基于渐近法的废气氧传感器Hammerstein模型辨识
为了解决与发动机空燃比控制相关的废气氧(EGO)传感器精确建模问题,基于渐近(ASYM)法辨识了EGO传感器的Hammerstein模型.模型的非线性部分用静态实验数据拟合,动态线性部分的辨识分为三步.先估计一个高阶ARX模型,然后依据渐近准则(ASYC)找出最佳频率响应估计的模型阶次,再采用极大似然(ML)法估计降阶后的模型参数.通过残差分析、交叉验证和模型误差模型(MEM)测试,将得到的ASYM模型与输出误差(OE)模型和Box-Jenkins(BJ)模型进行比较.结果表明,基于ASYM法的Hammerstein模型能够更精确地捕获EGO传感器的频域动态特性,并且用ASYM法能够量化模型的频域误差上限以评价建模精度.
废气氧传感器、Hammerstein模型、渐近方法、误差上限、模型误差模型
31
TP212;U463.6(自动化技术及设备)
国家自然科学基金60474057;合肥工业大学博士学位专项基金GDBJ2008013
2010-09-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
1514-1519