英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
柴油机的建模与控制: 系统综述
G. Sujesh a S. Ramesh b
a Aeronautical Department, JCET, Lakkidi, Palakkad, Kerala, India
b Department of Mechanical Engineering, KCG College of Technology, India
（a航空系，JCET，拉基迪，帕拉卡德，喀拉拉邦 b印度KCG技术学院机械工程系，印度）
摘要:本文对近十年来国内外为提高柴油机性能所作的各种努力进行了探索性的综述。回顾解释了各种性能改进方法的演变，随后解释了建模技术，最先进的指标，定义了柴油发动机的性能。随后，对人工智能方法进行了改进，以提高性能。本文综述了利用优化算法提高柴油机性能所面临的重要挑战。重要的挑战是嘈杂的实验场景，随机性，不精确和时间变化的适应度模型的近似。由于这些挑战仍然存在于优化算法和 柴油机建模中，因此柴油机的研究具有广阔的应用前景。这考虑报告各种进步的优化模型，以进一步提高发动机性能。
关键词：引擎；建模;人工智能;控制;柴油
1.介绍
内燃机，或通常称为柴油机，已被发现是汽车和汽车的主要资源。然而燃料成本快速增长的趋势和对其他国家石油的依赖迫使用户减少燃料摄入量[1-3]。与汽油发动机相比，柴油发动机在越野车和卡车上的利用率更高，因为柴油发动机的燃料减少了每输出功率的消耗水平。柴油发动机经过仔细的计划，以超越大量严格的排放认证限制[4]。发动机参数包括压缩比(CR)和喷油时间对柴油发动机的过程和排放有很大的影响。一般来说，设计准则会在规划阶段预先订定。根据燃料消耗量改变计划参数不是一件容易的事。但是，功能约束可以很容易地更改为[6]。发动机是用蔬菜发动的石油，后来与醇反酯化，设想通过任何方法传授先进的工艺，而不是柴油利用。这一机械过程有助于生物柴油[7]的生产。原因是它呈现减少破坏性的排放。菜籽油(RO)是另一种可再生能源，可以作为或作为柴油燃料[8]的混合物用于拖拉机。二氧化碳(CO2)的循环利用 是通过燃烧时光合作用的形成来实现的。光合作用是将太阳能转化为化学能的过程。可再生的生物燃料通常涉及当代的固碳作用，例如植物通过光合作用产生的固碳作用。此外，在光合作用过程中，水被氧化成氧。生物柴油也被称为碳中性，因为它们往往产生更多的CO2[9]。可变压缩比发动机是使用的混合含有0-25%的柴油按体积在空载到满载约束下[10]。压缩比的增加，加上燃烧室内相当大的氧含量，提供了改进的燃料水平[11]。
在[12]中进行了参数分析，以检查初始湍流、涡流、点火延迟和氧注意对燃料燃烧、 燃料混合和燃料汽化等过程的影响。如果燃烧过程变慢，气缸温度可以保持在一个较低的水平。缓慢的燃烧是可以实现的，通过循环的疲劳气体再次进入气缸，因为氧气量减少与气体再循环。实验方法可以获得良好的操作条件。然而，当集成电路引擎[13]中的参数数量很大时，处理这些技术所花费的时间和成本将超过限制。辅助发动 机运行的各种参数的独立性导致了发动机管理优化难以进行，除了增加燃油消耗率和排放水平[14]。以生物柴油发动机为例，相关参数之间的联系更为广泛，也更为复杂。因此，即使在目前的[15]，也没有一个精确的模型。本研究的范围源于对各种输入参数(包括喷射压力、混合比例和负载)如何影响性能以及CI发动机[16]所表现出的排放特性的认识不足。过量产生的热量通过废气和发动机冷却系统散发到周围环境中。 但是这种废热对环境是非常不利的。因此，以更有益的方式重新利用余热是非常必要的[17]。
图1柴油机建模演化的时序图
图1为柴油机建模演化的时间顺序。自2002年以来，许多研究人员对柴油机进行了建模。同样的改进也在不断地增加。对研究的审查可能有助于确定新的研究方法。根据审稿人的贡献，2002年的柴油机建模工作的进展比2017年和2016年的少了71%。然而，2010年和2013年的贡献比2017年和2016年的贡献高出53%。贡献:本文的主要目的是综述生物柴油发动机性能的提高。随后讨论了柴油机的建模方法和人工智能的作用。
2.柴油机建模
基于等效模型的柴油机模型研究较少。随后，柴油机的数学建模在发动机设计和仿真方面受到了广泛的关注，这些模型是基于相关的参数建立的。本文对生物柴油发动机的发展进行了分析。本文首先对不同的柴油机模型进行了评价，然后根据静态模型、确定性模型和随机模型对不同的模型进行了分类。
2.1。演化
2002年，Daniel Lee等人利用概率密度函数[18]开发了一种模拟柴油机燃烧过程的模型。
2003年，张健等人采用一种新的非线性模糊方法对大功率柴油机进行了建模。改进的自组织映射(MSOM)网络有助于获得与模糊模型[19]相关的参数。
2004年，Mattias Nyberg等人提出了一个用于诊断与涡轮增压柴油发动机相关的空气路径的模型，并创建了EGR。所考虑的故障包括进气歧管压力传感器故障、空气质量 流量传感器故障、EGR阀卡死位置故障和漏气[20]故障。Pires da Cruz已经处理了与 HCCI以及传统柴油发动机相关的自燃的三维模型。为了验证它们的结果，我们进行了等体积自燃和均质绝热压缩充电自燃试验。2005年，Frank Kimmich等人在涉及燃 烧过程的喷射系统和柴油机[22]的进气系统中，系统地创建了故障检测和诊断过程的方法。
Parlak等人研究了人工神经网络模型在多大程度上能够预测柴油机在改变喷油周期[23]时的排(温度和比油耗。JoseM. Alonso等人使用ANN和遗传算法(GAs)预测并降低了2006年柴油发动机的排放率和燃料消耗率。在2006年，Rakopoulos等人模拟了柴油 发动机汽缸中燃油喷雾的形成过程。他们工作中使用的燃料包括植物油、柴油燃料或生物柴油[25]。
Rakopoulos等人提出了-种多区域模型，能够对燃烧过程的发展进行建模柴油机的建模与控制:系统综述
使用混合乙醇和柴油燃料[26]的DI柴油发动机的排放。2008年, Jeong等人将粒子群优化(PSO)算法与遗传算法相结合，减少了柴油机排放的CO2、煤灰、NOx等废气。此外，他们还利用自组织映射(Self-Organizing Map, SOM)来确定燃烧室几何形状与排放的[27]之间的关系。2008年，Song等人对直喷柴油发动机通过柴油-甲醇双燃料[28]运行的烟尘排放进行了建模和评价。
2009年，Omran等人提出了一种数学优化程序，其目的是发现同时受到静态和动态约束[29]的柴油机的最优控制方案。
Ghobadian提出了一种基于神经网络的柴油发动机建模技术，该技术利用废弃的烹饪生物柴油燃料来工作。该建模程序可以预测与发动机相关的各种参数，如扭矩、废气排放、制动功率和比油耗[30]。Garcia-Nieto等人提出了一个方法,使用实验数据检测 Takagi-Sugeno (t - s)结构。在此基础上，设计了结构并行分布式补偿模糊控制器。 同年，Wei等人通过开发6个非常有益的诊断特征参数[32],对确保大型油田的安全表现出越来越大的兴趣。Langlois等人在2009年[33]提出了一种模糊控制器，能够同时调节柴油机进气歧管压力和新质量气流。Al-Hinti等人利用神经模糊界面系统(ANFIS)来检测升压对制动平均有效压力(BMEP)、制动比油耗(BSFC)以及 单缸柴油机对[34]效率的影响。
2010年，Hidayet Oguz等人提出了一种新的ANN模型，该模型设想了使用生物燃料的柴油发动机的性能，以帮助以最低的成本和[35]的持续时间对发动机进行测试。 Aithal利用有限速率化学动力学完成了一个模型，该模型支持对柴油机[36]工况下NOx的时间形成过程的设想。Soldati等人根据润滑理论建立了一种毫不费力的、完全解析的一维模型，用于预测未污染柴油颗粒过滤器[37]单元通道内沉积的纳米颗粒。 Gogoi等人在2010年提出了一个循环模拟模型，该模型采用热力学依赖的单区燃烧模型来估计柴油机的性能[38]。Abani等人开发了一种先进的混合模型来检测发动机的排放和燃烧，这是由多种喷射策略产生的，包括早期喷射、孔状喷嘴喷射和多次喷射。他们的研究既涉及重型柴油发动机，也涉及轻型柴油发动机，并通过引入汽粒法(VPM)[39]实现了燃料蒸汽跨几个网格分辨率的混合。Chang等人提出了一些与柴油发动机的喷雾自动点火和名称传播有关的数值模拟。他们的工作集中在化学反应[40]上。Fraioli等人将他们的研究重点放在了模拟上
柴油机的燃烧是多维的。他们的主要目标是研究一个描述碳颗粒生成的煤烟颗粒尺寸模型，并计算相应的尺寸分布函数[41]。Colaco等人进行了模拟柴油机燃烧室压力变化的试验，模拟了约束条件以及柴油和生物柴油混合比例的变化。采用越来越精确的响应面模型，结合混合优化算法[42]对柴油机性能进行优化。
2011年，Porteiro等人引入了一个多网络神经网络系统，该系统带有非侵入式传感器[43]，从而促进了对柴油发动机发生的8个不同故障的诊断。Bunce等人试图优化在现代柴油机[44]中普遍存在的大豆生物柴油的燃烧。Zhang等人利用涡流模拟(LES)提出了燃烧模型，称为“混合控制直接化学(MCDC)燃烧模型'。该模型涉及亚网格尺度(Sub-CGrid Scale, SGS)混合效应以及化学动力学，用于对燃烧[45]进行建模。Nabi等人对排放以及Scania DC 1102型四冲程、六缸、涡轮增压、直喷式柴油机的性能进行了全面的分析。分析了船用柴油(MGO)和合成柴油的组合以及MGO在柴油机[46]中的 应用。Ganapathy等人已经清楚地研究了发动机转速、负载扭矩和喷油时间对柴油发动机排放和性能的影响。在这里，上述发动机参数的优化是通过响应面方法(RSM)[47]实现的。Acharya等人研究了影响柴油发动机燃烧过程的方式，同时karanja油的粘度随着燃料温度的升高而降低。试验在单缸、5马力、四冲程、恒速、水冷、直喷柴油机[48]上进行。
2012年，Harun Mohamed Ismail等人处理了一个人工神经网络(ANN)建模过程，该过程支持预测与使用几种生物柴油燃料和通常的混合化石燃料[49]的轻型柴油发动机相关的共9个不同的发动机输出响应。Abdullah Uzun提出了一种新的神经网络方法，该方法对柴油机的制动比油耗(BSFC)受到载荷、发动机转速和曲轴转角(CA)影响的方式进行参数化检测。分析是在存在和不存在中间冷却[50]的情况下进行的。2013年，Bolan Liu等人还利用ANN开发了一种新的模型，可以检测涡轮增压柴油机[51]失火。Hee Lee等人引入了一种柴油发动机热电联产系统，提高了效率，降低了排放水平。此外，田口方法已被用来优化柴油机[52]。2013年AI-Dawody等人通过实验证明了[53]，有效地优化了降低柴油发动机中生物柴油NOx影响的策略。Bose等人利用电子控制单元(ECU)的可变喷射原理开发了定时进气歧管喷射(TMI)系统，该系统允许使用“改进'将氢输送到进气歧管
在性能以及燃烧参数。在他们的工作中，他们还处理了诸如体积效率(Vol. Eff.)、制动热效率(BTHE)和制动比能耗(BSEC)等性能参数的优化，这些参数对应于使用模糊 逻辑相关的田口分析[54]的几个不同的氢注入原理。Hosoz等人研究并建立了一个ANFIS模型，以设想单缸直喷柴油发动机的尾气排放和性能参数，其燃料为各种生物柴油和柴油燃料[55]的组合。2013年，Asprion等人利用物理依赖的NOx生成模型和均 值发动机模型，以最优方式预测柴油机NOx排放。同年，Maroteaux等人对建立柴油 机唯象燃烧单区模型表现出极大的兴趣。他们更关注于为循环中的硬件(HiL)构建一个适当的模型，并使其在实际应用中得到使用。Chen等人对柴油发动机在O/CO2 [58]组成的大气中燃烧过程进行了数值模拟。
2014年，Nikzadfar等人利用统计方法，考察了共轨柴油机内部状态对排放和性能的相对影响，并根据其显著性[59]对其进行了排序。乌赞采用神经网络方法对同年某柴油机的空气质量流量进行了评估。2014年Ong等人在CI柴油机使用高游离脂肪酸钙叶油运行时，对生物柴油的制备及发动机性能进行了优化[61]。2014年，Grahn等人定义并评估了一种计算设定值以支持可控柴油机系统的方法。他们的目的是降低动态车辆行驶循环中的燃料消耗率，前提是产生的排放保持在可接受的限度内[62]。Chen等人已经建立了与柴油发动机和耦合后处理系统相关的空气分数动力学模型。他们的目标是在进行主动DPF再生的同时控制NOx和PM排放[63]。2014年，Michal Pasternak等人研究了与柴油发动机烟尘生成的零维和三维建模相关的各种特征。0D模拟的测试是通过直接注入随机反应堆模型(DI- SRM)实现的，而三维计算流体动力学(CFD)模拟的测试使用了小火焰库烟灰源项模型和PDF-time.cale燃烧模型[64]。
2015年，Yang等人提出了一种利用大型船用柴油机废气的有机Rankine循环系统的经济性和热力性能的优化技术[65]。Zhu等人曾尝试利用遗传算法对高原运行的柴油机燃油供应相关参数进行优化[66]。
Chen等人创造了一种新的bibful,这是葡萄糖溶液乳化的结果，此外，他们还对柴油发动机的排放和性能进行了评估[67]。Lee等人使用多目标遗传算法同时优化了一台高速柴油机的油耗率和排放
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[236156]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
