发电机空燃比控制系统设计论文

前言：想要写出一篇引人入胜的文章？我们特意为您整理了发电机空燃比控制系统设计论文范文，希望能给你带来灵感和参考，敬请阅读。

1空燃比控制系统组成

燃气发电机组的空燃比控制系统主要由控制器、传感器、燃气阀、空气阀、混合器等部分组成。

1.1传感器系统过程数据的采集

通过氧传感器、转速传感器、进气压力传感器等传感器实现。氧传感器是系统中重要的传感器之一。在空燃比控制系统中，最常见的反馈参数是排气中氧的含量，它直接反映出燃气燃烧之后留下了多少氧气。因为燃烧室内大部分的氧气，或者说所有的氧气均来自于空气，所以排气氧含量是空燃比的直接反映。发动机转速的稳定性对发电机组输出交流电的频率稳定性影响较大，而频率的稳定性又是衡量发电机组输出电能质量的主要指标之一。转速传感器多为磁电式传感器，安装在凸轮轴上，由转速传感器内的永磁体、线圈和发动机飞轮齿轮共同作用产生一个交流电压信号，该信号经采样电阻和放大器处理后，输入到控制器CPU内。

1.2燃气阀及空气阀

燃气阀及空气阀是带步进电机的电动调节阀，也是系统的执行器。控制器利用PWM驱动步进电机，进而调节阀门开度。

1.3空燃比控制器空燃比控制器是空燃比控制的“大脑”。在本系统设计中，空燃比控制器基于DSP处理器设计，由检测电路、空燃比控制电路和通讯接口电路等部分构成。

2空燃比控制策略

在空燃比控制系统中，系统的控制目标是要使稳态下空燃比的平均值在理想值附近，而且在突加突卸负载造成空燃比偏离理想值时，系统能迅速响应，将空燃比控制在理想值附近。

2.1RBF神经网络

整定PID控制策略在工业控制中，PID控制器应用广泛。由于发动机的空燃比受进入气缸的空气量转速、负荷、温度、气体燃料喷射器的响应速度和喷射精度等多种因素的影响，所以采用PID控制，根据反馈实时调整进气量，使之达到精确控制。人工神经网络是一种在生物神经网络的启示下建立的数据处理模型。其中径向基函数（RBF）模拟了人脑中局部调整相互覆盖接受域的神经网络结构，能以任意精度逼近任意非连续函数，是一种局部逼近网络，收敛速度快。本设计采用并行控制策略来实现发动机空燃比的控制，前馈控制采用RBF神经网络控制器，反馈控制则采用PID控制器。前馈控制及时快速响应，实现发动机的逆动态模型；反馈控制则保证系统的稳定性，抑制干扰信号对系统的扰动。

2.2仿真实验

本文采用MATLAB软件Simulink工具箱进行燃气发电机组空燃比控制系统仿真。燃气发电机组空燃比控制系统采用常规PID控制的仿真，通过对比可以发现：在稳态时，与常规PID相比，并行控制的稳态误差小，空燃比基本能稳定在理论空燃比附近；在动态时，与常规PID相比，并行控制的超调量小，即使在加入干扰的情况下，超调量δp也可控制在20％以内。

3结语

针对燃气发电机组的空燃比控制，本文设计了一套采用RBF神经网络和PID并行控制的控制系统。仿真结果表明，该系统可有效提高燃气发电机组的发电效率，改善燃气发电机组的尾气排放。

作者：洪霖 单位：东华大学