论文全文 - 2023 内燃机“高效、低碳、清洁燃烧”学术年会 高原内燃机分会(第二分会场)
基于甲醇/柴油双燃料反应活性控制压燃 (Reactivity Controlled Compression Ignition,RCCI)发动机台架实验数据,建立了一种能够预测双燃料发动机排放特性的模型。以发动机负荷、甲醇替代率、EGR率为模型输入,以NOx,烟度为模型输出,构建了BP神经网络回归模型,并通过粒子群算法(Particle Swarm Optimization, PSO)进行权值、阈值优化,在测试集中预测结果的决定系数(R2)分别为0.98、0.99,平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)为4.85%、0.366%,表明模型具有较好的预测精度。同时,基于偏最小二乘法(Partial Least Squares, PLS)分析输入参数和输出参数的相关度,研究不同参数对发动机排放性的正负相关度。利用遗传算法(Genetic Algorithm, GA)对神经网络回归模型进行寻优,获得最优帕累托(Pareto)前沿解集,选取最佳的决策变量控制参数组合,并通过台架实验验证,以达到优化发动机排放特性的目的。研究结果表明:优化后参数组合对比原机NOx排放下降559.5501ppm,烟度排放增加0.1148 FSN。
查看