2024先进动力系统智能控制国际集训营第十三讲——动力系统的智能抗扰控制与仿真实践

2024年8月4日，由中国内燃机学会主办，中国内燃机学会内燃动力智能技术分会、天津大学先进内燃动力全国重点实验室共同承办的2024先进动力系统智能控制国际集训营第十三讲顺利结束。第十三讲由天津大学副教授、中国内燃机学会智能技术分会秘书长——宋康老师，做主题为动力系统的智能抗扰控制与仿真实践的授课。宋老师作为密西根州立大学博后，在美国福特公司研究创新中心从事柴油机电辅助空气系统的控制系统开发，具体负责一维仿真，模型预测优化控制，以及人工智能算法研究。2018年回天津大学任教，从事动力系统与车辆控制研究，构建了基于多尺度不确定性观测的自学习智能抗扰控制方法，解决了现有算法标定难、控制效果差的问题，大量相关成果实现工业应用。

图一 课程主题

图二 授课风采

课程中提出在当今汽车电子架构变革的背景下，内燃动力系统的智能化发展成为关注焦点。深入探讨了内燃机动力系统在新时代背景下的智能化发展及其对控制技术的革新需求。会议集中讨论了从经典的PID控制到先进的自抗扰控制（ADRC）和模型预测控制（MPC）的演进，并展望了智能化技术在未来动力系统中的应用潜力。

图三 与学生互动

宋老师提出内燃动力系统是一类典型的高动态、多回路耦合、多能源协同，运行在复杂边界上的动态系统。为实现精准、快速控制，回顾了动力系统控制技术的发展历程，将其划分为四个主要阶段，并强调了在当前快速发展的动力系统中，传统控制方法的局限性，以及智能化技术对于推动行业发展的重要性。研究团队对动态系统建模与辨识、控制算法等方面进行了深入研究。

在控制算法方面，从PID控制到ADRC控制，再到MPC和强化学习，控制算法不断演进。PID控制虽然应用广泛，但存在调参难、鲁棒性差等问题。ADRC控制通过分而治之、主动观测的方法，对总扰动进行估计和补偿，提高了系统的抗扰能力。MPC通过模型推演实现多步预测，以优化控制性能，但在处理不等式约束和求解大规模问题时仍面临挑战。强化学习则通过值迭代等方法，在未知对象模型的情况下求解最优控制策略，为解决复杂系统的控制问题提供了新的思路。

图四机械工程学院梁兴雨主任颁发奖杯与聘书

在工程实践中，模型参数辨识是实现精确控制的关键。线性模型参数辨识可采用线性批量最小二乘、普通递推最小二乘和带有遗忘因子的递推最小二乘等方法。对于非线性模型，可采用牛顿法、梯度法、高斯 - 牛顿法和Levenberg Marquart法等进行参数估计。

在智能化技术应用方面，宋老师指出大数据、机器学习、人工智能等新兴技术在动力系统控制中的关键作用，特别是在简化系统标定、提升控制器适应性、自动化操作完成等方面展现出的巨大潜力。

技术讨论环节，宋老师重点介绍了ADRC技术，这是一种通过扩张状态观测器（ESO）实现精确系统状态观测的技术，能够通过参数调整实现快速且无超调的控制效果。宋老师详细解释了ADRC的设计过程，包括如何根据系统的调节时间来计算控制器参数，以及如何通过观测器带宽的调整来提高系统的响应速度。

此外，宋老师还涵盖了动态系统控制的基础理论，探讨了非最小相位系统、动态系统的零点配置，以及强化学习与自由控制的结合等议题。通过对动态系统特性的深入分析，宋老师展示了如何利用系统的能量存储和耗散特性，通过积分和微分方程来描述和控制动态系统。

为了实现内燃动力系统的智能化控制，研究团队将多种控制方法应用于发动机转速控制、空气系统控制、P2混合动力控制和AMT重卡的预见性节能等场景。例如，在发动机转速控制中，采用模型和降阶观测器，可使转速偏差减小可达51%；在空气系统控制中，相对于PID控制，使用ADRC和ESO - MPC可使增压压力跟踪误差降低；在P2混合动力控制中，MPC能量管理策略相比基于规则的策略，在绝大多数驾驶循环下可降低累计油耗；在AMT重卡的预见性节能中，通过坡度的预见性节能控制，可节油2.84%以上。

展望未来，内燃动力系统的智能化将朝着融合语言与数理大模型、从单体智能到群体智能的方向发展，构建适应不确定性复杂场景的车辆与动力超级智能体。这需要在自主决策、高效规划、高适应性控制和预见性运维等方面不断创新和突破。

这堂课，宋老师用“转速控制”一条线，串讲梳理3天半的讲课内容，从动态系统到PID，ADRC，MPC到强化学习，并配合简化的Simulink和python的程序demo。基于昆易miniHIL和天大准备的ECU控制器做闭环仿真，生动的演示了抗扰控制器的控制效果。内燃动力系统的智能抗扰控制是一个复杂而重要的研究领域，天津大学的研究成果为该领域的发展提供了有益的参考和借鉴。未来，随着技术的不断进步，内燃动力系统将在智能化的道路上迈出更加坚实的步伐。

据悉，本届集训营邀请了来自天津大学、大连理工大学、东南大学、同济大学、合肥工业大学等8所高校和中国科学院数学与应用科学研究院、艾迪捷信息科技(上海)有限公司等5家企业及研究院所的14位授课教师，围绕控制优化及学习算法的基础理论、多种类型动力系统的控制应用、控制系统开发测试的工具链3个层面开展专项培训。来自清华大学、同济大学、北京理工大学、哈尔滨工业大学、大连理工大学、北京交通大学、广西大学、武汉理工大学、哈尔滨工程大学、燕山大学、大连民族大学、浙江大学城市学院等12所高校和潍柴、玉柴、中国重汽、中国北方发动机研究所、康明斯、长安汽车、中国汽研、洛拖所、中科华盈等9家企业及研究院所的52名科研和技术人员报名参加。