在现有的基于扭矩的发动机控制中,控制策略根据司机的有效扭矩需求和对发动机摩擦扭矩的估计,计算所需的指示扭矩并喷射所需的燃油量。作为扭矩计算环节中的重要组成部分,摩擦扭矩的精确估计对于发动机有效扭矩的准确实现具有极其重要的意义。在发动机实际使用过程中,摩擦扭矩会因机械磨损和老化等问题发生显著改变,呈现明显的时变特性。但是,传统摩擦扭矩估计通常采用查表法,其数据是在发动机出厂前标定的,无法适应摩擦扭矩的时变现象。针对上述问题,本文提出了一种基于模型的摩擦扭矩在线学习算法,以期实现全生命周期内的发动机摩擦扭矩的准确估计。本文所提出的摩擦扭矩学习算法包括三个核心模块:摩擦扭矩基础模型、摩擦扭矩观测算法,以及模型参数辨识。首先,基于摩擦扭矩机理建立了关于转速和机油温度的摩擦扭矩基础模型,取代ECU中固定的摩擦扭矩MAP,并可以通过参数标定,反映发动机全工况下摩擦扭矩特性,为摩擦扭矩在线学习奠定基础。之后,提出基于怠速工况和停机工况的摩擦扭矩观测算法。在怠速工况,利用控制器中目标指示扭矩反算摩擦扭矩,获得相同转速、不同温度下的摩擦扭矩,由此建立怠速工况的摩擦扭矩观测算法;在停机工况,利用摩擦扭矩和角加速度的动态方程,采用最速跟踪微分器算法估计停机断油阶段的角加速度,获得相同机油温度、不同转速下的摩擦扭矩,由此建立停机工况的摩擦扭矩观测算法。最后,利用怠速和停机观测数据的累积结果,采用递推最小二乘法分别修正温度项系数和转速项系数,实现摩擦扭矩模型的修正。为了将该算法应用于实际ECU控制,在课题组自主开发的高压共轨柴油机控制器(TJU-CR-ECU)平台上开发了相关基础软件,并在此基础上设计了摩擦扭矩在线学习算法。经Labcar硬件在环(HIL)测试平台和柴油机台架实验证明,该算法耗时微小,最大不超过12us,满足ECU中在线运行的要求。通过摩擦扭矩基础模型的在线学习,更新后的摩擦扭矩与倒拖实验数据基本吻合,摩擦扭矩估计偏差为2~7Nm。