【作者】

王森，赵金星，刘双寨，袁志远，徐宏昌

【摘要】

提出了基于神经网络和遗传算法进行阿肯金森(Atkinson)循环发动机几何压缩比优化的方法. 首先利用几何压缩比为 11 的奥拓(Otto)循环发动机的试验数据验证了发动机人工神经网络模型的预测准确性，然后联合遗传算法和神经网络模型进行了目标 Atkinson 循环发动机的几何压缩比优化，约束条件是外特性转矩、爆震强度和排气温度，优化目标是使燃油消耗率最小. 结果表明：联合遗传算法和神经网络模型进行发动机设计和性能优化，具有较高的效率和准确性. 优化后确定目标 Atkinson 循环发动机的最佳几何压缩比为 12.5，并在此基础上进一步优化发动机的操作参数及其外特性.

【论文集名称】

2015年

【会议名称】

《内燃机学报》

【下载次数】

0

返回