【作者】

门炳翰; 黄粉莲

【单位】

昆明理工大学

【摘要】

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。

【关键词】

双燃料发动机；BP神经网络；粒子群算法；遗传算法

【论文集名称】

高原内燃机分会（第二分会场）

【会议名称】

2023 内燃机“高效、低碳、清洁燃烧”学术年会

【会议时间】

2023-8-3至2023-8-6

【会议地点】

哈尔滨

【下载次数】

5

返回