21世纪是能源的新纪元,高效利用能源是人类追求的目标。内燃机作为最重要的热机,提高内燃机的效率尤为必要。燃油雾化是内燃机实现清洁高效燃烧的重要前提,因此准确预测燃油的雾化过程对于改善内燃机的热效率尤为重要。燃油雾化过程十分复杂,经过多年的发展逐渐演化出几种不同的雾化模型。在众多的模型中,Kelvin-Helmholtz-Rayleigh-Taylor(KH-RT)雾化模型的应用最为广泛。KH-RT模型基于表面波理论对喷雾雾化过程进行较为准确的重现,从而准确预测喷雾的贯穿距和喷雾形态。为了实现对喷雾破碎的准确预测,需要确定KH-RT模型中的五个模型常数。在不同喷油条件、环境条件、燃油种类情况下,五个常数的取值各不相同,而常数的取值主要依赖于经验,极大地增加了模型预测的不确定性。而目前还没有对模型常数的选取做出定量研究,导致不同情况下的模型常数调试过程中花费大量时间。遗传算法对模型常数的优化方面有着巨大的优势,遗传算法不需要了解内部原理,针对黑箱问题可以提供良好的优化。因此本文针对大量不同喷雾工况的实验数据,通过遗传算法对模型参数进行拟合。不仅充分利用并行计算多目标优化的特点,极大地节约了计算时间,加速完成模型常数优化,并且通过分析拟合结果,从中筛选两个重要的模型常数,即CRT与Cb。本文对比了不同喷雾条件及相关条件下最优的模型常数之间的关系,得出常数CRT随着环境温度的增大而减小,随着环境压力增大而减小,常数Cb随着环境密度的增大而增大的结论。并且根据喷雾条件的变化拟合了 KH-RT雾化模型常数的经验公式,能够针对多种工况,具有广泛的适用性。最后,将经验公式预测出的模型常数带入KH-RT模型中进行计算,并将计算结果与实验结果进行对比,以评估经验公式的可靠性。实验数据包括液态喷雾贯穿距、喷雾形状、喷雾粒子直径等多个方面。验证结果证明了高温高压柴油机工况下KH-RT模型参数的经验公式的有效性。此外,利用本文确定的模型常数经验公式预测喷雾贯穿距,并将其与喷雾贯穿距的经验公式对比,对本文提出的模型常数的经验公式进行了验证。通过将多种工况下的喷雾形态和模拟的喷雾形态相对比,表明了本文的方法可以改进喷雾模型的预测效果。