论文部分内容阅读
随着排放法规的日趋严格以及我国能源结构特点,发展F-T柴油作为车用清洁替代燃料具有广阔前景。本文结合了人工神经网络模型预测和多属性决策系统的方法,对不同掺混比例的柴油与F-T柴油混合燃料的特性进行了综合评价,从而确立最优的掺混比。本文在云内4100QBZL柴油机上对0#、F30、F-T柴油三种燃料进行了油门开度为80%的速度特性试验。试验表明,由于F-T柴油的密度相对较小,随着燃料中F-T柴油增加,柴油机输出扭矩和以质量计的油耗量有所减少,NOx排放和排气不透光度均有所降低;缸内压力峰值和放热率峰值随着F-T柴油比例的增加而减小,缸盖振动的时域均方根特征值和频域自功率谱特征值也有所降低。根据以上参数相互之间的影响及关联,对柴油机动力性、经济性、排放性、缸内燃烧及缸盖振动特性分别训练了人工神经网络模型。结果表明,除了不透光度模型和缸盖振动频域自功率谱特征值模型具有较大的相对误差外,其余八组人工神经网络模型的误差均在8%以内,能够比较精确地拟合试验数据。由于燃料的性能评价涉及多个方面,因此建立一个统一的评价指标将有助于对不同燃料的性能优劣进行综合评价。本文基于多属性决策系统,对柴油机燃用不同油品的输出属性指标进行了计算,深入挖掘各项属性指标对油品性能的影响,结合主观决策者对属性指标的重视程度,建立了油品评价体系,利用人工神经网络对F10、F50、F80三种油品的最大扭矩转速下的输出特性进行预测,应用多属性决策系统结合决策者的意愿选择了油品F10作为贴近最优解的混合比例。得到符合决策者要求的混合比例后,使用人工神经网络对F10混合燃料80%油门开度六个速度特性下的各项输出属性指标进行预测,并利用台架试验进行验证。结果表明,除不透光度模型和缸盖振动频域特征值模型因其相对误差较大;其余八个模型均有良好的泛化能力,预测结果与试验结果的相对误差均保持在13%以内。总之,训练成功的人工神经网络可以较好地预测柴油机燃烧不同比例混合燃料时的输出特性,结合多属性决策系统,初步实现燃料配比中对混合比例寻优的目的。