本发明涉及的是一种柴油机egr率决策方法。
背景技术：
废气再循环(egr)是目前降低柴油机nox排放的主要措施，其实现过程主要是将排气中的一部分废气引入到进气管，同新鲜空气混合后进入气缸重新参与燃烧的过程。egr技术关键在于使足够的废气回流到进气管，克服增压柴油机高工况下增压压力高于排气压力导致的egr废气回流困难的问题，并根据发动机的不同工况给出最佳的egr率。
不同egr率对柴油机的燃烧与排放性能影响不同，因此在确定最佳egr率时，必须兼顾柴油机的动力性、经济性以及排放性能。既要尽可能的降低废气中nox，同时又能尽可能小的影响颗粒等其他污染物的排放。目前，普遍采取的办法是：通过大量试验获取发动机的运行参数，通过对试验结果进行主观综合分析，确定出试验工况下的最佳egr率。其中，在综合分析中不同研究者都采用了不同的确定原则。如有学者采用13工况点颗粒物不超过原机为原则，有学者则采用在pm不超过原机的基础上，考虑油耗的增加程度、nox的改善程度等综合因素，低负荷时选择高egr率，高负荷时选择低egr率。该种方法存在一个共同的缺点，那就是缺少明确的理论指导，不同的研究者会因主观判断上的差异，导致结果也存在很大差异。
不同工况下egr性能评估及最佳egr率的决策属于典型的多目标决策问题。因此，考虑引入多目标灰色决策来实现最佳egr率的决策。多目标灰色决策作为灰色系统理论中的重要分支，在针对若干方案中选择最好方案的决策问题上有着独特的优势，因具有计算复杂度低，识别效果高的特点而广泛应用于航空航天、电子电力等领域。但是由于传统决策模型中权重的主观性，因此越来越多的学者对权重的优化进行了重点研究。其中，熵权法便是权值优化中的一种代表方法。此外，灰色关联分析是灰色系统理论中十分活跃的一个分支，其基本思想是根据序列的曲线几何形状来判断不同序列之间的联系是否紧密。主要是通过线性插值的方法将系统因素的离散行为观测值转化为分段连读的折线，进而根据折线的几何特征构造测度关联程度的模型，目前已经广发应用于多个领域。
综上所述，如何采用明确的理论去指导最佳egr率的确定成为egr性能优化的关键问题，目前公开资料中尚没有明确的理论指导，因此，有必要对其进行深入研究。
技术实现要素：
本发明的目的在于提供有效解决增压柴油机最佳egr率决策问题的基于主客观赋权-多目标灰色决策-灰关联分析的增压柴油机最佳egr性能评估方法。
本发明的目的是这样实现的：
本发明基于主客观赋权-多目标灰色决策-灰关联分析的增压柴油机最佳egr性能评估方法，其特征是：
(1)采用多目标灰色局势决策方法对egr决策问题进行初始建模；
(2)根据柴油机不同工况对nox指标权重η进行主观赋值；
(3)采用主客观综合赋权方法求解综合权重向量，采用基于主客观综合赋权-多目标灰色决策的方法求解综合评估值；
(4)采用灰关联求解原机与试验方案的关联系数；
(5)将综合评估值与关联系数综合求解最终的评估值。
本发明还可以包括：
1、采用多目标灰色局势决策方法对egr决策问题进行初始建模，选取egr性能参数，包括燃油消耗油耗、缸内爆压、nox、co及碳烟，作为决策指标并构造效果样本矩阵
其中，n代表egr性能参数，m代表不同的egr率，unm代表不同参数在不同egr率下对应的数据值。
2、燃油消耗油耗、缸内爆压、nox、co及碳烟均采用下限效果测度
3、根据柴油机不同工况对nox指标权重η进行主观赋值：
若柴油机转速n＜250r/min，负荷＜50％，则nox权重值η＝0.3；若柴油机转速250r/min≤n＜500r/min，50％≤负荷＜75％，则nox权重值η＝0.4；若柴油机转速n≥500r/min，负荷不小于75％，则nox权重值η＝0.5。
4、采用主客观综合赋权法求得综合权重向量，并采用基于主客观综合赋权-多目标灰色决策的方法求解综合评估值，具体包括：
(1)构建评价指标矩阵
其中，i代表不同的egr率，j代表egr性能参数，
(2)采用熵权法求得评价指标矩阵
(3)根据公式(1-η)·αk求解目标权重ηk(k＝1,2,3…j)，组成最终的权重向量ηk'＝(η,ηk)；
(4)将最终的权重向量ηk′重新代入初始模型中求解综合评估值r。
5、采用灰关联求解原机与试验方案的关联系数，具体为：以egr性能参数原机数据为母序列，各egr率对应的指标参数序列为子序列，求解母子序列关联度ri。
6、将综合评估值与关联系数综合求解最终的评估值r·ri，并根据优劣排序给出最佳egr方案。
7、效果样本矩阵
本发明的优势在于：
(1)采用基于主客观赋权-多目标灰色局势决策方法对egr性能进行评估，整个方法立足于不同egr方案的试验数据，保证了客观准确性和有效性，通过数据发掘与分析寻求各方案之间的利弊关系，从而得到优劣排序，弥补了目前最佳egr率决策中普遍存在的缺乏理论支撑的缺点。
(2)采用基于主客观赋权-多目标灰色局势决策方法对egr性能进行评估，区别与现有的各种决策方法，本方法充分考虑了egr性能优化的特点和要求，并作为限制条件去优化数学模型，使得决策结果更符合实际egr性能变化情况。
(3)采用灰关联求解原机与试验方案的关联系数，从而保证有效降低nox的同时，其他性能参数尽可能贴近原机，使得综合性能达到最佳。这与目前最佳egr率普遍采取的基本准则相符合，但区别在于本发明用具体数学模型代替了主观判断，准确度有了很大提升。
(4)本发明方法易于实现，只需要将带评估方案的具体数据输入到模型中，即可实现最佳方案的决策，适用于增压柴油机egr性能的在线实时评估以及综合评估。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图举例对本发明做更详细地描述：
结合图1，本发明包括如下步骤：
(1)通过试验获取不同工况、不同egr率下增压柴油机的主要运行参数。
(2)采用多目标灰色局势决策方法对egr决策问题进行初始建模。
(3)根据柴油机不同工况对nox指标权重η进行主观赋值。
(4)采用主客观综合赋权方法求解综合权重向量。
(5)采用基于主客观综合赋权-多目标灰色决策的方法求解综合评估值。
(6)采用灰关联求解原机与试验方案的关联系数。
(7)将综合评估值与关联系数综合求解最终的评估值。
采用多目标灰色局势决策方法对egr决策问题进行初始建模，选取egr主要性能参数作为决策指标并构造效果样本矩阵
其中，n代表egr性能参数，m代表不同的egr方案。
根据柴油机不同工况对nox指标权重η进行主观赋值。
若处于低工况，令nox权重值η＝0.3；若柴油机处于中等工况，令nox权重值η＝0.4；若柴油机处于高工况，令nox权重值η＝0.5。
采用主客观综合赋权法求得综合权重向量，并采用基于主客观综合赋权-多目标灰色决策的方法求解综合评估值。具体包括：
(1)构建评价指标矩阵
其中，i代表不同的egr方案，j代表egr性能参数。
(2)采用熵权法求得评价指标矩阵
(3)根据公式(1-η)·αk求解目标权重，组成最终的权重向量ηk。
(4)将最终的权重向量ηk重新代入初始模型中求解综合评估值。
采用灰关联求解原机与试验方案的关联系数。具体为：以各指标原机数据为母序列，各egr方案对应的指标参数序列为子序列，求解母子序列关联度ri。
将综合评估值与关联系数综合求解最终的评估值r·ri，并根据优劣排序给出最佳egr方案。
效果样本矩阵
选取tbd234v12型相继增压柴油机的试验数据，进行本方法的验证：
1)分别选取tbd234v12型相继增压柴油机的9个工况下，5个不同egr率的试验数据，主要选取参数为燃油消耗油耗、缸内爆压、nox、co及碳烟，具体试验数据如表1所示。
表1部分工况点试验数据
2)采用多目标灰色局势决策方法对egr决策问题进行初始建模。以op1工况为例，具体包括以下步骤：
2.1)首先确定决策目标，分别为：燃油消耗油耗、缸内爆压、nox、co及碳烟。构造效果样本矩阵
其中，矩阵中横坐标n代表依次代表燃油消耗率、co、nox、碳烟和缸内爆压。纵坐标m代表不同egr率。
2.2)确定决策目标效果测度。由于所选决策目标均为越小越好，故效果测度均选择下限效果测度，故可得k目标下一致效果测度矩阵：
2.3)根据柴油机不同工况对nox指标权重η进行主观赋值。
目前egr的主要目的在于降低nox排放，而egr率的控制必须随着发动机的不同工况、排放特性、经济性和动力性的要求的不断调整，基本的原则则是：①怠速、暖机和低负荷时，为保证柴油机工作的稳定性和经济性，一般不采取egr循环。②加速工况宜采用较低egr率。③随着柴油机负荷的增加，egr率应相应增加。
因此，考虑将该基本原则转化为初始条件引入到优化决策模型中，nox指标权重η的大小反映着当前工况下egr的重要程度。若柴油机处于中低工况，令nox决策权重值η3＝0.3；若柴油机处于中高工况，令η3＝0.5。
综上，因该工况属于低工况，故η3＝0.3。
3)采用主客观综合赋权方法求解综合权重向量。主要步骤包括：
3.1)将
其中，i代表不同的egr方案，j代表egr性能参数。
特别的，效果样本矩阵
3.2)利用熵权法求得
3.3)根据公式(1-η3)·αk求得每个决策目标的权重，最后组成最终的权重向量ηk(k＝1,2,3,4,5)。则优化后最终决策目标权重向量为：
ηk＝[0.2226，0.1577，0.3，0.1549，0.1649]。
3.4)采用基于主客观综合赋权-多目标灰色决策的方法求解综合评估值。根据公式
r1＝[0.8866，0.9011，0.8964，0.8575，0.7971]
4)采用灰关联求解原机与试验方案的关联系数。
4.1)令各个参数对应的原机数据为原始序列，也称为母序列：
x0(t)＝{x0(1),x0(2),…,x0(n)}
令各个方案对应的试验数据序列为待比较数据序列，也称为子序列：
xi(t)＝{xi(1),xi(2),…,xi(n)}
4.2)记ξi(k)为序列x0(t)和xi(t)在时刻k的关联系数：
其中
4.3)计算序列xi(t)各时刻关联系数的平均值，即子序列xi(t)对母序列x0(t)的关联度：
综上步骤，求得各egr方案与原机之间的关联系数：
r2＝[0.1981,0.2090,0.2046,0.1953,0.1930]
5)结合评估值与关联系数综合求解最终的评估值r＝r1·r2。
r＝[0.1756，0.1884，0.1834，0.1674，0.1538]
6)根据最优决策原则，对不同egr方案进行优劣排序，并得到最佳egr率。
由5)结果可知，评估值大小代表个方案的优劣程度，最终的优劣排序为：4.6％>8.6％>1.4％>10.4％>11.6。评估值最高者则为最优方案，即当前工况下最优的egr率为4.6％，即宜采用较小egr率，这与传统最佳egr率选择原则也是一致的。
同理，可求得工况点op2和op3的最终评估值：
op2：
r＝[0.1838，0.1834，0.1801，0.1811，0.1618]
op3：
r＝[0.1756，0.1766，0.1848，0.1797，0.1596]
由结果可知，工况op2和op3下最佳egr率分别为0.8％和8.7％。而op2属于低工况，宜采用较小egr率；而op3属于中高工况，宜增大egr率，这与传统的决策原则均是一致的，这也说明了本发明所提出的方法的有效性和可行性。