基于BP神经网络的某增压直喷发动机性能及排放模型设计文献综述
2020-04-24 09:04
内燃机是当今世界上热效率最高、使用范围最广的动力机械，汽车、机车、拖拉机、坦克、船舶、军舰、发电机组、物料搬运机械、土方机械、排灌机械等无不以内燃机为动力。但内燃机的排气又是造成大气污染的主要来源之一，仅汽车发动机一项带来的污染就占城市全部大气污染物的60-70%。随着汽车数量的不断增加，一些大城市已从工业污染型变为汽车污染型。为了保护人类赖以生存的大气环境，必须严格限制来自内燃机的污染。为此，现阶段内燃机的设计和改进目标己从以前的只注重动力性和经济性转变为动力性、经济性和排放性并重。
随着内燃机技术的进步，己有100多年历史的内燃机其动力性已不成问题，但考虑到能源危机的存在和日益严重的大气污染，使得人们不得不把经济性和排放性作为主要控制目标同时考虑。然而内燃机排放性的研究手段存在一定问题一一试验研究所需设备复杂、昂贵；数学建模研究影响因素多而复杂，且无明确的规则可遵循(因内燃机燃烧及排放形成机理尚未完全探明)，因此本次毕业设计旨在用神经网络理论建立基于普通试验设备、少量排放试验数据、不用复杂的数学建模与计算即可预测内燃机稳态工作性能和排放性能的模型，从而对发动机的性能和排放优化设计提供一些参考。
在国内，汽车行业的众多学者都在期刊上发表了关于利用各种模型、理论来预测发动机工作及排放性能的研究的文章。合肥工业大学的教授钱立军等[1]选用运转参数中的转速和功率为变量，对丰田Prius混合动力电动汽车的发动机进行了神经网络排放建模。通过对建立的BP网络进行训练和测试，较好地预测其排放性能，并对排放的实时测量和控制提供了一定的依据。曹晓光等[2]同样选用转速和功率为变量，对发动机燃烧乙醇汽油产生的排放物进行建模，在误差允许的范围内较好地预测了其排放性能。刘圣华等[3]介绍了WD614--64涡轮增压柴油发动机燃用柴油／天然气双燃料的燃料供给系统设计和控制系统设计，研究了双燃料发动机的燃烧和排放特性，对涡轮增压柴油机改装成柴油引燃天然气的双燃料发动机的工作具有理论指导意义。王恩宇等[4]提出了成分权重的概念并用它对直喷式柴油机13工况排放试验的排放特性进行了比较比较详细的分析研究，从而得出成分权重最大的有害排放物，提出降低排放的手段。
国内许多大学也有关于建立发动机性能及排放模型的优秀学位论文。西南交通大学的周斌[5]提出了完整的基于BP神经网络的内燃机稳态排放性能模型建模方法，对内燃机的排放性能进行了研究。武汉理工大学的余宏峰[6]用MATLAB建立增压发动机动态排放预测模型，得到排放值与发动机运转参数之间的非线性映射关系，并对模型进行了实时仿真。
国外也有许多优秀学者发表了他们关于该方面的研究成果。A.S.Silitonga等[7]采用人工神经网络研究了用某生物柴油混合物（JCB）作为燃料的四缸共轨式涡轮增压柴油发动机的性能，排放和燃烧。通过大量实验数据研究了人工神经网络所建立的模型的预测结果与真实实验结果相符性。Ricardo Almeida Barbosa de Sá等[8]通过统计建模研究，从汽油组分变化研究了CO、NOx等汽车排放物的排放情况。Michel André等[9]提出了考虑到欧洲记录的大型但异构数据集的建模方法，对欧洲车辆污染物排放特性进行了研究。Peter J.Sturm等[10]利用底盘测功机进行模态采集的数据与车辆记录的运行状态相结合，计算了车辆的交通道路排放量。
另外，在神经网络方面，也有不少学者发表了相关研究成果。李晔[11]针对简单遗传算法(SGA)应用过程中所存在的不易收敛、结果常常陷入局部最优、编码方式存在解码误差、收敛速度慢等缺点，提出使用一种基于排序选择的改进遗传算法。史峰等[12][13]编写了《MATLAB智能算法30个案例分析》和《MATLAB神经网络30个案例分析》2本相关书籍，系统的介绍了神经网络算法的功能及实现方法。石云等[14]阐述了实现神经网络的关键问题，包括网络设计流程、学习规则选择、权重和阈值的训练与网络仿真.给出具体应用实例，构造一个典型三层结构的神经网络实现了具有函数逼近功能的BP网络设计。林香等[15]提出了一个改进的稳定且高效的遗传BP神经网络预测模型。
本文在国内外学者研究的基础上综合分析，利用现代计算机工具，通过BP神经网络来建立模型预测一台增压直喷发动机的经济性及排放性。
{title}2. 研究的基本内容与方案
{title}利用校内图书馆和网络资源，通过查阅相关文献，在老师和学长的指导下，了解增压直喷发动机的工作原理和排放污染相关理论（主要包括极细颗粒物的危害及研究）。学习MATLAB软件，熟练掌握其功能和使用方法，并利用MATLAB软件进行神经网络模型的建立，以已有的某发动机颗粒物数量排放和油耗为学习样本预估其他电控参数条件下的内燃机性能表现。基本内容如下:
（1）深入了解该增压直喷发动机的工作原理，性能及排放参数，了解国内外研究发动机排放性的主要方向。
（2）深入学习MATLAB的BP神经网络，熟练掌握其功能及使用方法，能够用其建立相应的基本模型，并对神经网络进行优化（粒子群优化或遗传算法优化）。
