GT-power涡轮增压和PID学习记录

一、涡轮增压器的模拟
在发动机设计中，一般先从相似机型入手，不推荐涡轮和压气机用simple模型，尽量的有压气机和涡轮机的map。

Simple模型里没有惯量的考虑，故不能模拟响应特性，只能模拟稳态，且采取的是固定的平均效率，一般用于初步选型。

简单模型
其中“gian”template 代表的是输入的效率，即从涡轮机传递到压气机的能量的传递效率。

实际中，涡轮机的的能量一定会在传递到压气机过程中有损失。

(顺便说一句，在GT-power中，没有什么暗含的连接，就像简单模型中，虽然涡轮机和压气机之间不在用轴相连了，但是依然有一个效率传感器要连上，代表两者之间有能量交流。

)
输入的仅仅是初值，具
体的数值有涡轮机传来的能量计
算
能量传递效率，默认为1
简单增压器模型的用途：
1、增压比计算
已知涡轮机尺寸，压气机和涡轮机效率，求提供的增压能力（增压比）
2、涡轮机配置计算
已知增压比，压气机和涡轮机效率，求涡轮机配置（尺寸）
3、放气阀计算
已知涡轮机、压气机，增压比，求放气阀开度（当量直径）
选择涡轮机时，需要知道增压压力，以及喷油量和燃烧模型，对于带放气阀的模型
计算结果：
若initial system direction选positive时，则计算出如下结果
若选negative时，则计算出如下的结果：
从上面分析，好像是两个涡轮出口直径都可以使其达到中冷器后的压力达到2.2bar，但是经检查中冷器后的压力是在2.2附近小幅震荡，且出现警告涡轮出口处有音速现象。

这是不合理的。

其实，为实现这个目的，模型还可以在采用Run>optimizer中设置。

采用target选项。

但是要花相当多的时间。

PID控制wastegate
PID 控制已经广泛的应用在工业生产中，其实际就是个闭环控制。

其基本思路是给控制元件一个阶跃控制信号，然后让元件达到控制目标。

这个控制过程不能需要保证相应尽可能快且无震荡。

如下图所示（参见control tutorial）Pre-Step Input Signal
Post-Step Input Signal
Post-Step Input Signal
Post-Step Input
Post-step
我们的目的就是为了找出
Proportional Gain 和Integral Gain 的数值，已到达准确稳定的控制。

此处才用的是PIDcontroler template（注意图标和controlerOpt一样，但是不是一个template）
为了寻找这两个值，需要采用GT中提供的一个名字叫controls.xls excel模板。

如下图所示
本例目的是控制wastgate，所以输入的控制应当能使wastgate作用，经过试验，我
们选定输入信号表示如下：
其中step输入如下的阶跃信号：
然后运行，注意在Output set中设置成结果以time轴输出，而不是以cycle横坐标输出。

如下图示：
因为本例子的目的是通过改变wastgate 的diameter（实际上是面积，在control.xls 中，用面积而非直径，主要是面积更线性）把中冷后的压力控制到2.2bar，所以我们需要查看压力输出结果。

如下图
故分别取到Pre-step Steady-State Output和Post-step Steady-State Output的值填入excel 模板，输入Time at imposed step（sec）和desired number of time constants at which fit intersection，就会自动得到output at specified number of time constants，然后再查出此值对应的时刻，输入到Time in seconds where simulation output equals value in bright green框里。

就会得出result :Time constant(seconds)和Slope（△output/inputs），而这两个值会自动copy到Gains Worksheet中去。

然后填好Setting Time（sec）和Damping Ratio，它们倆都有推荐值。

最后得到我们想要的数Propotional和Integral，Derivative一般是0.
注意在system Charactization中的数据表格是根据理论一阶公式
计算得到
越是和计算得到的数据越吻和，越表示取得值合理。

若是相差甚远，怎应重新选值，在做尝试。

由于在设置PID控制器中，我们输入的都是按照半径的平方（面积）来输入的，故PID 控制器的输出许开根号再与wastegate diameter连接。

（在后来的尝试中，我反复随意改了些p 和i的值，发现都能达到目标。

但是比按照上述程序要时间更长，更震荡，具体的细节有待进一步学习。

）。