为探索丁酮在柴油机上的应用潜力,在一台高压共轨4缸柴油机上燃用了丁酮能占比5%、10%和15%的丁酮/柴油双燃料(记为Bal-5、Bal-10和Bal-15),开展了与纯柴油的燃烧和排放特性对比试验研究。结果表明:随着丁酮能占比增加,缸内温度和缸内...为探索丁酮在柴油机上的应用潜力,在一台高压共轨4缸柴油机上燃用了丁酮能占比5%、10%和15%的丁酮/柴油双燃料(记为Bal-5、Bal-10和Bal-15),开展了与纯柴油的燃烧和排放特性对比试验研究。结果表明:随着丁酮能占比增加,缸内温度和缸内压力降低,放热率峰值在中高负荷、高废气再循环(exhaust gas recirculation,EGR)率和主喷提前时增大,使其在高EGR率下能够维持缸内压力稳定,丁酮/柴油双燃料模式可实现氮氧化合物(NO_(x))排放和颗粒数量(particle number,PN)排放的同时降低;并且随着丁酮的能占比增加,NO_(x)排放和PN排放降低幅度增大,在平均有效压力为0.14 MPa时,Bal-15的NO_(x)排放相比于纯柴油减少了47.67%,Bal-5、Bal-10和Bal-15的PN排放相比于纯柴油分别减少了86.01%、87.20%和77.23%。且燃用丁酮有利于降低CO_(2)比排放。综合来看,丁酮双燃料模式应用于柴油机后,优化控制参数可以实现燃烧改善,整体上可以显著降低NO_(x)排放和PN排放,并且丁酮还表现出良好的碳减排潜力,是一种具备较强节能减排潜力的生物质代用燃料。展开更多
基于台架采集数据,采用外部输入非线性自回归(nonlinear autoregressive model with exogenous input,NARX)神经网络建立了具备瞬态特性的柴油机排气温度计算模型作为虚拟传感器,并采用并发式训练方法对模型进行训练。将结果与前馈神经...基于台架采集数据,采用外部输入非线性自回归(nonlinear autoregressive model with exogenous input,NARX)神经网络建立了具备瞬态特性的柴油机排气温度计算模型作为虚拟传感器,并采用并发式训练方法对模型进行训练。将结果与前馈神经网络、长短期记忆网络(long short term memory,LSTM)神经网络及量产发动机的排温传感器采集结果进行对比。经验证,稳态工况下,两种神经网络均能达到较高精度;欧洲瞬态循环(European transient cycle,ETC)工况下,NARX神经网络计算温度的最大偏差为6.6℃,量产发动机排温传感器测得温度最大偏差为45.9℃。NARX神经网络所需的计算时间约为现有电控单元排温模型的2.5倍。展开更多
文摘为探索丁酮在柴油机上的应用潜力,在一台高压共轨4缸柴油机上燃用了丁酮能占比5%、10%和15%的丁酮/柴油双燃料(记为Bal-5、Bal-10和Bal-15),开展了与纯柴油的燃烧和排放特性对比试验研究。结果表明:随着丁酮能占比增加,缸内温度和缸内压力降低,放热率峰值在中高负荷、高废气再循环(exhaust gas recirculation,EGR)率和主喷提前时增大,使其在高EGR率下能够维持缸内压力稳定,丁酮/柴油双燃料模式可实现氮氧化合物(NO_(x))排放和颗粒数量(particle number,PN)排放的同时降低;并且随着丁酮的能占比增加,NO_(x)排放和PN排放降低幅度增大,在平均有效压力为0.14 MPa时,Bal-15的NO_(x)排放相比于纯柴油减少了47.67%,Bal-5、Bal-10和Bal-15的PN排放相比于纯柴油分别减少了86.01%、87.20%和77.23%。且燃用丁酮有利于降低CO_(2)比排放。综合来看,丁酮双燃料模式应用于柴油机后,优化控制参数可以实现燃烧改善,整体上可以显著降低NO_(x)排放和PN排放,并且丁酮还表现出良好的碳减排潜力,是一种具备较强节能减排潜力的生物质代用燃料。
文摘基于台架采集数据,采用外部输入非线性自回归(nonlinear autoregressive model with exogenous input,NARX)神经网络建立了具备瞬态特性的柴油机排气温度计算模型作为虚拟传感器,并采用并发式训练方法对模型进行训练。将结果与前馈神经网络、长短期记忆网络(long short term memory,LSTM)神经网络及量产发动机的排温传感器采集结果进行对比。经验证,稳态工况下,两种神经网络均能达到较高精度;欧洲瞬态循环(European transient cycle,ETC)工况下,NARX神经网络计算温度的最大偏差为6.6℃,量产发动机排温传感器测得温度最大偏差为45.9℃。NARX神经网络所需的计算时间约为现有电控单元排温模型的2.5倍。
