详情

原文传递基于神经网络和遗传算法的发动机性能优化方法研究

论文题名：	基于神经网络和遗传算法的发动机性能优化方法研究
关键词：	车辆发动机;神经网络;遗传算法;执行机构;性能优化
摘要：	发动机是汽车中最重要的系统并且直接决定了配套车辆的驾驶性能。本文研究了某款2.0L车用汽油发动机的动力性能提升方案及优化方法。　　在发动机原机的基础上，通过采用可变进气歧管长度及可变进气门正时机构，同时对原机的稳压腔容积和排气门正时等进行优化来有效地提升发动机的动力性能。　　发动机是复杂的多耦合非线性系统。以本文中所研究的发动机为例，由于可变进气歧管长度和可变气门正时等新的执行机构的采用，使得发动机的设计、优化和试验标定更加困难，需要投入更多的资源、时间及花费。因此，有必要进行多变量优化工具的开发，以更加高效地进行发动机的设计和优化工作。　　本文分别研究了基于神经网络建模和遗传算法的发动机性能优化技术，并开发了基于MATLAB/Simulink和发动机仿真软件GT-Power耦合的发动机设计和性能优化工具。　　本文的主要研究内容可概括如下：　　1.利用GT-power软件建立发动机的性能仿真计算模型，并对建立的模型进行了验证以保证模型的准确性。通过仿真计算研究了改善发动机动力性能的可行性技术方案，重点介绍了可变进气歧管技术和可变进气门正时技术。　　2.研究了基于人工神经网络（ANN）技术的发动机性能优化方法。首先，利用拉丁超立方采样（LHS）算法产生3000个 GT-Power仿真试验点，并将这些试验点通过simulink-GT-power接口模型输入到GT-Power模型进行计算。用得到的发动机性能结果数据进行ANN模型训练，分别得到转矩、功率、有效油耗率、爆震指数、峰值缸压和排气温度的ANN模型。再次利用LHS算法得到200个 GT-Power仿真试验点，利用GT-Power计算返回的性能数据对训练完成的ANN模型进行测试。选择泛化能力最好的ANN模型。优化计算时分别将转矩/功率的ANN模型作为目标函数，而有效油耗率、峰值缸压、爆震指数和排气温度的ANN模型作为非线性约束条件。考虑到发动机实际设计和操作的限制，在实际发动机结构和不同运行条件下一些设计参数需要被固定。这些参数的取值应当基于优化结果确定，并用于后续的优化分析计算。再次利用ANN模型进行优化得到最优的操作参数取值及发动机性能优化结果。　　3.研究了基于遗传算法和GT-Power仿真耦合的发动机性能优化方法。遗传算法的优化计算是在MATLAB环境中实现的，并通过Simulink接口程序循环调用GT-Power仿真计算以不断迭代更新当前的设计和操作参数的最优值。基于发动机结构和操作条件的限制对优化得到的相关设计参数进行固定取值，并再次执行上述优化计算。最后，将计算得到的优化结果与基于原机ANN模型的优化结果进行了对比分析。结果表明，两种优化方法均可以达到令人满意的优化结果，并且优化后的发动机动力性能达到了期望优化目标。然而，需要注意的是两种优化方法各有特点。使用者应该全面理解两种优化方法各自的优缺点并根据自己的实际需要来选择合适的优化方法。
作者：	李明
专业：	车辆工程
导师：	许敏
授予学位：	硕士
授予学位单位：	上海交通大学
学位年度：	2011
正文语种：	中文