优化驾驶行为可使商用车油耗降低10%至25%，甚至更高，因此，研究不同驾驶行为下汽车油耗特性对未来智能驾驶汽车和智能网联汽车的规划和控制至关重要。基于商用车实际道路运行数据，构建14种驾驶行为片段，可以定量分析不同驾驶行为与油耗之间的关系。研究结果表明，在不同温度、路况、驾驶员、车辆性能下，d类和e类加速模式相较于其他加速驾驶模式均节约能耗20%-56%。可见，车辆行驶过程中，应尽量以d类和e类进行加速，可显著降低油耗，这可对智能驾驶和网联驾驶的车速规划设计提供支撑。

氢气是目前受到关注的内燃机替代燃料之一。氢气作为燃料单独使用时存在能量密度低等问题，双燃料内燃机是克服这些问题的方法之一。在双燃料内燃机中，燃料液滴在氢气环境中蒸发，而环境中氢气的存在会影响液滴蒸发过程。本研究使用准静态-准维液滴蒸发模型，研究环境中的氢气浓度对燃料液滴蒸发过程的影响。研究结果表明随着氢气浓度的增加，液滴蒸发速度加快、液滴平衡温度降低；液滴蒸发过程的能量交换受到扩散系数和热导率之间的大小关系，以及热边界层厚度及该区域内温度梯度的影响，且随着氢气浓度增加，热边界呈厚度增加，温度梯度减少。

为了探究甲醇/柴油双直喷发动机喷油器异轴布置对燃烧特性和柴油引燃模式的影响，基于一台大型船舶发动机燃烧室在高甲醇替代率（95%）下开展双直喷变参数仿真研究。结果表明，甲醇喷油器居中布置时，双喷油器间距对缸压曲线和燃烧放热率的影响较小；柴油喷油器居中布置时，增大喷油器间距会延长燃烧持续期，甲醇喷油器偏置过大会导致燃油滞留在燃烧室壁面附近，降低燃烧速率、增加油耗，甲醇喷油器应靠近中心布置。喷油器间距会改变柴油的引燃方式，小间距（~20mm）时所有柴油火焰均能起到引燃甲醇喷雾的作用，大间距（~50mm）时只有靠近甲醇喷雾一侧的柴油火焰起到引燃作用。为确保柴油的引燃效果，双喷油器间距应采用小间距。甲醇喷射相位会明显影响燃烧特性，甲醇提早喷射会增加预混燃烧比例，过早喷射会导致缸内活性下降导致失火，或引发粗暴燃烧。甲醇喷射相位与柴油喷射相位重叠时二者喷雾存在相互作用，导致受干扰的柴油油束而无法着火。

内燃机缸内压力信号所包含的燃烧相关信息最多，且更为直观和准确，所以缸压信号对于柴油机燃烧状态评估是必不可少的。虽然缸压传感器是缸内压力信号最常见的来源，但由于缸压传感器的成本较高且安装较为困难，利用其他信号间接识别缸内压力信息逐渐成为人们研究的主要内容。 基于振动信号的识别方法，实测的振动信号易受到环境的干扰并造成反演过程的严重失真；模态分析法只能定量表征缸内压力的大小，实际缸内压力仍需进一步标定。为实现内燃机的连续和非侵入式缸内压力检测，研究人员现利用瞬时曲轴扭矩反向求解缸压。在利用数学建模法进行缸压重构的研究中，多使用包含曲柄柔性的复杂全动态动力学模型，由于在活塞上止点处曲轴瞬时速度为零，加速度在此处也有极大的误差，因此该方法一直存在上止点的奇点问题。 针对此问题，本文提出一种依靠神经网络填补曲柄模型在上止点处的数据空缺，以提高整体缸压预测精准度的方法。首先，利用中速柴油机在不同工况下的运行参数建立数据集，并将曲轴转速、指示扭矩、曲轴转角、进排气温度等主要参数输入径向基函数神经网络（RBF）。其次，训练后的RBF神经网络可以准确预测在各自工况下缸压上止点处与峰值压力处的曲轴转角和缸压。然后使用Levenberg-Marquardt (LM) 算法，利用瞬时曲轴扭矩、进气参数、径向基函数神经网络预测的燃烧参数等，求解整个工作过程的缸内压力。最后利用GT-Power校核过的中速柴油机模型对该方法进行验证，结果表明重构的缸内压力与实际缸内压力的误差在允许范围内，能够结合进气温度、氧浓度等参数进行缸内燃烧状态的准确评估。

摘要： 通过将物理模型数字化，数字孪生促进了对物理实体的理解、分析和优化。作为发动机设备的重要组成部分，涡轮增压器可以利用废气中的余热来增加气缸燃烧，提高发动机效率，减少污染排放。建立发动机涡轮增压器数字孪生系统需要多学科的知识，包括对涡轮增压器运行数据的分析和预测。对于涡轮增压器的数字化，压气机工作状态的预测是必不可少的。如何建立预测准确、耗时少的模型是研究增压器数字化的前提。由于压气机参数之间的关系是通过实验得到的，不能用简单的函数方程来表示，因此经常使用代理模型来拟合曲线。本文通过软件构建发动机的数字孪生平台，并且对涡轮增压器进行数字化处理，利用机器学习方法对涡轮增压器的压气机特性曲线进行拟合。对某柴油机的匹配涡轮增压器进行研究，得到了压气机的。分析了压缩机转速、质量流量、压比和效率之间的关系。为了拟合回归和预测压缩机特性曲线，使用了许多替代模型，包括Kriging模型、响应面方法、人工神经网络、径向基函数和支持向量机。根据样本少、耗时少等标准，寻找对于压气机的最佳代理模型。所构建的模型可应用于数字孪生系统中，及时预测压缩机的工作状态，达到快速响应的目的。

随着科学技术的进步，数字孪生逐渐成为各行业的研究重点，船舶领域对动力装置进行数字化研究成为必然趋势。利用数字化的建模技术搭建柴油机虚拟控制系统，可以在设计阶段对系统的功能、性能进行验证评估，在系统运行过程中记录实时数据，结合平台内嵌的仿真程序可以对柴油机运行状态进行评估、预测、诊断以及故障分析。 该研究基于Modelica多领域仿真语言创建柴油机电控系统模型库，建立多种常用传感器模型，以PT1000热电阻输入电路为例搭建ECU中重要接口电路模型，验证模型的正确性。 通过LabVIEW软件平台对外部环境相关数据进行采集，利用TCP/IP通信协议将数据传输至Modelica模型，实现数据采集与模型交互，为电控系统的数字孪生研究提供模型基础。 施加外部环境温度的变化，测量不同温度状态下的输出电压值，绘制电压随输入信号的散点图，得出在不同输入电压下输出电压始终保持良好的一致性，相对误差为4.2%，在误差允许范围内，符合设计要求，交互模型具有一定的可行性与可靠性。

柴油机的缸内压力变化直接决定着柴油机的工作性能，故而柴油机缸内压力的实时监测技术对监测柴油机运行状况有着极其重要的意义。但受限于技术与成本等因素，柴油机在实际使用过程中往往无法监测缸内压力的相关数据。为解决上述问题，本文以曲轴扭矩、曲轴转角以及各缸位移等易于采集的数据信号为基础，提出了一种以GRU（Gated Rcurrent Ueni）为基础建立的柴油机缸内压力曲线监测模型。通过台架试验得到的数据训练并验证了上述监测模型的正确性与准确性，并与常用的以仿真模型为基础的缸内压力监测方法进行了对比，结果表明，本文提出的柴油机缸内压力监测模型有着监测精度高、计算速度快、设备需求低等优点。

汽车工业致力于通过解决商用车辆的高油耗问题实现低碳和环保发展。预见性巡航技术（PCC）是一种融合高精度地图和智能传感系统提供的周边车辆动态和道路信息，预先规划车辆行驶速度，从而实现经济性驾驶的车辆自动控制技术。然而，当前PCC解决方案需要获得与发动机相关的数据，例如能耗MAP和外部特性曲线，这对于非汽车制造商来说可能是困难的。本文提出了一种解决方案，通过开发一种基于多工况数据拟合商用车能耗和通用特性的方法来解决这一挑战。然后可以利用得到的数据来开发PCC控制系统。基于该方法设计的预测巡航控制系统具备良好的车速跟踪和节油能力：对于自选工况，节能率可达到3.53%；对于东海大桥实际工况，节能率可达到4.16%。

等效燃油消耗最小策略(ECMS)是混合动力汽车能量管理策略(EMS)中实现局部最优燃油经济性的代表方法，采用有效的全局优化算法进行离线设计以找到最佳等效因子(EF)是局部最优逼近全局最优的关键。智能网联技术的快速发展为优化ECMS策略的EF，使其更加接近全局最优提供了条件。针对插电式混合动力乘用车，提出了车辆历史行驶记录信息耦合实时交通信息的分层能量管理策略。在上层，基于车载导航信息中各路段的平均速度，按照不同范围将道路分段，对历史行驶记录信息进行动态规划(DP)算法离线求解各路段的最优模式分区和最优荷电状态(SOC)轨迹，并基于上述数据训练预测SOC轨迹的神经网络模型。在下层，利用训练好的神经网络模型预测SOC轨迹，基于该SOC轨迹和最优模式分区采用ECMS求解并调节EF的同时跟随参考SOC轨迹，实现近似全局最优的能量管理的实时优化。与基于规则的能量管理方法相比，所提出的能量管理方法取得了显著的燃油消耗改善效果。

由于人们对环境尤其是空气质量的要求越来越高，发动机排放的法规变得更加严格。氮氧化物（NOx）的排放在非道路移动机械的排放研究中占有重要地位。本研究采用长短期记忆网络（LSTM）来预测非道路移动机械的瞬态NOx排放。基于柴油机试验台架开展非道路瞬态试验循环（NRTC）下的排放试验获得排放数据，使用LSTM网络来建立深度预测模型，来确保模型的稳定性和准确性。结果表明LSTM对比其他4种常用的基准模型，拥有最高的准确度。同时得出以下结论：（1）与发动机NOx排放最相关的4个因素分别是：转速，转矩，排气温度，燃油流量（2）LSTM对时序问题有着优秀的预测能力，能够减少瞬态变化对模型准确度的影响。（3）LSTM与随机森林（RF），支持向量回归（SVR），极限梯度提升（XGB）和反向传播神经网络（BPNN）相比，LSTM的MSE分别降低了 79.89%，82.13%，73.56%和85.48%。