天然气-柴油双燃料燃烧的微种群遗传算法数值优化

发布时间：2024-02-24 13:00

　　利用微种群遗传算法结合计算流体动力学(CFD)构建了数值优化平台,对一台天然气-柴油双燃料重型发动机在中速,低、中和高3个负荷下进行了多目标优化.结果表明:通过优化柴油两次喷射时刻、压力、首次喷油比例、预混能量比例(PES)和EGR比例,可以使发动机在3个工况下获得高效清洁的燃烧.在不超过最大爆发压力、最大压力升高率及排放设定限值的前提下,均可获得高于45%的热效率.随着负荷增加,所需PES及EGR率依次增大.柴油首次喷射较早,用来调节压缩余隙处的活性梯度,第二次在较晚时刻喷入活塞碗底部区域,在中、低负荷工况下,缸内呈现出活性控制压燃(RCCI)燃烧式的梯级顺序燃烧特性.在高负荷工况下,缸内一定程度上展现出柴油微引燃(DPI)燃烧式的燃烧特性.在所有工况下,缸内均发生多点式的着火燃烧.

【文章页数】：9 页

【部分图文】：

图5CO、UHC和NOx排放试验值与模拟值对比

图4缸内压力和放热率的试验值与模拟值2数值优化的设置

图1数值优化平台框架示意

通过整合微种群遗传算法程序CONGO[17]和CFD程序CONVERGE[18]构建了遗传算法数值优化平台，图1为优化平台框架．优化开始时，CONGO程序扫描CFD，计算所有输入文件，找出需要优化的参数(在文件中已标记)，并在其优化范围内对其赋值，然后调用CFD程序进行计算．作者....

图2微种群遗传算法优化流程

微种群遗传算法优化流程如图2所示．其中适应度通过预先定义的适应度函数决定．选用的适应度函数[18]定义为

图3上止点时刻发动机燃烧室结构

为了验证所选用物理模型的合理性，对研究的发动机进行了建模，并将模拟值与试验值进行了对比．该发动机为一台单缸重型发动机，发动机技术参数如表3所示．由于发动机选用了一个7孔均布的喷油器，为节省计算时间，仅取燃烧室的1/7区域进行建模，计算区域如图3所示．为进一步节约计算时间，所有计算....

本文编号：3909032