天然气发动机燃烧放热的预测研究

摘要

为探究低负荷工况下过量空气系数(λ)对天然气发动机燃烧放热规律的影响，在1台电控多点顺序喷射天然气发动机上进行试验并采集数据，结合遗传算法(GA)与反向传播(BP)神经网络，构建了3种燃烧放热的预测模型：传统BP神经网络模型、传统GA优化BP神经网络模型和双阶段遗传算法(double-stage genetic algorithm, DSGA)优化BP神经网络模型，并将各模型的预测值与试验值进行对比。结果表明：3种预测模型均展现出较好的预测性能，相对于传统BP神经网络模型和传统GA优化BP神经网络模型，DSGA优化BP神经网络预测模型对放热率(HRR)、累计放热量(HR)以及燃烧反应百分率(CRR)的预测精度最高且效果最优，在稀燃极限(λ=1.9)工况下，虽然对燃烧循环后期的放热规律预测精度有所降低，但仍可对燃烧循环前期和中期的放热规律准确预测。

关键词

天然气发动机 / 燃烧放热 / 双阶段优化 / 遗传算法 / 神经网络

基金资助

国家自然科学基金项目(51906225); 船舶动力工程技术交通运输行业重点实验室(武汉理工大学)开放基金项目(KLMPET2021-05); 教育部“春晖计划”合作科研项目(HZKY20220281); 中国国家留学基金项目(202308410392)