后喷策略对柴油机低负荷点排气温度及燃烧影响

以某高压共轨重型柴油机为研究对象,利用converge软件建立了缸内燃烧数值模型,通过采集台架试验数据验证了模型的准确性,分析了单次后喷正时和喷油量对排气温度和缸内燃烧的影响规律。以排气温度为指标,基于单次后喷最优结果,提出并优化了双次后喷策略,分析了双次后喷对缸内燃烧的影响机理。结果表明,单次后喷喷油量一定时,排气温度随单次后喷正时增大呈先增大后减小趋势,单次后喷正时25°CA时,排气温度最高,相比无后喷工况排气温度提高146.2℃。在单次后喷基础上,优化双次后喷喷油量组合和双次后喷间隔。结果表明,在后喷油量相同时,双次后喷相比单次后喷可有效提高排气温度,且排放水平相当。第一次喷油量50%、第二次喷油量50%、间隔10°CA时,排气温度提高19.3℃。

后喷策略对汽油压燃燃烧及碳烟排放的影响

针对大负荷条件下汽油压燃碳烟排放高的问题,基于三维流体力学软件CONVERGE开展了汽油压燃燃烧及碳烟生成氧化过程影响的数值模拟,系统研究了在废气再循环(EGR)结合气道喷射(PFI)情况下,后喷策略对大负荷条件下汽油压燃燃烧过程及碳烟生成氧化过程的影响规律和机制.研究结果表明,在复合喷射策略条件下,后喷使主喷油量减少从而降低了前期碳烟的产生,且后喷燃料的燃烧加速燃烧后期碳烟的氧化过程,从而使整体碳烟排放降低;在EGR率为20%、气道喷射比例为40%、主喷时刻为-8°CA ATDC、主喷-后喷间隔为10°CA、后喷油量为5 mg时,可以同时获得较高的热效率(45.959%)及较低的碳烟和NOx排放,同试验基准相比,NOx排放降低68.3%,最大压升率降低28.6%;相较于单次喷射,碳烟排放降低14.7%.

基于神经网络的柴油机润滑油稀释率预测方法研究

为了实现柴油机润滑油稀释程度的准确、快速检测,基于试验建立了润滑油稀释率与理化参数指标的数据集。利用果蝇优化算法(fruit fly optimization algorithm,FOA)搜寻最优解更新广义回归神经网络(generalized regression neural network,GRNN)的光滑因子,提出了一种多理化指标参数融合的润滑油稀释程度预测方法。仿真结果表明:该模型的拟合优度为99.9%,均方根误差为0.106。通过将4种模型进行对比,证明了FOA–GRNN模型在预测精度、收敛速度及稳定性上的优越性。在实际柴油机远后喷试验中,将该预测方法与气相色谱(gas chromatograph,GC)法进行对比,二者的绝对误差在0.5%之内。该预测方法在保证检测精度的同时大大缩短了检测时间,为柴油机实现按质换油提供了理论和技术指导。