NGHIÊN CỨU ĐIỀU KHIỂN BÁM TỐI ƯU MÔMEN CHO ĐỘNG CƠ XĂNG ĐỂ GIẢM LƯỢNG NHIÊN LIỆU TIÊU THỤ.

NGHIÊN CỨU ĐIỀU KHIỂN BÁM TỐI ƯU MÔMEN CHO ĐỘNG CƠ XĂNG ĐỂ GIẢM LƯỢNG NHIÊN LIỆU TIÊU THỤ.NGHIÊN CỨU ĐIỀU KHIỂN BÁM TỐI ƯU MÔMEN CHO ĐỘNG CƠ XĂNG ĐỂ GIẢM LƯỢNG NHIÊN LIỆU TIÊU THỤ.NGHIÊN CỨU ĐIỀU KHIỂN BÁM TỐI ƯU MÔMEN CHO ĐỘNG CƠ XĂNG ĐỂ GIẢM LƯỢNG NHIÊN LIỆU TIÊU THỤ.NGHIÊN CỨU ĐIỀU KHIỂN BÁM TỐI ƯU MÔMEN CHO ĐỘNG CƠ XĂNG ĐỂ GIẢM LƯỢNG NHIÊN LIỆU TIÊU THỤ.NGHIÊN CỨU ĐIỀU KHIỂN BÁM TỐI ƯU MÔMEN CHO ĐỘNG CƠ XĂNG ĐỂ GIẢM LƯỢNG NHIÊN LIỆU TIÊU THỤ.

MỤC LỤC Mở đầu Chương Tổng quan phương pháp điều khiển động xăng 1.1 Tổng quan cơng trình nghiên cứu điều khiển tiết kiệm nhiên liệu cho động xăng giới 1.2 Các cơng trình nghiên cứu nước điều khiển tiết kiệm nhiên liệu cho động đốt 1.3 Những vấn đề cần tiếp tục nghiên cứu điều khiển tiết kiệm nhiên liệu cho động xăng hướng nghiên cứu luận án 20 21 1.4 Kết luận chương 24 Chương Mô hình hóa nhận dạng động xăng 25 2.1 Chu trình cơng tác mơ hình hóa động xăng 25 2.2 Lựa chọn tín hiệu vào-ra để điều khiển động xăng 37 2.3 Mô động xăng 40 2.4 Nhận dạng mơ hình động xăng 43 2.5 Kết luận chương 64 Chương Điều khiển mơ-men động xăng thuật tốn điều khiển bám tối ưu LQIT tự chỉnh 66 3.1 Điều khiển LQIT miền liên tục 66 3.2 Điều khiển LQIT miền gián đoạn 73 3.3 Quan sát trạng thái đối tượng lọc Kalman 74 3.4 Tổng hợp điều khiển LQIT với lọc Kalman 81 3.5 Đề xuất phương pháp điều khiển bám tối ưu LQIT tự chỉnh RHC 91 3.6 Kết luận chương 99 Chương Thực nghiệm kiểm chứng chất lượng thuật toán đề xuất phương pháp HIL 4.1 Phương pháp Hardware-In-The-Loop (HIL) 4.2 Thiết kế, cài đặt điều khiển bám tối ưu LQIT Kit Arduino Mega2560 101 101 103 4.3 Kết thực nghiệm 110 KẾT LUẬN 118 DANH MỤC CƠNG TRÌNH ĐÃ CƠNG BỐ LIÊN QUAN ĐẾN ĐỀ TÀI 120 TÀI LIỆU THAM KHẢO 121 PHỤ LỤC DANH MỤC CÁC KÝ HIỆU Ký hiệu Ý nghĩa Đơn vị Ký hiệu Ý nghĩa Vm Thể tích đường hút m3 λa Hệ số dư lượng khơng khí Ve Thể tích buồng đốt m3 λf Hệ số dư lượng khơng khí Je Mơ-men qn tính động kg m^2 mac,th kg/s CM Hằng số mơ-men N m/ mac Lưu lượng khơng khí lý thuyết Lưu lượng khơng khí thực kg/s ∆tit Thời gian trễ đánh lửa ∆tst Thời gian trễ phun Tm Nhiệt độ buồng đốt Ma Hệ số van R Hằng số chất khí ma Lưu lượng khơng khí Ms degK J/mole mf Lưu lượng nhiên liệu thực mf ,th Lưu lượng nhiên liệu lý ( A/F ) s kg/s tế kg/s thuyết Tỷ lệ hịa khí nhiên liệu giây λ Hệ số dư lượng khơng khí mfi Lưu lượng nhiên liệu phun deg K kg/s lý thuyết tế kg/s) Ms nhiên liệu thực tế kg/s vào xi lanh thực tế mfc Lưu lượng nhiên phun vao kg/s xi lanh liệu lý thuyêt mai Lưu lượng khống khí vào kg/s β Tỷ lệ hịa khí nhiên liệu mao mMAX Lưu lượng khơng khí kg/s τi SI Mơ-men thị Lưu lượng khơng khí lớn nhất, kg/s Nm Hệ số số đánh lửa góc mở bướm α mở lớn Pm Áp suất đường hút Pa AFI Hệ số phun nhiên liệu Tf Thời gian phun nhiên liệu tối ưu sec τf Mô-men cản ma sát Nm α Góc mở bướm ga deg τe τc pa rc Mơ-men trục động Nm Mô-men cản từ tải Nm Áp suất cuối kỳ hút Pa ηvol Hiệu suất khối ωe Tốc độ động xăng C1 Hệ số thể tích rad/s Tỷ số nén DANH MỤC CÁC CHỮ VIẾT TẮT Ký hiệu AFR Ý nghĩa air/fuel ratio (tỷ lệ hỗn hợp khơng Ý nghĩa Ký hiệu PD Proportional-Derivative khí / nhiên liệu) ARI Arrhenius integration PI Proportional-Integral BDC Bottom Dead Center PID Proportional-Integral-Derivative ECU Engine control unit PMEP Pumping mean effective pressure EFI Electric Fuel Injection PGM-FI Programmed Fuel Injection FB FeedBack VVT-i Variable valve Timing intelligent FI Fuel Injection RCCI Reactivity Controlled Compression FLC Fuzzy Logic Control SI spark-ignition Homogeneous Charge SIDI Spark Ignition Direct Injection Hardware in the loop SMC Sliding Mode Control Indicated Mean Effective ST spark ignition timing HCCI HIL IMEP Ignition Compression Ignition Pressure MAP mean air pressure SMC Sliding Mode Control MVEM mean value engine model STR Self Tuning Regulator MPC Model predictive control TC TurboCharged MEP mean effective pressure TDC Top Dead Center LQ Linear Quadratic RHC Receding horizon control LQR Linear–Quadratic Regulator LQG Linear–Quadratic–Gaussian LQIT Linear Quadratic Integral Tracking DANH MỤC CÁC BẢNG Số bảng Tên bảng Trang Bảng 2.1 Các thông số khảo sát động xăng 40 Bảng 3.1 Lượng nhiên liệu tiêu thụ với giá trị mô-men cản 10 (Nm) Lượng nhiên liệu tiêu thụ với giá trị mô-men cản 20 (Nm) Lượng nhiên liệu tiêu thụ với giá trị mô-men cản 30 (Nm) 85 Bảng 3.2 Bảng 3.3 86 86 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Tên hình Hình 1.1 Cấu trúc điều khiển theo mơ-men xe tơ Hình 1.2 Điều khiển hành trình xe tơ đại Hình 2.1 Đồ thị chu trình cơng tác động xăng Hình 2.2 Mơ hình động xăng SI Hình 2.3 Diễn biến trình nạp động xăng Hình 2.4 Động học đường hút động xăng Hình 2.5 Mơ hình động học khơng khí đường khỏi học hút vào động Hình 2.6 Mơ hình động học khơng khí vào họng hút qua cánh bướm ga Hình 2.7 Mơ hình động học đường hút Hình 2.8 Hệ thống phun xăng - 1: Khơng khí nạp 2:Cảm biến khí nạp (cảm biến gió) 3: Bướm hỗn hợp 4: Xappap nạp.5: Vịi phun.6: Tín hiệu điều khiển phun.7: Bộ điều khiển phun xăng.8: Các tín hiệu cảm biến vào xử lý.9: Xăng từ bơm Hình 2.9 Mơ hình động học hệ thống phun nhiêu liệu Hình 2.10 Diễn biến trình cháy giãn nở động xăng đồ thị cơng Hình 2.11 Mơ hình mơ mơ-men thị động xăng Hình 2.12 Mơ hình mô mô-men, tốc độ trục động xăng Hình 2.13 Mơ hình mơ Momen_2 động xăng Hình 2.14 (a) -Mơ hình mơ thực hệ phương trình (2.22), (b)-Mơ hình mơ động xăng thực khối Subsystem Simulink Hình 2.15 Mơ hình động học phương dọc xe tơ Hình 2.16 (a)- Lực tác động lên trục khuỷu hình thành mô-men quay động xăng, (b)-Cấu trúc hệ thống điều khiển động xăng Hình 2.17 Tín hiệu vào/ra động xăng Hình 2.18 Sơ đồ mơ động xăng Simulink Hình 2.19 Kết mơ hoạt động động xăng Hình 2.20 Cấu trúc nhận dạng mơ hình hệ thống Hình 2.21 Các bước nhận dạng hệ thống Hình 2.22 Các dạng tín hiệu mẫu vào thơng dụng: (a) tín hiệu phân bố Gausse, tín hiệu nhị phân ngẫu nhiên, (c) tín hiệu đa hài Hình 2.23 Dự báo đáp ứng hệ thống Hình 2.24 Giao diện cơng cụ System Identification Hình 2.25 Tập liệu vào input = α , output = ωe Trang 15 16 25 26 27 27 29 29 29 30 32 33 34 35 35 36 37 39 39 40 41 44 45 45 48 53 54 Hình 2.26 Mơ phỏng, thu thập liệu nhận dạng động xăng Hình 2.27 Kết đánh giá trùng hợp tốc độ mô-men đầu mơ hình trạng thái mơ hình phi tuyến động tín hiệu α ngẫu nhiên Hình 2.28 Kết đánh giá trùng hợp tốc độ mơ-men đầu mơ hình trạng thái mơ hình phi tuyến động tín hiệu α hình sin Hình 2.29 Kết đánh giá trùng hợp tốc độ mô-men đầu mơ hình trạng thái mơ hình phi tuyến động tín hiệu α dạng tam giác Hình 2.30 Các điểm cực zero hệ thống Hình 2.31 Kết đánh giá trùng hợp tốc độ đầu mơ hình ARX mơ hình phi tuyến động tín hiệu α ngẫu nhiên Hình 2.32 Kết đánh giá trùng hợp mơ-men đầu mơ hình ARX mơ hình phi tuyến động tín hiệu α hình sin Hình 2.33 Kết đánh giá trùng hợp mơ-men đầu mơ hình ARX mơ hình phi tuyến động tín hiệu α dạng tam giá Hình 2.34 Các điểm cực zero hệ thống Hình 2.35 Cấu trúc ước lượng tham số θˆ(k ) cho động xăng Hình 2.36 Vectơ tham số θˆ(k ) = aˆ aˆ aˆ bˆ bˆ bˆ T  3  động xăng Hình 2.37 Kết đánh giá trùng hợp tốc độ đầu mơ hình ARX nhận dạng online mơ hình phi tuyến động tín hiệu α ngẫu nhiên Hình 2.38 Kết đánh giá trùng hợp tốc độ đầu mơ hình ARX nhận dạng online mơ hình phi tuyến động tín hiệu α hình sin Hình 2.39 Kết đánh giá trùng hợp tốc độ đầu mơ hình ARX nhận dạng online mơ hình phi tuyến động tín hiệu α hình tam giác Hình 3.1 Mơ hình tổng qt hệ thống tuyến tính Hình 3.2 Cấu trúc điều khiển tối ưu LQR Hình 3.3 Cấu trúc điều khiển bám tối ưu LQIT Hình 3.4 Bộ lọc Kalman cho hệ thống điều khiển phản hồi trạng thái Hình 3.5 Động xăng quan sát trạng thái lọc Kalman mở rộng Hình 3.6 Hệ thống quan sát trạng thái lọc Kalman tuyến tính với tín hiệu đo lường từ mơ hình nhận dạng ARX trực tuyến theo thời gian Hình 3.7 Quan sát trạng thái theo mơ hình nhận dạng trực truyến 54 55 56 56 56 58 58 58 59 62 63 63 64 64 66 70 72 75 78 79 79 Hình 3.8 Mơ quan sát trạng thái động xăng lọc Kalman tuyến tính với tín hiệu đo lường từ mơ hình nhận dạng trực tuyến theo thời gian Hình 3.9 Dạng tín hiệu trạng thái quan sát đối tượng Hình 3.10 Cấu trúc điều khiển LQIT kết hợp với lọc Kalman Hình 3.11 (a) thuật toán xác định điều khiển LQIT, (b) thuật tốn xác định lọc Kalman tuyến tính Hình 3.12 Mơ hình điều khiển bám theo mơ-men cho động xăng với (a)-bộ điều khiển LQIT kết hợp với quan sát Kalman, (b) với điều khiển PID Hình 3.13 Các đặc tính sử dụng LQIT PID với mơ-men cản ±10Nm Hình 3.14 Các đặc tính sử dụng LQIT PID với mơ-men cản ±20Nm Hình 3.15 Các đặc tính động xăng mô-men cản tốc độ đặt thay đổi Hình 3.16 Cấu trúc điều khiển tự chỉnh dọc trục thời gian RHC Hình 3.17 Cấu trúc điều khiển bám tối ưu tích phân LQIT tự chỉnh Hình 3.18 Lưu đồ thuật tốn tính tốn điều khiển LQIT tự chỉnh cho hệ rời rạc Hình 3.19 Lưu đồ thuật tốn tính tốn quan sát trạng thái Kalman hệ rời rạc Hình 3.20 Mơ hình hệ thống điều khiển bám tốc độ đặt LQIT tự chỉnh Hình 3.21 Các đặc tính động xăng áp dụng điều khiển LQIT tự chỉnh Hình 4.1 Các phương pháp mơ thời gian thực Hình 4.2 (a)-Cấu trúc lai mô thời gian thực, (b)-mô Hardware-in-the-loop tạo mẫu điều khiển Hình 4.3 Trình tự thiết kế mơ thời gian thực máy tính sử dụng kit Arduino Hình 4.4 Kit Arduino Mega-2560 Hình 4.5 Thư viện Arduino IO Library Simulink Hình 4.6 Cấu trúc mô HIL cho điều khiển bám mô-men động xăng, (a)-mơ hình điều khiển LQIT tự chỉnh, (b)-mơ hình mơ động xăng Hình 4.7 Mơ hình vật lý mô thời gian thực HIL cho điều khiển bám ổn định tốc độ đặt mô-men cản thuật tốn LQIT tự chỉnh Hình 4.8 Sơ đồ Simulink-HIL cho động xăng (Máy tính 1) Hình 4.9 Sơ đồ Simulink-HIL cho điều khiển LQIT (Máy tính 2) 80 81 81 82 84 87 88 89 92 92 93 94 95 96 102 102 104 105 106 108 109 109 110 Hình 4.10 Thí nghiệm tốc độ đặt số, mơ-men cản sóng vng Hình 4.11 Đặc tính tốc độ mơ-men cản dạng sóng vng 20Nm (a)-khi sử dụng điều khiển LQIT tự chỉnh, (b)-khi sử dụng điều khiển PID Hình 4.12 Đặc tính góc mở bướm ga α động xăng mơ-men cản sóng vng 20Nm (a)-khi sử dụng điều khiển LQIT tự chỉnh, (b)khi sử dụng PID Hình 4.13 Đặc tính mơ-men động xăng mơ-men cản sóng vng 20Nm (a)- sử dụng điều khiển LQIT tự chỉnh, (b)-khi sử dụng PID Hình 4.14 Đặc tính tiêu thụ nhiên liệu động xăng tốc độ đặt số mơ-men thay đổi dạng sóng vng Hình 4.15 Thí nghiệm tốc độ đặt mô-men cản dạng bậc thang Hình 4.16 Đặc tính tốc độ mơ-men cản thay đổi dạng bậc thang (a)khi sử dụng điều khiển LQIT tự chỉnh, (b)-khi sử dụng điều khiển PID Hình 4.17 Đặc tính góc mở bướm ga α động xăng tốc độ mô-men thay đổi dạng bậc thang (a)-sử dụng LQIT tự chỉnh, (b)-khi sử dụng PID Hình 4.18 Đặc tính mơ-men động xăng tốc độ mô-men cản dạng bậc thang, (a)-khi sử dụng LQIT tự chỉnh, (b)-khi sử dụng PID Hình 4.19 Đặc tính tiêu thụ nhiên liệu động xăng tốc độ đặt mô-men thay đổi dạng bậc thang 110 111 112 112 113 113 114 115 115 116 MỞ ĐẦU Giới thiệu Đã có 90 triệu xe sản xuất toàn Thế giới năm 2019, xe sản xuất tăng 5% năm [95] Sự phát triển thị trường tơ mang lại nhiều khía cạnh tiêu cực cần xem xét nghiêm túc ngành công nghiệp ô tô Thứ nhất, động xăng trở thành đối tượng gây ô nhiễm lớn cho môi trường Thứ hai, giá nhiên liệu tăng cao, buộc nhà sản xuất động ứng dụng công nghệ cho phép gây nhiễm hiệu a Tình hình nghiên cứu nước Mặc dù số lượng yêu cầu ô tô, xe máy Việt Nam giới lớn không ngừng tăng số lượng, song có số hãng sản xuất ô tô, xe máy lớn giới có khả thiết kế thi cơng điều khiển kiểm soát nhiên liệu điện tử EFI Đây cơng việc địi hỏi hàm lượng chất xám cao phải thỏa mãn tiêu chuẩn quốc tế hàm lượng khí thải (chuẩn Châu Âu Nhật Bản) Hiện nay, đa số quyền thiết kế thiết kế công nghệ phụ thuộc vào số hãng lớn giới, sở hữu hãng khơng phổ biến rộng rãi Vì vậy, vấn đề số nhà khoa học nước tiếp cận, nghiên cứu khoảng thập niên trở lại b Tình hình nghiên cứu nước ngồi Với mục tiêu giảm thiểu nhiễm khí thải bảo tồn nguồn tài nguyên thiên nhiên, tiết kiệm lượng trở thành chủ đề mang tính tồn cầu Cùng với nảy sinh nhu cầu loại phương tiện giao thông đặc biệt xe ô tô thân thiện với môi trường, áp dụng loại động tiết kiệm nhiên liệu, khí thải độc hại, hãng xe giới Honda, Toyota, Nissan, GMC, Ford nỗ lực áp dụng thành tự khoa học phát triển loại động xăng sử dụng công nghệ tiên tiến để thay đổi kết cấu động cơ: công nghệ phun 10 [38] Xiaohong Jiao, Tielong Shen (2011), Lyapunov-design of adaptive air-fuel ratio control for gasoline engines based on meanvalue model, Proceedings of the 30th Chinese Control Conference , 2011, Yantai, China [39] Tomáš Polóni, Boris Rohaľ-Ilkiv,Tor Arne Johansen (2008), Multiple arx model-based air-fuel ratio predictive control for si engines, International Conference on Process Control, Slovak University of Technology, Slovakia [40] Matúš Kopačka, Peter Šimončič, Jozef Csambál, Marek Honek , Sławomir Wojnar, Tomáš Polóni, Boris Rohaľ-Ilkiv (2011), Real-time Air/Fuel Ratio Model Predictive Control of a Spark Ignition Engine, International Conference on Process Control, Slovak University of Technology, Slovakia [41] Yang Bai (2013), Studies on si engine simulation and air/fuel ratio control systems design, A thesis submitted for the degree of Doctor of Philosophy Brunel University London, United Kingdom [42] Stephen Pace, Guoming G Zhu(2013), Transient Air-to-Fuel Ratio Control of an Spark Ignited Engine Using Linear Quadratic Tracking, Vol 136 - Journal of Dynamic Systems, Measurement and Control [43] Ali Ghaffari, A Hosein Shamekhi, Akbar Saki, and Ehsan Kamrani(2008), Adaptive Fuzzy Control for Air-Fuel Ratio of Automobile Spark Ignition Engine, World Academy of Science, Engineering and Technology [44] Lars Eriksson (1999), A Real-Time Platform for Closed-Loop Spark-Advance Control, International Conference on Process Control, Linkoping University, Sweden [45] Guoming G Zhu, Ibrahim Haskara, and Jim Winkelman, Fellow (2007), Closed-Loop Ignition Timing Control for SI Engines Using Ionization Current Feedback, Vol 15 – Control Systems Technology, IEEE Transactions on [46] Klas Telborn (2002), A Real-Time Platform for Closed-Loop Control and Crank Angle based, Master’s thesis, Linkoping University, Sweden [47] Lars Erikssony, Lars Nielseny, and Mikael Glaveniusz (1997), Closed Loop Ignition Control by Ionization Current Interpretation, Vol 106, Section 3: JOURNAL OF ENGINES [48] Lars Erikssony, Lars Nielsenz(1997), Ionization Current Interpretation for Ignition Control in Internal Combustion Engines, Control Engineering Practice Volume 5, Issue 8, August 1997 [49] Lars Eriksson (1997), A Parametric Study of Optimal Spark Advance and the Influence of Cycle-to-Cycle Variations, International Conference on Process Control, Linkoping University, Sweden [50] Thomas Leroy(2008), Airpath Control of a SI Engine with Variable Valve Timing Actuators, American Control Conference Westin Seattle Hotel, Seattle, Washington, USA [51] Mohammad Abul Hasan Khan, Mohammad Owais Qidwai and Abhijeet Chausalkar (2014), Effect of Variable Ignition and Injection Timing on Emission Characteristics of SI Engine Using CNG and HCNG as Fuel, International Journal of Advanced Mechanical Engineering [52] Ritchie Daniel, Chongming Wang and Hongming Xu, Guohong Tian (2012), Effects of Combustion Phasing, Injection Timing, Relative AirFuel Ratio and Variable Valve Timing on SI Engine Performance and Emissions using 2,5Dimethylfuran, Volume 5, Issue - SAE International [53] Lawrence Mianzo, Huei Peng (2000), Modeling and Control of a Variable Valve Timing Engine, Proceedings of the American Control Conference, USA [54] Sepehr Bapiri, Omid Chaghaneh, Hossein Ghomashi (2017), Variable valve timing scheduling in a 4-stroke internal combustion cylinder utilizing artifical neural networks, Vol 11 – Advances in Science and Technology Research Journal [55] Daniel Michael Lamberson (2003), Torque management of gasoline engines, Proceedings of the American Control Conference [56] Hiromitsu Ohmori (2010), Torque Demand Control Systems for SI Engine with Continuous Variable Valve Train, 6th IFAC Symposium Advances in Automotive Control Munich, Germany [57] Anna Stefanopoulou (1996), Modeling and Control of Advanced Technology Engines, A dissertation submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy, University of Michigan [58] Grant A Ingram1, Matthew A Franchek,Venkataramanan Balakrishnan, and Gopichandra Surnilla (2005), Spark Ignition Engine Torque Management, Proceedings of the American Control Conference [59] B Ashok, S Denis Ashok, C Ramesh Kumar (2016), A review on control system architecture of a SI engine management system, Vol 41, Annual Reviews in Control [60] Mingxin Kang, Mazen Alamir, Tielong Shen (2016), Nonlinear Constrained Torque Control For Gasoline Engines, Vol 49 – 10th IFAC Symposium on Nonlinear Control Systems NOLCOS 2016, Papers Online [61] Jos´e David L´opez, Jairo Jos´e Espinosa, John Ramiro Agudelo (2011), LQR control for speed and torque of internal combustion engines, Proceedings of the 18th World Congress The International Federation of Automatic Control Milano, Italy [62] J Gerhardt, H Hönninger, and H Bischof (1998), A New Approach to Functional and Software Structure for Engine Management Systems, Society of Automotive Engineers [63] Aris Triwiyatno, Mohammad Nuh, Ari Santoso, and I Nyoman Sutantra (2011), Engine Torque Control of SI Engine using Linear Quadratic Integral Tracking (LQIT) Optimal Control, The Journal for Technology and Science [64] Robert W Weeks, John J Moskwa (1995), Automotive Engine Modeling for Real-Time Control Using Matlab – Simulink, SAE Technical Paper [65] C Fritzsche and H.-P Dünow (2008), Advanced Torque Control, New Approaches in Automation and Robotics [66] Chris Vermillion, Ken Butts, and Kevin Reidy (2010), Model Predictive Engine Torque Control with Real-Time Driver-in-the-Loop Simulation Results, American Control Conference Marriott Waterfront, Baltimore, MD, USA [67] Aris Triwiyatno, Mohammad Nuh, Ari Santoso, and I Nyoman Sutantra (2011), Engine Torque Control of Spark Ignition Engine Using Robust Fuzzy Logic Control, IACSIT International Journal of Engineering and Technology [68] Munan Hong, Tielong Shen, Minggao Ouyang, Junichi Kako (2008), Optimal Speed Tracking Control for Torque-Based Engine Management Systems, The 51th Japan Joint Automatic Control Conference [69] Poignet P., Gautier M (2000), Nonlinear Model Predictive Control of a Robot Manipulator, IEEE AMC Conference [70] Andreas Bergstrom (2003), Torque Modeling and Control of a Variable Compression Engine, Master’s thesis performed in Vehicular Systems, Linkopings Universitet, Sweden [71] Divya K Pai*, Sheryl Grace Colaco (2017 ), Sliding Mode Idle Speed Control of IC Engine, Vol 7, N02 Electrical and Electronic Engineering, Scientific & Academic Publishing [72] Azad Ghaffari (2012), dSPACE and Real-Time Interface in Simulink , Department of Electrical and Computer Engineering - San Diego State University [73] Nicanor Quijano and Kevin Passino (2015), A Tutorial Introduction to Control Systems Development and Implementation with dSPACE, Department of Electrical Engineering The Ohio State University [74] Martin Schlager, Wilfried Elmenreich, Ingomar Wenzel (2006), Interface Design for Hardware in the Loop Simulation, IEEE Symp On Industrial Informatics (ISIE’06), Montreal, Canada [75] Md Asim Iqbal, Gugulavath Swetha (2014), Hardware in Loop Simulation ECU Testing In Automotive, International Conference on Recent Advances in Communication, VLSI & Embedded Systems, SR Engineering College, Warangal [76] N.R Gans, W.E Dixon , R Lind, A Kurdila (2009), A hardware in the loop simulation platform for vision-based control of unmanned air vehicles, Vol 19, Issue 7, Mechatronics [77] Shugang Jiang, Michael H Smith and James Kitchen (2009), Development of an Engine-in-the-loop Vehicle Simulation System in Engine Dynamometer Test Cell SAE Technical Papers [78] Abdalla O.M., S.A Hammad, A.H.Yousef (2009), A Framework for Real Time Hardware in the loop Simulation for Control Design , Article of Computers and Systems, Ain Shams University, Egypt [79] Xiaojian Yang and Guoming G Zhu (2010), A Mixed Mean-Value and Crank-Based Model of a Dual-Stage Turbocharged SI Engine for Hardware-Inthe-Loop Simulation , American Control Conference Marriott Waterfront, Baltimore, MD, USA [80] Hosam K Fathy , Zoran S Filipi, Jonathan Hagena, Jeffrey L Stein, Review of Hardware in the Loop Simulation and Its Prospects in the Automotive Area, Proceedings of SPIE - The International Society for Optical Engineering [81] George L Thomas, Dennis E Culley, Alex Brand (2011), The Application of Hardware in the Loop Testing for Distributed Engine Control, 52nd AIAA/SAE/ASEE Joint Propulsion Conference [82] Zheng Minggang (2013), ECU Hardware-in-Loop Simulation System Design for Gas Engine based on Virtual Instruments, School of Mechanical and Electrical Engineering Shandong Jianzhu University, Jinan 250101, China [83] Alexander A.Stotsky (2009), Automotive Engines - Control, Estimation, Statistical Detection, Proceedings of International Conference on Measuring Technology and Mechatronics Automation [84] John J.Moskwa (1988), Automotive Engine Modeling for real time control, Submitted to the department of mechanical engineering in partial fulfillment of the requirements for the degree of Doctor of Philosophy,University of Michigan, USA [85] U.Kiencke, L.Nielse (2005), Automotive control systems for engine, driveline, and vehicle, Department of Electrical Engineering, Springer-Verlag Berlin Heidelberg 2005 [86] Lino Guzzella, Christopher H.Onder (2010), Introduction to Modeling and Control of Internal Combustion Engine Systems, Springer-Verlag Berlin Heidelberg 2010 [87] Lennart Ljung (1987), System Identification Theory for the User, University of Linkoping, Sweden [88] Lennart Ljung (2015), System Identification Toolbox User’s Guide – Matlab & Simulink, The MathWorks, Inc [89] Le Khac Binh (2012), Diagnostics methods and their and application in automotive engine, Doctoral thesis, Technical University of Ostrava, Czech [90] Mikhail M Polonskii (2000), Complex Systems Simulation Using MATLAB/SIMULINK, Vol – No1 - The Electronics Journal for Engineering Technology [91] Jonas Roberto Tibola (2015), Modeling and speed control design of an ethanol engine for variable speed gensets, Control Engineering Practice, University of Santa Maria, Santa Maria, RS, Brazil [92] Pallab Maji, Sarat Kumar Patra, and Kamalakanta Mahapatra (2015), Design and Implementation of Fuzzy Approximation PI Controller for Automatic Cruise Control System, Vol 25 – Article, Advances in Artificial Intelligence , Hindawi Publishing Corporation Trang Web [93] http://ctms.engin.umich.edu [94] http://www.cds.caltech.edu/~murray/amwiki/Cruise_control [95] https://www.statista.com/statistics/262747/worldwide-automobile-production- since-2000/ PHỤ LỤC A Chương trình điều khiển hệ thống Code chương trình tính tốn điều khiển LQIT A = [-1.378 1.062 0.05822;-5.586 -3.244 -32.79;14.86 43.8 -238.1] B = [0.005911;-1.807;-24.47] C = [7267 19.85 -0.8662] D = [0] %Q = C'*C Q =diag([1,1,1]) R =diag([1]) G=ss(A,B,C,D) p=eig(A) rank(A) % %Phuong phap LQI Ar = [A zeros(rank(A),1);-C 0] Br = [B;0] Cr = [C 0] Qr =diag([1,1,0.0005,0.000002]) %Qr = Cr'*Cr Rr =diag([1]) P=care(Ar,Br,Qr,Rr) KKi=lqr(Ar,Br,Qr,Rr) Ki = KKi([1],[4]) Kx = KKi([1],[1,2,3]) % tao ma tran Kx su dung dong cot 1,2,3 Kr = [Kx*inv(A)*B - eye(1)]*[inv(C*inv(A)*B)] %Kr=inv(diag(dcgain(ss((A-B*Kx),B,C,D)))) % %thiet ke bo quan sat Kalman P=care(A,B,Q,R) V=1 L=P*C'*inv(V) a Tính tốn điều khiển LQIT: Bước 1: Ta tính ma trận  A 0 ˆ −C    , Bˆ = B A = Ar = 0    -0.6217 -3.4960 -2.3880 -437.5000 1.0460 -16.6100 -19.2200 -6.3570 0.4251 -12.2400 -15.9500 1.1370 Br = -0.2718 8.8510 10.3600 Bước 2: Giải phương trình Riccati nghiệm: P = 1.0e+05 * 2.5936 0.0789 0.0019 -0.0220 0.0789 0.0066 -0.0034 -0.0007 0 0 P.A ˆ + Aˆ T P − P.Bˆ.R−1Bˆ T P +Q = 0.0019 -0.0034 0.0030 0.0000 -0.0220 -0.0007 0.0000 0.0003 PL - ta tìm Bước 3: Theo (3.42) ta có: K = R −1Bˆ T p = Kx Ki    K = 1.0e+03 *[ 1.2817 0.0100] Ki = -10 Kx = 1.0e+03 *[ 1.2817 0.0060] 0.1367 0.0060 - 0.1367 Bước 4: Theo (3.45) ta có: K =  K r  x −1 −1 A B − I  ( CA B )  Kr = 3.2971 b Tính tốn lọc Bước 1: Giải phương trình Riccati (3.49) P.A+ A'P − P.C.V−1 C '.P + W = Ta tìm nghiệm: P = 1.0e+05 * 4.1278 0.0841 0.0370 0.0841 0.0425 -0.0338 0.0370 -0.0338 0.0298 Bước 2: Theo L = PCTV −1 (3.49) ta có ma trận −1 L = e + * 0.0371 0.0159 Code chương trình chuyển đổi mơ hình A= [-0.6217 1.046 0.4251; -3.496 -16.61 -12.24; -2.388 -19.22 -15.95] B = [-0.2718; 8.851; 10.36] C = [437.5 6.357 -1.137] D = [0] [num,den] = ss2tf(A,B,C,D) % chuyen doi ham truyen tu lien tuc sang roi rac % PL 193 h a m t r u y e n l i e n syms a1 a2 a3 b1 b2 b3 ] = Ts = 0.01 %num = [0 b1 b2Kalma b3] %den = [1 a1 a2 a3] nFilt num =[0 -0.5321 den = [1.0000 er(u, [nums,dens meas) ]= d2cm(num,d persi en,Ts,'zoh stent ') P Code chương trình tính tốn lọc Kalman t u c c o d a n g n u m = [ f u n c t i o x h ] den = [1 33.18 54.59 34.5] Ts = 0.01 % thoi gian trích mau [numDz,denDz] = c2dm(num,den,Ts,'zoh') % roi rac hoa , Cd Q R if isempty(P) % Khoi tao xhat = [0.0047;0.000319;14.5]; P = zeros(3,3); Ad = [0.9895 0.0136 0.0014; -0.0959 0.8107 0.0668; -0.0185 -0.0631 0.9673] Bd = [-0.0037;0.1042;0.0333] C d [ 0 [ a Ad Bd = n 2 xhat t O u t 6 ] y h a t O u Q t PL 194 = d i a g ( [ , , ] ) PL 195 R =diag([1]) end % Uoc tinh trang thai xhat = Ad*xhat + Bd*u; P = Ad*P*Ad' + Q; % Tinh toan bo khuech dai Lx Lx = P*Cd'/(Cd*P*Cd' + R); % Tinh toan so du resid = meas - Cd*xhat; % Cap nhat uoc tinh hiep phuong sai va trang thai xhat = xhat + Lx*resid; P = (eye(size(Lx,3))-Lx*Cd)*P; % Ket qua dau trang thai, dau uoc tinh xhatOut = xhat; yhatOut = Cd*xhatOut; Giải phương trình Riccati MatrixXd LQRClass::SolveDARE(const MatrixXd &A, const VectorXd &B, const RowVectorXd &C,const double &Q, const double &R) { int sizeP =A.rows(); MatrixXd P; P.setZero(sizeP,sizeP); double Pnorm_old = 100.0; bool IsFinishRecursion = false; int i = 0; double eps = 1e-8; while(!IsFinishRecursion) { P = A.transpose()*P*A+C.transpose()*Q*C- A.transpose()*P*B*1/(1/ (R+B.transpose()*P*B))*B.transpose() *P*A; if(abs(P.norm()-Pnorm_old)20000) { IsFinishRecursion = true; } Pnorm_old = P.norm(); i++; } cout