Luận án Nghiên cứu điều khiển bám tối ưu mô-Men cho động cơ xăng để giảm lượng nhiên liệu tiêu thụ

i 
MỤC LỤC 
Mở đầu 1 
Chương 1. Tổng quan về các phương pháp điều khiển động cơ xăng 8 
1.1. Tổng quan các công trình nghiên cứu về điều khiển tiết kiệm nhiên liệu 
cho động cơ xăng trên thế giới 
9 
1.2. Các công trình nghiên cứu trong nước về điều khiển tiết kiệm nhiên liệu 
cho động cơ đốt trong 
20 
1.3. Những vấn đề cần tiếp tục nghiên cứu về điều khiển tiết kiệm nhiên liệu 
cho động cơ xăng và hướng nghiên cứu của luận án 
21 
1.4. Kết luận chương 1 24 
Chương 2. Mô hình hóa và nhận dạng động cơ xăng 25 
2.1. Chu trình công tác và mô hình hóa động cơ xăng 25 
2.2. Lựa chọn tín hiệu vào-ra để điều khiển động cơ xăng 37 
2.3. Mô phỏng động cơ xăng 40 
2.4. Nhận dạng mô hình động cơ xăng 43 
2.5. Kết luận chương 2 64 
Chương 3. Điều khiển mô-men động cơ xăng bằng thuật toán điều 
khiển bám tối ưu LQIT tự chỉnh 
66 
3.1. Điều khiển LQIT trong miền liên tục 66 
3.2. Điều khiển LQIT trong miền gián đoạn 73 
3.3. Quan sát trạng thái của đối tượng bằng bộ lọc Kalman 74 
3.4. Tổng hợp bộ điều khiển LQIT với bộ lọc Kalman 81 
ii 
3.5. Đề xuất phương pháp mới điều khiển bám tối ưu LQIT tự chỉnh RHC 91 
3.6. Kết luận chương 3 99 
Chương 4. Thực nghiệm kiểm chứng chất lượng của thuật toán đã đề 
xuất bằng phương pháp HIL 
101 
4.1. Phương pháp Hardware-In-The-Loop (HIL) 101 
4.2. Thiết kế, cài đặt bộ điều khiển bám tối ưu LQIT trên Kit Arduino 
Mega2560 
103 
4.3. Kết quả thực nghiệm 110 
KẾT LUẬN 118 
DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ LIÊN QUAN ĐẾN ĐỀ TÀI 120 
TÀI LIỆU THAM KHẢO 121 
PHỤ LỤC 
iii 
DANH MỤC CÁC KÝ HIỆU 
Ký 
hiệu 
Ý nghĩa Đơn vị Ký hiệu Ý nghĩa 
mV Thể tích của đường hút 
m3 
a Hệ số dư lượng không khí 
nhiên liệu thực tế 
eV Thể tích buồng đốt 
m3 
f
 Hệ số dư lượng không khí 
lý thuyết 
eJ Mô-men quán tính của động cơ 
kg m^2 
,ac th
m Lưu lượng không khí lý 
thuyết 
kg/s 
MC Hằng số mô-men 
N m/ 
kg/s) 
acm Lưu lượng không khí thực 
tế 
kg/s 
itt Thời gian trễ đánh lửa 
Ms 
f
m Lưu lượng nhiên liệu thực 
tế 
kg/s 
stt Thời gian trễ phun 
Ms 
,f th
m Lưu lượng nhiên liệu lý 
thuyết 
kg/s 
mT Nhiệt độ buồng đốt 
degK /
s
A F
Tỷ lệ hòa khí nhiên liệu 
trong 1 giây 
aM Hệ số của van  Hệ số dư lượng không khí 
R Hằng số chất khí 
J/mole 
deg K 
fim 
Lưu lượng nhiên liệu phun 
vào xi lanh thực tế 
kg/s 
am Lưu lượng không khí kg/s fcm Lưu lượng nhiên phun vao 
xi lanh liệu lý thuyêt 
kg/s 
aim Lưu lượng khống khí vào kg/s  Tỷ lệ hòa khí nhiên liệu 
aom Lưu lượng không khí ra kg/s i Mô-men chỉ thị Nm 
MAXm
Lưu lượng không khí lớn nhất, khi 
góc mở bướm mở lớn nhất. 
kg/s SI Hệ số số đánh lửa 
mP 
Áp suất trên đường hút Pa AFI Hệ số phun nhiên liệu 
fT 
Thời gian phun nhiên liệu tối ưu sec 
f Mô-men cản ma sát Nm 
 Góc mở bướm ga deg e Mô-men trên trục động cơ Nm 
vol
 Hiệu suất khối c Mô-men cản từ tải Nm 
e Tốc độ động cơ xăng rad/s ap Áp suất cuối kỳ hút Pa 
1C Hệ số thể tích cr Tỷ số nén 
iv 
DANH MỤC CÁC CHỮ VIẾT TẮT 
Ký hiệu Ý nghĩa Ký hiệu Ý nghĩa 
AFR 
air/fuel ratio (tỷ lệ hỗn hợp không 
khí / nhiên liệu) 
PD Proportional-Derivative 
ARI Arrhenius integration PI Proportional-Integral 
BDC Bottom Dead Center PID Proportional-Integral-Derivative 
ECU Engine control unit PMEP Pumping mean effective pressure 
EFI Electric Fuel Injection PGM-FI Programmed Fuel Injection 
FB FeedBack VVT-i Variable valve Timing intelligent 
FI Fuel Injection 
RCCI Reactivity Controlled Compression 
Ignition 
FLC Fuzzy Logic Control SI spark-ignition 
HCCI 
Homogeneous Charge 
Compression Ignition 
SIDI Spark Ignition Direct Injection 
HIL Hardware in the loop SMC Sliding Mode Control 
IMEP 
Indicated Mean Effective 
Pressure 
ST spark ignition timing 
MAP mean air pressure SMC Sliding Mode Control 
MVEM mean value engine model STR Self Tuning Regulator 
MPC Model predictive control TC TurboCharged 
MEP mean effective pressure TDC Top Dead Center 
LQ Linear Quadratic RHC Receding horizon control 
LQR Linear–Quadratic Regulator 
LQG Linear–Quadratic–Gaussian 
LQIT Linear Quadratic Integral Tracking 
v 
DANH MỤC CÁC BẢNG 
Số bảng Tên bảng Trang 
Bảng 2.1 Các thông số khảo sát của động cơ xăng 40 
Bảng 3.1 Lượng nhiên liệu tiêu thụ với giá trị mô-men cản là 10 
(Nm) 
85 
Bảng 3.2 Lượng nhiên liệu tiêu thụ với giá trị mô-men cản là 20 
(Nm) 
86 
Bảng 3.3 Lượng nhiên liệu tiêu thụ với giá trị mô-men cản là 30 
(Nm) 
86 
vi 
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ 
Tên hình Trang 
Hình 1.1. Cấu trúc bộ điều khiển theo mô-men trên xe ô tô 15 
Hình 1.2. Điều khiển hành trình trên các xe ô tô hiện đại 16 
Hình 2.1. Đồ thị chu trình công tác của động cơ xăng 25 
Hình 2.2. Mô hình động cơ xăng SI 26 
Hình 2.3. Diễn biến quá trình nạp của động cơ xăng 27 
Hình 2.4. Động học trên đường hút của động cơ xăng 27 
Hình 2.5. Mô hình động học không khí trên đường ra khỏi học hút vào 
động cơ 
29 
Hình 2.6. Mô hình động học không khí vào trong họng hút đi qua cánh 
bướm ga 
29 
Hình 2.7. Mô hình động học đường hút 29 
Hình 2.8. Hệ thống phun xăng - 1: Không khí nạp. 2:Cảm biến khí nạp 
(cảm biến gió) 3: Bướm hỗn hợp . 4: Xappap nạp.5: Vòi phun.6: Tín 
hiệu điều khiển phun.7: Bộ điều khiển phun xăng.8: Các tín hiệu cảm 
biến vào bộ xử lý.9: Xăng từ bơm 
30 
Hình 2.9. Mô hình động học hệ thống phun nhiêu liệu 32 
Hình 2.10. Diễn biến quá trình cháy giãn nở động cơ xăng trên đồ thị 
công 
33 
Hình 2.11. Mô hình mô phỏng mô-men chỉ thị của động cơ xăng 34 
Hình 2.12. Mô hình mô phỏng mô-men, tốc độ trên trục động cơ xăng 35 
Hình 2.13. Mô hình mô phỏng Momen_2 của động cơ xăng 35 
Hình 2.14. (a) -Mô hình mô phỏng thực hiện hệ phương trình (2.22), 
(b)-Mô hình mô phỏng động cơ xăng thực hiện bằng khối Subsystem 
trong Simulink 
36 
Hình 2.15. Mô hình động học phương dọc của xe ô tô 37 
Hình 2.16. (a)- Lực tác động lên trục khuỷu hình thành mô-men quay 
của động cơ xăng, (b)-Cấu trúc hệ thống điều khiển động cơ xăng 
39 
Hình 2.17. Tín hiệu vào/ra của động cơ xăng 39 
Hình 2.18. Sơ đồ mô phỏng động cơ xăng trên Simulink 40 
Hình 2.19. Kết quả mô phỏng hoạt động của động cơ xăng 41 
Hình 2.20. Cấu trúc nhận dạng mô hình hệ thống 44 
Hình 2.21. Các bước nhận dạng hệ thống 45 
Hình 2.22. Các dạng tín hiệu mẫu vào thông dụng: (a) tín hiệu phân 
bố Gausse, tín hiệu nhị phân ngẫu nhiên, (c) tín hiệu đa hài 
45 
Hình 2.23. Dự báo đáp ứng của hệ thống 48 
Hình 2.24. Giao diện công cụ System Identification 53 
Hình 2.25. Tập dữ liệu vào ra input = , output = e 54 
vii 
Hình 2.26. Mô phỏng, thu thập dữ liệu và nhận dạng động cơ xăng 54 
Hình 2.27. Kết quả đánh giá sự trùng hợp tốc độ và mô-men đầu ra 
của mô hình trạng thái và mô hình phi tuyến của động cơ khi tín hiệu α 
là ngẫu nhiên 
55 
Hình 2.28. Kết quả đánh giá sự trùng hợp tốc độ và mô-men đầu ra 
của mô hình trạng thái và mô hình phi tuyến của động cơ khi tín hiệu α 
là hình sin 
56 
Hình 2.29. Kết quả đánh giá sự trùng hợp tốc độ và mô-men đầu ra 
của mô hình trạng thái và mô hình phi tuyến của động cơ khi tín hiệu α 
là dạng tam giác 
56 
Hình 2.30. Các điểm cực và zero của hệ thống 56 
Hình 2.31. Kết quả đánh giá sự trùng hợp tốc độ đầu ra của mô hình 
ARX và mô hình phi tuyến của động cơ khi tín hiệu α là ngẫu nhiên 
58 
Hình 2.32. Kết quả đánh giá sự trùng hợp mô-men đầu ra của mô hình 
ARX và mô hình phi tuyến của động cơ khi tín hiệu α là hình sin 
58 
Hình 2.33. Kết quả đánh giá sự trùng hợp mô-men đầu ra của mô hình 
ARX và mô hình phi tuyến của động cơ khi tín hiệu α là dạng tam giá 
58 
Hình 2.34. Các điểm cực và zero của hệ thống 59 
Hình 2.35. Cấu trúc bộ ước lượng tham số ˆ k cho động cơ xăng 62 
Hình 2.36. Vectơ tham số 1 2 3 1 2 3ˆ ˆ ˆˆ ˆ ˆ ˆ
T
k a a a b b b 
 của 
động cơ xăng 
63 
Hình 2.37. Kết quả đánh giá sự trùng hợp tốc độ đầu ra của mô hình 
ARX nhận dạng online và mô hình phi tuyến của động cơ khi tín hiệu α 
là ngẫu nhiên 
63 
Hình 2.38. Kết quả đánh giá sự trùng hợp tốc độ đầu ra của mô hình 
ARX nhận dạng online và mô hình phi tuyến của động cơ khi tín hiệu α 
là hình sin 
64 
Hình 2.39. Kết quả đánh giá sự trùng hợp tốc độ đầu ra của mô hình 
ARX nhận dạng online và mô hình phi tuyến của động cơ khi tín hiệu α 
là hình tam giác 
64 
Hình 3.1. Mô hình tổng quát hệ thống tuyến tính 66 
Hình 3.2. Cấu trúc bộ điều khiển tối ưu LQR 70 
Hình 3.3. Cấu trúc bộ điều khiển bám tối ưu LQIT 72 
Hình 3.4. Bộ lọc Kalman cho hệ thống điều khiển phản hồi trạng thái 75 
Hình 3.5. Động cơ xăng được quan sát trạng thái bằng bộ lọc Kalman 
mở rộng 
78 
Hình 3.6. Hệ thống quan sát trạng thái bằng bộ lọc Kalman tuyến tính 
với tín hiệu đo lường từ mô hình nhận dạng ARX trực tuyến theo thời 
gian 
79 
Hình 3.7. Quan sát trạng thái theo mô hình nhận dạng trực truyến 79 
viii 
Hình 3.8. Mô phỏng quan sát trạng thái động cơ xăng bằng bộ lọc 
Kalman tuyến tính với tín hiệu đo lường từ mô hình nhận dạng trực 
tuyến theo thời gian 
80 
Hình 3.9. Dạng tín hiệu trạng thái quan sát được của đối tượng 81 
Hình 3.10. Cấu trúc bộ điều khiển LQIT kết hợp với bộ lọc Kalman 81 
Hình 3.11. (a) thuật toán xác định bộ điều khiển LQIT, (b) thuật toán 
xác định bộ lọc Kalman tuyến tính 
82 
Hình 3.12. Mô hình điều khiển bám theo mô-men cho động cơ xăng với 
(a)-bộ điều khiển LQIT kết hợp với quan sát Kalman, (b) với bộ điều 
khiển PID 
84 
Hình 3.13. Các đặc tính khi sử dụng LQIT và PID với mô-men cản là 
±10Nm 
87 
Hình 3.14. Các đặc tính khi sử dụng LQIT và PID với mô-men cản là 
±20Nm 
88 
Hình 3.15. Các đặc tính của động cơ xăng khi mô-men cản và tốc độ 
đặt thay đổi 
89 
Hình 3.16. Cấu trúc bộ điều khiển tự chỉnh dọc trục thời gian RHC 92 
Hình 3.17. Cấu trúc bộ điều khiển bám tối ưu tích phân LQIT tự chỉnh 92 
Hình 3.18. Lưu đồ thuật toán tính toán bộ điều khiển LQIT tự chỉnh 
cho hệ rời rạc 
93 
Hình 3.19. Lưu đồ thuật toán tính toán bộ quan sát trạng thái Kalman 
hệ rời rạc 
94 
Hình 3.20. Mô hình hệ thống điều khiển bám tốc độ đặt LQIT tự chỉnh 95 
Hình 3.21. Các đặc tính của động cơ xăng khi áp dụng điều khiển 
LQIT tự chỉnh 
96 
Hình 4.1. Các phương pháp mô phỏng thời gian thực 102 
Hình 4.2. (a)-Cấu trúc lai mô phỏng thời gian thực, (b)-mô phỏng 
Hardware-in-the-loop tạo mẫu điều khiển 
102 
Hình 4.3. Trình tự thiết kế và mô phỏng thời gian thực bằng máy tính 
sử dụng kit Arduino 
104 
Hình 4.4. Kit Arduino Mega-2560 105 
Hình 4.5. Thư viện Arduino IO Library trong Simulink 106 
Hình 4.6. Cấu trúc mô phỏng HIL cho điều khiển bám mô-men động 
cơ xăng, (a)-mô hình bộ điều khiển LQIT tự chỉnh, (b)-mô hình mô 
phỏng động cơ xăng 
108 
Hình 4.7. Mô hình vật lý mô phỏng thời gian thực HIL cho bộ điều 
khiển bám ổn định tốc độ đặt và mô-men cản bằng thuật toán LQIT tự 
chỉnh 
109 
Hình 4.8. Sơ đồ Simulink-HIL cho động cơ xăng (Máy tính 1) 109 
Hình 4.9. Sơ đồ Simulink-HIL cho bộ điều khiển LQIT (Máy tính 2) 110 
ix 
Hình 4.10. Thí nghiệm khi tốc độ đặt là hằng số, mô-men cản là sóng 
vuông 
110 
Hình 4.11. Đặc tính tốc độ mô-men cản dạng sóng vuông 20Nm (a)-khi 
sử dụng bộ điều khiển LQIT tự chỉnh, (b)-khi sử dụng bộ điều khiển 
PID 
111 
Hình 4.12. Đặc tính góc mở bướm ga α của động cơ xăng mô-men cản 
là sóng vuông 20Nm (a)-khi sử dụng bộ điều khiển LQIT tự chỉnh, (b)-
khi sử dụng PID 
112 
Hình 4.13. Đặc tính mô-men của động cơ xăng mô-men cản là sóng 
vuông 20Nm (a)- khi sử dụng bộ điều khiển LQIT tự chỉnh, (b)-khi sử 
dụng PID 
112 
Hình 4.14. Đặc tính tiêu thụ nhiên liệu của động cơ xăng khi tốc độ đặt 
là hằng số và mô-men thay đổi dạng sóng vuông 
113 
Hình 4.15. Thí nghiệm khi tốc độ đặt và mô-men cản là dạng bậc 
thang 
113 
Hình 4.16. Đặc tính tốc độ và mô-men cản thay đổi dạng bậc thang 
(a)-khi sử dụng bộ điều khiển LQIT tự chỉnh, (b)-khi sử dụng bộ điều 
khiển PID 
114 
Hình 4.17. Đặc tính góc mở bướm ga α của động cơ xăng khi tốc độ và 
mô-men thay đổi dạng bậc thang (a)-sử dụng LQIT tự chỉnh, (b)-khi sử 
dụng PID 
115 
Hình 4.18. Đặc tính mô-men của động cơ xăng khi tốc độ và mô-men 
cản dạng bậc thang, (a)-khi sử dụng LQIT tự chỉnh, (b)-khi sử dụng 
PID 
115 
Hình 4.19. Đặc tính tiêu thụ nhiên liệu của động cơ xăng khi tốc độ đặt 
và mô-men thay đổi dạng bậc thang 
116 
1 
MỞ ĐẦU 
1. Giới thiệu 
Đã có hơn 90 triệu chiếc xe hơi được sản xuất trên toàn Thế giới trong năm 
2019, xe hơi sản xuất tăng 5% mỗi năm [95]. Sự phát triển của thị trường ô tô 
mang lại nhiều khía cạnh tiêu cực cần được xem xét nghiêm túc của ngành công 
nghiệp ô tô. Thứ nhất, động cơ xăng đã trở thành một trong những đối tượng gây ô 
nhiễm lớn cho môi trường. Thứ hai, giá nhiên liệu tăng cao, buộc các nhà sản xuất 
động cơ ứng dụng công nghệ mới cho phép ít gây ô nhiễm và hiệu quả. 
a. Tình hình nghiên cứu trong nước 
Mặc dù số lượng yêu cầu ô tô, xe máy ở Việt Nam và trên thế giới là lớn 
không ngừng tăng về số lượng, song chỉ có một số các hãng sản xuất ô tô, xe máy 
lớn trên thế giới có khả năng thiết kế và thi công bộ điều khiển kiểm soát nhiên 
liệu điện tử EFI. Đây là một công việc đòi hỏi một hàm lượng chất xám cao và 
phải thỏa mãn các tiêu chuẩn quốc tế về hàm lượng khí thải (chuẩn Châu Âu và 
của Nhật Bản). Hiện nay, đa số các bản quyền thiết kế và thiết kế công nghệ phụ 
thuộc vào một số hãng lớn trên thế giới, là sở hữu của các hãng này chứ không phổ 
biến rộng rãi. Vì vậy, vấn đề này cũng được một số nhà khoa học trong nước tiếp 
cận, nghiên cứu trong khoảng hơn một thập niên trở lại đây. 
b. Tình hình nghiên cứu tại nước ngoài 
Với mục tiêu giảm thiểu ô nhiễm khí thải cũng như bảo toàn các nguồn tài 
nguyên thiên nhiên, tiết kiệm năng lượng trở thành một chủ đề mang tính toàn cầu. 
Cùng với đó là sự nảy sinh nhu cầu đối với các loại phương tiện giao thông đặc 
biệt là các xe ô tô thân thiện với môi trường, áp dụng các loại động cơ tiết kiệm 
nhiên liệu, ít khí thải độc hại, các hãng xe thế giới như Honda, Toyota, Nissan, 
GMC, Ford nỗ lực áp dụng các thành tự khoa học trong phát triển các loại động cơ 
xăng sử dụng công nghệ tiên tiến để thay đổi kết cấu của động cơ: công nghệ phun 
2 
xăng điện tử EFI , VVT, Turbochanger, Superchanger, Hybrid, HCCI, 
RCCI,Đặc biệt hơn là các nhà khoa học về điều khiển trên thế giới áp dụng rất 
nhiều thuật toán điều khiển khác nhau cho các phần tử bên trong động cơ xăng [12] 
đến [54] nhằm tối ưu hóa quá trình cung cấp nhiên liệu, quá trình vận hành hiệu 
quả của động cơ. Trong các phương pháp điều khiển tiết kiệm nhiêu liệu cho động 
cơ xăng phải kể đến phương pháp điều khiển trực tiếp mô-men của động cơ xăng 
[55] đến [69]. Các thuật toán, phương pháp được áp dụng nhằm mục tiêu giảm 
mức tiêu hao năng lượng, nâng cao hiệu suất động cơ, giảm thiểu ô nhiễm môi 
trường. 
2. Tính cấp thiết 
 Các phương pháp điều khiển tốc độ và mô-men cho nhiều loại động cơ khác 
nhau (động cơ điện một chiều, động cơ không đồng bộ, động cơ đồng bộ, ) đã 
được phát triển, chấp nhận và ứng dụng cho các ngành ... ellow (2007), 
Closed-Loop Ignition Timing Control for SI Engines Using Ionization Current 
Feedback, Vol. 15 – Control Systems Technology, IEEE Transactions on. 
[46]. Klas Telborn (2002), A Real-Time Platform for Closed-Loop Control and 
Crank Angle based, Master’s thesis, Linkoping University, Sweden. 
126 
[47]. Lars Erikssony, Lars Nielseny, and Mikael Glaveniusz (1997), Closed Loop 
Ignition Control by Ionization Current Interpretation, Vol. 106, Section 3: 
JOURNAL OF ENGINES. 
[48]. Lars Erikssony, Lars Nielsenz(1997), Ionization Current Interpretation for 
Ignition Control in Internal Combustion Engines, Control Engineering Practice 
Volume 5, Issue 8, August 1997. 
[49]. Lars Eriksson (1997), A Parametric Study of Optimal Spark Advance and the 
Influence of Cycle-to-Cycle Variations, International Conference on Process 
Control, Linkoping University, Sweden. 
[50]. Thomas Leroy(2008), Airpath Control of a SI Engine with Variable Valve 
Timing Actuators, American Control Conference Westin Seattle Hotel, Seattle, 
Washington, USA. 
[51]. Mohammad Abul Hasan Khan, Mohammad Owais Qidwai and Abhijeet 
Chausalkar (2014), Effect of Variable Ignition and Injection Timing on Emission 
Characteristics of SI Engine Using CNG and HCNG as Fuel, International Journal 
of Advanced Mechanical Engineering. 
[52]. Ritchie Daniel, Chongming Wang and Hongming Xu, Guohong Tian (2012), 
Effects of Combustion Phasing, Injection Timing, Relative AirFuel Ratio and 
Variable Valve Timing on SI Engine Performance and Emissions using 2,5-
Dimethylfuran, Volume 5, Issue 2 - SAE International. 
[53]. Lawrence Mianzo, Huei Peng (2000), Modeling and Control of a Variable 
Valve Timing Engine, Proceedings of the American Control Conference, USA. 
[54]. Sepehr Bapiri, Omid Chaghaneh, Hossein Ghomashi (2017), Variable valve 
timing scheduling in a 4-stroke internal combustion cylinder utilizing artifical 
neural networks, Vol 11 – Advances in Science and Technology Research Journal. 
[55]. Daniel Michael Lamberson (2003), Torque management of gasoline engines, 
Proceedings of the American Control Conference. 
127 
[56]. Hiromitsu Ohmori (2010), Torque Demand Control Systems for SI 
Engine with Continuous Variable Valve Train, 6th IFAC Symposium Advances in 
Automotive Control Munich, Germany. 
[57]. Anna Stefanopoulou (1996), Modeling and Control of Advanced Technology 
Engines, A dissertation submitted in partial fulfillment of the requirements for the 
degree of Doctor of Philosophy, University of Michigan. 
[58]. Grant A. Ingram1, Matthew A. Franchek,Venkataramanan Balakrishnan, and 
Gopichandra Surnilla (2005), Spark Ignition Engine Torque Management, 
Proceedings of the American Control Conference. 
[59]. B. Ashok, S. Denis Ashok, C. Ramesh Kumar (2016), A review on control 
system architecture of a SI engine management system, Vol 41, Annual Reviews in 
Control. 
[60]. Mingxin Kang, Mazen Alamir, Tielong Shen (2016), Nonlinear Constrained 
Torque Control For Gasoline Engines, Vol 49 – 10th IFAC Symposium on 
Nonlinear Control Systems NOLCOS 2016, Papers Online. 
[61]. Jos´e David L´opez, Jairo Jos´e Espinosa, John Ramiro Agudelo (2011), LQR 
control for speed and torque of internal combustion engines, Proceedings of the 
18th World Congress The International Federation of Automatic Control Milano, 
Italy. 
[62]. J. Gerhardt, H. Hönninger, and H. Bischof (1998), A New Approach to 
Functional and Software Structure for Engine Management Systems, Society of 
Automotive Engineers. 
[63]. Aris Triwiyatno, Mohammad Nuh, Ari Santoso, and I Nyoman Sutantra 
(2011), Engine Torque Control of SI Engine using Linear Quadratic Integral 
Tracking (LQIT) Optimal Control, The Journal for Technology and Science. 
[64]. Robert W. Weeks, John J. Moskwa (1995), Automotive Engine Modeling for 
Real-Time Control Using Matlab – Simulink, SAE Technical Paper. 
128 
[65]. C. Fritzsche and H.-P. Dünow (2008), Advanced Torque Control, New 
Approaches in Automation and Robotics. 
[66]. Chris Vermillion, Ken Butts, and Kevin Reidy (2010), Model Predictive 
Engine Torque Control with Real-Time Driver-in-the-Loop Simulation Results, 
American Control Conference Marriott Waterfront, Baltimore, MD, USA. 
[67]. Aris Triwiyatno, Mohammad Nuh, Ari Santoso, and I Nyoman Sutantra 
(2011), Engine Torque Control of Spark Ignition Engine Using Robust Fuzzy Logic 
Control, IACSIT International Journal of Engineering and Technology. 
[68]. Munan Hong, Tielong Shen, Minggao Ouyang, Junichi Kako (2008), Optimal 
Speed Tracking Control for Torque-Based Engine Management Systems, The 51th 
Japan Joint Automatic Control Conference. 
[69]. Poignet P., Gautier M. (2000), Nonlinear Model Predictive Control of a 
Robot Manipulator, IEEE AMC Conference. 
[70]. Andreas Bergstrom (2003), Torque Modeling and Control of a 
Variable Compression Engine, Master’s thesis performed in Vehicular Systems, 
Linkopings Universitet, Sweden. 
[71]. Divya K. Pai*, Sheryl Grace Colaco (2017), Sliding Mode Idle Speed Control 
of IC Engine, Vol 7, N02. Electrical and Electronic Engineering, Scientific & 
Academic Publishing. 
[72]. Azad Ghaffari (2012), dSPACE and Real-Time Interface in Simulink , 
Department of Electrical and Computer Engineering - San Diego State 
University. 
[73]. Nicanor Quijano and Kevin Passino (2015), A Tutorial Introduction to 
Control Systems Development and Implementation with dSPACE, Department of 
Electrical Engineering The Ohio State University. 
[74]. Martin Schlager, Wilfried Elmenreich, Ingomar Wenzel (2006), Interface 
Design for Hardware in the Loop Simulation, IEEE Symp. On Industrial 
Informatics (ISIE’06), Montreal, Canada. 
129 
[75]. Md Asim Iqbal, Gugulavath Swetha (2014), Hardware in Loop Simulation 
ECU Testing In Automotive, International Conference on Recent Advances in 
Communication, VLSI & Embedded Systems, SR Engineering College, Warangal. 
[76]. N.R. Gans, W.E. Dixon , R. Lind, A. Kurdila (2009), A hardware in the loop 
simulation platform for vision-based control of unmanned air vehicles, Vol 19, 
Issue 7, Mechatronics. 
[77]. Shugang Jiang, Michael H. Smith and James Kitchen (2009), Development 
of an Engine-in-the-loop Vehicle Simulation System in Engine Dynamometer Test 
Cell. SAE Technical Papers. 
[78]. Abdalla O.M., S.A. Hammad, A.H.Yousef (2009), A Framework for Real 
Time Hardware in the loop Simulation for Control Design , Article of Computers 
and Systems, Ain Shams University, Egypt. 
[79]. Xiaojian Yang and Guoming G. Zhu (2010), A Mixed Mean-Value and 
Crank-Based Model of a Dual-Stage Turbocharged SI Engine for Hardware-In-
the-Loop Simulation , American Control Conference Marriott Waterfront, 
Baltimore, MD, USA. 
[80]. Hosam K. Fathy , Zoran S. Filipi, Jonathan Hagena, Jeffrey L. Stein, Review 
of Hardware in the Loop Simulation and Its Prospects in the Automotive Area, 
Proceedings of SPIE - The International Society for Optical Engineering. 
[81] George L. Thomas, Dennis E. Culley, Alex Brand (2011), The Application of 
Hardware in the Loop Testing for Distributed Engine Control, 52nd 
AIAA/SAE/ASEE Joint Propulsion Conference. 
[82]. Zheng Minggang (2013), ECU Hardware-in-Loop Simulation System Design 
for Gas Engine based on Virtual Instruments, School of Mechanical and Electrical 
Engineering Shandong Jianzhu University, Jinan 250101, China. 
[83]. Alexander A.Stotsky (2009), Automotive Engines - Control, Estimation, 
Statistical Detection, Proceedings of International Conference on Measuring 
Technology and Mechatronics Automation. 
130 
[84]. John J.Moskwa (1988), Automotive Engine Modeling for real time control, 
Submitted to the department of mechanical engineering in partial fulfillment of the 
requirements for the degree of Doctor of Philosophy,University of Michigan, USA. 
[85]. U.Kiencke, L.Nielse (2005), Automotive control systems for engine, 
driveline, and vehicle, Department of Electrical Engineering, Springer-Verlag 
Berlin Heidelberg 2005. 
[86]. Lino Guzzella, Christopher H.Onder (2010), Introduction to Modeling and 
Control of Internal Combustion Engine Systems, Springer-Verlag Berlin 
Heidelberg 2010. 
[87]. Lennart Ljung (1987), System Identification Theory for the User, University 
of Linkoping, Sweden. 
[88]. Lennart Ljung (2015), System Identification Toolbox User’s Guide – Matlab 
& Simulink, The MathWorks, Inc. 
[89] Le Khac Binh (2012), Diagnostics methods and their and application in 
automotive engine, Doctoral thesis, Technical University of Ostrava, Czech. 
[90] Mikhail M. Polonskii (2000), Complex Systems Simulation Using 
MATLAB/SIMULINK, Vol 4 – No1 - The Electronics Journal for Engineering 
Technology. 
[91] Jonas Roberto Tibola (2015), Modeling and speed control design of an 
ethanol engine for variable speed gensets, Control Engineering Practice, 
University of Santa Maria, Santa Maria, RS, Brazil. 
[92] Pallab Maji, Sarat Kumar Patra, and Kamalakanta Mahapatra (2015), Design 
and Implementation of Fuzzy Approximation PI Controller for Automatic Cruise 
Control System, Vol 25 – Article, Advances in Artificial Intelligence , Hindawi 
Publishing Corporation. 
Trang Web 
[93]  
131 
[94]  
[95] https://www.statista.com/statistics/262747/worldwide-automobile-production-
since-2000/ 
PL - 1 
PHỤ LỤC 
A. Chương trình điều khiển hệ thống. 
1. Code chương trình tính toán bộ điều khiển LQIT 
A = [-1.378 1.062 0.05822;-5.586 -3.244 -32.79;14.86 43.8 -238.1] 
B = [0.005911;-1.807;-24.47] 
C = [7267 19.85 -0.8662] 
D = [0] 
%Q = C'*C 
Q =diag([1,1,1]) 
R =diag([1]) 
G=ss(A,B,C,D) 
p=eig(A) 
rank(A) 
%---------------------------------- 
%Phuong phap LQI 
Ar = [A zeros(rank(A),1);-C 0] 
Br = [B;0] 
Cr = [C 0] 
Qr =diag([1,1,0.0005,0.000002]) 
%Qr = Cr'*Cr 
Rr =diag([1]) 
P=care(Ar,Br,Qr,Rr) 
KKi=lqr(Ar,Br,Qr,Rr) 
Ki = KKi([1],[4]) 
Kx = KKi([1],[1,2,3]) % tao ma tran con Kx su dung dong 1 cot 1,2,3 
Kr = [Kx*inv(A)*B - eye(1)]*[inv(C*inv(A)*B)] 
%Kr=inv(diag(dcgain(ss((A-B*Kx),B,C,D)))) 
%---------------------------------- 
%thiet ke bo quan sat Kalman 
P=care(A,B,Q,R) 
V=1 
L=P*C'*inv(V) 
a. Tính toán bộ điều khiển LQIT: 
Bước 1: Ta tính các ma trận 
0
ˆ BB
, 0
0
ˆ
C
A
A
Ar = 
 -0.6217 1.0460 0.4251 0 
 -3.4960 -16.6100 -12.2400 0 
 -2.3880 -19.2200 -15.9500 0 
 -437.5000 -6.3570 1.1370 0 
Br = 
 -0.2718 
 8.8510 
 10.3600 
 0 
Bước 2: Giải phương trình Riccati 1ˆ ˆ ˆ ˆ. . . . 0T TP A A P P B R B P Q ta tìm được 
nghiệm: 
P = 
 1.0e+05 * 
 2.5936 0.0789 0.0019 -0.0220 
 0.0789 0.0066 -0.0034 -0.0007 
 0.0019 -0.0034 0.0030 0.0000 
 -0.0220 -0.0007 0.0000 0.0003 
PL - 2 
Bước 3: Theo (3.42) ta có: 1 ˆT
x iR B pK K K
K = 1.0e+03 *[ 1.2817 0.1367 0.0060 -0.0100] 
Ki = -10 
Kx = 1.0e+03 *[ 1.2817 0.1367 0.0060] 
Bước 4: Theo (3.45) ta có: 
111
r xK K A B I CA B
Kr = 3.2971 
b. Tính toán bộ lọc 
Bước 1: Giải phương trình Riccati (3.49) 
1 W. ' .C.V '. 0P A A P P C P 
Ta tìm được nghiệm: 
P = 1.0e+05 * 
 4.1278 0.0841 0.0370 
 0.0841 0.0425 -0.0338 
 0.0370 -0.0338 0.0298 
Bước 2: Theo (3.49) ta có ma trận 1TL PC V 
L = 1.0e+08 * 
 1.8064 
 0.0371 
 0.0159 
2. Code chương trình chuyển đổi mô hình 
A= [-0.6217 1.046 0.4251; -3.496 -16.61 -12.24; -2.388 -19.22 -15.95] 
B = [-0.2718; 8.851; 10.36] 
C = [437.5 6.357 -1.137] 
D = [0] 
[num,den] = ss2tf(A,B,C,D) 
% chuyen doi ham truyen tu lien tuc sang roi rac 
% ham truyen lien tuc co dang 
num = [-74.4 2227.5 3462] 
den = [1 33.18 54.59 34.5] 
Ts = 0.01 % thoi gian trích mau 
[numDz,denDz] = c2dm(num,den,Ts,'zoh') % roi rac hoa 
syms a1 a2 a3 b1 b2 b3 
Ts = 0.01 
%num = [0 b1 b2 b3] 
%den = [1 a1 a2 a3] 
num =[0 -0.5321 1.2567 -0.7216] 
den = [1.0000 -2.7130 2.4306 -0.7176] 
[nums,dens]= d2cm(num,den,Ts,'zoh') 
3. Code chương trình tính toán bộ lọc Kalman 
function [xhatOut, yhatOut] = KalmanFilter(u,meas) 
persistent P xhat Ad Bd Cd Q R 
if isempty(P) 
% Khoi tao 
 xhat = [0.0047;0.000319;14.5]; 
 P = zeros(3,3); 
 Ad = [0.9895 0.0136 0.0014; 
 -0.0959 0.8107 -0.0668; 
 -0.0185 -0.0631 0.9673] 
 Bd = [-0.0037;0.1042;0.0333] 
 Cd = [435.2000 7.9160 -0.7366] 
 Q =diag([1,1,1]) 
PL - 3 
 R =diag([1]) 
end 
% Uoc tinh trang thai 
xhat = Ad*xhat + Bd*u; 
P = Ad*P*Ad' + Q; 
% Tinh toan bo khuech dai Lx 
Lx = P*Cd'/(Cd*P*Cd' + R); 
% Tinh toan so do du 
resid = meas - Cd*xhat; 
% Cap nhat uoc tinh hiep phuong sai va trang thai 
xhat = xhat + Lx*resid; 
P = (eye(size(Lx,3))-Lx*Cd)*P; 
% Ket qua dau ra trang thai, dau ra uoc tinh 
xhatOut = xhat; 
yhatOut = Cd*xhatOut; 
4. Giải phương trình Riccati 
MatrixXd LQRClass::SolveDARE(const MatrixXd &A, const VectorXd &B, const 
RowVectorXd &C,const double &Q, const double &R) 
{ 
 int sizeP =A.rows(); 
 MatrixXd P; 
 P.setZero(sizeP,sizeP); 
 double Pnorm_old = 100.0; 
 bool IsFinishRecursion = false; 
 int i = 0; 
double eps = 1e-8; 
while(!IsFinishRecursion) 
{ 
P = A.transpose()*P*A+C.transpose()*Q*C-
A.transpose()*P*B*1/(1/(R+B.transpose()*P*B))*B.transpose()
*P*A; 
 if(abs(P.norm()-Pnorm_old)20000) 
 { 
 IsFinishRecursion = true; 
 } 
 Pnorm_old = P.norm(); 
 i++; 
} 
 cout<<”the ARE recursion runs”<<i<<“time.”<<endl; 
 return P; 
} 
5. Hệ số K của bộ điều khiển bám tối ưu tích phân LQIT vector tham số nhận dạng 
 1 2 3 1 2 3ˆ ˆ ˆˆ ˆ ˆ ˆ
T
k a a a b b b 
Kx(1,1) = -(b3^2 + 2*a3*b3)/(a3*((b3^2 + 2*a3*b3)/a3^2 - 1)), 
Kx(1,2)= (a3*b3 + a2*b3^2 - a3^2*b2 + a2*a3*b3 - a3*b2*b3)/(a3^2*((b3^2 + 
2*a3*b3)/a3^2 - 1)) - (a2*(b3^2 + 2*a3*b3))/(a3^2*((b3^2 + 2*a3*b3)/a3^2 - 
1)) 
Kx(1,3) = (a3*b3 + a1*b3^2 - a3^2*b1 + a1*a3*b3 - a3*b1*b3)/(a3^2*((b3^2 + 
2*a3*b3)/a3^2 - 1)) - (a1*(b3^2 + 2*a3*b3))/(a3^2*((b3^2 + 2*a3*b3)/a3^2 - 
1)) 
PL - 4 
Kr = -(a3*((b3^2 + 2*a3*b3)/(a3^2*((b3^2 + 2*a3*b3)/a3^2 - 1)) - 1))/b3 
Ki = (a2*(b3^2 + 2*a3*b3))/(a3^2) 
B. Sơ đồ Simulink của bộ điều khiển 
1. Bộ quan sát trạng thái liên tục 
2. Simulink tính toán cho bộ nhận dạng trực tuyến 
3. Bộ điều khiển LQIT liên tục 
PL - 5 
4. Công cụ nhận dạng System Identification 
- Cho chạy thực nghiệm đối tượng cần nhận dạng, dữ liệu được ghi vào các simout 
của Simulink. 
- Thực hiện cú pháp lệnh: 
>>ident 
Matlab cho xuất hiện hộp thoại. 
- Trong hộp thoại (a) chọn dữ liệu nhận dạng: khai báo tên của simout của đối 
tượng cần nhận dạn vào ô Input và Output. 
 (a) (b) (c) 
- Trong hộp thoại (b) chọn mô hình cần quan sát tiền xử lý: theo mô hình trạng 
thái, theo hàm truyền, theo mô hình phi tuyến, 
- Trong hộp thoại (c) nhận dạng được thông số của đối tượng theo mô hình trạng 
thái, hàm truyền hoặc mô hình phi tuyến,... 
Chọn dữ liệu nhận dạng 
Tiền xử lý dữ liệu 
Cửa sổ hiện thị dữ liệu 
Chọn cấu trúc của mô hình, 
ước lượng thông số, đánh 
giá mô hình 
Cửa sổ hiển thị mô hình 
nhận dạng