典型机外技术对工况法油耗测试结果影响的研究

降低油耗对社会、消费者及企业都有重要意义,企业在发动机、整车等技术基础上,为降低油耗展开更多研究,采用了诸如启/停装置、低阻力轮胎、带能量回收的发电机、电动助力转向等机外技术,而这些新技术的应用对油耗测试产生了新的挑战。通过开展比对试验,了解这些新技术对工况法油耗测试的影响程度,并力求在测试中加以规范。     

节能，发明创造永恒的主题

有一次，我放学乘公交车回家，由于路面不平，汽车震动很厉害，司机抱怨路况太差，汽车油耗多了好多。我听后就想，用什么方法减少汽车用油呢？     

基于富士通MB9BF506R的车辆油耗采集系统

该文研究基于富士通MB9BF506R的车辆油耗采集系统,这是一种实时的油耗监控仪器,它能够在不改变汽车构造、不更换任何配件且不影响车辆任何操作和功能的基础上,全程实时监控车辆燃油消耗,确定实际加油量和非正常消耗的时间与数量,有利于管理人员对油料消耗的有效管理.油耗信息采集部分使用油耗传感器进行采集,通过焊接在MB9BF506R开发板上一个外设引脚的连线进行传输,油耗统计部分以外设引脚上的外部中断方式对油耗脉冲进行计数,并在LCD上显示,油耗报警部分则通过对采集的脉冲进行分析实现.     

发动机瞬态油耗测量系统研制

介绍以W77C32单片机为核心的发动机瞬态油耗测量系统的主要特点、功能、技术指标、硬软件组成，并分析该系统的误差，该系统不仅测量柴油机发动机的瞬诚油耗和转速，而且可定时间或定质量测量发支机的稳态油耗。     

喷油压力对电控船用中速柴油机性能的影响

为了研究船用4190型柴油机电控化改造后,喷油压力对柴油机性能的影响,利用AMESim软件,建立电控燃油喷射系统仿真模型,通过正交试验设计方法安排燃油系统参数仿真计算,以实现燃油喷射特性的优化;同时基于AMESim与AVL_FIRE软件耦合,将优化结果导入柴油机缸内燃烧模型,进行仿真计算,以完成不同喷油压力对柴油机性能影响的综合分析。结果表明,当参数组合为:喷孔直径0. 22 mm、凸轮型线速度0. 46 mm/(°)、柱塞直径14 mm、高压油管长度1000 mm时,喷油压力为125 MPa;当参数组合为:喷孔直径0. 26 mm、凸轮型线速度0. 43 mm/(°)、柱塞直径14 mm、高压油管长度800 mm时,喷油压力为105 MPa。喷油压力提高,改善了柴油机燃烧质量,使得油耗率较原机降低约14. 3%与7. 2%,但NO_x排放质量分数分别升高约50%和11%,因此,需要兼顾柴油机的经济性与动力性进一步优化排放。     

基于MFO算法的全液压压裂车功率节能匹配

针对机械式压裂车油耗和成本较高的缺点,提出全液压压裂车概念,考虑到系统功率损失,提出使用"施工比油耗"衡量压裂车实际油耗,对全液压压裂车进行全局功率匹配,分别建立发动机万有特性、变量柱塞泵效率和整机辅助功率的数学模型,采用自适应惩罚函数法构建惩罚函数,以施工比油耗最低为优化目标建立目标函数,基于MFO算法,以压裂泵需输出的压力和流量作为优化输入参数,优化输出需启动的发动机数量、各发动机转速及其柱塞泵排量共计11个调整参数的最佳组合,结果表明,在全部工况下,全液压压裂车施工比油耗维持在4.55~9.91 L/（60 MPa·m³）,且随着负载压力和排量的增加而逐渐降低;与原方案相比,新方案最高可节油35.97%,且节油率随着负载压力的增大而逐渐减小;与机械式压裂车相比,同等工况下,采用新方案的全液压压裂车最高可节油53.74%。     

PSO-BP神经网络在露天矿卡车油耗预测中的应用

针对露天矿燃油消耗问题,利用粒子群优化算法对BP网络的权值和偏置进行优化,建立了基于粒子群优化BP神经网络的露天矿卡车油耗量预测网络模型.该方法使用由PSO优化的BP模型来拟合影响露天矿卡车油耗众多因素与油耗值之间的复杂关系.仿真结果表明:模型具有预测精度高、稳定性好等特点,适用于露天矿卡车油耗的预测,在露天矿燃油消耗预测中具一定的实用价值.     

基于改进蜂群算法的井下防爆柴油车多目标优化

为了保障井下煤矿员工健康,响应碳中和号召,提出一种改进后的人工蜂群算法(modify artificial bee colony, Modify-ABC)来降低油耗、减少尾气排放。以5 t和8 t的井下防爆材料车为研究对象,建立防爆柴油机数学模型,提出降低有害气体排放及油耗的多目标优化模型,用Modify-ABC与其他3种算法进行对比,对目标函数进行优化求解。结果表明,Modify-ABC相比于传统蜂群算法,遗传算法和模拟退火算法收敛速度更快更好,使用改进算法后,井下5 t材料车油耗及有害气体排放量减少了25%,8 t材料车油耗及有害气体排放量减少了24.8%。     

基于不同采样率的短航程油耗估计

针对多因素影响下的短航程油耗呈现双峰分布,提出了使用高斯混合聚类(Gaussian mixture model,GMM)和随机森林(random forest,RF)相结合的方法对短航程油耗进行估计。该算法先使用GMM对短航程油耗数据聚类,得到两个不同形状的聚类簇。以不同的采样率对两个聚类簇进行采样,构造子数据集,并对每个子集使用回归树进行训练。将CART回归树并行得到RF用于短航程油耗估计。在同一机型和航线,不同的航班数据上进行对比实验,结果验证了所提算法的有效性。