论文部分内容阅读
现如今全球化石燃料短缺,世界各国研究开发新型能源的任务迫在眉睫。氢气以其自身的清洁性和永久可再生性受到了社会各界的青睐,氢燃料取代常规的汽油、柴油用于发动机时具有很多的优点,但同时也存在着一定的问题,如它有着比汽油机低的输出功率、易发生回火、早燃等异常燃烧,氢发动机的异常燃烧现象将会影响其正常的运行生产。本文以信息融合技术为基础,展开的研究包括了:基于自组织映射神经网络(Self Organizing Maps,SOM)和多Agent系统融合的氢发动机早燃的诊断研究、基于蚁群-Fletcher-Reeves共轭梯度法(Ant Colony Optimization-CGF,ACO-CGF)融合的氢发动机早燃的优化控制研究、基于粒子群-BP神经网络(Particle Swarm Optimization-Back Propagation,PSO-BP)融合的氢发动机整体性能优化研究。具体而言,阐述了氢发动机的优点与异常燃烧的机理,以压力升高率为线索对氢发动机的早燃进行诊断并对其性能进行优化控制。本文的研究内容包括:1.对氢发动机早燃的现象采用SOM神经网络的方法进行诊断,对于轻度早燃的诊断结果,文中又采用基于多Agent系统对氢发动机的拓扑结构变化进行跟踪验证。根据验证结果可以得出训练的故障线路与所提供的样本数据出现的故障位置相吻合,该方法提高了诊断结果的准确性,克服了只诊断单一故障的局限。2.采用ACO-CGF融合对氢发动机全工况下的点火正时进行了优化,通过试验得出了最佳点火提前角的预测,成功构建了氢发动机的最佳点火MAP图,在不同的工况下采用所得到的最佳点火提前角能有效避免氢发动机早燃的发生,ACO-CGF训练训练的实际值与预测值的拟合度为0.99921,满足预期要求。3.采用PSO-BP信息融合通过改变喷氢方式的方法,探究不同转速下两种喷射方式(单路单次喷射和分路喷射)对氢发动机性能的影响,其训练的实际值与预测值的拟合度高达0.95592。且对比两种喷射方式可以得出采用分路喷射的喷氢方式可以提高气缸内的温度和压力,使得缸内混合气的放热率增大,燃烧持续期缩短,从而使氢发动机的动力性与经济性得到提高,但氮氧化物排放量将会增多,即排放性能降低。