针对柴油发动机推进特性下的中高负荷工况出现的NO_(x)排放峰值现象,以及燃油价格日益上涨带来降低油耗率的迫切需求,本研究通过调节柴油/甲醇组合燃烧(diesel/methanol compound combustion,DMCC)发动机多种控制参数,在保证动力性前提...针对柴油发动机推进特性下的中高负荷工况出现的NO_(x)排放峰值现象,以及燃油价格日益上涨带来降低油耗率的迫切需求,本研究通过调节柴油/甲醇组合燃烧(diesel/methanol compound combustion,DMCC)发动机多种控制参数,在保证动力性前提下,实现NO_(x)排放和有效燃油消耗率(brake specific fuel consumption,BSFC)的同步下降。为避免大规模试验带来的成本增加,首先基于高斯过程回归建立DMCC发动机排放的NO_(x)体积分数、BSFC和指示功率预测模型;然后将所建模型与第二代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)结合,对NO_(x)的体积分数和BSFC进行优化,并将Pareto前沿解集代入逼近理想解排序法(the technique for order preference by similarity to an ideal solution,TOPSIS)寻找最优控制参数组合;最后将最优控制参数组合标定至电子控制单元,与原机数据进行对比分析。结果表明:基于高斯过程回归建立的预测模型的拟合优度大于0.95,均方根误差小于1,具有良好的一致性和准确性;使用NSGA-Ⅱ获取的最佳控制参数与优化前(原机工况)的相比,NO_(x)的排放量下降74.5%,仅为3.47 g/(kW·h),BSFC平均下降6.7%,仅为203.5 g/(kW·h)。展开更多
文摘针对柴油发动机推进特性下的中高负荷工况出现的NO_(x)排放峰值现象,以及燃油价格日益上涨带来降低油耗率的迫切需求,本研究通过调节柴油/甲醇组合燃烧(diesel/methanol compound combustion,DMCC)发动机多种控制参数,在保证动力性前提下,实现NO_(x)排放和有效燃油消耗率(brake specific fuel consumption,BSFC)的同步下降。为避免大规模试验带来的成本增加,首先基于高斯过程回归建立DMCC发动机排放的NO_(x)体积分数、BSFC和指示功率预测模型;然后将所建模型与第二代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)结合,对NO_(x)的体积分数和BSFC进行优化,并将Pareto前沿解集代入逼近理想解排序法(the technique for order preference by similarity to an ideal solution,TOPSIS)寻找最优控制参数组合;最后将最优控制参数组合标定至电子控制单元,与原机数据进行对比分析。结果表明:基于高斯过程回归建立的预测模型的拟合优度大于0.95,均方根误差小于1,具有良好的一致性和准确性;使用NSGA-Ⅱ获取的最佳控制参数与优化前(原机工况)的相比,NO_(x)的排放量下降74.5%,仅为3.47 g/(kW·h),BSFC平均下降6.7%,仅为203.5 g/(kW·h)。
