原文传递
Atkinson发动机燃油消耗率优化方法对比研究
| 论文题名： | Atkinson发动机燃油消耗率优化方法对比研究 |
| 关键词： | Atkinson循环发动机;GT-Power模型;人工神经网络;遗传算法;燃油消耗率 |
| 摘要： | 现代先进汽车发动机作为一个复杂的非线性系统，其操作变量高度耦合，并且交互地影响发动机的工作过程和最终性能。以本文研究的 Atkinson循环发动机为例，如果确定的几何压缩比太大，则要求更大的 LIVC（Late Intake Valve Closed）操作和推迟点火角来避免爆震，这将较大地降低发动机的 WOT(Widely Open Throttle)转矩，并且较大的点火角推迟反过来会抵消一部分由于较大膨胀比带来的燃油经济性优点。本文借助于校企合作项目“某Otto循环汽油机改型为Atkinson循环汽油机”开展相关研究。主要内容概括如下： （1）为了研究发动机控制参数对燃油消耗率的影响，利用 GT-Power搭建了Atkinson循环发动机的仿真模型，同时利用台架试验进行模型标定。台架试验的结果验证了模型的正确性。 （2）探究了主要控制参数对 Atkinson循环发动机性能的影响，并确定了优化范围，同时提出了 Atkinson循环发动机的负荷控制方式为中小负荷时采取节气门联合进气迟闭角，高负荷时采用进气迟闭角控制。 （3）为了降低台架试验和理论计算的工作量，应用 DOE(Design Of Experiment)方法选取了发动机的工况点，并利用标定的GT-Power模型批量计算。最后利用人工神经网络简化 GT-Power搭建的Atkinson循环发动机的仿真模型。 （4）探究了GT-Power联合遗传算法与人工神经网络联合遗传算法两种优化方案的不同。两种方案的优化结果表明，神经网络模型联合遗传算法更有优势，优化时间最大可节约322倍。与 GT联合遗传算法优化结果相比，油耗平均相差3％左右。 （5）额定转速下的试验标定结果表明，ANN优化方法可用于Atkinson循环发动机的快速准确优化；同时，Atkinson循环发动机的燃油经济性得到了较好改善。相对于台架优化试验结果，ANN模型的最大误差为8.2%，平均误差为3.8%。台架优化试验结果和原机试验结果相比，在5200rpm、52.4Nm时改善最大，为5.4%，平均改善幅度为3.6%。 |
| 作者： | 薛川 |
| 专业： | 动力工程及工程热物理 |
| 导师： | 杨靖 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖南大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
