论文部分内容阅读
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。