基于遺傳及神經(jīng)網(wǎng)絡(luò)算法的內(nèi)燃機(jī)進(jìn)氣道模型設(shè)計(jì)方法
【專利摘要】本發(fā)明公開了一種基于遺傳及神經(jīng)網(wǎng)絡(luò)算法的內(nèi)燃機(jī)進(jìn)氣道模型設(shè)計(jì)方法，具體涉及到：切向氣道模板構(gòu)建、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、切向氣道的設(shè)計(jì)及優(yōu)化。在進(jìn)行氣道模板構(gòu)建時(shí)，考慮了與氣道設(shè)計(jì)布置相關(guān)的各個(gè)方面，以便達(dá)到結(jié)構(gòu)及性能要求的整體目標(biāo)，針對(duì)切向氣道的特點(diǎn)確定出18個(gè)尺寸參數(shù)對(duì)氣道的結(jié)構(gòu)和性能進(jìn)行控制。由于氣道結(jié)構(gòu)復(fù)雜，性能難以控制，導(dǎo)致設(shè)計(jì)困難且開發(fā)周期長的缺陷，本發(fā)明在構(gòu)建切向氣道模板和完成神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)上，設(shè)計(jì)同一類型的切向氣道時(shí)，不需要對(duì)氣道模型重新構(gòu)建和優(yōu)化，只需將氣道模板中的參數(shù)更換為采用遺傳及神經(jīng)網(wǎng)絡(luò)算法優(yōu)化后的氣道參數(shù)組，即可完成切向氣道的設(shè)計(jì)和優(yōu)化，有效節(jié)省了開發(fā)周期和成本。
【專利說明】
基于遺傳及神經(jīng)網(wǎng)絡(luò)算法的內(nèi)燃機(jī)進(jìn)氣道模型設(shè)計(jì)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于內(nèi)燃機(jī)構(gòu)件設(shè)計(jì)，具體涉及一種采用計(jì)算方法對(duì)柴油機(jī)氣道模型進(jìn)行 設(shè)計(jì)和優(yōu)化的方法。
【背景技術(shù)】
[0002] 內(nèi)燃機(jī)氣道的形狀直接影響到缸內(nèi)氣體流動(dòng)和燃燒的優(yōu)劣，從而在很大程度上影 響著發(fā)動(dòng)機(jī)的動(dòng)力性、經(jīng)濟(jì)性和排放特性。進(jìn)氣道因?yàn)榫哂袕?fù)雜的空間曲面結(jié)構(gòu)，而且受氣 體流動(dòng)性質(zhì)、空間結(jié)構(gòu)、鑄造加工等條件限制從對(duì)燃燒狀況產(chǎn)生影響。流量系數(shù)與渦流強(qiáng)度 是衡量氣道性能的兩個(gè)重要評(píng)價(jià)參數(shù)，這兩個(gè)參數(shù)呈此消彼長關(guān)系，導(dǎo)致氣道的流動(dòng)性能 難以有效的控制，需要數(shù)值模擬或?qū)嶒?yàn)反復(fù)進(jìn)行調(diào)整。所以內(nèi)燃機(jī)氣道的優(yōu)化設(shè)計(jì)一直是 內(nèi)燃機(jī)技術(shù)開發(fā)的重點(diǎn)與難點(diǎn)之一。進(jìn)氣道開發(fā)設(shè)計(jì)一是依靠經(jīng)驗(yàn)，加工制作后通過試驗(yàn) 進(jìn)行鑒定，這種方法通常依靠有經(jīng)驗(yàn)的技師完成，設(shè)計(jì)周期長且效果較差。部分歐美國家依 賴經(jīng)驗(yàn)和數(shù)據(jù)庫對(duì)氣道進(jìn)行造型設(shè)計(jì)，即使這樣仍然缺乏科學(xué)的定量性。因此，本發(fā)明的提 出可有助于快速、定量對(duì)內(nèi)燃機(jī)進(jìn)氣道進(jìn)行設(shè)計(jì)開發(fā)。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是，提供一種基于遺傳及神經(jīng)網(wǎng)絡(luò)算法的內(nèi)燃機(jī)進(jìn)氣道模型設(shè)計(jì)方 法，可以大幅度縮短內(nèi)燃機(jī)氣道的開發(fā)周期和成本，同時(shí)可以滿足內(nèi)燃機(jī)高效清潔燃燒的 要求。
[0004] 基于遺傳及神經(jīng)網(wǎng)絡(luò)算法的內(nèi)燃機(jī)進(jìn)氣道模型設(shè)計(jì)，包括三個(gè)部分：切向氣道模 板構(gòu)建、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、以及切向氣道的設(shè)計(jì)及優(yōu)化。
[0005] (1)切向氣道模板構(gòu)建
[0006] 通過18項(xiàng)參數(shù)確定切向氣道的形狀結(jié)構(gòu)，其中參數(shù)1是氣缸直徑;參數(shù)2是進(jìn)氣道 出口外徑;參數(shù)3是氣缸中心和進(jìn)氣道出口中心連線與進(jìn)氣道入口方向的夾角；參數(shù)4是進(jìn) 氣道出口與缸蓋底面的距離；參數(shù)5是氣缸中心至進(jìn)氣道出口中心的距離；參數(shù)6是進(jìn)氣道 長度;參數(shù)7是進(jìn)氣道入口中心至氣缸中心的距離;參數(shù)8是進(jìn)氣道入口寬度;參數(shù)9是進(jìn)氣 道入口高度;參數(shù)10是進(jìn)氣道入口中心至缸蓋底面的距離;參數(shù)11是進(jìn)氣道入口圓角;參數(shù) 12是整個(gè)氣道沿分型線的拔模斜度;參數(shù)13是氣道凸臺(tái)高度;參數(shù)14是氣道凸臺(tái)直徑;參數(shù) 15是進(jìn)氣道出口上方壁面與缸蓋底平面的夾角；參數(shù)16是進(jìn)氣道出口下方壁面與缸蓋底平 面的夾角；參數(shù)17是氣缸中心和進(jìn)氣道出口中心連線與進(jìn)氣道出口中心線的水平夾角；參 數(shù)18是進(jìn)氣道出口上方壁面的垂直段高度。以所述18個(gè)氣道參數(shù)為基礎(chǔ)數(shù)據(jù)，對(duì)切向氣道 進(jìn)行參數(shù)化建模，通過改變18個(gè)參數(shù)的具體數(shù)值即可獲得不同尺寸的切向氣道三維模型。
[0007] 參數(shù)1至參數(shù)14主要用于控制氣道的空間結(jié)構(gòu)，參數(shù)15至參數(shù)18用于控制氣道的 性能。
[0008] (2)神經(jīng)網(wǎng)絡(luò)訓(xùn)練
[0009] 將參數(shù)15進(jìn)氣道出口上方壁面與缸蓋底平面的夾角、參數(shù)16進(jìn)氣道出口下方壁面 與缸蓋底平面的夾角、參數(shù)17氣缸中心和進(jìn)氣道出口中心連線與進(jìn)氣道出口中心線的水平 夾角、以及參數(shù)18進(jìn)氣道出口上方壁面的垂直段高度，進(jìn)行無量綱化。將這四個(gè)參數(shù)運(yùn)用正 交試驗(yàn)的方法選取至少41個(gè)參數(shù)組，其中：4因素5水平正交實(shí)驗(yàn)表共25個(gè)參數(shù)組;4因素4水 平正交實(shí)驗(yàn)表共16個(gè)參數(shù)組。將41個(gè)參數(shù)組的數(shù)值輸入到氣道模板中分別生成41個(gè)對(duì)應(yīng)的 氣道三維模型。
[0010] 計(jì)算每個(gè)參數(shù)組對(duì)應(yīng)氣道三維模型最大氣門升程的流量系數(shù)Cf及渦流強(qiáng)度NR。從 上述41個(gè)數(shù)據(jù)中隨機(jī)選取36組數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練完成后，再以其余5組數(shù)據(jù)作 為驗(yàn)證數(shù)據(jù)，驗(yàn)證神經(jīng)網(wǎng)絡(luò)的預(yù)測模型準(zhǔn)確性。其中流量系數(shù)Cf，神經(jīng)網(wǎng)絡(luò)預(yù)測值與模擬值 的偏差應(yīng)小于1%;渦流強(qiáng)度NR神經(jīng)網(wǎng)絡(luò)預(yù)測值與模擬值的偏差應(yīng)小于2%。若不滿足要求， 則重新對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至滿足要求為止。由此建立以四個(gè)性能參數(shù)為輸入變量、以 流量系數(shù)Cf及渦流強(qiáng)度NR為輸出變量的三層人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型。
[0011] (3)切向氣道的設(shè)計(jì)及優(yōu)化
[0012]根據(jù)對(duì)流量系數(shù)Cf及渦流強(qiáng)度NR的要求，將四個(gè)性能參數(shù)從神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的36 組數(shù)據(jù)中選出渦流強(qiáng)度變化差異最大的兩組，輸入到氣道模板中形成新的兩個(gè)切向氣道。 然后在最大氣門升程狀態(tài)，分別對(duì)兩個(gè)氣道進(jìn)行穩(wěn)流狀態(tài)數(shù)值模擬計(jì)算，將計(jì)算結(jié)果與神 經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進(jìn)行對(duì)比。然后利用線性插值的方法對(duì)設(shè)計(jì)目標(biāo)進(jìn)行修正，根據(jù)修正后的 目標(biāo)采用遺傳算法耦合神經(jīng)網(wǎng)絡(luò)對(duì)氣道參數(shù)進(jìn)行優(yōu)化，最終得到一組最優(yōu)的氣道參數(shù)，將 該組參數(shù)對(duì)氣道模板中的參數(shù)進(jìn)行替換，獲得最終氣道三維模型。在采用遺傳算法優(yōu)化參 數(shù)過程中，性能系數(shù)Cp將作為目標(biāo)函數(shù)對(duì)氣道參數(shù)進(jìn)行篩選。
[0013]目標(biāo)函數(shù)如式1所示，式1是對(duì)流量系數(shù)和渦流強(qiáng)度的一個(gè)綜合加權(quán)的結(jié)果。
[0015] 其中：B為缸徑;D為氣門內(nèi)座圈直徑;n為打開的氣門數(shù);L為氣門升程;Nr為禍流強(qiáng) 度，&為流量系數(shù)，Nr和C f兩個(gè)評(píng)價(jià)指標(biāo)均由進(jìn)氣道性能參數(shù)決定。
[0016] 本發(fā)明的特點(diǎn)及產(chǎn)生的有益效果是，與傳統(tǒng)的設(shè)計(jì)方法相比，本發(fā)明的特點(diǎn)是在 構(gòu)建切向氣道模板和完成神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)上，設(shè)計(jì)同一類型的切向氣道時(shí)，不需要對(duì) 氣道模型進(jìn)行重新構(gòu)建和優(yōu)化，只需將氣道模板中的參數(shù)更換為采用遺傳算法耦合神經(jīng)網(wǎng) 絡(luò)優(yōu)化后的氣道參數(shù)組即可完成切向氣道的設(shè)計(jì)和優(yōu)化，有效節(jié)省了開發(fā)周期和成本。
【附圖說明】
[0017]圖1是氣道端面方向所對(duì)應(yīng)的參數(shù)。
[0018] 圖2是氣道主視方向所對(duì)應(yīng)的參數(shù)。
[0019] 圖3是用于本發(fā)明中的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
[0020] 圖4是切向氣道設(shè)計(jì)方法流程。
[0021 ]圖5是遺傳算法優(yōu)化流程。
【具體實(shí)施方式】
[0022]以下結(jié)合圖1至圖4并通過具體實(shí)施例對(duì)本發(fā)明的方法過程做進(jìn)一步的解釋和說 明。
[0023]基于遺傳及神經(jīng)網(wǎng)絡(luò)算法的內(nèi)燃機(jī)進(jìn)氣道模型設(shè)計(jì)方法，包括三個(gè)部分:切向氣 道模板構(gòu)建、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、以及切向氣道的設(shè)計(jì)及優(yōu)化。
[0024] (1)切向氣道模板構(gòu)建
[0025] 在進(jìn)行氣道模板構(gòu)建時(shí)，必須考慮與氣道設(shè)計(jì)布置相關(guān)的各個(gè)方面，包括缸蓋設(shè) 計(jì)、在缸蓋上安裝的附屬機(jī)構(gòu)、鑄造工藝、結(jié)構(gòu)強(qiáng)度等各個(gè)方面，以便達(dá)到結(jié)構(gòu)及性能要求 的整體目標(biāo)。此外，該模板應(yīng)滿足大部分切向氣道的通用特征。因此針對(duì)切向氣道的特點(diǎn)確 定出18個(gè)尺寸參數(shù)對(duì)氣道的結(jié)構(gòu)和性能進(jìn)行控制(如圖1、2所示）。
[0026] 其中參數(shù)1是氣缸直徑;參數(shù)2是進(jìn)氣道出口外徑;參數(shù)3是氣缸中心和進(jìn)氣道出口 中心連線與進(jìn)氣道入口方向的夾角；參數(shù)4是進(jìn)氣道出口與缸蓋底面的距離;參數(shù)5是氣缸 中心至進(jìn)氣道出口中心的距離;參數(shù)6是進(jìn)氣道長度;參數(shù)7是進(jìn)氣道入口中心至氣缸中心 的距離;參數(shù)8是進(jìn)氣道入口寬度;參數(shù)9是進(jìn)氣道入口高度;參數(shù)10是進(jìn)氣道入口中心至缸 蓋底面的距離;參數(shù)11是進(jìn)氣道入口圓角;參數(shù)12是整個(gè)氣道沿分型線的拔模斜度;參數(shù)13 是氣道凸臺(tái)高度;參數(shù)14是氣道凸臺(tái)直徑;參數(shù)15是進(jìn)氣道出口上方壁面與缸蓋底平面的 夾角；參數(shù)16是進(jìn)氣道出口下方壁面與缸蓋底平面的夾角；參數(shù)17是氣缸中心和進(jìn)氣道出 口中心連線與進(jìn)氣道出口中心線的水平夾角；參數(shù)18是進(jìn)氣道出口上方壁面的垂直段高 度。
[0027] 參數(shù)1至參數(shù)14主要用于控制氣道的結(jié)構(gòu);參數(shù)15至參數(shù)18為性能參數(shù)，主要用于 控制氣道的性能。以任意相似結(jié)構(gòu)柴油機(jī)切向氣道的邊界條件限制（如氣道及附屬件布置 空間、鑄造工藝、結(jié)構(gòu)強(qiáng)度)為依據(jù)，根據(jù)上述18個(gè)氣道結(jié)構(gòu)參數(shù)利用目前的三維軟件進(jìn)行 參數(shù)化建模，建模完成后可以獲取切向氣道的三維模板，該模板包含大部分柴油機(jī)切向氣 道的結(jié)構(gòu)特征。在切向氣道模板中，只需改變這18個(gè)參數(shù)的具體數(shù)值即可獲得不同尺寸的 切向氣道三維模型。
[0028] (2)神經(jīng)網(wǎng)絡(luò)訓(xùn)練
[0029] 由于氣道形狀比較復(fù)雜，它其與控制參數(shù)之間不存在顯性的函數(shù)關(guān)系，即不能用 一個(gè)數(shù)學(xué)模型來精確描述尺寸參數(shù)與渦流強(qiáng)度及流量系數(shù)之間的對(duì)應(yīng)關(guān)系，為此采用人工 神經(jīng)網(wǎng)絡(luò)來預(yù)測不同性能參數(shù)氣道模型的流量系數(shù)及渦流強(qiáng)度。
[0030] 將參數(shù)15進(jìn)氣道出口上方壁面與缸蓋底平面的夾角、參數(shù)16進(jìn)氣道出口下方壁面 與缸蓋底平面的夾角、參數(shù)17氣缸中心和進(jìn)氣道出口中心連線與進(jìn)氣道出口中心線的水平 夾角、以及參數(shù)18進(jìn)氣道出口上方壁面的垂直段高度，進(jìn)行無量綱化處理(參數(shù)15至參數(shù)17 分別除以90°，參數(shù)18除以氣門座圈內(nèi)徑）。將這四個(gè)參數(shù)運(yùn)用正交試驗(yàn)的方法選取至少41 個(gè)參數(shù)組，其中：4因素5水平正交實(shí)驗(yàn)表共25個(gè)參數(shù)組;4因素4水平正交實(shí)驗(yàn)表共16個(gè)參數(shù) 組。將41個(gè)參數(shù)組的數(shù)值輸入到氣道模板中分別生成41個(gè)對(duì)應(yīng)的氣道三維模型。切向氣道 模板中的結(jié)構(gòu)參數(shù)1至參數(shù)14的具體數(shù)值并保持不變。
[0031] 計(jì)算每個(gè)參數(shù)組對(duì)應(yīng)氣道三維模型最大氣門升程的流量系數(shù)Cf及渦流強(qiáng)度Nr。從 上述41個(gè)數(shù)據(jù)中隨機(jī)選取36組數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，（表1為訓(xùn)練神經(jīng)網(wǎng)絡(luò)參數(shù)組中渦 流強(qiáng)度變化差異最大的2個(gè)參數(shù)組），當(dāng)神經(jīng)網(wǎng)絡(luò)預(yù)測精度滿足要求時(shí)，訓(xùn)練過程停止。 [0032] 訓(xùn)練完成后，再以其余5組數(shù)據(jù)(37組至41組)作為驗(yàn)證數(shù)據(jù)，驗(yàn)證神經(jīng)網(wǎng)絡(luò)的預(yù)測 模型準(zhǔn)確性(表2為神經(jīng)網(wǎng)絡(luò)驗(yàn)證參數(shù)組的2個(gè)示例）。其中流量系數(shù)C f，神經(jīng)網(wǎng)絡(luò)預(yù)測值與 模擬值的偏差應(yīng)小于1%;渦流強(qiáng)度Nr神經(jīng)網(wǎng)絡(luò)預(yù)測值與模擬值的偏差應(yīng)小于2%。若不滿 足要求，則重新對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至滿足要求為止。由此建立以四個(gè)性能參數(shù)為輸入 變量、以流量系數(shù)Cf及渦流強(qiáng)度Nr為輸出變量的三層人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型。
[0033] 表1:神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)
[0035] 表2:神經(jīng)網(wǎng)絡(luò)預(yù)測值驗(yàn)證
[0037]本實(shí)施例的三層前饋網(wǎng)絡(luò)，隱含層節(jié)點(diǎn)數(shù)為10,如圖4所示。
[0038] (3)切向氣道的設(shè)計(jì)及優(yōu)化
[0039] 在完成切向氣道模板構(gòu)建與神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)上，展開相同結(jié)構(gòu)切向氣道的設(shè) 計(jì)及優(yōu)化。參數(shù)1至參數(shù)14主要用于控制氣道的空間結(jié)構(gòu)，參數(shù)15至參數(shù)18用于控制氣道的 性能，神經(jīng)網(wǎng)絡(luò)的作用主要是對(duì)(對(duì)應(yīng)參數(shù)15至參數(shù)18)氣道性能進(jìn)行預(yù)測，遺傳算法是對(duì) 氣道的參數(shù)進(jìn)行尋優(yōu)，切向氣道模板的作用是利用優(yōu)化后的氣道參數(shù)對(duì)氣道三維模型進(jìn)行 重構(gòu)。
[0040] 以某柴油機(jī)切向氣道為例展開該氣道的設(shè)計(jì)及優(yōu)化，具體參數(shù)見表3。
[0041 ]表3:柴油機(jī)參數(shù)表
[0043] 對(duì)于柴油機(jī)氣道通常的要求是在滿足一定渦流強(qiáng)度的基礎(chǔ)上流量系數(shù)越大越好， 因此設(shè)定設(shè)計(jì)目標(biāo)為:最大氣門升程的渦流強(qiáng)度為〇. 25，流量系數(shù)取最大值。
[0044] 如圖5所示，設(shè)計(jì)目標(biāo)確定后，接著是進(jìn)行目標(biāo)修正。根據(jù)對(duì)流量系數(shù)Cf及渦流強(qiáng) 度Nr的要求，將四個(gè)性能參數(shù)(參數(shù)15至參數(shù)18)從神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的36組數(shù)據(jù)中選出渦流 強(qiáng)度變化差異最大的兩組(按照渦流強(qiáng)度變化差異最大原則選取如表一所示兩個(gè)參數(shù)組）， 輸入到氣道模板中形成新的兩個(gè)切向氣道模板中。并對(duì)切向氣道模板中的參數(shù)1至參數(shù)14 進(jìn)行替換重新生成兩個(gè)新的切向氣道三維模型，然后在最大氣門升程狀態(tài)，分別對(duì)兩個(gè)氣 道進(jìn)行穩(wěn)流狀態(tài)數(shù)值模擬計(jì)算，將計(jì)算結(jié)果與神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進(jìn)行對(duì)比（如圖表4所示）。 然后利用線性插值的方法對(duì)設(shè)計(jì)目標(biāo)進(jìn)行修正，最終得到一組最優(yōu)的氣道參數(shù)，將該組參 數(shù)對(duì)氣道模板中的參數(shù)進(jìn)行替換，獲得最終氣道三維模型。
[0045]表4:數(shù)值模擬結(jié)果與神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果對(duì)比
[0048] 與切向氣道模板相比，該柴油機(jī)的邊界限制條件(氣道及附屬件布置空間、鑄造工 藝、結(jié)構(gòu)強(qiáng)度）以及缸徑、沖程、氣門座圈內(nèi)徑、升程等發(fā)生了變化，所以神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果 不可能和數(shù)值模擬結(jié)果保持一致。但由于該柴油機(jī)氣道和氣道模板幾何相似，所以神經(jīng)網(wǎng) 絡(luò)預(yù)測結(jié)果和數(shù)值模擬結(jié)果存在對(duì)應(yīng)的線性關(guān)系，因此可以對(duì)設(shè)計(jì)目標(biāo)修正(將該柴油機(jī) 的設(shè)計(jì)目標(biāo)轉(zhuǎn)化為氣道模板中的設(shè)計(jì)目標(biāo)）。根據(jù)線性差分轉(zhuǎn)化后，其最大氣門升程的渦流 強(qiáng)度目標(biāo)為〇. 223，流量系數(shù)取最大值。
[0049] 根據(jù)該目標(biāo)，運(yùn)用遺傳算法進(jìn)行求解。首先隨機(jī)生成40組氣道參數(shù)數(shù)組并導(dǎo)入人 工神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算，根據(jù)計(jì)算結(jié)果分配各組數(shù)據(jù)的適應(yīng)度大小，即計(jì)算結(jié)果越接近優(yōu)化 目標(biāo)其適應(yīng)度越大(性能系數(shù)Cp將作為目標(biāo)函數(shù)對(duì)氣道參數(shù)進(jìn)行篩選），被留下作為下一代 數(shù)據(jù)母本的概率就越大。然后對(duì)該40組數(shù)組進(jìn)行格雷編碼、選擇、基因交叉、基因突變，從而 得到新的40組格雷碼。然后再對(duì)其進(jìn)行解碼得到40組氣道參數(shù)組，并導(dǎo)入人工神經(jīng)網(wǎng)絡(luò)中 進(jìn)行計(jì)算。若人工神經(jīng)網(wǎng)絡(luò)計(jì)算結(jié)果滿足優(yōu)化目標(biāo)則優(yōu)化過程停止，輸出相應(yīng)的氣道參數(shù)； 若計(jì)算結(jié)果不能滿足優(yōu)化目標(biāo)，則重復(fù)上述過程，直至滿足目標(biāo)為止。優(yōu)化后的參數(shù)組如表 5所示。
[0050] 表5:遺傳算法耦合神經(jīng)網(wǎng)絡(luò)輸出結(jié)果
[0052]如圖5所示，在采用遺傳算法優(yōu)化參數(shù)過程中，性能系數(shù)Cp將作為目標(biāo)函數(shù)對(duì)氣道 參數(shù)進(jìn)行篩選，目標(biāo)函數(shù)如式1所示，式1是對(duì)流量系數(shù)和渦流強(qiáng)度的一個(gè)綜合加權(quán)的結(jié)果。 其值越大，氣道綜合性能越好。
[0054] 根據(jù)表3 :B = 105mm;D = 32 ? 5mm;n = 2 ;L = 9 ? 97mm。
[0055] 將優(yōu)化后的參數(shù)組進(jìn)行量綱處理，將其數(shù)值替換到切向氣道中即可獲取滿足該柴 油機(jī)邊界條件下的性能最優(yōu)切向氣道。數(shù)值模擬驗(yàn)證結(jié)果如表6所示，較好的達(dá)了渦流強(qiáng)度 0.25的設(shè)計(jì)目標(biāo)。
[0056]表6:數(shù)值模擬驗(yàn)證結(jié)果
【主權(quán)項(xiàng)】
1.基于遺傳及神經(jīng)網(wǎng)絡(luò)算法的內(nèi)燃機(jī)進(jìn)氣道模型設(shè)計(jì)方法，其特征是進(jìn)氣道模型設(shè)計(jì) 包括三個(gè)部分:切向氣道模板構(gòu)建、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、以及切向氣道的設(shè)計(jì)及優(yōu)化， (1) 切向氣道模板構(gòu)建 通過18項(xiàng)參數(shù)確定切向氣道的形狀結(jié)構(gòu)，其中：參數(shù)1是氣缸直徑;參數(shù)2是進(jìn)氣道出口 外徑;參數(shù)3是氣缸中心和進(jìn)氣道出口中心連線與進(jìn)氣道入口方向的夾角；參數(shù)4是進(jìn)氣道 出口與缸蓋底面的距離;參數(shù)5是氣缸中心至進(jìn)氣道出口中心的距離;參數(shù)6是進(jìn)氣道長度； 參數(shù)7是進(jìn)氣道入口中心至氣缸中心的距離;參數(shù)8是進(jìn)氣道入口寬度;參數(shù)9是進(jìn)氣道入口 高度;參數(shù)10是進(jìn)氣道入口中心至缸蓋底面的距離;參數(shù)11是進(jìn)氣道入口圓角;參數(shù)12是整 個(gè)氣道沿分型線的拔模斜度;參數(shù)13是氣道凸臺(tái)高度;參數(shù)14是氣道凸臺(tái)直徑;參數(shù)15是進(jìn) 氣道出口上方壁面與缸蓋底平面的夾角;參數(shù)16是進(jìn)氣道出口下方壁面與缸蓋底平面的夾 角；參數(shù)17是氣缸中心和進(jìn)氣道出口中心連線與進(jìn)氣道出口中心線的水平夾角；參數(shù)18是 進(jìn)氣道出口上方壁面的垂直段高度，以所述18個(gè)氣道參數(shù)為基礎(chǔ)數(shù)據(jù)，對(duì)切向氣道進(jìn)行參 數(shù)化建模，通過改變18個(gè)參數(shù)的具體數(shù)值即可獲得不同尺寸的切向氣道三維模型； (2) 神經(jīng)網(wǎng)絡(luò)訓(xùn)練 將參數(shù)15進(jìn)氣道出口上方壁面與缸蓋底平面的夾角、參數(shù)16進(jìn)氣道出口下方壁面與缸 蓋底平面的夾角、參數(shù)17氣缸中心和進(jìn)氣道出口中心連線與進(jìn)氣道出口中心線的水平夾 角、以及參數(shù)18進(jìn)氣道出口上方壁面的垂直段高度，進(jìn)行無量綱化，將這四個(gè)參數(shù)運(yùn)用正交 試驗(yàn)的方法選取至少41個(gè)參數(shù)組，其中4因素5水平正交實(shí)驗(yàn)表共25個(gè)參數(shù)組;4因素4水平 正交實(shí)驗(yàn)表共16個(gè)參數(shù)組，將41個(gè)參數(shù)組的數(shù)值輸入到氣道模板中分別生成41個(gè)對(duì)應(yīng)的氣 道三維模型， 計(jì)算每個(gè)參數(shù)組對(duì)應(yīng)氣道三維模型最大氣門升程的流量系數(shù)Cf及渦流強(qiáng)度Nr，從該41 個(gè)數(shù)據(jù)中隨機(jī)選取36組數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練完成后，再以其余5組數(shù)據(jù)作為驗(yàn)證 數(shù)據(jù)，驗(yàn)證神經(jīng)網(wǎng)絡(luò)的預(yù)測模型準(zhǔn)確性，其中流量系數(shù)C f，神經(jīng)網(wǎng)絡(luò)預(yù)測值與模擬值的偏差 應(yīng)小于1% ;渦流強(qiáng)度Nr神經(jīng)網(wǎng)絡(luò)預(yù)測值與模擬值的偏差應(yīng)小于2%，若不滿足要求，則重新 對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至滿足要求為止，由此建立以四個(gè)性能參數(shù)為輸入變量、以流量系 數(shù)&及渦流強(qiáng)度Nr為輸出變量的三層人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型， (3) 切向氣道的設(shè)計(jì)及優(yōu)化 根據(jù)對(duì)流量系數(shù)&及渦流強(qiáng)度Nr的要求，將四個(gè)性能參數(shù)從神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的36組數(shù) 據(jù)中選出渦流強(qiáng)度變化差異最大的兩組，輸入到氣道模板中形成新的兩個(gè)切向氣道，然后 在最大氣門升程狀態(tài)，分別對(duì)所述兩個(gè)氣道進(jìn)行穩(wěn)流狀態(tài)數(shù)值模擬計(jì)算，將計(jì)算結(jié)果與神 經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進(jìn)行對(duì)比，然后利用線性插值的方法對(duì)設(shè)計(jì)目標(biāo)進(jìn)行修正，根據(jù)修正后的 目標(biāo)采用遺傳算法耦合神經(jīng)網(wǎng)絡(luò)對(duì)氣道參數(shù)進(jìn)行優(yōu)化，最終得到一組最優(yōu)的氣道參數(shù)，將 該組參數(shù)對(duì)氣道模板中的參數(shù)進(jìn)行替換，獲得最終氣道三維模型， 在采用遺傳算法優(yōu)化參數(shù)過程中，性能系數(shù)Cp將作為目標(biāo)函數(shù)對(duì)氣道參數(shù)進(jìn)行篩選， 目標(biāo)函數(shù)如式1所示，式1是對(duì)流量系數(shù)和渦流強(qiáng)度的一個(gè)綜合加權(quán)的結(jié)果，其中：B為缸徑;D為氣門內(nèi)座圈直徑;η為打開的氣門數(shù);L為氣門升程;Nr為禍流強(qiáng)度，Cf 為流量系數(shù)，Nr和Cf兩個(gè)評(píng)價(jià)指標(biāo)均由進(jìn)氣道性能參數(shù)決定。
【文檔編號(hào)】G06N3/12GK105930574SQ201610239541
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月15日
【發(fā)明人】魯?shù)? 王天友, 王利民
【申請(qǐng)人】天津大學(xué)