和所述节气门开度，确定当前路况下车辆匀速行驶时所述发动机所需的第一输出扭矩；

预测模式下特性分析单元，接收所述第一预测终止位置和所述第一输出扭矩；所述的第一预测终止位置与所述的发动机转速存在线性对应关系；利用第一预测终止位置获得第一目标转速，利用所述工作特性曲面和所述的第一目标转速，确定目标开度；其中所述的第一预测终止位置的最小值对应节气门关闭，所述的第一预测终止位置的最大值对应当前输出扭矩下最大的发动机转速；

预测模式下电机驱动缓存单元，获取所述目标开度并储存；

预测模式下节气门控制单元，获取所述电机驱动缓存单元中储存的所述目标开度，并根据所述目标开度控制节气门的开度；

学习模式下：

学习模式下油门踏板预测单元，调整所述多层神经网络模型中各层神经元的加权系数；并利用调整后的所述多层神经网络模型，根据所述油门踏板的第二初始位置和所述油门踏板的第二初始加速度，获取所述油门踏板的第二预测终止位置；获取所述油门踏板第二终止位置和所述第二预测终止位置之间的第二误差；判断所述第二误差是否满足所述预设条件，若不满足，则控制所述系统保持学习模式；若满足，则控制所述系统进入预测模式；

学习模式下阻力分析单元，获取匀速行驶时所述的发动机转速和节气门开度；利用发动机的工作特性曲面，根据所述的发动机转速和所述节气门开度，确定当前路况下车辆匀速行驶时所述发动机所需的第一输出扭矩；

学习模式下特性分析单元，接收所述的油门踏板的实时位置和所述第一输出扭矩；所述的实时位置与所述的发动机转速存在线性对应关系；利用油门踏板的实时位置获得第二目标转速，利用所述工作特性曲面和所述的第二目标转速，确定目标开度；其中所述的油门踏板的实时位置的最小值对应节气门关闭，所述的油门踏板的实时位置的最大值对应当前输出扭矩下最大的发动机转速；

学习模式下电机驱动缓存单元，获取所述目标开度并储存；

学习模式下节气门控制单元，获取所述电机驱动缓存单元中储存的所述目标开度，并根据所述目标开度控制节气门的开度。

本发明的进一步改进，所述发动机的工作特性曲面通过发动机台架试验获得；在台架试验中，通过测量发动机正常工作在不同转速和节气门开度下的输出扭矩，拟合出以转速和节气门开度为自变量，输出扭矩为因变量的函数曲面，此时将获得在任意扭矩下转速与节气门开度的关系。

本发明的进一步改进，所述发动机转速与车轮速度成固定比值，所述车轮速度通过安装与车轮处的轮速传感器获得；所述的轮速传感器获得车辆行驶速度，从而根据当前车辆的档位计算出所述的发动机转速。

本发明的进一步改进，所述油门踏板预测单元由一个三层误差反向传播神经网络和参数存储器组成，所述油门踏板预测单元输入层、隐含层以及输出层的神经元数目分别为2、q、1，各层神经元输入端数目分别为1、2、q，输入层第i个神经元加权系数为wi，输出为oi；隐含层第j个神经元的第i个加权系数为wji，输出为oji；输出层神经元第j个加权系数为wkj，输出为ok，隐含层第j个神经元总输入为输出层神经元总输入为各层神经元活化函数取sigmoid函数：

其中θi表示阈值，θ0表示函数参量。

本发明的进一步改进，在预测功能开启前，步进电机根据踏板位置调整节气门开度；同时利用踏板位置传感器获得每一次踏板从静止开始运动时的位置与加速度，分别记为x1i和x2i存入存储器，踏板再次静止后，再读取踏板所在位置，记为dki存入存储器；

在油门踏板预测单元不控制节气门驱动时，读取x1和x2并输入神经网络，获得输出ok，并与dk比较，利用ok与dk的差值对加权系数不断修正；对于每一个样本p，引入误差函数：

将加权系数向ep的负梯度方向调整，使误差逐渐收敛于0；

输入层加权系数设为常数，输出层与隐含层加权系数修正公式分别为：

其中是学习速率，为大于0的常数；

当误差函数ep多次小于预定值时，认为网络学习完成，可以开启预测功能，当踏板由静止开始运动时，利用神经网络预测踏板运动的目标位置，提前驱动控制节气门的步进电机使节气门开度达到预定位置。

本发明的进一步改进，当网络预测结果与实际踏板停止位置超过误差允许时，将关闭预测功能，重复前述学习过程。

本发明一种电子节气门控制系统的控制方法，其所提供的电子节气门系统包括了两种工作模式，其在预测模式下，可以利用预设的多层神经网络模型，根据车手开始踩踏板的初始位置以及初始加速度，对踏板最终的位置进行预测，并且根据油门踏板的预测终止位置对节气门进行控制，可以有效减少节气门控制时间，从而减少加减速过程中的时间延迟。

附图说明

图1为本申请实施例的基于神经网络的适用于方程式赛车的电子节气门系统的机械结构示意图；

图2为本申请实施例的基于神经网络的适用于方程式赛车的电子节气门系统的操作流程图；

图3为本申请实施例的基于神经网络的适用于方程式赛车的电子节气门系统的功能流程图；

附图标号说明：

1—端盖，2—小齿轮一，3—轴承一，4—转轴，5—小齿轮二，6—电位器一，7—电位器二，8—小齿轮三，9—大齿轮一，10—轴承二，11—挡板，12—节气门主体，13—大齿轮二，14—步进电机。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述：

本发明提供一种电子节气门控制系统的控制方法，包括油门踏板预测单元、阻力分析单元、特性分析单元、电机驱动缓存单元以及节气门控制单元，其系统的工作状态包括预测模式和学习模式，可以减少加减速过程中的时间延迟。

下面结合附图，对本申请实施例的具体实施方式作进一步的详细说明。

参考图1所示，本申请机械结构如下，包括端盖1，小齿轮一2，轴承一3，转轴4，小齿轮二5，电位器一6，电位器二7，小齿轮三8，大齿轮一9，轴承二10，挡板11，节气门主体12，大齿轮二13和步进电机14，所述电位器一6的连接轴接小齿轮二5，所述电位器二7的连接轴接小齿轮三8，所述大齿轮一9与小齿轮二5和小齿轮三8均啮合，所述大齿轮一9的连接轴通过轴承二10接转轴4，所述转轴4穿过挡板11底部支架的固定孔，所述挡板11在节气门主体12内，所述转轴4另一端通过轴承一3接小齿轮一2，所述小齿轮一2与大齿轮二13互相啮合，所述步进电机14的轴接大齿轮二13，所述步进电机14外有端盖1。

本发明一种电子节气门控制系统的控制方法具体方法如下，所述系统包括油门踏板预测单元、阻力分析单元、特性分析单元、电机驱动缓存单元以及节气门控制单元，所述系统的工作状态包括预测模式和学习模式；

预测模式下：

预测模式下油门踏板预测单元，利用预设的多层神经网络模型，根据油门踏板的第一初始位置和所述油门踏板的第一初始加速度，获取所述油门踏板的第一预测终止位置，并发送所述第一预测终止位置；获取所述油门踏板第一终止位置和所述第一预测终止位置之间的第一误差；判断所述第一误差是否满足预设条件，若不满足，则控制所述系统进入学习模式；若满足，则控制所述系统保持预测模式；

预测模式下阻力分析单元，获取匀速行驶时的发动机转速和节气门开度；利用发动机的工作特性曲面，根据所述的发动机转速和所述节气门开度，确定当前路况下车辆匀速行驶时所述发动机所需的第一输出扭矩；

预测模式下特性分析单元，接收所述第一预测终止位置和所述第一输出扭矩；所述的第一预测终止位置与所述的发动机转速存在线性对应关系；利用第一预测终止位置获得第一目标转速，利用所述工作特性曲面和所述的第一目标转速，确定目标开度；其中所述的第一预测终止位置的最小值对应节气门关闭，所述的第一预测终止位置的最大值对应当前输出扭矩下最大的发动机转速；

预测模式下电机驱动缓存单元，获取所述目标开度并储存；

预测模式下节气门控制单元，获取所述电机驱动缓存单元中储存的所述目标开度，并根据所述目标开度控制节气门的开度；

学习模式下：

学习模式下油门踏板预测单元，调整所述多层神经网络模型中各层神经元的加权系数；并利用调整后的所述多层神经网络模型，根据所述油门踏板的第二初始位置和所述油门踏板的第二初始加速度，获取所述油门踏板的第二预测终止位置；获取所述油门踏板第二终止位置和所述第二预测终止位置之间的第二误差；判断所述第二误差是否满足所述预设条件，若不满足，则控制所述系统保持学习模式；若满足，则控制所述系统进入预测模式；

学习模式下阻力分析单元，获取匀速行驶时所述的发动机转速和节气门开度；利用发动机的工作特性曲面，根据所述的发动机转速和所述节气门开度，确定当前路况下车辆匀速行驶时所述发动机所需的第一输出扭矩；

学习模式下特性分析单元，接收所述的油门踏板的实时位置和所述第一输出扭矩；所述的实时位置与所述的发动机转速存在线性对应关系；利用油门踏板的实时位置获得第二目标转速，利用所述工作特性曲面和所述的第二目标转速，确定目标开度；其中所述的油门踏板的实时位置的最小值对应节气门关闭，所述的油门踏板的实时位置的最大值对应当前输出扭矩下最大的发动机转速；

学习模式下电机驱动缓存单元，获取所述目标开度并储存；

学习模式下节气门控制单元，获取所述电机驱动缓存单元中储存的所述目标开度，并根据所述目标开度控制节气门的开度。

参考图2-3所示，特性分析单元的特征在于所需数据通过发动机台架试验获得。在台架试验中，测得一款发动机在不同工况下的动力特性。本发明通过测量发动机正常工作在不同转速和节气门开度下的输出扭矩，拟合出以转速和节气门开度为自变量的函数曲面。此时将获得在任意扭矩下转速与节气门开度的关系。特性分析单元的作用就是根据油门踏板位置传感器的数据选择合适的节气门开度，从而实现在固定扭矩下，踏板开度与发动机转速之间呈线性关系。其中踏板位置的最小值对应节气门关闭，踏板位置最大值对应当前扭矩下最大输出速度。此过程目的是在转速与踏板位置之间建立线性对应关系，从而使驾驶员更好地控制车速。

所述发动机转速与车轮速度成固定比值，所述车轮速度通过安装与车轮处的轮速传感器获得；所述的轮速传感器获得车辆行驶速度，从而根据当前车辆的档位计算出所述的发动机转速。

油门踏板预测单元利用多层神经网络，结合学习算法实现通过踏板实时运动状态预测目标运动位置的功能。油门踏板预测单元由一个三层误差反向传播神经网络和参数存储器组成。输入层、隐含层以及输出层的神经元数目分别为2、q、1，各层神经元输入端数目分别为1、2、q。输入层第i个神经元加权系数为wi，输出为oi；隐含层第j个神经元的第i个加权系数为wji，输出为oji；输出层神经元第j个加权系数为wkj，输出为ok。隐含层第j个神经元总输入为输出层神经元总输入为各层神经元活化函数取sigmoid函数：

其中θi表示阈值，θ0表示函数参量。

在预测功能开启前，步进电机根据踏板位置调整节气门开度；同时利用踏板位置传感器获得每一次踏板从静止开始运动时的位置与加速度，分别记为x1i和x2i存入存储器，踏板再次静止后，再读取踏板所在位置，记为dki存入存储器；

在油门踏板预测单元不控制节气门驱动时，读取x1和x2并输入神经网络，获得输出ok，并与dk比较。利用ok与dk的差值对加权系数不断修正；对于每一个样本p，引入误差函数：

将加权系数向ep的负梯度方向调整，使误差逐渐收敛于0。

输入层加权系数设为常数，输出层与隐含层加权系数修正公式分别为：

其中是学习速率，为大于0的常数。

当误差函数ep多次小于预定值时，认为网络学习完成，可以开启预测功能。当踏板由静止开始运动时，利用神经网络预测踏板运动的目标位置，提前驱动控制节气门的步进电机14使节气门开度达到预定位置。此过程将减小电子节气门的延迟。为安全起见，当网络预测结果与实际踏板停止位置超过误差允许时，将关闭预测功能，重复前述学习过程。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。