一种基于多目标优化的发动机性能优化方法

一种基于多目标优化的发动机性能优化方法
【专利摘要】本发明涉及发动机领域，尤其涉及一种基于多目标优化的发动机性能优化方法。本发明提供一种基于多目标优化的发动机性能优化方法，包括以下步骤：（1）收集发动机参数和发动机试验数据；（2）建立发动机一维性能仿真模型；（3）标定一维性能仿真模型；（4）选取优化参数与范围的设定；（5）设定优化参数和优化目标；（6）设计试验并选择优化算法；（7）进行仿真迭代；（8）使用响应面RSM决策工具进行结果分析。本发明基于计算机仿真分析，采用多目标优化算法与数值模拟技术相结合，实现了优化过程的自动化，大大节约了发动机开发后期的试验成本和时间，极大提高了发动机的开发效率。
【专利说明】一种基于多目标优化的发动机性能优化方法

【技术领域】
[0001] 本发明涉及发动机领域，尤其涉及一种基于多目标优化的发动机性能优化方法。

【背景技术】
[0002] 发动机进气歧管、进排气凸轮型线、进排气VVT角度对发动机的动力性和经济性 有着非常大的影响，需要优化的参数较多，传统的优化方法主要是采用发动机性能仿真分 析软件对发动机工作过程进行数值仿真获得其性能参数数据，同时基于已有的经验知识通 过反复地修改设计参数进行数值模拟这个过程来实现优化。然而，这种方法对于小型的设 计或局部的修改尚可采用，面对复杂产品的大量参数时，显然既耗费时间又耗费精力，而且 对专业知识的要求也非常高，根本无法准确地确定最优的设计值，也无法保证质量稳定性。


【发明内容】

[0003] 针对现有技术中存在的缺陷或不足，本发明所要解决的技术问题是：提供一种更 加高效率的发动机性能优化方法，本方法基于计算机仿真分析，采用多目标优化算法与数 值模拟技术相结合，实现了优化过程的自动化以提高开发效率，节省试验成本。
[0004] 本发明采取的技术方案为提供一种基于多目标优化的发动机性能优化方法，包括 以下步骤：
[0005] (1)收集发动机参数和发动机试验数据；
[0006] (2)建立发动机一维性能仿真模型；
[0007] (3)标定一维性能仿真模型；
[0008] (4)选取优化参数与范围的设定；
[0009] (5)设定优化参数和优化目标；
[0010] (6)设计试验并选择优化算法；
[0011] (7)进行仿真迭代；
[0012] (8)使用响应面RSM决策工具进行结果分析。
[0013] 作为本发明的进一步改进，步骤（1)中所述发动机参数包括发动机气缸结构参 数、进排气道结构参数、进排气歧管结构参数。
[0014] 作为本发明的进一步改进，所述发动机进气歧管参数、进气道参数、排气歧管参 数、排气道结果参数是根据三维数模运用GEM3D工具离散得来。
[0015] 作为本发明的进一步改进，步骤（1)中所述发动机试验数据包括功率、扭矩、油 耗、充气效率、摩擦功、缸压、点火角、空燃比。
[0016] 作为本发明的进一步改进，步骤（3)包括建立多目标优化软件与一维仿真软件的 耦合计算模型，由多目标优化软件来驱动一维仿真软件运行，并读取一维仿真软件的计算 结果。
[0017] 作为本发明的进一步改进，步骤（3)包括对功率、扭矩、油耗、缸压、充气效率等参 数的模拟值与试验值误差控制在4%以内。
[0018] 作为本发明的进一步改进，步骤（4)中所述选取优化参数包括进气歧管长度、进 气歧管容腔容积、进气总管直径、进气凸轮持续期系数、进气凸轮升程系数、排气凸轮持续 期系数、排气凸轮升程系数、CA50、进排气相位角度。
[0019] 作为本发明的进一步改进，步骤（5)中所述优化目标包括充气效率最大和油耗最 小。
[0020] 作为本发明的进一步改进，步骤（6)所述设计试验并选择优化算法包括：Sobol序 列法、NSGAII遗传算法。
[0021] 作为本发明的进一步改进，步骤（7)中所述仿真迭代过程包括多目标优化软件根 据Sobol序列试验设计方法所确定的优化方案逐步进行迭代计算。
[0022] 本发明的有益效果是：本发明提供一种更加高效率的发动机性能优化方法，本方 法基于计算机仿真分析，采用多目标优化算法与数值模拟技术相结合，实现了优化过程的 自动化，大大节约了发动机开发后期的试验成本和时间，极大提高了发动机的开发效率。

【专利附图】

【附图说明】
[0023] 图1是本发明一种基于多目标优化的发动机性能优化方法的流程图；
[0024] 图2是本发明一种基于多目标优化的发动机性能优化方法的摩擦损失FMEP ;
[0025] 图3是本发明一种基于多目标优化的发动机性能优化方法的进气道流量系数；
[0026] 图4是本发明一种基于多目标优化的发动机性能优化方法的排气道流量系数；
[0027] 图5是本发明一种基于多目标优化的发动机性能优化方法的优化前后扭矩对比 图。

【具体实施方式】
[0028] 下面结合【专利附图】

【附图说明】及【具体实施方式】对本发明进一步说明。
[0029] 如图1所示，本发明所述的发动机性能优化方法基于计算机仿真分析，采用多目 标优化算法与数值模拟技术相结合，实现了优化过程的自动化。整体方案路线是：首先从发 动机试验室和零部件设计部门获得发动机试验数据、发动机整机和零部件结构参数、进排 气歧管以及进排气道数模，运用发动机一维仿真软件自带的工具把三维数模离散成一维仿 真模型，搭建完整的发动机仿真模型，然后对模型进行校核，以满足与试验数据误差在4% 以内。最后校核完成的模型与多目标软件一起进行耦合仿真，把需要优化的参数设为变量， 并根据经验设置变量的取值范围，然后进行发动机性能的优化计算，对计算出来的结果进 行全面的分析，借助多目标优化软件的各种分析工具，找出各个参数最佳的取值，最后把通 过评审的计算结果反馈给设计部门，进行发动机零部件的设计与制造，这样在发动机开发 前期即确定了最佳的进气歧管长度、歧管容积、进气总管直径、进排气凸轮持续期、进排气 凸轮升程，大大节约了发动机开发后期的试验成本和时间，极大提高了发动机的开发效率。
[0030] 如图1所示，本发明一种基于多目标优化的发动机性能优化方法的具体技术方案 如下：包括以下步骤：
[0031] (1)收集发动机参数和发动机试验数据；
[0032] (2)建立发动机一维性能仿真模型；
[0033] (3)标定一维性能仿真模型；
[0034] (4)选取优化参数与范围的设定；
[0035] (5)设定优化参数和优化目标；
[0036] (6)设计试验并选择优化算法；
[0037] (7)进行仿真迭代；
[0038] (8)使用响应面RSM决策工具进行结果分析，找出各个参数的最佳取值。因为基于 计算结果利用近似逼近技术、拟合输出空间、用拟合函数进行优化的响应面方法（RSM)可 以进行高速优化，所以对于需要大量计算时间的优化过程来说，可以大大缩短优化的时间。 神经网络（RBF)，RBF神经网络模型的优点包括很强的逼近复杂非线性函数的能力，无须数 学假设，具有黑箱的特点，学习速度快，具有极好的泛化能力，较强的容错功能。
[0039] 步骤（1)中所述发动机参数包括发动机气缸结构参数、进排气道结构参数、进排 气歧管结构参数等，其中，所述发动机进气歧管参数、进气道参数、排气歧管参数、排气道结 果参数是根据三维数模运用GEM3D工具离散得来，保证了计算模型的精度。
[0040] 步骤（1)中所述发动机试验数据包括功率、扭矩、油耗、充气效率、摩擦功、缸压、 点火角、空燃比，其中，由于摩擦功里包括了泵气损失，需要减掉泵气损失后再使用。
[0041] 如图2所示，摩擦损失FMEP主要获得方法有以下几种：
[0042] 1、使用软件进行预估。如某软件的摩擦功预测模块，输入发动机的相关参数，就可 以计算出各种摩擦模型的数据，根据发动机的实际情况进行选择，一般选择Chen&Flynn模 型数据。在前期没有实体发动机的情况下，我们一般采用此方法进行摩擦功的预估，如图2。
[0043] 2、运用燃烧分析仪。用测得的总功减去泵气功得到净功率，然后再用净 功率减掉指示功就得到我们所需要的机械摩擦功了，用表达式可以表示为：FMEP = (IMEPH-IMEPL)-BMEP〇
[0044] 3、倒拖法。倒拖法测量的倒拖功包含有泵气损失，并且随着压缩比的上升，其误 差会增大，因此适用于压缩比不高的汽油机。在Boost模型中，可以设置倒拖模式，计算出 各个转速下的泵气损失，将实测得到的倒拖功减去泵气损失，即为摩擦损失，如图3、图4所 /_J、1 〇
[0045] 其中步骤（2)为：在发动机一维仿真软件平台上，根据发动机结构参数进行模型 搭建，进气道、排气道、进气歧管、排气歧管采用离散得来的一维模型，把模型搭建完整，试 验无法获取的数据需要根据经验调整。
[0046] 燃烧模型，采用VIBE燃烧模型，VIBE燃烧模型的三个燃烧参数，起始角、持续期、 形状因子，各自对燃烧放热规律有不同的影响。通过燃烧分析仪测量缸压曲线，再利用 BOOST程序中BURN功能，计算出放热率曲线，将计算得到的这条放热率曲线做为输入值可 以进行燃烧规律的定义。传热模型，本计算模型采用W 〇schnil978传热模型。对于循环模 拟计算，工质与气缸内壁之间的换热过程不仅影响气缸内部过程的进行，而且也影响受热 零件的热负荷和散热冷却介质的热量，为此必须研究燃气侧的换热系数及内表面温度。对 于传热系数的计算，采用式：
[0047]

【权利要求】
1. 一种基于多目标优化的发动机性能优化方法，其特征在于：包括以下步骤： (1) 收集发动机参数和发动机试验数据； (2) 建立发动机一维性能仿真模型； (3) 标定一维性能仿真模型； (4) 选取优化参数与范围的设定； (5) 设定优化参数和优化目标； (6) 设计试验并选择优化算法； (7) 进行仿真迭代； (8) 使用响应面RSM决策工具进行结果分析。
2. 根据权利要求1所述的基于多目标优化的发动机性能优化方法，其特征在于：步骤 (1)中所述发动机参数包括发动机气缸结构参数、进排气道结构参数、进排气歧管结构参 数。
3. 根据权利要求2所述的基于多目标优化的发动机性能优化方法，其特征在于：所述 发动机进气歧管参数、进气道参数、排气歧管参数、排气道结果参数是根据三维数模运用 GEM3D工具离散得来。
4. 根据权利要求1所述的基于多目标优化的发动机性能优化方法，其特征在于：步骤 (1)中所述发动机试验数据包括功率、扭矩、油耗、充气效率、摩擦功、缸压、点火角、空燃比。
5. 根据权利要求1所述的基于多目标优化的发动机性能优化方法，其特征在于：步骤 (3)包括建立多目标优化软件与一维仿真软件的耦合计算模型，由多目标优化软件来驱动 一维仿真软件运行，并读取一维仿真软件的计算结果。
6. 根据权利要求1所述的基于多目标优化的发动机性能优化方法，其特征在于：步骤 (3) 包括对功率、扭矩、油耗、缸压、充气效率等参数的模拟值与试验值误差控制在4%以内。
7. 根据权利要求1所述的基于多目标优化的发动机性能优化方法，其特征在于：步骤 (4) 中所述选取优化参数包括进气歧管长度、进气歧管容腔容积、进气总管直径、进气凸轮 持续期系数、进气凸轮升程系数、排气凸轮持续期系数、排气凸轮升程系数、CA50、进排气相 位角度。
8. 根据权利要求1所述的基于多目标优化的发动机性能优化方法，其特征在于：步骤 (5) 中所述优化目标包括充气效率最大和油耗最小。
9. 根据权利要求1所述的基于多目标优化的发动机性能优化方法，其特征在于：步骤 (6) 所述设计试验并选择优化算法包括：S〇b〇l序列法、NSGAII遗传算法。
10. 根据权利要求1所述的基于多目标优化的发动机性能优化方法，其特征在于：步骤 (7) 中所述仿真迭代过程包括多目标优化软件根据Sobol序列试验设计方法所确定的优化 方案逐步进行迭代计算。
【文档编号】G06F9/455GK104102781SQ201410344113
【公开日】2014年10月15日 申请日期:2014年7月18日 优先权日:2014年7月18日
【发明者】卢兆强, 黄忠文, 穆建华, 黄建忠, 张俊 申请人:上汽通用五菱汽车股份有限公司