汽油压燃发动机燃烧诊断与反馈控制：基于缸压的方法与应用

该篇毕业论文深入探讨了汽油压燃发动机燃烧诊断与反馈控制的关键问题，特别是在HCCI（均质压燃）发动机领域。随着排放法规和燃油经济性的日益严格，HCCI作为一种高效、低排放的燃烧模式，引起了广泛关注。 论文首先聚焦于HCCI发动机的非正常燃烧诊断，特别是失火情况。作者研究了两种基于缸压的放热分析方法——总放热率法和净放热率法，这些方法通过对各循环放热参数的分析，能有效识别出完全失火、部分燃烧和滞后燃烧现象。其中，平均指示压力（IMEP）诊断模型在上止点后180°CA准确区分失火与部分燃烧，展示了良好的通用性；而神经网络模型则在上止点后20°CA快速检测正常燃烧，对于滞后燃烧的分类更为及时，有利于采取补救措施。 在爆震诊断方面，论文采用了IIR高通滤波器和Mallat小波快速算法来提取缸压信号中的特征，最终选择3阶IIR滤波作为主要方法，并通过STM32验证了实时性。通过多维度分析爆震故障特性，作者确定了包括振荡压力峰值、升高率峰值、积分、相对能量、衰减边缘指标和标准差在内的六个关键诊断参数。通过遗传算法优化的BP神经网络和模糊C-均值聚类算法的比较，神经网络模型在爆震强度判断上表现出更高的精度。 论文还探讨了反馈控制策略，使用GT-Power建立HCCI单缸发动机模型，研究了负荷和燃烧相位的控制规律。通过系统辨识和离散状态空间模型，设计了卡尔曼状态观测器和MPC（模型预测控制）控制器。结合Matlab/Simulink和GT-Power，论文构建了一个联合仿真平台，用于实现HCCI发动机的负载和燃烧相位的精确控制。研究结果显示，所设计的MPC控制器在跟踪阶跃参考轨迹时表现出良好的控制性能，即使在设置过渡曲线后，仍能确保控制指标的准确性。 这篇论文为汽油压燃发动机的燃烧诊断提供了创新的理论支持和实用的控制策略，对提升HCCI发动机的性能和稳定性具有重要意义。