基于神经网络和遗传算法的发动机性能优化方法研究

发布时间：2017-05-16 05:05

  本文关键词：基于神经网络和遗传算法的发动机性能优化方法研究，，由笔耕文化传播整理发布。

【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。
【关键词】：发动机 GT-Power 可变进气歧管长度 可变进气门正时 神经网络 遗传算法 优化
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TK412
【目录】：

• 摘要3-5
• ABSTRACT5-7
• 目录7-10
• 第一章 绪论10-18
• 1.1 引言10-11
• 1.2 发动机的技术发展介绍11-17
• 1.2.1 VVT 技术11-15
• 1.2.2 可变进气歧管长度技术15
• 1.2.3 发动机增压技术15-16
• 1.2.4 HCCI 技术16-17
• 1.3 本文内容简介17-18
• 第二章 发动机性能仿真模型的建立与验证18-36
• 2.1 GT-Power 软件介绍18-19
• 2.2 GT-Power 建模所用模块的数学模型19-26
• 2.2.1 进、排气管内一维非定常流动的基本方程19-20
• 2.2.2 管道内摩擦压力损失计算模型20-21
• 2.2.3 传热计算的数学模型21-22
• 2.2.4 燃烧计算的数学模型22-24
• 2.2.5 爆震计算的数学模型24-25
• 2.2.6 发动机摩擦及附件损失计算数学模型25-26
• 2.3 发动机性能仿真模型的建立26-30
• 2.3.1 进、排气管建模27-28
• 2.3.2 进、排气道和进、排气门建模28-30
• 2.3.3 配气正时参数设定30
• 2.4 发动机GT-Power 仿真计算模型的验证30-35
• 2.5 本章小结35-36
• 第三章 改善发动机性能技术方案研究36-49
• 3.1 发动机原机性能参数及优化目标要求36
• 3.2 进气歧管长度对发动机性能的影响36-41
• 3.2.1 可变进气歧管长度技术的优点36-37
• 3.2.2 进气管内进气道入口处压力波动分析37-39
• 3.2.3 进气歧管长度对发动机性能的影响分析39-41
• 3.3 进气门正时对发动机性能的影响41-46
• 3.3.1 可变气门正时技术的优点41-42
• 3.3.2 进气门关闭控制策略42-43
• 3.3.3 可变进气门正时对发动机性能的影响分析43-46
• 3.4 拟采用的技术方案分析46-47
• 3.5 本章小结47-49
• 第四章 基于神经网络的发动机性能优化技术49-88
• 4.1 实验设计的基本理论及方法49-54
• 4.1.1 实验设计的基本理论和概念49
• 4.1.2 实验设计的要素和原则49-50
• 4.1.3 实验设计方法50-54
• 4.2 人工神经网络理论54-65
• 4.2.1 人工神经网络概述54-55
• 4.2.2 人工神经网络的研究历史55-57
• 4.2.3 人工神经网络基本理论57-61
• 4.2.4 人工神经网络的学习、训练、验证、测试61-63
• 4.2.5 人工神经网络的应用领域63-65
• 4.2.6 人工神经网络在发动机研究领域中的应用65
• 4.3 发动机人工神经网络建模65-78
• 4.3.1 ANN 模型图示65-67
• 4.3.2 发动机ANN 模型的训练67-68
• 4.3.3 最佳的ANN 模型选择和测试68-73
• 4.3.4 选择的最佳ANN 模型分析73-78
• 4.4 基于ANN 模型的发动机性能优化78-83
• 4.4.1 基于ANN 模型的发动机相关设计和操作参数优化78-80
• 4.4.2 基于发动机实际应用的优化设计参数的选定80-81
• 4.4.3 基于ANN 模型的发动机性能优化81-83
• 4.5 基于ANN 建模的优化工具实现83-86
• 4.6 本章小结86-88
• 第五章 基于遗传算法的发动机性能优化技术88-106
• 5.1 遗传算法概述88-89
• 5.2 遗传算法的基本原理89-90
• 5.3 遗传算法的特点90
• 5.4 遗传算法的数学理论90-94
• 5.4.1 模式定理90-93
• 5.4.2 遗传算法的隐含并行性机理93
• 5.4.3 遗传算法的收敛性分析93-94
• 5.5 遗传算法的应用研究现状94
• 5.5.1 遗传算法在发动机研究领域中的应用94
• 5.6 基于遗传算法和GT-Power 耦合的发动机性能优化94-102
• 5.6.1 基于遗传算法和GT-Power 耦合的发动机设计和操作参数的优化94-102
• 5.7 两种优化方法结果比较102-104
• 5.8 两种优化方法特点分析104
• 5.9 本章小结104-106
• 第六章 总结和展望106-109
• 6.1 全文总结106-108
• 6.2 研究展望108-109
• 参考文献109-116
• 图片标题（附录1）113-115
• 表格目录（附录2）115-116
• 致谢116-117
• 攻读硕士期间已发表或录用的论文117

【引证文献】

中国硕士学位论文全文数据库 前3条

1 刘勇霞;黑体空腔钢水连续测温传感器传热模型及应用研究[D];东北大学;2011年

2 周雯芸;LJ465Q汽油机工作过程仿真与分析[D];广西工学院;2012年

3 张磊;汽油机可变长度进气歧管数值仿真研究[D];河北工业大学;2012年

  本文关键词：基于神经网络和遗传算法的发动机性能优化方法研究，由笔耕文化传播整理发布。

本文编号：369596