模型在环仿真（精选5篇）
模型在环仿真 篇1
摘要：为预测柴油机的动力性、经济性和排放性能,针对1135非增压柴油机建立了准维燃烧模型;介绍了模型中各个子模型的建模方法,重点阐述了喷雾模型的建模原理;对比研究了不同空气卷吸持续期对柴油机性能预测结果的影响。仿真计算结果表明,以破碎期为界将同一时刻喷入缸内的燃油划分为液态和气态的假设是可取的,燃烧结束后没有新的空气卷入燃烧区,这种计算方法使模型能达到较好的预测精度,同时使仿真系统具有较高的运行实时性。
关键词：内燃机,柴油机,准维燃烧模型,性能预测,MATLAB仿真
0概述
燃烧过程是影响柴油机性能的关键因素。以往对燃烧过程的研究大多借助于试验进行,需要花费大量的人力和物力,且限于试验条件使试验具有很大的局限性。目前硬件在环仿真系统通过其系统中的柴油机模型模拟柴油机各运行工况,它可以有效预测柴油机的各项性能,分析各种参数对柴油机性能的影响,代替了大量的试验工作,为柴油机的性能改进和优化提供了一种新的途径;同时具有参数调整方便、运行速度快、成本费用低等特点。本文针对1135型非增压柴油机建立了一个简化的准维燃烧模型,预测了柴油机的动力性、经济性和排放性能,在保证模型的正确有效性和提高仿真系统的运行实时性方面进行了研究。
1柴油机准维燃烧模型的建立
1.1柴油机喷雾模型
柴油机燃烧是一个复杂的过程,燃油从喷入气缸到开始燃烧的时间极短,此过程中包括燃油油束的分裂与油滴的形成、液体燃油的加热和蒸发、燃油蒸气与周围空气混合形成可燃混合气、高温高压条件下燃料重烃裂解为轻烃并与空气中的氧分子反应等一系列复杂的物理和化学过程。经过这个过程后,在燃烧室内多处出现火焰中心,导致可燃混合气迅速燃烧,而后进入气缸的燃油同样也经历分裂、蒸发、混合、裂解、燃烧等过程。柴油机缸内的燃烧过程是在燃油、空气混合极不均匀的情况下进行的,而燃油与空气的这种混合特征直接关系到其燃烧过程和有害排放物的生成。为了描述这一特征,提出了众多的喷雾模型,其中有代表性的包括液滴模型[1]、气相射流模型[2]和两相流模型[3,4]。
对于硬件在环仿真系统中的柴油机燃烧模型,在保证正确有效性的同时,要求其具有较高的运行实时性。燃油喷入气缸后,在燃、空混合比达到可燃极限前需要经历一段时间,可以假定在这段时间里燃油完全气化,燃烧主要取决于燃、空混合比,油滴蒸发影响不大。本文根据上述假设建立了适用于硬件在环仿真系统中的柴油机喷雾模型,以破碎期为界,把同一时间步长内喷入气缸的燃油划分为液态和气态,并将破碎期后的喷雾简化为一维气相射流,将这个喷雾模型称为相态分段模型。相态分段模型和3种代表性喷雾模型的比较如表1所示。
1.2柴油机准维燃烧模型的建立
1.2.1 燃烧模型中各子模型的建立
考虑到模型的通用性、灵活性和易用性,采用模块化的建模思想建立了柴油机准维燃烧模型。模型分为破碎期计算模型、喷雾模型、滞燃期计算模型、传热计算模型、热力学计算模型、燃烧产物化学平衡及组分的热力特性计算模型、排放计算模型等7个子模型。破碎期按照广安博之公式计算。喷雾模型在下节中阐述。滞燃期按照Hardenberg公式计算,并在满足undefined条件下开始燃烧。传热计算模型中各小区内的传热由缸内的总传热量按照质量分配给小区。热力学计算模型中各小区之间互相独立,在小区内部满足零维假设,用常微分方程来描述。燃烧产物化学平衡及组分的热力特性计算模型见文献[6]。排放计算模型中NOx计算采用扩展的Zeldovich模型,碳烟计算采用文献[7]中的方法。
1.2.2 燃烧模型中的喷雾模型
燃油在破碎期内为液态,没有空气卷入;在破碎期后为气态,与卷入的空气形成可燃混合气。模型中小区卷吸空气量按照动量守恒原理计算
mfiuoi=(mfi+maij)uj (1)
undefined (2)
uj=0.584ucj (3)
undefined (4)
式中,mfi为第i个小区的燃油质量,由喷油规律确定;uoi为第i个小区燃油的出口速度,由式(2)确定,其中cd为流量系数,本文取cd=0.58;maij为第i个小区在j时刻卷入的空气质量;uj为第i个小区在j时刻的平均速度,由式(3)确定;ucj为第i小区在j时刻中心线上的射流速度,由式(4)确定;pinj为喷油压力;pa为缸内空气压力;ρL为喷油器出口液态燃油密度;ρa为缸内空气密度;d0为喷孔直径;t为第i个小区从喷入气缸到j时刻所经历的时间。
当小区内出现火焰后,实际卷入小区内的空气量将会有所减少,由式(5)确定
m′aij=ca·maij (5)
式中,ca为衰减系数,本文取ca=0.7。
1.2.3 空气卷吸持续期的研究
喷雾混合过程是影响柴油机燃烧过程的关键因素。小区内的燃油处于有火焰的非纯空气的包围之中,其燃烧过程受控于小区内可燃混合气的形成,而可燃混合气的形成是由小区的空气卷吸率决定的。此外,小区的空气卷吸持续期还直接关系到区内高温的持续时间,进而影响柴油机的排放。因此,本文在建立喷雾模型时对不同的空气卷吸持续期进行了对比研究。
空气卷吸持续期是指从小区经历破碎期后开始卷入空气到卷吸空气终止的时间。小区经历破碎期后,根据动量守恒原理计算小区的瞬时空气卷吸量,从而得到每小区可燃混合气的质量。小区内的可燃混合气经过滞燃期后开始燃烧,直到小区中的燃油烧尽燃烧终止。而对于燃烧结束后小区的空气卷吸时间,将分3种情况进行对比研究。
(1) FICE法
假设小区中燃油烧尽后,终止卷吸新的空气。此后按照能量守恒方程、质量守恒方程和理想气体状态方程(简称热力学三方程)计算该小区工质压力、温度等参数的变化,从而进一步计算小区的排放。当小区温度低于冻结温度1 800 K时,停止NOx排放计算,碳烟排放的计算直至排气门开启为止。
(2) BIJT法
假设小区中燃油耗尽后,继续按动量守恒原理卷入新的空气,直到该小区温度低于1 800 K时,终止卷吸新的空气。此后继续用热力学三方程计算该小区工质压力、温度等参数的变化。NOx排放计算止于小区温度低于1 800 K,碳烟排放的计算直至排气门开启为止。
(3) WJTT法
假设小区中燃油耗尽后,继续按动量守恒原理卷入新的空气,直到所有小区温度低于1 800 K时,所有小区同时终止卷吸新的空气。此后小区继续用热力学三方程计算该区工质压力、温度等参数的变化。NOx排放计算止于小区温度低于1 800 K,碳烟排放的计算直至排气门开启为止。
通过对空气卷吸持续期的研究可以看出:不同的空气卷吸持续期使各小区经历高温的时间不同,这将对柴油机的有效功率、有效燃油消耗率以及NOx和碳烟排放的计算结果产生一定的影响。
2MATLAB建模仿真及结果分析
2.1MATLAB仿真模型程序流程
本文选用MATLAB为仿真工具。MATLAB是目前国际上最流行的科学与工程计算的软件工具,具有强大的数值计算功能、完善的建模仿真工具和卓越的数据可视化能力,并且还具有语言结构简单紧凑、使用灵活、库函数丰富等特点。柴油机准维燃烧模型仿真程序流程如图1所示。柴油机试验所用主要测试设备如表2所示。1135型柴油机基本参数如表3所示。
2.2仿真结果分析
柴油机准维燃烧模型在标定工况下缸内压力仿真计算结果与实测数据的比较如图2所示。在标定工况下柴油机性能参数仿真计算结果与实测数据的比较如表4所示。
从图2中可以看出:缸内压力仿真计算结果与实测数据的曲线形状基本吻合。这表明所建立的柴油机准维燃烧模型及各种参数的选择是正确的,模型能够反映柴油机燃烧过程中缸内压力的变化情况,也进一步说明用相态分段喷雾模型模拟柴油机燃烧过程的计算结果的可信性。
从表4数据比较结果可知:本文建立的柴油机准维燃烧模型可以较好地预测柴油机的动力性、经济性和排放性能。对表中的数据作进一步分析可知:3种方法柴油机的有效功率、燃油消耗率的计算结果与实测数据相对误差均小于1.8 %,且差别微小;NOx和碳烟排放的计算结果与实测数据相对误差均小于18 %,而FICE法与其它2种方法相比,其排放计算结果与实测数据相对误差更小,不超过为7 %。比较3种空气卷吸持续期的计算条件可知:(1)它们在燃烧过程中空气卷吸量的计算完全相同,进而缸内的压力、温度等参数的计算结果也完全相同;3种方法只是在燃烧结束后计算空气卷吸持续期不同,而这段时间对缸内压力、温度等参数的计算不会产生较大的影响,因此3种方法的柴油机有效功率、燃油消耗率的计算结果比较接近;(2)FICE法空气卷吸持续期明显短于其它2种方法,因此导致小区内高温持续时间较长,从而使FICE法比其它2种方法的NOx和碳烟排放的计算结果更接近于实测结果。
由以上分析可以得出:在建立非增压柴油机燃烧模型时,喷雾模型以破碎期为界,将同一时间步长内喷入气缸的燃油划分为液态和气态的假设是可取的;同时将破碎期后的喷雾简化为一维气相射流,这使燃烧模型大幅度简化,提高了仿真系统运行的实时性。
通过研究比较不同空气卷吸持续期对柴油机性能影响的结果可知:小区燃烧结束后终止卷入空气(FICE法)是较适宜的计算方法,这种方法使模型具有更好的预测结果,同时提高了仿真系统运行的实时性。
3结论
(1) 建立的1135非增压柴油机准维燃烧模型是正确的,可以较好地预测柴油机的动力性、经济性和排放性能。
(2)相态分段喷雾模型可以大幅度简化仿真模型,提高了仿真系统运行的实时性。
(3) 对小区空气卷吸持续期宜采用小区燃烧结束后终止卷吸空气的计算方法,使仿真模型具有较好的预测精度,并能提高仿真系统运行的实时性。
模型在环仿真 篇2
汽油机空燃比控制是电控系统中重要的控制项之一,空燃比控制效果直接影响发动机动力性能、经济性能和排放性能。实际空燃比的微小变化会引起三元催化转化器转化效率的严重降低。在空燃比控制中,由于发动机是一个非线性多扰动的系统,存在很多不确定性因素,很难获得发动机精确的数学模型。当发动机处于稳态工况下,空燃比的精确控制较容易实现;但是在过渡工况时,由于存在较多不确定性因素影响,给空燃比控制带来了很多困难。
随着排放法规越来越严格,汽车测试工况中过渡工况占了非常大的比例,所以对过渡工况下空燃比的控制研究具有重要意义。目前国内外针对空燃比的控制有许多控制理论和方法,例如神经网络控制[1,2,3]、改进的PID控制方式[3]等。
常规PID控制由于结构简单、易于操作、对模型误差具有鲁棒性等优点,是目前工业过程控制中应用最为广泛的策略之一,但是当被控对象具有复杂的非线性特性时,往往难以达到满意的控制效果。
神经网络模拟人脑的工作方式,具有很强的非线性映射能力和自学习能力,但是一般神经元网络收敛速度很慢,训练和学习时间很长,为满足系统性能要求,大量增加隐含层神经元个数,网络的计算量很大,使在当前的技术水平下很难保证控制的实时性;而改进的PID控制方式,如模糊PID控制[4]、智能PID控制[5]等等,其理论依据不同,采用手段也不相同,但其共同点都是针对如何选取和整定PID参数。
本文结合常规PID控制理论和神经网络各自的优势,采用PID神经元网络(proportional-integralderivative neural network,PIDNN)控制策略[6,7],在神经网络隐含层中引入比例(P)、积分(I)、微分(D)单元,使其成为一种动态的前向网络,对发动机空燃比进行辨识[8]与控制,同时在线修改神经网络的权值,适应发动机工况的变化,提高控制系统的性能和可靠性,并进行了仿真验证。
1 PIDNN控制系统
1.1 PIDNN控制器的设计
文献[6-7]中提出了PIDNN及其控制系统。PIDNN的基础是分别定义具有比例、积分、微分功能的神经元,从而将PID控制规律融合进神经元网络之中。这些神经元的输入-输出函数分别为比例、积分和微分函数,既有静态的,又有动态的。PIDNN的各层神经元个数、连接方式、连接权重初值是按PID控制规律的基本原则确定,控制器的输入是期望值与系统实际输出值,在完成由输入到偏差的映射,隐含层到输出层的权值选择为传统PID控制器的比例、积分、微分系数时,PIDNN控制器的初始输出等价于传统PID控制器的输出[6]。
在此基础上,由PIDNN反传学习算法对网络进行在线学习和调整,通过修调权值wij来调节PIDNN的输入环节,修调wi(1)调节其输出环节。PIDNN结构图见图1,对于每个神经元,ni表示其输入,ui表示其状态,xi表示其输出,wij表示输入层到隐含层的权值,wi(1)为隐含层到输出层的权值。
1.2 PIDNN控制系统工作原理
由于发动机工作过程中,其电控喷射系统一般都采用前馈控制和闭环反馈控制相结合的方法控制燃油喷射量,前馈控制根据发动机的当前运行工况决定基本燃料喷射量,反馈控制则根据检测的氧传感器信号对基本喷射量进行补偿,实现对空燃比的精确控制。建立了如图2所示的控制系统。图中,p为进气压力;T为进气温度;N为发动机转速;λin(k)为给定的目标空燃比;λout(k)为氧传感器的反馈值;λiout(k)为PID神经网络的辨识输出;tm为由p、T和N决定的基本喷油量[9];v(k)为由PIDNN控制器给出的燃油补偿量;t为总的喷油量。
2 PIDNN学习算法
2.1 PIDNN辨识器学习算法
PIDNN辨识器(PIDNN_I)网络输入层的输入输出为:
隐含层第i(i=1,2,3)个神经元的输入为:
隐含层的各个神经元状态不同,分别具有比例、积分、微分功能。在实际控制过程中,控制器输出有限值,因此定义了输出上下限,比例元、积分元、微分元的状态分别如式(4)~式(6)所示。
隐含层各神经元的输出为:
式中,i=1,2,3。
输出层的输入和输出分别为:
取目标函数为:
PIDNN以目标函数值最小为训练和学习的目标,采用梯度下降算法使权值沿着表现函数的负梯度方向调整,同时考虑到以前积累的经验,即之前时刻的梯度方向,引入了动量因子mc以降低网络对于误差曲面局部细节的敏感性。经过K次学习训练后,隐含层至输出层的连接权重调整为:
同样经过K次学习训练后,输入层至隐含层的连接权重调整公式为:
式中,η为学习步长。
另外为了保证系统调节无静差,输入层至隐含层积分神经元权值应满足[λout(k),λiout(k)]到e1(k)的无畸变性,因此输入层至隐含层积分神经元权值w21和w22在整个过程中应该保持绝对值相等且符号相反。
2.2 PIDNN控制器学习算法
PIDNN控制器(PIDNN_C)学习算法与PIDNN_I学习算法略有不同,其不同之处如下。
网络输入层的输入和输出为:
网络输出层的输入和输出为:
PIDNN_C取目标函数为:
隐含层至输出层的权值变化为:
输入层至隐含层的权值变化为:
式中
3 仿真模型的建立
3.1 基于AMESim的直喷发动机模型
本文研究对象为一款2.0L缸直喷增压汽油机,发动机参数如表1所示。
AMESim软件的IFP Engine库中包含了压缩和膨胀数学模型、燃油喷雾混合模型、油滴蒸发模型、传热模型等,汽油机燃烧过程计算可以直接调用这些子模型。根据其物理模型及发动机相关参数,在AMESim仿真软件中搭建该汽油机模型,如图3所示。整个模型包括进气管、排气管、喷油器、气缸、相关传感器及与Matlab联合仿真的接口模块等部分。
3.2 联合仿真控制器模块的建立
运用Matlab与AMESim的Co-simulation接口,利用图3所示的发动机模型及PIDNN算法,在Matlab/Simulink中建立发动机空燃比实时控制及在线辨识系统仿真模型,如图4所示。控制系统根据汽油机仿真模型中的进气压力传感器、进气温度传感器、转速传感器的信号,确定基本喷油脉宽,同时根据空燃比传感器反馈的信号,由PIDNN控制器计算,修正喷油脉宽。PIDNN辨识器根据PIDNN控制器的输出及上一循环空燃比传感器反馈的信号,进行在线辨识。
4 空燃比仿真分析研究
对于采用传统PID控制的空燃比系统,针对本文的发动机模型,采用Ziegler-Nichols法[10]得到PID控制器的参数为:Kp=0.72,Ki=6.38,Kd=0.021。
为了验证PIDNN控制器的优越性,对本文中采用PIDNN控制器与普通PID控制器在联合仿真软件中进行仿真对比测试,PIDNN_C的初始权值为wij=[1 0.5 1;-1-0.5-1]T,w1(1)=Kp,w(1)2=Ki,w(1)3=Kd。
初始步长η=0.25,惯性系数mc=0.1。PIDNN_I的初始权值为wij=[1 0.5 1;-1-0.5-1]T,w(1)1=w(1)2=w(1)3=0.1。
初始步长η=0.1,惯性系数mc=0.05。同时,在仿真过程中加入了噪声信号来模拟测量噪声,在不同的转速条件下进行仿真,在节气门开度阶跃变换时空燃比的PIDNN_I辨识结果如图5所示。图5(a)为节气门开度在10%~40%之间的阶跃变换;图5(b)为发动机转速1 500r/min时的辨识结果,由于PID神经元网络辨识器网络权值初值选择的任意性,在仿真刚开始的时候辨识误差较大,但网络能够迅速对权值进行在线调整,在0.5s后辨识系统的输出与发动机模型的输出误差减至0.05以内,快速跟踪实际空燃比的变化;图5(c)为发动机转速提高到3 000r/min时的辨识结果,由于转速高,每一循环的时间短,调节频率快,辨识器相比于1 500r/min时,可在0.3s的时间内实现空燃比的跟踪。良好的辨识效果还能够提高PIDNN控制器反传算法的精度。
不同转速下节气门开度如图5(a)所示在10%~40%阶跃变换时,PIDNN控制器与传统PID控制器空燃比控制结果对比见图6。图6(a)所示为发动机转速1 500r/min时,分别在两种控制策略控制下空燃比的变化情况。在稳态工况下,两种控制策略都能很好地把空燃比控制在理论空燃比附近;而在节气门突变时,在PIDNN控制器控制下过量空气系数的超调量相比传统PID控制器下降0.3以上,且能在2s时间内使空燃比恢复至理论空燃比(过量空气系数为1)附近。图6(b)为发动机转速提高到3 000r/min时节气门突变时的控制结果。从图6(b)可以看出,在该工况下,PIDNN控制器对于空燃比的控制较为理想,超调量较小,且响应速度很快。这是因为随着转速的提高,单位时间内循环次数增多,使PID神经网络学习更加迅速,加快了空燃比调整的速度。
从仿真结果可以看出,相比于传统PID控制器,PIDNN控制器对参数的变动具有较强的鲁棒性,系统的输出量变化更加平缓,而且在节气门开度突变后,空燃比超调量小,能很快回到理论值附近。
5 结论
(1)采用PIDNN辨识器能够很好地实现发动机空燃比的在线辨识,具有很好的跟踪性,辨识系统的输出与发动机模型的输出误差在0.05之内。在发动机部分负荷工况下,无论在稳态工况还是在过渡工况下,PIDNN控制器都具有很好的鲁棒性及抗干扰能力,调节精度高,过量空气系数的超调量相比传统PID控制器下降0.3以上,且能在2s时间内使空燃比恢复至理论空燃比。
(2)参数辨识和仿真控制中充分考虑了实际实验中会存在的测量噪声和建模误差,因此仿真能较为真实地反映实际情况,结果有效可信。模型在环仿真使得在发动机控制系统开发的早期,利用发动机的实际物理参数建立的联合仿真平台能够检验其控制系统的性能,从而节约开发时间与成本。
摘要：针对过渡工况下汽油机空燃比难以精确控制的特点,将PID神经元网络(proportional-integral-derivative neural network,PIDNN)控制策略用于发动机常用的部分负荷工况下空燃比的辨识与控制。在AMESim中,从实际发动机物理模型出发建立了发动机仿真模型;同时在Matlab软件中建立PIDNN辨识器、PIDNN控制器;通过Matlab和AMESim软件的耦合进行模型在环仿真,建立电喷发动机实时控制系统,通过联合仿真观察辨识效果,同时检验控制系统的性能。模型在环仿真结果表明:PIDNN辨识器能够快速跟踪实际空燃比的变化,辨识系统的输出与发动机模型的输出误差在0.05之内;在过渡工况下,PIDNN控制器控制下的过量空气系数超调量相对于普通PID控制器能减小0.3以上,同时能在2s内将过量空气系数控制至目标值,提高了空燃比的控制精度。
关键词：内燃机,PID神经元网络,过渡工况空燃比控制,系统辨识,模型在环仿真
参考文献
[1]王莉,刘德新.神经网络在汽油机瞬态空燃比控制中的应用[J].天津大学学报,2007,40(11):1367-1371.WANG L,LIU D X.Application of neural network in control for transient air-fuel ratio of gasoline engine[J].Journal of Tianjin University,2007,40(11):1367-1371.
[2]侯志祥,吴义虎.车用汽油机过渡工况空燃比的神经网络控制研究[J].内燃机工程,2006,27(5):33-36.HOU Z X,WU Y H.Air fuel ratio control of gasoline engine under transient condition based on neural networks[J].Chinese Internal Combustion Engine Engineering,2006,27(5):33-36.
[3]LENZ U,SCHROEDER D.Transient air-fuel ratio control using artificial intelligence[C]//SAE Paper.[S.l.],1997,970618.
[4]刘一鸣,刘伟,花志远.基于模糊PID的电喷天然气发动机空燃比控制策略研究[J].内燃机工程,2012,33(3):14-19.LIU Y M,LIU W,HUA Z Y.Research on air-fuel ratio control of electron-controlled CNG engine based on fuzzy PID[J].Chinese Internal Combustion Engine Engineering,2012,33(3):14-19.
[5]廖芳芳,肖建.基于BP神经网络PID参数自整定的研究[J].系统仿真学报,2005,17(7):1711-1713.LIAO F F,XIAO J.Rearch on self-tuning of PID parameters based on BP neural networks[J].Journal of System Simulation,2005,17(7):1711-1713.
[6]舒怀林.PID神经元网络及其控制系统[M].北京:国防工业出版社,2006.
[7]SHU H L,PI Y G.PID neural networks for time-delay system[J].Computers and Chemical Engineering,2000,24:859-862.
[8]WENDEKER M,Czainigowski J.Hybrid air/fuel ratio control using the adaptive estimation and neural network[C]//SAE Paper.[S.l.],2000,2000-01-1248.
[9]HENDRICKS E,CHEVALIER A.Modelling of the intake manifold filling dynamics[C]//SAE Paper.[S.l.],1996,960037.
模型在环仿真 篇3
工业汽轮机是大型工业装置中的关键动力设备,广泛应用于石化、电力、冶金、能源综合利用等工业领域[1]。近年来,无论是在国内市场还是东南亚等国际市场,非标准设计制造的工业汽轮机逐步增多,而新设计的控制器承担着转速和负荷调节任务,直接影响着机组运行的安全性、可靠性。现有的仿真技术只是简单性能仿真,而不能与实际控制器连接、实现硬件在环动态性能仿真与测试。为了调试控制系统的有效性,通常需要现场调试,不但耗时、费力,而且严重影响生产进度[2]。
本研究针对中国最大的工业汽轮机生产厂家—杭州汽轮机厂生产的非标准汽轮机,采用基于硬件在环与LabVIEW的动态仿真技术,对工业汽轮机进行在线仿真研究。
1 LabVIEW概述
LabVIEW被视为一个标准的数据采集和仪器控制软件,内含丰富的数据采集、数据信号分析以及控制等子程序,用户利用创建和调用子程序的方法编写程序,使创建的程序模块化,易于调试、理解和维护,而且程序编程简单、直观。因此它特别适用于数据采集处理系统[3,4]。
在本研究中,整个仿真仪基于LabVIEW 8.20平台,采用面向对象编程技术,程序内部应用Data Socket技术通信,外部通过DAQ(Data Acquisition)板卡与控制器实现I/O,包括汽轮机空载启动、甩负荷、故障等均可实现有效动态仿真。另外,还可以通过改变汽轮机转子等参数进行系统参数辨识与优化,具有友好的人机交互界面,便于操作。
2 工业汽轮机调节基本原理
汽轮机调节系统方框图如图1所示,在此系统中包含两个控制回路:①速度系统;②功率系统。所以又称功频调节系统。在系统中,当汽轮机单机发电运行、负荷增加(或减少)而导致转速降低(或升高)时,通过电子测量元件测量汽轮机的转速和功率,将它们转化为电压(或电流)信号反馈。在A点比较后得到频率和功率的偏差信号,PID将偏差信号进行比例和积分等放大后输送到油动机,调节阀门开度,改变汽轮机功率,使汽轮机功率相应增加(或减少),从而建立新的平衡[5]。
根据上述原理作如下假设[6]:
(1) 假定系统在平衡位置时,每个部件作微幅变化,非线性方程可简化成泰勒展开式;
(2) 辅助运动部件的质量忽略不计,调节系统的动力油压力较高,辅助运动部件的尺寸和质量较小,因此其质量可忽略不计;
(3) 液态摩擦力相对系统来说很小,忽略不计;
(4) 热力系统本身固有的非线性因素忽略不计。
由此,工业汽轮机系统的各部分典型元件运动方程及传递函数分别为:
(1) 汽轮机转子运动微分方程式:
式中 Ta—转子滑行时间常数,表示以额定参数(此时阀门全开)的蒸汽进入汽轮机转子的角速度从零达到额定角速度ωe所需时间;β—自平衡系数,β=1;φ—百分速度变量;ψ(t)—扰动,负号表示负载增加角速度减小,负载减少,角速度增加。
则其传递函数为:
(2) 蒸汽容积方程:
式中 Tρ—蒸汽容积时间常数;ρ—内部压力变化率;μ1—阀门开度变化相对值;Kρ—调节作用系数,蒸汽单位压力变化引起主力矩变化的大小,Kρ=1。
其传递函数为:
(3) 油动机运动方程:
式中 Ty—油动机时间常数;σ—油动机调节阀门位移的变化率。
其传递函数为:
3 系统总体设计
系统设计总体方案如图2所示,以LabVIEW程序为核心,充分发挥其良好的软、硬件集成能力。在系统中,由控制器输出的阀门开度模拟控制信号,经过调理电路输送到DAQ设备,进入LabVIEW;LabVIEW利用计算机强大的数据处理能力对信号进行分析处理,替代真实汽轮机工作,得到实时转速和功率信号;结果即时输出到控制器并显示于前面板,此时可以通过人机交互界面改变参数及性能,实现系统动态仿真及测试。
3.1 硬件设计
硬件设计主要包括两部分:采集卡的选择和信号调理电路。为保证采集信号的精确,笔者采用美国NI公司的USB-6211多功能数据采集卡。它是一款基于USB总线技术的即插即用多功能数据采集卡,具有16路模拟输入通道,测量范围±10 V,采样率250 kS/s;2路模拟输出通道,电流驱动2 mA/4 mA,输出更新率250 kS/s;16位输入/输出分辨率,4条数字I/O线,2个计数器/计时器,数字信号触发;硬件时钟模块可以很好地实现实时测量和模块化编程,满足汽轮机控制器不同工况的测试。
根据工业汽轮机控制器接收和输出信号特征:阀门开度信号为4 mA～20 mA直流电流,接收转速信号为20 V～30 V直流电压脉冲信号,功率为4 mA～20 mA直流信号,开关量信号高电平为1.5 V～5 V,低电平为0 V～0.5 V。综上所述,调理电路如图3所示。
3.2 软件设计
利用LabVIEW的优势在于能直接解决大多数仿真环节,而且很容易实现I/O。软件的设计主要包括两部分:系统仿真的编程实现和人机交互的界面,重点是对汽轮机系统仿真的逻辑框图实现。如图4所示,其中功率、转速模块代表图1中的两个调节系统循环;功率输出、转速输出模块为系统反馈;信号调度是转速控制与功率控制切换开关,即并网选择开关。
本模拟系统的各个环节最终都可以分解为由比例环节、延迟环节、实际微分环节、积分环节这4个基本环节中的一个或几个组成。对一个连续的传递函数,在对数学模型进行离散化并确定采样周期之后,就可以在LabVIEW中具体实现了。本研究采用在双线性变换法(又称为梯形积分法)的基础上增加了频率预曲折的方法,可以减小频率响应的畸变,即在一定的频率范围内将频率响应畸变降低到最低程度。以油动机模型为例,该环节传递函数为:
将上式取z-1变换,并整理得:
油动机模型模块化封装如图5所示。可以看到它有3个输入、1个输出数据节点、阀门开度、Ty、采样周期和输出组成。这样可以运行单位的实验数据来验证建立模型的准确性。系统的准确实现是基于对每个子部件充分研究和实现的基础上,对每个部件进行标准封装。
4 仿真结果及分析
基于上述的仿真系统,在505DE和杭州汽轮机厂研发的HD110汽轮机控制器上对汽轮机系统进行了硬件在环的仿真试验[7,8]。505DE仿真参数为电网额定功率30 MW、额定转速5 016 r·min-1和杭州汽轮机厂研发的汽轮机控制器的仿真参数为电网额定功率60 MW、额定转速3 000 r·min-1,如图6所示。参数辨识的结果如表1所示。
由表1仿真结果可知,此仿真系统中的汽轮机动态模型基本符合要求。
5 结束语
本研究提出了一种新颖的数字化实现方法,即采用LabVIEW来实现汽轮机系统仿真。此方法相对以往的实现方法具有以下特点:参数调整灵活、调节精度高、可视化人机界面友好、开发周期短、便于二次开发等。
基于理论和试验结果分析,所建立的汽轮机系统模型是正确的,能够满足空载起动、满载甩负荷等暂态过程的基本要求。
摘要：为了验证新开发的汽轮机控制器的方案以及性能,基于LabVIEW平台,应用硬件在环技术研发了一套汽轮机仿真系统。首先采用频率预曲折双线性变换法将控制系统的数学模型离散化;然后在LabVIEW中进行图形化编程,从而实现了基于虚拟仪器的汽轮机系统的仿真。研究结果表明,该系统有效缩短了新产品研发周期,减少了控制系统的调试时间,能完成控制系统出厂前系统调试、用户现场仿真操作培训和有效辨识控制系统的参数,为实时论证控制器性能的难题提供了解决方法。
关键词：工业汽轮机,LabVIEW,硬件在环
参考文献
[1]时献江,王渝,邵俊鹏,等.工业汽轮机调节系统动态特性的数学模型及仿真[J].汽轮机技术,2005,47(2):99-104.
[2]MACMINN S R,THOMAS R J.Microprocessor simulationof synchronous machine dynamic in real time[J].IEEETrans.on PWRS,1986(3):220-225.
[3]STEFAN K.The application of a steam engine room simula-tor to engineering education and training[J].World Trans-actions on Engineering and Technology Education,2005,4(1):133-136.
[4]李华会,张宪发,邝泳聪,等.全自动锡膏印刷机人机界面的圆形化设计与实现[J].机电工程技术,2007,36(5):34-37.
[5]IEEE Committee.Dynamic model for steam and hydro tur-bines in power system studies[J].IEEE Trans.,1974,89(1):1904-1915.
[6]KLUJ S.The Potential of Computer Aided Learning and ItsImpact on Marine Engineering Education and Training[C]//Proc.3rd Global Congress on Engng.Educ.Scotland,UK:Glasgow,2002:342-344.
[7]曹李农,李志强,胡克佳,等.基于LabVIEW的工业汽轮机仿真及测试系统[J].机电工程,2008,25(12):15-18.
模型在环仿真 篇4
在安全气囊控制模块(ACU)的开发过程中,加速度传感器是安全气囊起爆的输入信号,但由于这类加速度传感器都是IC封装,测试时只能通过实际的碰撞验证ACU的起爆性能。而受实车碰撞的成本高、周期长、操作复杂等因素制约,使得利用最终的实车碰撞来标定ACU算法成为不可能。同时,加速度传感器在生成制造过程中同样有很多失效形式,而在加速度传感器上又无法模拟其内部故障,因此如何验证ACU在其失效时是否能提醒驾驶员及时维修/更换产品,避免功能失效导致的安全问题同样是重中之重。
鉴于以上原因,针对加速度传感器的硬件仿真是解决上述问题的唯一途径。在硬件仿真测试过程中,由于碰撞信号、加速度数据、寄存器状态等都是可配置的,因此具有操作简单、一致性高、成本低等优点。
本文以飞思卡尔的PSI5加速度传感器MMA5124LWR为例,利用单片机模拟加速度信号与ACU进行数据交互。配置文件(包含传感器初始化信息、寄存器信息、是否模拟故障等)及加速度信息通过CAN接口预植入到单片机内部,通过触发方式模拟碰撞产生,发送碰撞时的加速度信号。采用此种方式可实现基本的数据通信以及碰撞模拟、故障注入等功能,可以代替传统的实车验证来标定算法、验证软件鲁棒性等功能。
1 PSI5通信简介
PSI5(Peripheral Sensor Interface)最早由博世、奥托利夫、大陆集团成立的“PSI5委员会”联合开发,专门用于安全气囊加速度传感器的通信。由于PSI5是已经在数以百万计的安全气囊控制系统中验证的开放标准,其低成本易应用的技术特点使PSI5也适用于其他的汽车传感器。
PSI5采用两线供电的传感器和数据传输。安全气囊控制模块给传感器提供电压,从传感器到ACU的数据通过对电源线的电流调制进行传输。
数据传输采用Manchester编码,电流下降表示逻辑“0”,电流上升表示逻辑“1”。每一帧数据由2 bit起始位、10~20 bit数据位、1 bit奇偶校验位或3 bit CRC校验位组成[1]。单帧数据结构如图1所示。
2 硬件在环仿真系统介绍
硬件在环仿真是指被仿真环境中存在实物硬件的实时动态仿真技术。仿真环境不仅需要数据输入、输出测试,还要进行信号模拟、故障注入、时序控制等复杂工作。信号发生器的信号源无法满足需求,而在实际产品上测试存在费用高、时间长、条件不确定等因素,导致实际无法执行测试。随着计算机技术的发展,开始使用硬件在环仿真技术进行控制系统软硬件的开发和测试[2,3,4]。
在ACU的开发过程中,加速度传感器作为气囊起爆与否的输入信号,任何差错都可能导致严重后果。对加速度传感器进行仿真,可以模拟整车碰撞实验,降低实验费用,同时可在软件开发期间进行故障注入测试,有效地缩短产品开发周期,提前发现问题,控制产品风险。
3 硬件设计
(1)微控制器单元
DSPIC33FJ128GP706是Microchip公司推出的高性能16位数字信号控制器,带有128 KB的Flash存储器和16 KB的在片RAM,可存储超过1 s的模拟加速度数据;DSP的DMA指令可实现快速数据处理,节省测试时间;利用其高速CAN接口可实现外部快速配置;片上AD接口用于传感器供电电压的检测。基于这些特殊性能,可实现复杂的系统需求。
(2)上位机接口
系统采用高速CAN连接上位机,波特率为500 K,数据长度8 B。假设待传输的加速度数据最大为2 KB,数据帧发送周期为10 ms,则发送所有数据所需要的时间约为2.56 s,在设计允许范围内。同时在仿真传感器运行时,上位机可通过CAN接口进行故障注入的设置。
(3)AD接口单元
使用MCU自带AD接口,实时监控ECU提供的电压,当电压大于5.5 V时,表示系统已经为模拟传感器供电,开始进入传感器初始化阶段。
(4)外部触发
通过外部触发功能,用于模拟碰撞的零时刻。当触发信号翻转时,表示车辆发生了猛烈的撞击,此时将预置在模拟器中的加速度数据通过PSI5接口发送给ACU,就可以实现碰撞的模拟。这种碰撞持续时间短,一般只有几百毫秒,利用单片机的RAM存储碰撞加速度信息可以实现快速读取。从碰撞的产生到发送碰撞加速度,最大延时为250μs(即一个PSI5发送周期)。
(5)ACU连接单元
由于PSI5通信数据由电流信号以Manchester编码方式进行传输,MCU输出信号为电压信号,无法直接被ACU识别,因此需要将MCU输出信号作为控制端,当电平变化时,对应负载不同,以达到电流变化的目的。
与ACU的连接,可以使用I/O口来调整传感器电源线的电流,但I/O口对MCU资源占用太高,稳定性差因此采用MCU的SPI接口,工作在主模式,所用的信号线为SCK、MOSI。
从PSI5的数据帧格式来看,PSI5每一位都对应高低两个电平的变化才能实现,因此SPI速率应为PSI5通信速率的2倍。由于MOSI的信号电平在空闲状态时不可控,因此增加了4个串入串出的8位移位寄存器SN74LV166AD,用SPI的SCK信号线来驱动移位寄存器,实现32位SPI信号的发送。
ACU连接部分电路如图2所示。
4 软件设计
待模拟的MMA5124LWR2的PIS5通信方式为125 kb/异步通信,加速度数据输出速率为250μs,上电初始化完成后,持续发送加速度数据给ACU[5]。初始化和发送加速度数据都是通过PSI5通信完成。传感器初始化执行过程如图3所示[6]。
从芯片的说明手册可以得知,该芯片在上电后和ACU的FILC芯片只有PSI5通信数据的交互,因此若要模拟其功能,只需要在上电后持续发送指定的PSI5数据就可以实现其基本功能的仿真。在仿真环境中,ACU的FLIC芯片提供传感器供电电压,仿真器供电由外部电源控制。仿真器上电后,首先通过CAN消息指定待发的PSI5数据,当检测到FLIC芯片提供传感器电压后将预设的PSI5数据发出即可。
需要注意的是,由于移位寄存器的锁存特性,每次发送的PSI5数据会在第二个32位SCK下发送。根据这一硬件特性,在传感器上电后,除了需要清楚移位寄存器的数据外,还需要预发第一帧SPI数据。当第二帧SP数据发送时,第一帧数据才从移位寄存器移出。
在作硬件在环时,除了正确模拟传感器工作之外还需要设置模拟传感器的各种工作情况,如碰撞时加速度信号以及各种错误情况和报告寄存器值错误、通信错误、数据错误等。在该应用项目中,只需要通过DSPIC33FJ128GP706的CAN通信配置相应软件参数即可实现,由于CAN的速率高,且DSP存储数据可以采用DMA方式传输,因此可以实现快速配置。
软件实现过程如图4所示。
5 系统验证
仿真测试时,需要将原有加速度芯片移除,用仿真设备连接至ACU电路中,同时ACU需要具备诊断功能,可以检测到传感器不通信的故障。
对硬件在环仿真测试系统的验证主要从两方面入手:(1)如果脱离硬件仿真平台后,被测产品无法正确运行,当被测产品运行在仿真环境下,仿真信号和实际信号匹配,应能做到正确无故障运行;(2)执行仿真测试时,导入仿真数据,被测产品能够按照预期目标执行,同时仿真数据与ACU监控到的加速度数据要保持一致。
仿真信号的示波器截图如图5所示。从该图中可以看出,PSI5信号非常完整,并能被ACU正常识别,同时可以方便地通过控制SPI信号模拟各种信号故障,如起始位错误、校验位错误、数据错误等,从而验证安全气囊控制模块的鲁棒性。
在ACU算法开发过程中,该模拟器可模拟实际碰撞时产生的加速度信号,使ACU认为处于碰撞环境中,从而验证算法的开发,为后续碰撞实验节约大量的宝贵资源。
6 结论
本模拟传感器实现了加速度传感器的基本功能,并可实现故障注入、碰撞模拟等特殊功能。从实际仿真效果来看,各项性能指标均达到设计要求,并且运行平稳目前已成功应用于高田ACU的研发和测试中。
摘要：随着汽车电子产品的发展,车辆传感器的使用也在不断增加。基于PSI5的新型传感器由于使用方便、执行成本低,成为汽车级传感器通信的新宠。然而,在产品开发阶段,如何针对这一类传感器进行验证成为新的课题。基于DSPIC33FJ128GP706的仿真器,设计了模拟飞思卡尔加速度传感器MMA5124LWR2的PSI5异步通信并通过验证,实现了该类传感器的硬件在环仿真。
关键词：PSI5,传感器,硬件在环,仿真
参考文献
[1]PSI5 Steering Committee.Peripheral sensor interface for automotive applications[DB/OL].(2012-08-10)[2016-07-05].http://psi5.org/specification/.
[2]张永刚,刘志峰.硬件在环仿真技术在汽车安全气囊电子控制系统中的运用[J].电子技术与软件工程,2014(24):251-255.
[3]吴伟斌,洪添胜,李震,等.基于虚拟仪器技术的汽油发动机ECU仿真测试系统[J].微计算机信息,2006(8):205-208.
[4]朱辉,王丽清.硬件在环仿真在汽车控制系统开发中的应用[J].汽车技术,1998(12):7-9.
[5]飞思卡尔半导体(中国)有限公司.飞思卡尔推出符合PSI5标准的汽车气囊系统产品[J].电子产品世界,2010,17(6):27-27.
模型在环仿真 篇5
NI Compact RIO是快速原型的理想平台, 它是一种小巧而坚固的工业化控制和采集系统, 采用可重配置的I/O (Reconfigurable I/O:RIO) 和FPGA技术实现超高性能和可自定义功能。NI CompactRIO包含实时控制器和可编程的FPGA芯片, 特别适合对可靠性有严格要求的独立嵌入式或分布式应用;还包含可热插拔的工业级I/O模块, 这些模块内置信号调理可直接和传感器/制动器连接。因为CompactRIO具有低成本开放性架构, 用户可以轻松访问到底层的硬件设备。而且, CompactRIO嵌入式系统可以使用高效的LabVIEW图形化编程工具进行快速开发。
按照《电动汽车充电站通用要求》的定义, 充电站是由三台及以上电动汽车非车载充电机和 (或) 交流充电桩组成 (至少有一台非车载充电机) , 可以为电动汽车进行充电, 并能够在充电过程中对充电机、动力蓄电池进行状态监控的场所。其系统包括:供电系统、充电系统、监控系统 (包括:供电监控系统, 充电监控系统和安全监控系统) , 如图1所示。充电设备研发主要分为两部分:充电系统、监控系统。
硬件在环
硬件在环 (HIL:hardware-in-theloop) , 又称半实物仿真, 是指用硬件I/O模拟真实的受控设备行为来验证控制器的性能。监控系统作为的充电站中枢神经必须具备实时、可靠、稳定和安全的特性, 在将控制器应用到实际系统前, 最好进行硬件在环仿真实验, 该环节的引入能确保在开发周期早期就完成嵌入式软件的测试, 以便及早地发现问题, 从而降低解决问题的成本。
监控系统实现对充电机运行和动力蓄电池充电过程的监视、保护、控制、管理和事故情况下的紧急处理, 以及数据的存储、显示和统计。监控系统和充电系统构成一个闭环系统如图2所示。
充电设备研发举例
充电站的核心是充电机, 监控系统是网络中枢, 电动汽车的电池系统是服务对象, 将快速原型和硬件在环技术一起应用到充电设备的研发系统中, 必将极大地提高研发效率, 降低研发成本。聚星仪器以LabVIEW为软件平台, 以NI的可重配置I/O为硬件平台构建了如图3所示的充电设备研发架构。
图3中各部分功能如下:
(1) 监控主站和供电监控系统
监控主站实现的功能包括:作为整个充电监控系统的监控、管理中心, 完成所有充电机信息的采集和显示, 充电机的控制和管理, 以及整个充电监控系统数据的存储、管理和统计;
供电监控系统实现的功能包括:实时采集和记录供电系统运行信息, 对供电状况、电能质量、开关状态、设备安全等进行监视和控制, 保证对充电站的安全供电。
监控主站和供电监控系统采用一台工控机来实现, 重点在软件功能。
(2) 充电机
一台cRIO设备作为充电机系统的半实物模型, 模拟充电机的各种功能, 包括控制电压输出、电流输出, 与电池系统的通信, 并接受监控主站的监测与控制。
NI C系列平台包含50多个NI模块、50多个第三方模块, 具有多种类型, 包括模拟输入、模拟输出、数字输入、计数器/定时器、数字输出和脉冲生成、CAN通信、串口通信 (包括RS232和RS485) 。
(3) 电池系统
调试过程中需要一台标准的电动汽车的电池系统, 这一部分按照《电动汽车电池管理系统与非车载充电机之间的通信协议》的要求与充电机交互通信。这一部分由一台cRIO设备作为标准的电源系统的半实物模型。
按照以上模块划分, 分别调试成功之后, 进入原型发布阶段。监控系统软件采用LabVIEW开发, LabVIEW开发系统有Windows版、MAC OS版和Linus版等多种版本, 从而支持在多种操作系统的发布。
充电机、电池系统的通信功能和控制算法验证完毕之后, 可以将原型平台直接作为发布平台, 以节省发布时间, 更快投放市场;也可以发布到其他平台, 例如性价比更高的SingleBoard RIO平台, 并且无需修改代码。
总结
作为智能电网的一部分, 电动汽车的充电是一个难题, 因为给汽车充电需要很大的电流量和大功率的电源, 产生的谐波对电网的安全和电能质量都是很大的考验。还有电子监控、充电机监控、计费计量等等智能型功能都需要来解决。电动汽车尤其是纯电动汽车要想成为主流, 首要条件就是要有便捷的充电网点。充电站将会在不久的将来代替加油站、加气站所扮演的角色, 在人们的生活中无处不在。上海聚星仪器基于NI LabVIEW软件平台和cRIO硬件平台为充电设备以及充电设施建设研发提供解决方案, 助力中国电动汽车行业发展。
摘要：NICompactRIO加上基于NILabVIEW软件平台的快速软件开发为各种快速原型和硬件在环仿真提供了有力工具。电动汽车的发展日新月异, 其中充电系统的研发迫切地需要这种快速高效的研发模式——快速原型和硬件在环。
关键词：电动汽车,智能电网,NI CompactRIO,嵌入式平台
参考文献
[1]低碳技术市场化之路:电动汽车, 2011第二届中国绿色燃料与汽车峰会
[2]电动汽车传导式充电接,
[3]电动汽车充电站通用要求,
[4]电动汽车电池管理系统与非车载充电机之间的通讯协议,
[5]轻型混合动力电动汽车能量消耗量试验方法,
【模型在环仿真】推荐阅读：
微观仿真模型05-14
动态仿真模型08-05
仿真模型验证08-22
数值仿真模型09-24
网络仿真模拟模型06-01
网络仿真训练模型06-30
MATLAB仿真模型09-12
公路仿真教学模型研究08-24
合成仿真07-21
通信仿真10-15