4190船用增压四冲程柴油机进排气系统建模

基于MATLAB/Simulink仿真平台,构建4190型船用增压四冲程柴油机的非线性仿真模型,进行进、排气系统的仿真计算.以4190 ZLC-2型船舶中速柴油机为例,并将仿真结果与实验结果进行对比,验证了柴油机仿真模型的正确性.利用该仿真模型进一步研究进、排气系统对4190ZLC-2型柴油机功率、扭矩、燃油消耗率、充气效率等参数的影响.结果表明:柴油机进气总管直径偏移+20mm与排气歧管直径为65mm时,4190型柴油机经济性和排放性达到最优,为190系列船用中速柴油机性能优化设计提供了依据.     

基于RBF神经网络的船用柴油机NOx排放的预测

依据4190ZLC-2型船用四冲程增压柴油机实际试验测得的数据,利用MATLAB中的神经网络工具箱,建立了基于径向基函数神经网络（RBF）的柴油机氮氧化物（NOx）排放浓度的预测模型。在预测模型建立过程中选取柴油机油耗率（SFOC）、功率、转速等参数数值作为输入矩阵,柴油机的氮氧化物排放浓度作为输出矩阵。仿真结果表明:该方法预测精度高,可为控制氮氧化物的排放提供依据。     

4190Z_LC型船用中速柴油机平均值模型仿真

基于MATLAB/Simulink仿真平台,根据柴油机的实验数据,在平均值模型基础上,建立4190ZLC型增压中速柴油机动态仿真模型;并与原机实验数据进行对比,验证该仿真模型的正确性.最后利用该模型仿真分析柴油机在功率从20 k W到220 k W,燃油消耗率、涡轮出口温度、中冷后压力、中冷后进气温度、进气流量、扭矩随着功率变化的趋势.     

基于GRNN的船舶柴油机NO_x排放预测

基于4190ZLC-2船用四冲程增压柴油机实验测得的数据,运用广义回归神经网络(GRNN)相关理论,以转速、功率、喷油提前角作为样本的输入量,以排放气体氮氧化物(NO_x)的体积分数作为样本的输出量,对输入数据进行归一化处理,对输出数据进行反归一化处理,建立船舶柴油机广义回归神经网络排放预测模型,在推进特性与负荷特性工况下利用该模型进行柴油机NO_x的排放预测。仿真结果表明,所提出的模型具有较高的预测精度,可为柴油机减少NO_x排放提供依据。     

4190型船用中速柴油机配气相位优化仿真

以4190型船用中速柴油机为研究对象,利用MATLAB/Simulink软件建立柴油机工作过程仿真模型,通过仿真结果与实验数据的对比,验证模型的正确性。将该模型的配气相位偏移量进行由负到正的变化,得出其对柴油机功率、扭矩、燃油消耗率、缸内最高温度、最高爆发压力、NOx排放、排气温度、充气效率的影响规律。仿真结果确定了4190型柴油机最佳配气相位值:进气提前角66℃A;进气滞后角54℃A;排气提前角58℃A;排气滞后角56℃A。为4190型柴油机的性能优化改造提供了理论依据。     

神经网络在大功率船用柴油机NOx排放预测中应用

通过计算研究，考察了BP神经网络在大功率船用柴油机NOx排放预测上应用的可行性，选用适当的NOx排放模型。将发动机不同工况下的缸内最高爆压pmax，最高燃烧温度Tmax和纯度R作为神经网络的输入数据，并且使用试验数据对神经网络进行了检验，结果表明，BP神经网络可以有效和准确地对大功率船用柴油机NOx的排放进行预测。     

船用四冲程增压柴油机整机建模与故障模拟

利用AVL_BOOST软件建立4190系列船用四冲程增压柴油机整机模型,并对柴油机额定工况进行仿真计算,通过柴油机额定工况下的实机实验数据对BOOST模型进行修正,直至仿真模型计算结果与实验数据吻合.利用验证的BOOST仿真模型,结合4190系列中速柴油机的特点,根据柴油机的故障分类对柴油机额定工况下的供油定时、单缸供油量不均匀、活塞环漏气、涡轮增压器效率降低和空冷器冷却效率下降故障进行仿真计算,得出不同故障下柴油机性能参数与热工参数的变化,为柴油机故障的诊断与排除提供一定参考.     

基于遗传算法优化支持向量回归机的网格负载预测模型

提出一种基于遗传算法优化支持向量回归机的模型进行网格负载预测,使用遗传算法和交叉验证技术解决了支持向量回归机参数难以确定的问题.标准数据集仿真实验结果表明,该模型与试验法定参的支持向量回归机和BP神经网络相比具有更优的预测性能.     

基于自适应遗传算法优化的BP神经网络股票价格预测

股票价格是一种具有较强随机性的数据,不仅受到买卖双方的影响,而且与国内外政策因素有关.为了提高精度,采用BP神经网络与遗传算法结合的方法进行研究.针对BP神经网络初始权值随机、遗传算法易陷入局部优化等问题,给出了一种基于自适应遗传算法优化的BP神经网络股票价格预测模型,该模型通过自适应遗传算法对BP神经网络初始权值进行优化,从而对股票价格进行预测分析.实验仿真结果表明该模型可以获得较高的预测精度和较快的收敛速度.     

基于自适应遗传算法优化的BP神经网络股票价格预测

股票价格是一种具有较强随机性的数据,不仅受到买卖双方的影响,而且与国内外政策因素有关.为了提高精度,采用BP神经网络与遗传算法结合的方法进行研究.针对BP神经网络初始权值随机、遗传算法易陷入局部优化等问题,给出了一种基于自适应遗传算法优化的BP神经网络股票价格预测模型,该模型通过自适应遗传算法对BP神经网络初始权值进行优化,从而对股票价格进行预测分析.实验仿真结果表明该模型可以获得较高的预测精度和较快的收敛速度.     

双燃料发动机低温燃烧排放性能仿真

为缓解船用发动机NOx排放过高问题,提出柴油掺烧丁醇并结合EGR(exhaust gas recircula-tion)技术的试验方案.在4190ZLC-2型柴油机台架基础上,利用AVL_FIRE软件建立柴油-丁醇CFD模型.设置丁醇掺混比0％、10％、20％、30％4组变量,EGR利用率0％、7.5％、10.0％、1...     

大功率船用柴油机智能诊断系统的研究与实现

通过对船舶柴油机故障诊断仿真系统的模型,结构原理与功能的研究,着重介绍了基于ＲＢＦ神经网络故障智能诊断方法,并以实例对涡轮增压系统和气缸组件与燃料系统故障进行分析判断,指出开发实船柴油故障诊断的计算机辅助分析系统具有指导意义。     

MATLAB环境下的船用柴油机故障诊断的模拟研究

提出一种基于径向基函数神经网络模型应用于船用柴油机故障诊断的方法,设计相应系统的征兆／故障样本集,运用ＭＡＴＬＡＢ环境下的实用工具箱－ＮｅｕｒａｌＮｅｔｗｏｒｋｓＴｏｏｌｂｏｘ对ＨＵＤＯＮＧ－Ｂ＆Ｗ６Ｌ６０ＭＣＥ大功率船用低速柴油机涡轮增压系统的故障诊断进行模拟计算,仿真结果表明,这种方法是成功的。     

Study of CNG／diesel dual fuel engine＇s emissions by means of RBF neural network

Great efforts have been made to resolve the serious environmental pollution and inevitable declining of energy resources. A review of Chinese fuel reserves and engine technology showed that compressed natural gas (CNG)/diesel dual fuel engine (DFE) was one of the best solutions for the above problems at present. In order to study and improve the emission performance of CNG/diesel DFE, an emission model for DFE based on radial basis function (RBF) neural network was developed which was a black-box input-output training data model not require priori knowledge. The RBF centers and the connected weights could be selected automatically according to the distribution of the training data in input-output space and the given approximating error. Studies showed that the predicted results accorded well with the experimental data over a large range of operating conditions from low load to high load. The developed emissions model based on the RBF neural network could be used to successfully predict and optimize the emissions performance of DFE. And the effect of the DFE main performance parameters, such as rotation speed, load, pilot quantity and injection timing, were also predicted by means of this model. In resum6, an emission prediction model for CNG/diesel DFE based on RBF neural network was built for analyzing the effect of the main performance parameters on the CO, NOx emissions of DFE. The predicted results agreed quite well with the traditional emissions model, which indicated that the model had certain application value, although it still has some limitations, because of its high dependence on the quantity of the experimental sample data.     

基于BP神经网络的柴油机燃烧特征参数前馈预测模型

CA50是柴油机缸压反馈控制技术中的反馈变量,对柴油机的性能有重要的影响。在一台六缸高压共轨柴油机上研究了喷油正时与CA50关系,以及CA50对柴油机经济性和排放的影响。为探究基于神经网络的前馈控制在缸压反馈控制中运用的可行性,建立了通过不同的燃烧边界条件预测CA50的BP神经网络预测模型,进行原机试验得到CA50对发动机性能影响的系列试验点数据。选取190个不同边界条件的试验点作为模型的总样本,其中用于前期神经网络训练的样本125个、用于检测神经网络泛化能力的测试样本65个。结果表明基于BP神经网络的预测模型在误差允许范围内,能较为准确的通过边界条件预测CA50,可以满足柴油机缸压反馈技术中前馈控制的要求。     

基于蚁群优化的Elman神经网络在故障诊断中的应用研究

指出普通Elman神经网络BP学习算法的不足,将蚁群算法和Elman神经网络相融合,采用信息素挥发因子ρ和信息素τ更新策略自动调整的自适应蚁群算法优化Elman神经网络的权阚值,并将其应用到柴油机涡轮增压系统故障诊断中.仿真实验表明,优化的Elman神经网络有较快的收敛速度和较高的故障诊断精度,可以有效地诊断柴油机涡轮增压系统的故障,能够更好地避免局部最小,实现了对柴油机涡轮增压系统故障的有效诊断.     

基于CART决策树的柴油机故障诊断方法研究

采用一种自适应局部有效值（RMS）计算方法提取柴油机缸盖振动信号时域特征,结合分类回归树（CART）算法建立故障分类模型并进行柴油机的状态识别。通过实验获取柴油机失火和撞缸两种故障工况及正常工况下的振动数据,计算出原始信号的局部RMS后,根据自适应阈值确定点火冲击区域和非点火上止点冲击区域提取局部特征,最后将特征输入CART算法中构建分类模型来验证所提取特征的有效性。结果表明：柴油机在3种状态下的识别率均达到100%,基于CART算法和局部特征提取的方法能够有效诊断柴油机故障。     

一种基于GMDH模型的神经网络学习算法

 从简要归纳与分析现有的神经网络模型的角度出发,讨论了GMDH网络模型的结构、特点及其输入输出关系.提出了一种基于GMDH模型的神经网络学习算法,详细阐述了该算法的主要设计思想与实现过程,并就算法停止准则和网络最佳层数问题进行了仿真研究.实践表明,该算法自组织性强,表现出了较好的泛化能力和稳定性.