采用机器学习的天然气掺氢发动机可预测燃烧模型

摘要

针对发动机一维性能仿真软件GT-Power中缺少天然气掺氢（HCNG）燃烧基础数据的问题，同时为准确模拟HCNG特殊物化特性对发动机性能的影响，开发了一种新的机器学习驱动的可预测燃烧模型。首先基于人工神经网络（ANN）的机器学习方法开发了HCNG的层流燃烧速度和着火延迟时间计算模型，然后对上述模型进行了误差分析与验证，并将其写成子程序与GT-Power软件耦合，最后根据试验数据对新开发的模型进行标定和验证，并在外特性上利用所开发的模型研究了氢气体积分数φ（H₂）(掺氢比)对发动机性能的影响。结果表明：训练后的ANN燃烧模型预测的层流燃烧速度和着火延迟时间与原值之间的相关系数均超过0.99;利用标定后的模型计算得到的发动机性能参数误差小于3%,燃烧相位角和爆震限制点火提前角的误差小于2°;受爆震和涡前排温的限制，最大允许的φ（H₂）为20%,且随着φ（H₂）的增大，最佳点火角度逐渐推迟，有效热效率随之下降；掺氢可加快燃烧但会增加爆震倾向，而废气再循环（EGR）技术虽然会减缓燃烧但可有效抑制爆震、提前燃烧相位，两者协同控制可提高发动机的有效热效率。

关键词

可预测燃烧模型 / 天然气掺氢 / 人工神经网络 / 层流燃烧速度 / 着火延迟时间

基金资助

内蒙古自治区科技重大专项资助项目(21ZD0021)