本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的發(fā)動(dòng)機(jī)性能優(yōu)化方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：發(fā)動(dòng)機(jī)是汽車中最重要的系統(tǒng)并且直接決定了配套車輛的駕駛性能。本文研究了某款2.0L車用汽油發(fā)動(dòng)機(jī)的動(dòng)力性能提升方案及優(yōu)化方法。在發(fā)動(dòng)機(jī)原機(jī)的基礎(chǔ)上,通過采用可變進(jìn)氣歧管長(zhǎng)度及可變進(jìn)氣門正時(shí)機(jī)構(gòu),同時(shí)對(duì)原機(jī)的穩(wěn)壓腔容積和排氣門正時(shí)等進(jìn)行優(yōu)化來有效地提升發(fā)動(dòng)機(jī)的動(dòng)力性能。 發(fā)動(dòng)機(jī)是復(fù)雜的多耦合非線性系統(tǒng)。以本文中所研究的發(fā)動(dòng)機(jī)為例,由于可變進(jìn)氣歧管長(zhǎng)度和可變氣門正時(shí)等新的執(zhí)行機(jī)構(gòu)的采用,使得發(fā)動(dòng)機(jī)的設(shè)計(jì)、優(yōu)化和試驗(yàn)標(biāo)定更加困難,需要投入更多的資源、時(shí)間及花費(fèi)。因此,有必要進(jìn)行多變量?jī)?yōu)化工具的開發(fā),以更加高效地進(jìn)行發(fā)動(dòng)機(jī)的設(shè)計(jì)和優(yōu)化工作。 本文分別研究了基于神經(jīng)網(wǎng)絡(luò)建模和遺傳算法的發(fā)動(dòng)機(jī)性能優(yōu)化技術(shù),并開發(fā)了基于MATLAB/Simulink和發(fā)動(dòng)機(jī)仿真軟件GT-Power耦合的發(fā)動(dòng)機(jī)設(shè)計(jì)和性能優(yōu)化工具。 本文的主要研究?jī)?nèi)容可概括如下: 1.利用GT-power軟件建立發(fā)動(dòng)機(jī)的性能仿真計(jì)算模型,并對(duì)建立的模型進(jìn)行了驗(yàn)證以保證模型的準(zhǔn)確性。通過仿真計(jì)算研究了改善發(fā)動(dòng)機(jī)動(dòng)力性能的可行性技術(shù)方案,重點(diǎn)介紹了可變進(jìn)氣歧管技術(shù)和可變進(jìn)氣門正時(shí)技術(shù)。 2.研究了基于人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)的發(fā)動(dòng)機(jī)性能優(yōu)化方法。首先,利用拉丁超立方采樣(LHS)算法產(chǎn)生3000個(gè)GT-Power仿真試驗(yàn)點(diǎn),并將這些試驗(yàn)點(diǎn)通過simulink-GT-power接口模型輸入到GT-Power模型進(jìn)行計(jì)算。用得到的發(fā)動(dòng)機(jī)性能結(jié)果數(shù)據(jù)進(jìn)行ANN模型訓(xùn)練,分別得到轉(zhuǎn)矩、功率、有效油耗率、爆震指數(shù)、峰值缸壓和排氣溫度的ANN模型。再次利用LHS算法得到200個(gè)GT-Power仿真試驗(yàn)點(diǎn),利用GT-Power計(jì)算返回的性能數(shù)據(jù)對(duì)訓(xùn)練完成的ANN模型進(jìn)行測(cè)試。選擇泛化能力最好的ANN模型。優(yōu)化計(jì)算時(shí)分別將轉(zhuǎn)矩/功率的ANN模型作為目標(biāo)函數(shù),而有效油耗率、峰值缸壓、爆震指數(shù)和排氣溫度的ANN模型作為非線性約束條件。考慮到發(fā)動(dòng)機(jī)實(shí)際設(shè)計(jì)和操作的限制,在實(shí)際發(fā)動(dòng)機(jī)結(jié)構(gòu)和不同運(yùn)行條件下一些設(shè)計(jì)參數(shù)需要被固定。這些參數(shù)的取值應(yīng)當(dāng)基于優(yōu)化結(jié)果確定,并用于后續(xù)的優(yōu)化分析計(jì)算。再次利用ANN模型進(jìn)行優(yōu)化得到最優(yōu)的操作參數(shù)取值及發(fā)動(dòng)機(jī)性能優(yōu)化結(jié)果。 3.研究了基于遺傳算法和GT-Power仿真耦合的發(fā)動(dòng)機(jī)性能優(yōu)化方法。遺傳算法的優(yōu)化計(jì)算是在MATLAB環(huán)境中實(shí)現(xiàn)的,并通過Simulink接口程序循環(huán)調(diào)用GT-Power仿真計(jì)算以不斷迭代更新當(dāng)前的設(shè)計(jì)和操作參數(shù)的最優(yōu)值。基于發(fā)動(dòng)機(jī)結(jié)構(gòu)和操作條件的限制對(duì)優(yōu)化得到的相關(guān)設(shè)計(jì)參數(shù)進(jìn)行固定取值,并再次執(zhí)行上述優(yōu)化計(jì)算。最后,將計(jì)算得到的優(yōu)化結(jié)果與基于原機(jī)ANN模型的優(yōu)化結(jié)果進(jìn)行了對(duì)比分析。結(jié)果表明,兩種優(yōu)化方法均可以達(dá)到令人滿意的優(yōu)化結(jié)果,并且優(yōu)化后的發(fā)動(dòng)機(jī)動(dòng)力性能達(dá)到了期望優(yōu)化目標(biāo)。然而,需要注意的是兩種優(yōu)化方法各有特點(diǎn)。使用者應(yīng)該全面理解兩種優(yōu)化方法各自的優(yōu)缺點(diǎn)并根據(jù)自己的實(shí)際需要來選擇合適的優(yōu)化方法。
【關(guān)鍵詞】：發(fā)動(dòng)機(jī) GT-Power 可變進(jìn)氣歧管長(zhǎng)度 可變進(jìn)氣門正時(shí) 神經(jīng)網(wǎng)絡(luò) 遺傳算法 優(yōu)化
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：TK412
【目錄】：

• 摘要3-5
• ABSTRACT5-7
• 目錄7-10
• 第一章 緒論10-18
• 1.1 引言10-11
• 1.2 發(fā)動(dòng)機(jī)的技術(shù)發(fā)展介紹11-17
• 1.2.1 VVT 技術(shù)11-15
• 1.2.2 可變進(jìn)氣歧管長(zhǎng)度技術(shù)15
• 1.2.3 發(fā)動(dòng)機(jī)增壓技術(shù)15-16
• 1.2.4 HCCI 技術(shù)16-17
• 1.3 本文內(nèi)容簡(jiǎn)介17-18
• 第二章 發(fā)動(dòng)機(jī)性能仿真模型的建立與驗(yàn)證18-36
• 2.1 GT-Power 軟件介紹18-19
• 2.2 GT-Power 建模所用模塊的數(shù)學(xué)模型19-26
• 2.2.1 進(jìn)、排氣管內(nèi)一維非定常流動(dòng)的基本方程19-20
• 2.2.2 管道內(nèi)摩擦壓力損失計(jì)算模型20-21
• 2.2.3 傳熱計(jì)算的數(shù)學(xué)模型21-22
• 2.2.4 燃燒計(jì)算的數(shù)學(xué)模型22-24
• 2.2.5 爆震計(jì)算的數(shù)學(xué)模型24-25
• 2.2.6 發(fā)動(dòng)機(jī)摩擦及附件損失計(jì)算數(shù)學(xué)模型25-26
• 2.3 發(fā)動(dòng)機(jī)性能仿真模型的建立26-30
• 2.3.1 進(jìn)、排氣管建模27-28
• 2.3.2 進(jìn)、排氣道和進(jìn)、排氣門建模28-30
• 2.3.3 配氣正時(shí)參數(shù)設(shè)定30
• 2.4 發(fā)動(dòng)機(jī)GT-Power 仿真計(jì)算模型的驗(yàn)證30-35
• 2.5 本章小結(jié)35-36
• 第三章 改善發(fā)動(dòng)機(jī)性能技術(shù)方案研究36-49
• 3.1 發(fā)動(dòng)機(jī)原機(jī)性能參數(shù)及優(yōu)化目標(biāo)要求36
• 3.2 進(jìn)氣歧管長(zhǎng)度對(duì)發(fā)動(dòng)機(jī)性能的影響36-41
• 3.2.1 可變進(jìn)氣歧管長(zhǎng)度技術(shù)的優(yōu)點(diǎn)36-37
• 3.2.2 進(jìn)氣管內(nèi)進(jìn)氣道入口處壓力波動(dòng)分析37-39
• 3.2.3 進(jìn)氣歧管長(zhǎng)度對(duì)發(fā)動(dòng)機(jī)性能的影響分析39-41
• 3.3 進(jìn)氣門正時(shí)對(duì)發(fā)動(dòng)機(jī)性能的影響41-46
• 3.3.1 可變氣門正時(shí)技術(shù)的優(yōu)點(diǎn)41-42
• 3.3.2 進(jìn)氣門關(guān)閉控制策略42-43
• 3.3.3 可變進(jìn)氣門正時(shí)對(duì)發(fā)動(dòng)機(jī)性能的影響分析43-46
• 3.4 擬采用的技術(shù)方案分析46-47
• 3.5 本章小結(jié)47-49
• 第四章 基于神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)性能優(yōu)化技術(shù)49-88
• 4.1 實(shí)驗(yàn)設(shè)計(jì)的基本理論及方法49-54
• 4.1.1 實(shí)驗(yàn)設(shè)計(jì)的基本理論和概念49
• 4.1.2 實(shí)驗(yàn)設(shè)計(jì)的要素和原則49-50
• 4.1.3 實(shí)驗(yàn)設(shè)計(jì)方法50-54
• 4.2 人工神經(jīng)網(wǎng)絡(luò)理論54-65
• 4.2.1 人工神經(jīng)網(wǎng)絡(luò)概述54-55
• 4.2.2 人工神經(jīng)網(wǎng)絡(luò)的研究歷史55-57
• 4.2.3 人工神經(jīng)網(wǎng)絡(luò)基本理論57-61
• 4.2.4 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)、訓(xùn)練、驗(yàn)證、測(cè)試61-63
• 4.2.5 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域63-65
• 4.2.6 人工神經(jīng)網(wǎng)絡(luò)在發(fā)動(dòng)機(jī)研究領(lǐng)域中的應(yīng)用65
• 4.3 發(fā)動(dòng)機(jī)人工神經(jīng)網(wǎng)絡(luò)建模65-78
• 4.3.1 ANN 模型圖示65-67
• 4.3.2 發(fā)動(dòng)機(jī)ANN 模型的訓(xùn)練67-68
• 4.3.3 最佳的ANN 模型選擇和測(cè)試68-73
• 4.3.4 選擇的最佳ANN 模型分析73-78
• 4.4 基于ANN 模型的發(fā)動(dòng)機(jī)性能優(yōu)化78-83
• 4.4.1 基于ANN 模型的發(fā)動(dòng)機(jī)相關(guān)設(shè)計(jì)和操作參數(shù)優(yōu)化78-80
• 4.4.2 基于發(fā)動(dòng)機(jī)實(shí)際應(yīng)用的優(yōu)化設(shè)計(jì)參數(shù)的選定80-81
• 4.4.3 基于ANN 模型的發(fā)動(dòng)機(jī)性能優(yōu)化81-83
• 4.5 基于ANN 建模的優(yōu)化工具實(shí)現(xiàn)83-86
• 4.6 本章小結(jié)86-88
• 第五章 基于遺傳算法的發(fā)動(dòng)機(jī)性能優(yōu)化技術(shù)88-106
• 5.1 遺傳算法概述88-89
• 5.2 遺傳算法的基本原理89-90
• 5.3 遺傳算法的特點(diǎn)90
• 5.4 遺傳算法的數(shù)學(xué)理論90-94
• 5.4.1 模式定理90-93
• 5.4.2 遺傳算法的隱含并行性機(jī)理93
• 5.4.3 遺傳算法的收斂性分析93-94
• 5.5 遺傳算法的應(yīng)用研究現(xiàn)狀94
• 5.5.1 遺傳算法在發(fā)動(dòng)機(jī)研究領(lǐng)域中的應(yīng)用94
• 5.6 基于遺傳算法和GT-Power 耦合的發(fā)動(dòng)機(jī)性能優(yōu)化94-102
• 5.6.1 基于遺傳算法和GT-Power 耦合的發(fā)動(dòng)機(jī)設(shè)計(jì)和操作參數(shù)的優(yōu)化94-102
• 5.7 兩種優(yōu)化方法結(jié)果比較102-104
• 5.8 兩種優(yōu)化方法特點(diǎn)分析104
• 5.9 本章小結(jié)104-106
• 第六章 總結(jié)和展望106-109
• 6.1 全文總結(jié)106-108
• 6.2 研究展望108-109
• 參考文獻(xiàn)109-116
• 圖片標(biāo)題（附錄1）113-115
• 表格目錄（附錄2）115-116
• 致謝116-117
• 攻讀碩士期間已發(fā)表或錄用的論文117

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 劉勇霞;黑體空腔鋼水連續(xù)測(cè)溫傳感器傳熱模型及應(yīng)用研究[D];東北大學(xué);2011年

2 周雯蕓;LJ465Q汽油機(jī)工作過程仿真與分析[D];廣西工學(xué)院;2012年

3 張磊;汽油機(jī)可變長(zhǎng)度進(jìn)氣歧管數(shù)值仿真研究[D];河北工業(yè)大學(xué);2012年

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的發(fā)動(dòng)機(jī)性能優(yōu)化方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：369596