汽油机平均指示压力循环变动的规律和预测方法研究

摘要

循环变动是火花点火发动机的一种特殊燃烧现象，该现象对发动机整机性能存在显著影响。降低循环变动水平有利于改善发动机的动力性、经济性和排放性。目前关于循环变动控制方面的研究还不够成熟，缺少有效的预测模型来描述循环变动和影响因素之间的关系。本文针对汽油机循环变动情况开展了实验研究，基于实验数据的统计分析研究了循环变动的变化规律，建立了循环变动的预测模型。
　　首先研究了实验样本容量对循环变动水平统计结果的影响，通过对比不同采样数之间平均指示压力变动系数的偏差，确定外特性和NEDC工况下的合理样本容量为4000个循环。
　　然后开展了各循环变动相关参数的相关性研究。结果表明：平均指示压力与最大爆压的相关性总体上较弱，当它们作为循环变动表征参数时不能相互替代。火焰发展期、主要燃烧期与平均指示压力的相关性在部分工况下较强，说明二者对平均指示压力循环变动的显著影响只体现在部分工况下。
　　分析了平均指示压力循环变动随转速、负荷、点火角和过量空气系数等工作因素的变化规律。结果显示：平均指示压力变动系数随转速呈中间低、两边高的变化规律，高转速区域的变动系数最大；在中、小负荷区域存在一个负荷点，该点的变动系数最小，小负荷区域的变动系数最大；变动系数随点火角的变化规律呈抛物线型，在最佳点火角附近出现最小值；存在一个最佳过量空气系数使变动系数最小，当过量空气系数大于该值后，变动系数增长幅度较大。
　　最后研究了循环变动的预测方法。本文将平均指示压力变动系数作为模型输入变量，将转速、负荷、过量空气系数、火焰发展期、CA50、主要燃烧期等参数作为输出变量。基于多元回归和BP神经网络法，分别建立两种循环变动预测模型。采用对比模型预测值和实验值偏差的方法，对模型的预测精度进行评估，确定了最佳回归模型和神经网络模型。结果表明：循环变动回归模型具有较高的预测精度，预测误差在10％以内的验证点比例达到83.3%。循环变动神经网络模型的整体预测精度略高于回归模型，说明相同实验样本下神经网络的泛化能力更强。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1研究目的及意义

1.2国内外研究现状

1.3本文主要研究内容

第2章 实验台架及方案

2.1实验台架

2.2实验方案

2.3循环变动评估指标

2.4实验合理样本容量

2.5本章小结

第3章 循环变动相关性及变化规律研究

3.1循环变动相关性研究

3.2汽油机循环变动规律的研究

3.3本章小结

第4章 循环变动多元回归建模及分析

4.1回归分析

4.2循环变动回归模型的拟合

4.3各方案的建模结果及分析

4.4本章小结

第5章 循环变动神经网络建模及分析

5.1神经网络

5.2神经网络模型的构建

5.3各方案的建模结果分析

5.4本章小结

结论

参考文献

攻读学位期间发表的学术论文及其他成果

声明