论文部分内容阅读
油耗法规和排放法规日益严格,进一步降低发动机的污染物排放以及提高效率成为了内燃机继续长期存在和发展的根本要求。内燃机燃烧技术的进步、车用燃油组分优化是降低内燃机污染物排放和提高效率的两个主要途径,二者协同发展成为必然趋势。但目前关于燃料多元化结合燃烧技术的研究是偏开环性、偏定性的,燃油优化一般以组分的掺混比、含量这种较为笼统方式表征。另外,单一燃料理化指标(馏程、辛烷值等)与燃料燃烧、排放性能或发动机性能关联不明显或非单调映射。而引入燃料分子拓扑与边界条件构建参与燃烧的微观团体即燃烧反应区可更精确预测燃料的燃烧效果及有害物排放,因此实现燃烧反应区定量表征具有重要意义。燃烧反应区拓扑表征包括燃料量化表征和反应区热-物理-化学状态的量化表征。燃料量化表征使用燃料拓扑指数来实现;反应区热-物理-化学状态用定容燃烧平台的初始压力、当量比或发动机平台的压缩比、运行参数、技术参数来宏观表征。本研究主要目的是探讨燃烧反应区拓扑表征的可行性,并基于燃烧反应区拓扑量化表征构建燃料燃烧/排放表现(定容燃烧平台)、发动机经济性/排放性表现(发动机平台)两级指标的可逆定量模型,同时实现定量模型的快速构建,为基于现象学模型的油机协同理念实现提供了高效、快速手段。本研究的主要内容以及研究结论如下:1.燃烧反应区拓扑构建及合理性分析。介绍了燃烧反应区拓扑构建方法,基于灰色关联模型佐证了拓扑指数比单纯使用碳原子数目具有更强的分子类型表征能力,并通过燃料量化表征参数与燃烧、排放参数的关联等级分析确定了燃料量化表征的合理性。1)单质烷烃燃烧反应区拓扑构建及合理性分析。引入Balaban中心指数B和Balaban指数J构建二元序列(B,J)唯一量化表征烷烃分子类型。其中B指数主要包含燃料分子支链化信息同时还包含碳原子数目信息;J指数主要包含碳原子数目信息同时还包含环状碳链、支链化信息。引入表征反应物数量的Pφ变量(浓度与压力乘积)和表征碰撞能的PT参数(压力与温度乘积)构建了定容平台烷烃燃烧反应区拓扑表征序列为(B,J,Pφ/PT)。基于灰色关联模型分析了燃烧排放参数对烷烃拓扑指数的关联性。结果发现,与单纯的碳原子数目CN相比,B指数和J指数在包涵了支链化和碳原子数目两种分子信息后和燃料燃烧参数有更好的贴合性。自燃温度对于三种指数敏感性的当量比特性也呈现出明显的规律,当量比为0.8时局部当量比均匀性更好,削弱了边界条件对燃料自燃温度的影响,燃料自燃温度对燃料拓扑指数具有更高的敏感性;中高温度时,J指数是影响着火延迟最主要的因素,低温时着火延迟对B指数的敏感性最大;在各当量比下燃烧持续期对燃料分子支链化表征性最强的B指数的敏感性最大,其次为J指数。B指数和J指数对压力峰值和放热率峰值关联能力受当量比条件的影响,放热率峰值与两种指数关联性的当量比特性和压力峰值规律一致。2)单质醇燃烧反应区拓扑构建及合理性分析。在烷烃量化表征基础上增加了羟基位置信息H后定义了单质醇分子的具有唯一性的量化表征序列(B,J,H)。H指数主要包含了官能团羟基的位置信息。构建了定容平台醇燃烧反应区拓扑表征序列为(B,J,H,Pφ/PT)。基于灰色关联模型分析了燃烧排放参数与醇拓扑指数的关联性。结果表明,低碳醇羟基位置是影响其自燃温度的主要分子结构参数。其次是倾向于表征醇分子碳链支链化程度的B指数,最后是倾向于表征醇分子碳链大小的J指数;在中、低温环境中,表征羟基位置的H指数是影响醇类燃料着火延迟的主导因素,其次为B指数。高温环境削弱了H指数影响着火延迟的优势,此时碳链分子支链化程度在影响着火延迟方面表现强势;相比于碳链结构和碳链大小,羟基位置是影响燃烧速率的主导因素;燃烧过程的压力峰值和放热率峰值是燃料类型和燃烧环境协同作用的结果,三种分子信息表征参数对压力峰值和放热率峰值的影响权重大小规律随当量比的变化波动明显;三种分子信息指数对CO排放的影响规律不明显,对THC、NOx排放的影响权重明显受当量比的干涉。3)多元组分燃料燃烧反应区拓扑构建及合理性分析。在单质组分量化表征的基础上修订了芳烃苯环中碳-碳键表征值,定义了多元组分量化表征序列(B,J,H)。并以发动机压缩比ε为边界条件变量构建了发动机平台多元组分的燃烧反应区拓扑表征序列(ε,B,J,H)。以爆震强度为例分析了目标参数与燃烧反应区拓扑变量的关联性。结果发现,燃料三种指数和爆震强度存在明显关联性。B指数对爆震强度的影响最为明显;J指数主要包含了碳链中碳-碳键数量信息、环状碳链数量信息,对于支链化信息的表征不明显,因此J指数对爆震强度的影响权重小于B指数;H指数仅表征了羟基的位置信息,并不包括碳链结构和大小信息,对爆震强度的影响能力最差。三种指数与辛烷值的关联性大小规律和三种指数与爆震强度关联性大小规律一致,证明了燃料分子结构直接决定了燃料的辛烷值,进而影响了燃料爆震燃烧的强度。2.基于现象学的映射模型构建及评估。燃料定容燃烧、排放表现以及发动机爆震燃烧强度表现本质上是一种燃烧现象。而数据拟合是现象学映射模型构建的快速、核心手段。因此以燃料定容燃烧、排放参数以及发动机爆震强度为性能指标,选取具有多因素、非线性拟合能力的二项式函数、幂函数、指数函数、对数函数四种回归模型对性能指标进行了拟合计算,来证明无论是基础燃烧表现还是发动机性能表现,燃烧反应区和性能指标间都存在映射关系,并以相关系数对映射关系进行评估。1)单质烷烃燃烧排放参数映射关系构建。自燃温度、着火延迟、压力峰值、放热率峰值、燃烧效率,二项式函数拟合效果最好,尤其是自燃温度、压力峰值、放热率峰值,拟合相关系数大于0.98。对于燃烧持续期,指数函数模型拟合效果最佳,相关系数高达0.9963。排放物中CO的拟合效果最差,相关系数最高也只有0.9093,NOx、THC和微粒总质量拟合结果良好,相关系数均高于0.99。2)单质醇燃烧排放参数映射关系构建。着火延迟指数函数拟合效果最佳,相关系数为0.9871,而自燃温度、燃烧持续期、压力峰值、放热率峰值、燃烧效率的幂函数拟合效果最佳,相关系数均在0.9以上;排放参数函数拟合的相关系数明显低于燃烧参数。只有CO幂函数拟合相关系数高于0.9,THC、NOx和微粒总质量排放各函数模型的拟合效果不理想;相比于分子类型,燃烧过程是影响醇类有害物排放的主导因素,以分子表征信息为主的数据序列(B,J,H,φ)在量化表征排放参数方面表现乏力。3)爆震强度映射关系构建。对于爆震强度的定量模型,以(ε,B,J,H)为变量参数时幂函数表现最好,相关系数大于0.95;以(ε,RON,MON)为变量参数时指数函数模型表现最好,相关系数为0.9282。燃料拓扑与燃烧过程特征参数、有害物排放存在定量映射关系且相关系数高于0.9,这表明在燃料燃烧和排放研究领域,应用B指数、J指数等化学结构相关表征用于量化表达燃料类型及其对性能影响具有更高精确性。3.基于神经网络的燃烧反应区拓扑-发动机性能快速映射构建。现象学定量映射模型基于实际测量数据所获取。并未体现模型的外延性应用以及对“未知”样本的预估能力。因此选取泛化能力较强的神经网络模型,以燃烧反应区拓扑表征(燃料拓扑指数、发动机结构和运行参数)为输入,以性能、排放为输出,可直接实现基于燃烧反应区拓扑表征的发动机性能预测。整个训练过程的总体相关系数为R=0.9839,MSE=0.0018,验证过程整体相关系数R=0.9846,MSE=0.0018,对“未知”样本测试过程相关系数R=0.9808,MSE=0.0021。证明了预测模型具有较高精度。4.部分现象学映射模型应用及验证。基于实际发动机平台以部分现象学模型为导向进行了油品构型优化。证明了前期建立的映射关系对实际发动机平台中对目标参数预估具有一定的参价值。但由于定容燃烧平台和发动机平台实际燃烧过程的不同,映射模型与实际结果存在系统误差。另外,基于上述结论对发动机控制参数进行扩展,证明了在对发动机进行控制参数调节时,结论仍然成立。根据映射关系指导精炼燃料中芳烃的种类,结合点火正时的调整,可以在一定程度上优化燃烧过程,提高发动机功率输出,降低be,但会增加NOx排放。