【作者】

杨启融; 王贺春; 杨传雷; 王银燕

【单位】

哈尔滨工程大学

【摘要】

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。

【关键词】

涡轮增压器;数字孪生;机器学习;代理模型

【论文集名称】

现代动力专题

【会议名称】

2024世界内燃机大会

【会议时间】

2024-4-19至2024-4-23

【会议地点】

天津市

【下载次数】

42

返回