基于辨识模型的船用柴油机燃烧性能多目标优化方法研究.pdf

基于辨识模型的船用柴油机燃烧性能多目标优化方法研究

摘要

船用柴油机是海上交通中最重要的动力装备之一，承载着全球90%的贸易运输量。

然而，随着节能环保意识的增强和排放标准的不断提高，如何优化柴油机的燃烧过程

并降低其排放成为了一个重要的研究领域。传统的燃烧优化方法往往需要耗费大量的

时间和资源，但随着计算机的发展，基于智能算法的燃烧预测模型及多目标优化方法

可以有效地解决这些问题。另外，船舶柴油机转速的稳定性也是一个重要的方面，但

很少有研究考虑到如何在优化燃烧的同时保持柴油机转速稳定。鉴于此，本文提出一

种新型双闭环控制方案，实现在优化燃烧的同时保持柴油机转速稳定。

首先，本文通过GT-Power软件建立并标定了船用柴油机的仿真模型，选择了喷油

正时、喷油压力、循环喷油量和进气门开启时刻作为燃烧优化的控制参数，分析了它

们与燃烧性能参数间的相关性。其次，为了实现燃烧多目标优化的快速迭代，本文建

立了面向燃烧优化的柴油机全工况燃烧性能数据驱动模型。将Takagi-Sugeno(T-S)模糊

建模原理与神经网络相结合，使四个典型工况的局部神经网络模型由以转速为标志的

高斯函数结合形成全局模型。然后设计并实现双闭环控制回路，外环为转速稳定回路，

在SIMILINK中建立转速控制模型，通过模糊PID控制器调节循环喷油量实现转速快

速稳定。选择功率作为内外环连接，转速保持稳定时功率尽量保持不变。内环为燃烧

优化回路，通过智能多目标优化算法对燃油消耗率、NOx以及功率误差进行优化。并

利用TOPSIS法对NSGA-Ⅲ非支配排序遗传算法优化得到的帕累托解集进行决策，选

出最优解。最后，将不同工况得到的最优解代入所建立的验证模型中，验证优化效果。

通过代入验证数据，本文所建立的面向燃烧优化的柴油机全工况燃烧性能数据驱

动模型精度可达99.84%，其验证数据误差最大不超过5%，最小可至0.16%，具有良好

的泛化能力与全局适应能力。应用到多目标优化算法的迭代过程，其运行速度比直接

调用GT-Power仿真模型快95.5%，40次迭代，可节约24851秒。而优化后的各工况燃

油消耗率较原机平均减小3.647g/kwh，NOx平均降低9.38%。将最优解代入优化验证

模型后，其结果证明双闭环控制回路可以在优化燃烧的同时保持转速稳定。

关键词：船用柴油机；燃烧性能优化；燃烧预测建模；智能多目标优化算法；T-S模糊

建模

基于辨识模型的船用柴油机燃烧性能多目标优化方法研究

Abstract

ThemarinedieselengineisoneofthemostimportantpowerequipmentinMarinetraffic,

carrying90%oftheglobaltradetraffic.However,withthegrowingawarenessofenergy

conservationandenvironmentalprotection,aswellasthecontinuousimprovementof

emissionstandards,optimizingthecombustionprocessofdieselenginesandreducingtheir

emissionshavebecomeimportantresearchareas.Traditionalcombustionoptimization

methodsoftenrequireasignificantamountoftimeandresources,butwiththedevelopment

ofcomputer,combustionpredictionmodelbasedonintelligentalgorithmandmulti-objecti