iv Các nội dung chính trong đề tài
1.3. Các cơng trình đã thực hiện trong và ngồi nước
1.3.1. Nghiên cứu ngồi nước
Với bài tốn tối ưu hĩa các thơng số làm việc của động cơ, qua đĩ xây dựng bộ dữ liệu chuẩn cho ECU động cơ, trên thế giới đã cĩ một số cách tiếp cận khác nhau, nổi bật là các ứng dụng mạng nơ-ron, logic mờ hay quy hoạch thực nghiệm.
Mạng nơ-ron (neural network), hay mạng nơ-ron nhân tạo (ANN - Artificial Neural Network) là mơ hình tính tốn được xây dựng nhằm mơ phỏng hoạt động của não người. Khác với việc tính tốn theo các thuật tốn và chương trình với sự trợ giúp của máy tính, q trình tính tốn trên não người: (i) được thực hiện song song và phân tán trên nhiều nơ- ron gần như đồng thời; (ii) thực chất là quá trình học, chứ khơng phải theo sơ đồ định sẵn từ trước [15].
Sơ đồ mơ phỏng một nơ-ron nhân tạo (hay một đơn vị xử lý) được cho trên Hình 1.24.
Đầu vào của nơ-ron nhân tạo gồm n tín hiệu xi (i = 1, 2, 3, …, n), đầu ra là tín hiệu y. Tín hiệu tổng hợp đầu vào được xác định từ các tín hiệu xi với trọng số wi qua bộ tổng hợp:
= ∑ ( ) (1.1)
Đầu ra y của nơ-ron được xác định bằng một hàm tính tốn phi tuyến f (cịn gọi là hàm
kích hoạt) nào đĩ. Cĩ thể biểu diễn mơ hình định lượng của nơ-ron bằng biểu thức sau:
( ) = (∑ ( ) − ) hay ( ) = ( ) (1.2) Trong đĩ:
θ: là ngưỡng kích
hoạt nơ-ron. t: là thời gian.
Các nơ-ron nhân tạo cĩ thể được kết nối theo nhiều cách, trong đĩ cĩ hai mơ hình phổ biến nhất là mạng truyền thẳng (feedforward neural network) và mạng hồi quy (recurrent neural network). Trong mơ hình truyền thẳng, tín hiệu chỉ truyền theo một hướng qua mạng mà khơng cĩ đường tín hiệu phản hồi. Cịn trong mơ hình hồi quy thì kết hợp cả các đường truyền thẳng và đường phản hồi [49÷51].
Việc sử dụng mạng nơ-ron nhân tạo được chia thành hai giai đoạn: học hay huấn luyện mạng và áp dụng để đưa ra kết quả ước lượng từ đầu vào bất kỳ. Trong quá trình huấn luyện mạng, các giá trị đầu vào và giá trị đầu ra kỳ vọng phải biết trước. Các trọng số
wi sẽ được điều chỉnh sao cho sai lệch giữa giá trị đầu ra từ mơ hình mạng và giá trị kỳ
23
nhất, được sử dụng rộng rãi là thuật tốn lan truyền ngược sai số (Back Propagation). Cịn với mơ hình mạng hồi quy thì hiện tại vẫn chưa cĩ thuật tốn nào được ứng dụng thực tế
mà đem lại hiệu quả rõ rệt. Sau giai đoạn huấn luyện mạng, các trọng số wi được cố định
và mạng sẽ dùng chúng để đưa ra các ước lượng đầu ra từ các giá trị đầu vào bất kỳ (cĩ thể nằm ngồi bộ dữ liệu mà mạng đã được học) [15, 16].
Trong nghiên cứu của mình, R. Muller và các cộng sự [52] đã sử dụng mạng nơ-ron nhân tạo với thuật tốn lan truyền ngược tham số để xác định thời điểm chuyển hĩa 50% năng lượng, qua đĩ tìm ra gĩc đánh lửa sớm tối ưu. Tín hiệu đầu vào cho mạng nơ-ron là tín hiệu diễn biến áp suất bên trong
xilanh động cơ ở từng chu trình. Động cơ thử nghiệm là động cơ xăng Mercedes-Benz 2.3l, 4 xilanh. Tải động cơ được chọn ở 6, 8, 10, 12 bar bmep (áp suất cĩ ích trung bình) trong dải tốc độ từ 2000÷5500 v/ph, bước 500 v/ph. Các tác giả đã dùng 23 điểm để huấn luyện mạng, sau đĩ dùng mơ hình tính tốn 8 điểm khác, được thể hiện trên Hình 1.25.
Sai lệch giữa kết quả tính tốn từ mơ hình với kết quả đo thực tế được chỉ ra trên Hình 1.26. Theo đĩ, sai lệch trung bình
giữa giá trị đo và giá trị tính là 0,046° với giá trị sai số tuyệt đối lớn nhất là 0,26°. Như vậy mơ hình mạng nơ-ron đã cho kết quả rất chính xác.
Trong một nghiên cứu khác, Zhai và Yu [53] đã sử dụng mơ hình mạng nơ-ron để đưa ra bộ thơng số điều khiển tỷ lệ khơng khí/nhiên liệu (AFR - Air Fuel Ratio) cho động cơ. Các tác giả đã
sử dụng sơ đồ điều khiển theo mơ hình dự báo phi tuyến (MPC - Model Predictive Control) và mạng nơ-ron dựa trên thuật tốn hàm cơ sở bán kính (RBF - Radial Basis Function). Mạng nơ-ron RBF được thiết kế cĩ thể thích ứng tức thời với sự thay đổi của những thay đổi phi tuyến trong các vùng làm việc khác nhau của động cơ. Dựa vào các dự báo trước nhiều cấp về tỷ lệ khơng khí/nhiên liệu, thuật tốn điều khiển tối ưu sẽ tính tốn ra các thơng số cần điều khiển để duy trì giá trị hồ khí chuẩn (AFR ≈ 14,7) khi tốc độ
Hình 1.26. Sai lệch giữa kết quả tính của mơ hình và kết quả đo [52]
Hình 1.25. Sơ đồ các điểm trong vùng huấn luyện và vùng tính tốn [52]
24
động cơ và tải thay đổi. Kết quả tính tốn theo mơ hình MPC được thể hiện trên Hình 1.27. Sai số tuyệt đối trung bình của giá trị tỷ lệ khơng khí/nhiên liệu là 0,4464. Tỷ lệ này cũng được duy trì trong dải ±1% xung quanh giá trị hồ khí chuẩn.
Ngồi ra, một số cơng trình nghiên cứu khác sử dụng kỹ thuật điều khiển mờ (fuzzy control) để tối ưu hĩa các thơng số làm việc của động cơ [54÷56]. Trong một cơng bố vào năm 2007, Khiar và cộng sự [54] đã sử dụng mơ hình điều khiển mờ Takagi-Sugeno để điều khiển phi tuyến một động cơ đánh lửa nổ 3 xilanh. Kết quả tính tốn với mơ hình mờ cho thấy khi sử dụng phương pháp này ở hai chế độ 2500 v/ph và 3000 v/ph thì sai lệch về momen trung bình chỉ là 3 Nm (giá trị cao nhất dưới 5%).
Hình 1.27. Sai số điều khiển AFR và lượng nhiên liệu phun [53]
Hình 1.28. Cấu trúc hệ FES với các bộ mờ hĩa (fuzzification) và giải mờ (defuzzification) [55].
25
Nhĩm nghiên cứu của Tasdemir và cộng sự [55] cũng đã sử dụng hệ chuyên gia mờ (FES - Fuzzy Expert System) trong mơ phỏng động cơ xăng nhằm đưa ra dự báo các thơng số kinh tế kỹ thuật và phát thải của động cơ, bao gồm cơng suất, momen, suất tiêu thụ nhiên liệu và phát thải hydrocarbon.
Cấu trúc của mơ hình FES mà Tasdemir sử dụng được cho trên Hình 1.28, trong đĩ các giá trị đầu vào và đầu ra của hệ thống là các giá trị chắc chắn (tường). Bằng việc mờ hĩa những giá trị tường đầu vào này, các giá trị phần tử mờ và cấp độ của chúng được xác định. Trong mơ hình mà các tác giả xây dựng thì hai thơng số đầu vào là tốc độ động cơ và gĩc mở sớm xupap nạp. Các thơng số ra của mơ hình gồm cĩ cơng suất động cơ, mơ men, suất tiêu thụ nhiên liệu cĩ ích, và lượng phát thải hydrocarbon. Các dữ liệu đầu vào và đầu ra được mờ hĩa bởi các chuyên gia và chuyển thành các biến ngơn ngữ như cực thấp (L1), thấp nhất (L2), thấp hơn (L3), thấp (L4), hơi thấp (L5), dưới trung bình (M1), trung bình (M2), trên trung bình (M3), trung bình cao (M4), hơi cao (H1), cao (H2), cao hơn (H3), cao nhất (H4), cực cao (H5). Trên cơ sở các định nghĩa này, các tác giả đã xây dựng nên 48 luật mờ dựa trên tri thức chuyên gia (người), sau đĩ tập hợp thành cơ sở tri thức của hệ thống.
Cấu trúc của một hệ thống FES với một bộ mờ hĩa, một cơ sở trí thức (cơ sở các luật), động cơ tham chiếu mờ và một bộ giải mờ, các hàm phần tử mờ xây dựng từ các thơng số trên được mơ tả trong Hình 1.29.
Kết quả tính tốn mang tính dự báo từ mơ hình FES khi so sánh với kết quả đo đạc thực nghiệm thể hiện trên Hình 1.30.
26
Cĩ thể thấy rằng sai lệch giữa kết quả tính tốn bằng mơ hình logic mờ với kết quả thực nghiệm là rất nhỏ, hồn tồn cĩ thể bỏ qua. Như vậy, với một mơ hình được xây dựng tốt và cĩ cơ sở tri thức lớn thì phương pháp logic mờ mới đem lại hiệu quả và tính chính xác rất cao.
Ngồi một số phương pháp đã được đề cập và điểm qua ở trên, để giảm thiểu chi phí và thời gian thực nghiệm, kỹ thuật quy hoạch thực nghiệm (QHTN) cũng thường được kết hợp sử dụng để giải quyết bài tốn điều khiển tối ưu. Nhĩm tác giả Timothy Hollyday và Thony J.Lawrance đã thực hiện kỹ thuật QHTN trong việc xây dựng map dữ liệu cho động cơ [57]. Các tác giả dùng mơ hình hồi quy đa thức 2 bước để giải bài tốn tìm gĩc phun sớm tối ưu và suất tiêu thụ nhiên liệu theo tải, số vịng quay, tỷ lệ nhiên liệu - khơng khí và tỷ lệ khí luân hồi. Kết quả tính tốn cho độ chính xác tương đối cao, sai sổ bình phương trung bình khi dự báo đại lượng momen chỉ là 1,5 Nm. Nhĩm tác giả Sascha Schoenfeld và Avnish Dhongde đã phân tích các tham số hình học đỉnh piston và kết cấu lỗ phun bằng CFD và QHTN [58]. Nhĩm tác giả Michael Egert và Herbert Mittermaier đã áp dụng mơ hình CFD trong đánh giá buồng đốt của động cơ diesel bằng phương pháp QHTN [59].
Hiện nay đã cĩ nhiều sản phẩm tích hợp để giải bài tốn tối ưu một cách tự động được thương mại hĩa và giới thiệu trên thị trường (chẳng hạn AVL CAMEO), tuy nhiên chúng thường cĩ giá thành rất cao và mã nguồn chương trình là bí mật của nhà sản xuất.
27
1.3.2. Nghiên cứu trong nước
Hệ thống nhiên liệu điều khiển điện tử cho động cơ đã được các nhà khoa học Việt Nam quan tâm và đầu tư nghiên cứu trong nhiều năm trở lại đây. Cĩ thể tĩm lược một vài cơng trình tiêu biểu như sau.
Trong cơng trình nghiên cứu của mình, tác giả Phạm Minh Tuấn và các cộng sự [1] đã tiến hành nghiên cứu thiết kế và chế tạo hồn chỉnh một hệ thống phun xăng cho xe máy. Bộ dữ liệu nạp cho ECU là thời gian phun trên một chu trình (tỷ lệ với lượng nhiên liệu cấp cho chu trình) phụ thuộc vào tốc độ và tải trọng (độ mở bướm ga) được xây dựng trên băng thử theo phương pháp dị tay. Ứng với mỗi giá trị tốc độ và tải trọng cố định, tiến hành điều chỉnh thời gian phun sao cho đảm bảo được hệ số dư lượng khơng khí λ ≈ 1.
Năm 2004, tác giả Trần Anh Trung [4] trình bày nghiên cứu chế tạo bộ điều khiển ECU cũng như quy trình xây dựng bộ dữ liệu về lượng nhiên liệu phun ở chế độ cơ bản phụ thuộc vào tốc độ và tải trọng của động cơ (độ chân khơng ở họng khuếch tán). Bộ số liệu được xây dựng trên băng thử theo phương pháp dị (điều chỉnh lượng nhiên liệu để đảm bảo luơn duy trì hệ số dư lượng khơng khí λ ≈ 1).
Năm 2011, tác giả Khổng Văn Nguyên [5] đưa ra các nghiên cứu đánh giá ảnh hưởng của các thơng số điều khiển trong hệ thống nhiên liệu tới các tính năng kinh tế kỹ thuật của động cơ sử dụng hệ thống nhiên liệu tích áp (CR). Tác giả đã nghiên cứu ảnh hưởng của các thơng số áp suất phun và gĩc phun sớm tới các tính năng kinh tế kỹ thuật của động cơ ở hai chế độ cĩ và khơng cĩ phun mồi. Tuy nhiên việc khảo sát chỉ thực hiện ở một số đường đặc tính tốc độ như 25%, 50%, 75% và 100% tải, việc khảo sát các thơng số áp suất phun và gĩc phun sớm một cách rời rạc vừa làm tăng số lượng các thử nghiệm cần thực hiện trong khi đĩ các giá trị tối ưu mà tác giả đưa ra cĩ thể chỉ là giá trị tối ưu cục bộ (thiếu mối quan hệ tác động qua lại giữa các yếu tố đầu vào).
Năm 2010, tác giả Lê Đình Vũ, Vũ Đức lập [6] đã nghiên cứu ứng dụng hệ thống
nhiên liệu common rail cho động cơ diesel DSC-80. Cơng trình xây dựng bộ số liệu về
đường đặc tính động cơ (EMs) và biểu đồ phun nhiên liệu của vịi phun (IMs) cho phù hợp với các chế độ cơng tác cũng như các chế độ hiệu chỉnh theo yêu cầu của động cơ.
Các cơng trình nghiên cứu về hệ thống nhiên liệu điều khiển điện tử nêu trên đã thu được nhiều kết quả tích cực. Tuy nhiên, các kết quả này mới bước đầu đề cập đến phần cứng của hệ thống điều khiển hoặc một phần nhỏ trong bộ số liệu mà chưa cĩ cơng trình nào xây dựng một cách bài bản bộ dữ liệu chuẩn cho ECU động cơ đốt trong. Do đĩ đề tài luận án này tập trung xây dựng một bộ tham số chuẩn cho động cơ diesel trên cơ sở ứng dụng kỹ thuật quy hoạch thực nghiệm để giải bài tốn tối ưu hĩa.