基于PSO算法的柴油机性能多目标优化

作者：王爽; 宋恩哲; 赵**; 姚崇; 董全

来源：柴油机, 2021, 43(06): 28-34.

• 柴油机
• DOE
• RBF神经网络
• PSO算法
• 多目标优化
• 适应度函数

以玉柴YC6K420LN-C31型柴油机为研究对象,基于RBF(radial basis function)神经网络算法建立发动机数据模型,采用PSO(particle swarm optimization)算法进行基于模型的多目标优化研究。研究表明:RBF神经网络建立的NOx、总碳氢化合物(THC)、CO和燃油消耗率(brake specific fuel consumption, BSFC)数据模型的决定系数R2分别为0.93、0.98、0.96和0.95,模型的预测准确度均大于90%,拟合优度和预测能力满足多目标优化的需求;采用PSO算法对发动机进行多目标优化,将适应度目标NOx、THC、CO和BSFC的权重最终均设置为0.25,生成控制图谱并进行台架验证,在推进特性工况下总排放量和油耗相比于原机平均降低了22.9%与5.3%。

• 单位
  哈尔滨工程大学