2019款迈腾B8L轿车发动机控制单元(J623)的故障检测方法

2019款迈腾B8L汽车控制单元的功能越来越强大,自诊断功能也越来越强,其控制逻辑相对复杂。要排除控制单元的故障原因,首先必须熟知其工作原理与控制方法,其次根据车辆的故障现象运用快速合理的诊断思路和方法逐步排除故障。文章主要对2019款迈腾B8L轿车发动机控制单元(J623)故障进行全面诊断分析,列举了控制单元的常见故障点,根据具体故障现象,详细梳理了发动机控制单元的诊断思路、方法及检测流程,为汽车维修技术人员提供相应的检修依据。维修人员应熟悉启动控制电路图,掌握启动控制逻辑,充分利用汽车故障诊断仪,熟读维修手册,确定诊断方案,以便在检修中快速准确判断故障点,并达到维修技能提升的目的。

基于神经网络逆控制的TBCC发动机多变量限制管理

涡轮基组合循环(TBCC)发动机的控制系统既需要对执行机构协同控制以充分发挥每个工作模态的性能优势,又需要实现限制管理功能以保证发动机在安全条件下工作。本文通过分析串联式TBCC发动机流路计算过程,建立其性能动态模型,提出了一种基于神经网络预测反馈与逆控制的TBCC发动机多变量主控回路,其在单一模式阶跃响应超调小于3%,模态转换推力流量波动小于4%。在多变量控制架构中引入了限制管理策略,通过对比分析基于模型预测控制的多变量约束方法,仿真表明本文提出方法在考虑多变量耦合基础上,在过渡态和模态转换过程中满足超限幅度小于0.2%和0.07%,能有效实现限制管理,且结构简单,易于实现。

基于转矩需求和进气量广义预测的汽车发动机空燃比神经网络控制方法

分析燃烧特性与温度值,进行汽车发动机空燃比控制,但是忽略了发动机内部喷输油过程的延迟性影响,导致控制结果空燃比与理想值偏差较大。因此,提出基于转矩需求和进气量广义预测的汽车发动机空燃比神经网络控制方法。基于转矩需求分析汽车动力系数,针对发动机喷输油过程对发动机进气量进行广义上的预测,根据预测值对喷输油延迟进行补偿,优化空燃比控制律实现控制过程。实验结果表明:本文方法应用后得出的控制结果,表现出的空燃比变化与理想的14.7空燃比十分接近,控制效果较为优质,满足了汽车发动机燃烧质量的实际需求。

电控单元及执行器电路分析与检测教学模式的研究(上)——基于高职院校《电控汽油发动机维修》课程理实一体化

《电控汽油发动机维修》是高职院校汽车运用与维修专业的核心课程,课程总学时为64学时。课程内容包括:发动机电控系统总体认识、燃油供给系统认识与检修、发动机进排气系统认识与检修、发动机点火系统认识与检修、发动机管理系统认识与检修、发动机综合故障诊断6个部分。本文主要针对2014款大众迈腾CEAA 1.8Tsi发动机电控系统相关执行器及电控单元电路进行了分析与检测,供汽车维修技师及职教汽修专业教师在车辆维修与教学工作中参考。

2014年奥迪A6L 仪表发动机废气灯点亮

车型:奥迪A6L(C7),配置2.0T(CDNB)发动机、0AW变速器。VIN:LFV3A24G3E3××××××。行驶里程:109401km。故障现象:客户反映组合仪表废气灯点亮,如图1所示。故障诊断:首先用诊断仪检查,在地址码01发动机控制单元内有故障码“P261A00冷却液泵2断路,主动/静态”,如图2所示。根据引导型测试计划提示需要对冷却液泵2 V51的供电、接地和信号控制电路进行检查。

具有网络调度的航空发动机分布式控制系统协同容错控制

为解决航空发动机分布式控制系统中网络参数与控制性能之间的冲突问题,提出了一种基于线性矩阵不等式理论的网络参数与保成本容错控制器协同设计方法。建立MEF-TOD调度协议作用下状态变量和控制变量的传输特性;将采样周期和数据包容量作为未知量引入航空发动机分布式控制系统的建模过程,得到调度协议约束下的网络参数与控制系统参数联合模型;给出联合闭环系统渐进稳定且存在成本函数上界的充分条件,并给出了网络参数与控制器增益的具体求解步骤。仿真结果显示,控制器与网络参数的协同设计方法能够求解出最优采样周期和数据包容量,据此得到容错控制器能够使航空发动机分布式控制系统在发生主动丢包故障的情况下,联合闭环系统渐进稳定,且低压转子转速超调量降低了80%,参数摆动降低了66.7%,保证控制器动态性能最优。

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿，神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型，适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。

基于神经网络的航空发动机全包线PID控制

提出一种基于神经网络的航空发动机全包线P ID控制器参数整定方法,在全包线内选定若干离线整定点,在这些点离线整定P ID控制器参数kp,ki,kd。以离线整定点参数为训练样本,离线训练BP神经网络,该网络可映射高度H,马赫数M a与kp,ki,kd的非线性关系,便可用该网络在线整定包线内任意点的kp,ki,kd。用发动机非线性部件级模型为被控对象的数字仿真表明,用上述方法设计的发动机P ID控制器在全包线内,都能获得理想的动静态品质。该方法简单易行,效果好,具有实用价值。

基于RBF网络的航空发动机预测滑模控制

针对航空发动机是一个不确定性的强非线性系统,借鉴预测控制的思想,提出了基于径向基函数RBF(Radical Basis Function)网络的航空发动机预测滑模控制.首先利用RBF网络建立航空发动机预测模型,进而得到滑模预测模型;其次在线修正网络参数实时反馈校正滑模预测模型,滚动优化求取控制量;然后采用另外一个RBF神经网络实现了全包线建模和控制;最后分析了控制系统的收敛性.仿真结果表明,所设计的控制器性能良好,能有效地抑制参数摄动和干扰的影响.

利用神经网络设计航空发动机全包线最优控制器

本文提出一种用神经网络拟合飞行条件、发动机工况与发动机最优控制器参数之间关系 ,从而设计适合于全飞行包线范围内发动机最优稳态控制器的方案。该方案可以针对发动机分段线性化模型 ,利用成熟的线性控制设计方法设计非线性控制器 ,且控制器结构简单、实时性好。仿真结果表明 ,所设计的发动机控制系统在整个飞行包线内的设计点及非设计点均具有良好的性能。

基于RBF网络的航空发动机单神经元解耦控制

针对航空发动机多变量控制系统中各回路之间存在的耦合现象,提出了一种基于RBF网络辨识的航空发动机多变量单神经元网络解耦控制方法。对发动机的多个控制回路,采用多个RBF网络实时辨识各个回路发动机的数学模型,并将系统的灵敏度信息实时反馈给各回路的控制器,保证了单神经元网络控制器对各回路的准确控制,最终实现对发动机多回路的解耦控制。通过在飞行包线内的仿真,结果表明,该方法不依赖被控对象的精确模型,有效地实现了对发动机的解耦控制,而且具有良好的动静态性能,将其应用于航空发动机多变量解耦控制是行之有效的。

6102LPG单燃料发动机智能电子控制单元的研制

介绍了针对6102LPG单燃料发动机所开发的智能电子控制单元(ECU),并从系统结构和稀薄燃烧控制策略两方面加以分析。该ECU采用了λ型氧传感器,双高速单片机,从根本上降低了系统的成本,同时提高了驾驶性能。针对LPG发动机的工作特性,ECU采用基于指示扭矩预估的稀薄燃烧控制策略,主要分析了燃气量、点火提前角和怠速步进电机的控制策略。在广州冠忠公交公司的营运公交车上进行了实车试验,结果表明在降低废气排放的同时,燃气消耗明显降低,获得了很好的动力性、经济性和环保性。

航空发动机自适应神经网络PID控制

本文提出了一种航空发动机多变量自适应神经网络 PID控制方法 ,采用基于共轭梯度的神经网络学习算法在线整定控制器参数。该控制器的设计无需知道发动机精确模型 ,具有响应速度快、抗干扰能力强和鲁棒性好等优点。控制器不仅算法简单 ,实现容易 ,而且适用范围广。

基于DRNN网络的航空发动机多变量解耦控制

通过分析对角递归神经网络(DRNN)及带动量项的梯度学习方法(GDM),针对某型涡扇发动机的性能控制,研究了基于对角递归神经网络的多变量自学习解耦控制算法及其在航空发动机控制中的应用。阐明了该方法的结构和原理。并在设计点处进行了发动机多变量解耦控制系统设计。在偏离设计点时,大量的仿真结果表明,系统具有较好解耦和自适应能力。

基于神经网络的汽油HCCI发动机空燃比控制策略

均质压缩燃烧(HCCI)在控制上存在难点,其中关键是基于循环的空燃比实时控制。HCCI汽油机没有能直接表征发动机每循环进气量的参数,因此,采用动态递归神经网络(Elman网络)预测HCCI发动机每循环的进气量。通过氧传感器闭环和瞬态工况中的油膜补偿,实现对HCCI发动机的稳态及瞬态工况下空燃比的精确控制。试验表明:汽油HCCI发动机神经网络预测模型及空燃比控制策略能满足HCCI发动机实时控制的需求。

自适应PSO网络整定的航空发动机全程滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。

基于神经网络逆控制的发动机直接推力控制

首次将动态神经网络逆控制用于航空发动机直接推力控制。为了有效消除由于神经网络逆模型构造误差(即神经网络逆模型不可能完全逼近航空发动机的逆模型)而产生的稳态误差和解决航空发动机推力不易测量的困难,分别设计了积分补偿器和推力估计器,从而实现航空发动机直接推力控制。飞行包线内数字仿真结果表明,此控制方案具有良好的动静态性能、精度高、跟踪快。

应用神经网络模糊控制器的发动机怠速控制

应用模糊控制理论设计了一个用于发动机怠速控制的模糊控制器，并用 ＢＰ人工神经网络实现这种模糊控制器输入输出的映射关系，在神经网络训练中采用了先进、有效的变尺度学习算法。最后给出了控制仿真结果。

汽车发动机电子控制单元的自动测试系统开发

以某六缸汽车发动机电子控制单元为研究对象,基于Aglient(安捷伦)测控设备和Visual C++6.0、Dreamwaver两款编程软件,结合SCPI指令对电控单元测试系统的硬件和软件部分进行设计。该测试系统通过测控设备仿真汽车发动机上各路传感器信号,电子控制单元接收到传感器信号后进行数据处理并传送到上位机,经上位机的检测处理判断电子控制单元是否返回正确数据,从而达到检测汽车电子控制单元是否符合标准的目的。该测试系统缩短了ECU的检测时间,提高了测试效率,并可对动态数据进行实时监测。

航空发动机递归神经网络分路式解耦控制

针对航空发动机多变量控制中变量之间的耦合问题,提出了一种基于递归神经网络的分路式动态解耦控制方法,给出了发动机双路式解耦控制系统的结构及其解耦原理和算法。利用递归小波网络较强的动态非线性映射能力,在线完成发动机各控制通道的模型辨识,并回馈对应的灵敏度信息;神经网络PID控制器根据回馈的信息在线自适应调整参数,实现发动机各通道的准确跟踪和分路独立控制。仿真表明,该方法在保证控制系统良好的动态和稳态性能的同时,有效地减小了各回路之间的耦合影响,能够成功应用于发动机控制系统的解耦。