论文部分内容阅读
甲醇被用作商用车发动机的替代能源时,由于其十六烷值低,自燃性能差,需要其他燃料进行引燃。在柴油机进气道上布设喷醇装置,用原柴油机油泵喷入的柴油进行引燃,对发动机改动少,甲醇喷入量控制灵活,能够节约柴油和改善排放,可以应用在不同类型的柴油车上。在应用过程中,每循环喷醇过少,则甲醇替代性差,排放改进不明显;喷醇过多,则发动机循环变动过大甚至熄火。可见,定时供应适量甲醇非常关键。用数学模型模拟计算最佳喷醇量非常困难,所以喷醇MAP的标定一般是大量台架试验测得的结果,且受标定工程师主观影响大。本文是以4B26柴油机为研究样机,在柴油机进气道上布设喷醇装置进行了台架试验,记录转速、负荷、喷醇量、柴油消耗量、排放等相关参数作为神经网络训练样本,然后应用BP神经网络强大的非线性映射能力模拟双燃料发动机的输入输出,又基于遗传算法较好的全局搜索能力搜索最优喷醇量。结果显示,人工神经网络能简单快速地模拟发动机多变量的复杂变化情况。人工神经网络遗传算法联合运行,能在较少的试验量的情况下找到不同转速不同负荷下一定HC排放限值时的最大喷醇量,从而更多的利用甲醇,且降低NOx和碳烟的排放。选取均匀分布且占整个MAP较大范围的9个工况点,新喷醇MAP对应9点点工况的醇耗量比原喷醇MAP的醇耗量有较大幅度提高。这对于有效地利用甲醇资源和减少排放起到重要作用,对下一步工作中控制策略的细化提供了合理的建议。