一种直喷式柴油机燃烧的多目标优化数值方法

直喷式柴油机具有使用耐久及燃油经济性良好等特点，被汽车行业广泛使用。尽管如此，越来越多的环境问题限制了这种类型发动机的使用，因此开发一种既要保证减少NOx排放，同时还要保证有较好的燃油经济性，较强鲁棒性的直喷式柴油机燃烧系统已经成为一种必然趋势。近年来，遗传算法和计算流体力学（CFD）三维燃烧仿真已经成功应用于解决这类问题中。然而，结合目前的CFD三维燃烧仿真的遗传算法（GAs）优化方法是非常复杂的，这是由于遗传算法通常需要大量的运算使其收敛，结果导致了较高的计算消耗，限制了这种方法应用于工业生产过程。为了实现整个优化过程运算耗时减少，在利用遗传算法进行优化的时候，CFD仿真可以更加方便地被应用来产生一个训练集，供人工神经网络进行学习，这个人工神经网路一旦训练成功，就可以用来预测发动机的输出，使其作为设计参数的依据。

本文基于人工神经网络以及遗传算法，采用数值方法来对一个车用直喷柴油机的燃烧进行多目标的优化。这种方法是用来帮助设计一款VM Motori车用直喷柴油发动机，对不同工况下的3种燃烧室进行评价。最后通过CFD三维运算来对产生的最优结果进行验证，带有左右参数的最优燃烧室在相同NOx排放以及平均指示有效压力下，可以减少烟尘排放大约36%。

该数值方法被证明是快速的，降低了计算消耗，并且是准确的，其能够用于帮助开发直喷式柴油机。……