[00638166]基于神经网络的双燃料发动机控制和燃烧可视化的研究

在能源危机和环境污染日益严重的今天，寻找和使用清洁燃料成为研究热点。双燃料发动机因其改装简便，排放优良而成为柴油机燃用资源丰富的清洁燃料- - 天然气的有效途径。该项目的主要研究内容为：1）基于神经网络技术的双燃料发动机优化控制的研究。由于燃气供给系统自身的滞后，以及柴油和天然气燃烧特性的差异，双燃料发动机在油气切换过程中会出现转速的大幅度波动，该项目利用神经元的学习能力，实现了基于神经网络的油气协调控制以及在线自适应调整。并且，利用所建的基于径向基函数（RBF）神经网络的放热率模型，分析了运行参数和结构参数对双燃料发动机性能的影响；2）基于分形理论的燃烧模拟。针对双燃料发动机高负荷时的爆震倾向，在用多区模型描述引燃油燃烧的基础上，建立了主燃料- - 天然气燃烧过程的分形燃烧模型，实现了双燃料发动机爆震预测，并与基于简化化学反应机理的爆震预测模型进行了对比分析；3）燃烧火焰的可视化。通过将温度场与湍流流场的有机结合，建立了包含火焰粒子子模型、湍流流场子模型和燃料属性子模型的基于粒子系统的湍流燃烧火焰三维动态可视化模型，实现了湍流燃烧火焰的动态仿真，对燃烧室的结构设计具有直观的参考价值。