Modeling and Control of Diesel Engine Emissions using Multi-layer Neural Networks and Economic Model Predictive Control

📄 arXiv: 2311.03552v1 📥 PDF

作者: Jiadi Zhang, Xiao Li, Mohammad Reza Amini, Ilya Kolmanovsky, Munechika Tsutsumi, Hayato Nakada

分类: eess.SY

发布日期: 2023-11-06

DOI: 10.1016/j.ifacol.2023.10.724

💡 一句话要点

提出多层神经网络与经济模型预测控制以降低柴油机排放

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 柴油机排放 多层神经网络 经济模型预测控制 氮氧化物 烟尘 控制系统 仿真框架

📋 核心要点

  1. 现有柴油机排放控制方法在降低氮氧化物和烟尘方面存在不足，难以实现高效的实时控制。
  2. 本文提出了一种基于多层神经网络的排放预测模型，并结合经济模型预测控制（MPC）进行排放控制。
  3. 仿真结果显示，所提方法有效降低了氮氧化物排放，满足了烟尘限值，并实现了对进气压力和EGR率的精准跟踪。

📝 摘要（中文）

本文展示了开发多层神经网络（NN）以表征柴油机排放的结果，并将该NN集成到控制设计中。首先，训练并验证了NN，以同时预测氮氧化物（N Ox）和烟尘，使用了瞬态和稳态数据。通过输入输出相关性分析，选择了对排放影响最大的NN输入，同时保持NN结构简单。其次，实施了一个联合仿真框架，将NN排放模型与在GT-Power中构建的柴油机空气路径系统模型集成，以识别用于排放预测的低阶线性参数变化（LPV）模型。最后，基于LPV排放模型开发了经济监督模型预测控制器（MPC），以调整设定点，跟踪内环空气路径控制器的目标。仿真结果表明，所提出的控制器能够降低N Ox，满足烟尘限值，并跟踪调整后的进气歧管压力和废气再循环（EGR）率目标。

🔬 方法详解

问题定义：本文旨在解决柴油机排放控制中的氮氧化物和烟尘排放问题，现有方法在实时性和准确性上存在挑战。

核心思路：通过开发多层神经网络来预测柴油机的排放，并将其与经济模型预测控制结合，以实现更高效的排放管理。

技术框架：整体架构包括三部分：首先是训练和验证的多层神经网络，其次是与GT-Power构建的柴油机空气路径系统的联合仿真，最后是基于LPV模型的经济MPC控制器。

关键创新：最重要的创新在于将多层神经网络与经济模型预测控制相结合，形成了一种新的排放控制策略，与传统方法相比，具有更高的灵活性和适应性。

关键设计：在神经网络设计中，选择了对排放影响最大的输入变量，并保持网络结构的简洁性；在MPC设计中，采用了低阶线性参数变化模型以提高控制精度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提出的控制器能够将氮氧化物排放降低至目标值，并成功满足烟尘限值。具体而言，控制器在调整进气歧管压力和EGR率方面表现出色，显示出显著的性能提升。

🎯 应用场景

该研究具有广泛的应用潜力，尤其在汽车工业和环境保护领域。通过优化柴油机排放控制，可以有效降低有害气体排放，符合日益严格的环保法规，并提升柴油机的整体性能和经济性。

📄 摘要（原文）

This paper presents the results of developing a multi-layer Neural Network (NN) to represent diesel engine emissions and integrating this NN into control design. Firstly, a NN is trained and validated to simultaneously predict oxides of nitrogen (N Ox) and Soot using both transient and steady-state data. Based on the input-output correlation analysis, inputs to NN with the highest influence on the emissions are selected while keeping the NN structure simple. Secondly, a co-simulation framework is implemented to integrate the NN emissions model with a model of a diesel engine airpath system built in GT-Power and used to identify a low-order linear parameter-varying (LPV) model for emissions prediction. Finally, an economic supervisory model predictive controller (MPC) is developed using the LPV emissions model to adjust setpoints to an inner-loop airpath tracking MPC. Simulation results are reported illustrating the capability of the resulting controller to reduce N Ox, meet the target Soot limit, and track the adjusted intake manifold pressure and exhaust gas recirculation (EGR) rate targets.