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。

基于QPSO改进LSTM发动机怠速预测的FPID控制

以北京现代伊兰特G4GD发动机为试验台,将电控系统故障作为实验变量,测得规定时间内双传感器组合发生故障时的发动机怠速,并选原车ECU较难控制的6种组合怠速故障进行分析。基于量子粒子群算法(QPSO)对长短时记忆神经网络(LSTM)隐含层节点、训练次数与学习率进行寻优预测,将预测结果与多种神经网络进行对比,并通过均方根误差(RMSE)评价指标进行判断。使用Origin数据拟合将预测输出结果进行数值拟合,之后输入Matlab中使用Simulink搭建控制单元模型,由模糊常量-积分-微分(FPID)控制器对输出结果进行怠速控制。结果表明:基于量子粒子群算法改进的长短时记忆神经网络预测效果最好;模糊常量-积分-微分控制器对怠速的控制可有效缩短电子控制单元(ECU)的控制时间,无超调,且可有效调节至规定怠速。

某航空发动机燃烧室进口温度控制设计研究

引言随着电子技术和计算机技术发展,国内设备控制向自动化、数字化、综合化、智能化和网络化的发展,尤其在一些大型机械设备和长期恶劣环境中得到广泛应用。而燃烧室试验状态复杂(按发动机工作状态可分为起飞状态、最大连续状态、巡航状态、慢车状态等),需对试验器各系统的变量(例如压力、温度、流量等)进行调节和控制。

大众迈腾第三代EA888发动机控制单元、传感器针脚定义及对应故障码解析

掌握电控汽油发动机控制单元及传感器、执行器各针脚定义,是职业院校汽车检测与维修专业专任教师的必修课。同时,也是汽车售后服务部门一线汽车维修技师必须掌握的一项专业技能。作为职业院校汽修专任教师唯有掌握了电控发动机传感器、执行器的工作原理、信号控制逻辑,才能在“电控汽油发动机维修”课程教学过程中得心应手。笔者通过平时的一线实践教学,对该款发动机相关传感器针脚定义及对应故障码进行收集整理,供业内人士在工作中参考。

基于RBF神经网络补偿的航空发动机H_(∞)自适应控制研究

航空发动机控制系统是飞行器的重要机构,航空发动机存在的控制增益衰减和未建模动态等不确定性问题影响了其控制性能,为此设计将H_(∞)自适应控制和补偿控制相结合的控制器。首先,基于混合灵敏度理论设计H_(∞)自适应控制器;然后,基于Lyapunov严格稳定理论设计RBF神经网络补偿控制器对不确定性进行拟合补偿,并通过与误差相关的线性函数调整拟合速度;最后,以归一化后的航空发动机模型为被控对象进行多变量仿真试验。结果表明:本文设计的自适应控制器能够有效补偿不确定性,相比H_(∞)控制器,超调量和调节时间都有所降低。

基于神经网络时延预测的航空发动机内模控制器设计

针对航空发动机分布式控制系统中时延不确定问题,提出了一种基于神经网络时延预测的航空发动机内模多变量控制设计方法。首先分析了分布式控制架构下网络时延产生的原因及影响因素。然后设计了内模控制器,包括基于神经网络的时延预测模块、内模主控制器模块、执行机构小闭环控制模块以及与发动机起动过程开环控制计划相结合的切换控制模块。在理想和扰动条件下,从理论上分析了基于预测时延的内模控制系统的稳定性能,并对所提控制策略下允许的最大时延进行了说明。最后进行了全数字仿真和硬件在环仿真试验。结果表明,所设计的神经网络时延预测模块具备高精度预测能力,内模控制器的稳态误差不超过0.5%,具有良好的抗干扰能力、并满足实时性要求,具有一定的工程应用价值。

航空发动机分数阶PID控制器的参数自整定方法

控制器作为航空发动机的大脑,是保障发动机正常运行的核心部件,随着对发动机控制器精度和时效性的要求越来越高,传统PID控制器的性能亟需进一步提升.本文提出了改进的分数阶PID离线和在线参数整定方法,应用于涡扇发动机推力的控制中.首先,利用Caputo分数阶微积分定义建立分数阶PID模型,实现时域上的数值计算;其次,基于对数正态分布提出了改进的布谷鸟算法,实现了分数阶PID离线参数整定;然后,结合RBF网络设计参数线上整定方法,解决了参数在线整定问题;最后将相关理论应用于发动机推力的控制中,结果表明,相比其他几种优化算法,改进的布谷鸟优化算法对分数阶PID控制参数整定效果最好;利用RBF神经网络对分数阶PID进行在线整定时控制效果稳定,且分数阶PID的控制效果优于传统的PID控制,能提高对推力的控制能力.

2021年奥迪A4L发动机废气灯常亮

车型:2021年奥迪A4L(B9),配置DTAA发动机、OCK变速器VIN:LFV3A28W2M3xxxxxx。行驶里程:25767km。4故障现象:启动发动机后组合仪3表的废气灯常亮,如图1所示。2故障诊断:用诊断仪检查在发动机控制单元内有故障码“P268100:冷却液旁通阀启动断路主动/静态”(如图2所示),无法清除。

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。

2019年上汽大众迈腾上电后制动灯常亮,点火开关打到启动挡且不踩制动踏板时发动机自行启动

车型:2019年上汽大众迈腾。故障现象:踩制动踏板组合仪表指示灯熄灭(如图1所示)。打开点火开关后,制动灯常亮。点火开关打到启动挡且不踩制动踏板时发动机自行启动。故障诊断:客户反映经过一次颠簸路面后,第二天开车时发现踩制动踏板组合仪表指示灯熄灭,按住点火开关且不踩制动踏板可直接启动车辆。用诊断仪读取车辆发动机控制单元故障码为制动器灯信号信号不可信,如图2所示。通过故障现象判断制动踏板可能处于常踩的状态,于是更换制动灯开关,但是故障依旧。

航空发动机虚拟自学习控制方法研究

随着人工智能技术的发展,智能航空发动机逐渐成为当今航空领域研究的热点。传统的航空发动机控制对发动机模型的依赖性过强,而基于发动机气热动力学公式的机理建模会引入较大的建模误差,给控制器设计带来困难。对此,提出一种基于强化学习的航空发动机控制虚拟自学习方法,首先利用航空发动机的试验数据通过LSTM神经网络建立虚拟学习环境,然后采用深度强化学习TD3算法,在虚拟环境中训练智能控制器,最后采用JT9D发动机模型验证智能控制器的性能。结果表明:相比于传统PID控制,智能控制器产生的超调量更小,调节时间更短。

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。

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。