【作者】

刘浩宇; 刘龙; 刘岱; 申钰豪; 邵欣; 邵伟洋; 吴凡; 袁子衿; 闫国豪; 张伟业; 焦慧超; 王怀宇

【单位】

哈尔滨工程大学; 北京空天技术研究所

【摘要】

文章旨在通过将机器学习（ML）与遗传算法（GA）相结合，优化氢燃料转子发动机的点火策略。计算样本采用Box-Behnken设计与Sobol序列生成，变量为前置火花塞（Leading Spark Plug，LSP）的点火时刻（L_IT）与，后置火花塞（Tailing Spark Plug，TSP）点火时刻（T_IT）以及过量空气系数（λ）。Spearman相关系数表明，操作参数对指示热效率（ITE）、指示功率（IP）与指示比氮氧化物（ISNOX）的影响权重排序依次为λ、T_IT和L_IT，其中λ对 ISNOX几乎起决定性作用。采用高斯过程回归（GPR）建立了ITE、IP与 ISNOX的预测模型，其决定系数均大于0.99。结果显示，采用异步点火策略（即L_IT早于T_IT）并配合较高的λ，可获得最佳性能。与原机相比，优化后IP提高1.2%，ITE提高0.3%，ISNOX降低30%。事实证明，将ML与GA结合是一种同时提升性能并降低排放的高效途径。

【关键词】

氢燃料转子发动机;点火策略;机器学习;遗传算法

【论文集名称】

前沿与创新动力技术

【会议名称】

设计与智能制造2025学术年会

【会议时间】

2025-11-7至2025-11-10

【下载次数】

1

返回