祖象欢,杨传雷,王贺春,王银燕

(哈尔滨工程大学动力与能源工程学院,150001,哈尔滨)

随着排放法规的日益严格,国际海事组织在2008年出台了一项国际性防止船舶造成空气污染的法律法规,对船舶柴油机氮氧化物(NOx)的排放进行了严格的限制。作为目前降低船舶柴油机NOx排放的主要措施[1],废气再循环(EGR)技术受到了越来越多的关注。EGR技术的关键在于克服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,以保证足够的废气回流到进气管并合理控制EGR率。目前公开的文献中关于EGR的研究主要包括EGR的实现方式[2-3]、EGR仿真与建模[4]、EGR特性实验[5-6]以及EGR控制策略研究[7-8]等方面,而关于增压柴油机EGR性能评估等方面的研究尚少。不同EGR率对柴油机的燃烧与排放性能影响不同,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,既要尽可能地降低废气中的NOx,又要尽可能小地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实验获取柴油机的主要运行参数,对数据进行综合分析,主观制定相应的确定原则,从而得到实验工况下的最佳EGR率。由于不同学者研究的目的和侧重点不同,因此各自制定的原则也有所不同。杨帅等在确定最佳EGR率时采取13个工况点颗粒不超过原机为原则[9];郑清平等建立带EGR率增压中冷柴油机Boost计算模型,首先以不过度降低扭矩、增加燃油消耗率和碳烟排放为原则选取较低EGR率,其次考虑13个工况排放实验中每一个工况的排放量占总实验工况的总排放量的比例,将总排放量降至最低水平作为最终目标,从而最终确定最佳EGR率[10];王迎迎等通过分析功率、油耗和烟度随EGR率变化的趋势,综合判定给出不同工况点的最佳EGR率[11];张振东等在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[12];张振坤等以中高负荷选择较大EGR率、低负荷采取较低EGR率为基本原则,通过分析燃油消耗率、烟度等参数随EGR率变化曲线的斜率来确定相应的最佳EGR率[13];杜俊等通过实验研究柴油机主要运行参数随EGR率的变化情况,综合分析柴油机动力性、经济性和排放性,确定各个工况的最佳EGR率[14]。

虽然上述方法可以成功解决最佳EGR率的决策问题,但是存在一些共同的缺点。例如:过于单纯依赖主观判断,缺乏客观性;过度依赖数据的完整性,不适用于“小样本、贫数据”等问题。鉴于多目标灰色局势决策理论在针对若干方案中选择最好方案的决策问题上的独特优势[15-18],本文将其引入到最佳EGR率的决策问题中,通过特定的数学模型来发掘柴油机主要运行参数之间的内在关联,从而对不同EGR率下柴油机的综合性能进行优劣评估。

综上所述,本文以TBD234V12相继增压柴油机为研究对象,以EGR性能评估及最佳EGR率决策问题为出发点,结合不同工况下EGR运行特点和优化要求,提出了一种基于主客观综合赋权优化的多目标灰色局势决策方法。该方法融合了传统灰色局势决策、灰关联分析法以及熵权法各自的优点,以不同评价指标对应的参数为输入,通过发掘各个参数指标之间内在的变化关系来建立主客观赋权优化权重的多目标灰色局势决策模型,通过该模型可以直接输出不同EGR方案对应的性能优劣排序,有助于解决目前主流方法中存在的过于依赖主观判断的问题,为增压柴油机EGR性能评估及进一步优化研究提供了一种新的研究思路。基于Matlab Guide设计和建立了增压柴油机EGR性能评估及决策仿真平台,提高了建模仿真效率。

1 EGR性能评估优化模型的建立

1.1 基本理论知识

考虑到不同工况EGR运行特点和要求的不同,在建模中分别引入了多目标灰色局势决策、灰关联分析法及熵权法。通过灰色局势决策建立的数学模型可定量计算不同方案的综合效果测度[15,19];通过灰关联分析法计算不同序列之间的关联系数和关联度,从而达到优化的目的[15,19];通过熵权法能够有效反映数据隐含的信息,增强指标的差异性,达到全面反映各类信息的目的[20]。

1.2 决策目标的选择

不同EGR率对柴油机燃烧与排放改善效果不同,如何取得二者之间的合理折衷是评价EGR性能的重点。评价指标的选取应该尽可能兼顾柴油机燃烧和排放性能,分别选取燃油消耗率、缸内爆压、NOx的排放量、烟度以及CO的排放量等5个参数作为决策目标。EGR的主要实现目的在于降低NOx污染物排放,因此定义NOx的排放量为主要决策目标,其他4个参数为次要决策目标。

1.3 决策目标权重优化

最佳EGR率的确定实质上是寻求柴油机燃烧与排放性能之间的最佳折衷,而如何将这种折衷体现到优化模型中是首要考虑的问题。由于不同决策目标分别代表柴油机不同方面的性能,同时考虑到决策目标权重在决策模型中的作用,在优化模型中,通过调整目标权重ηk(k=1,2,3,4,5)来替代柴油机燃烧及排放性能之间的折衷关系,其对应的决策权重值分别为η1、η2、η3、η4及η5。

传统多目标灰色决策模型中普遍采用主观赋权法来确定决策目标权重,该方法虽然能够发挥专家或技术人员的专业知识及经验,具有一定的专业性,但是具有较大的主观性和随意性,会对评估决策结果造成影响。同时考虑到EGR性能评估问题的多因素性,无论主观赋权或者客观赋权均无法充分满足EGR性能评估问题的特点,因此考虑结合不同工况EGR性能的特点,采取主客观综合赋权法来对决策目标权重进行优化。

步骤1为了有效降低NOx排放,船舶柴油机EGR率的控制原则大致如下:①在怠速、暖机时,不采用EGR循环,低负荷时,采用较小EGR率[14];②柴油机在加速过渡过程中,宜采用较低EGR率,随着负荷的增加,EGR率应相应地增加,但要控制在一定的范围内[14];③高转速、高负荷时,宜采用较大EGR率[13]。

基于上述原则,本文考虑根据柴油机不同负荷工况,通过专家经验打分来确定主要决策目标NOx的排放量的权重值。首先假设5个决策目标均等重要,因此初始权值均为0.2,得到初始决策结果,通过分析初始决策结果与EGR实际运行趋势和优化要求对比,从而逆推调整η3的权值。最终,NOx的权重的经验确定规则如下:①若柴油机处于低负荷工况(小于25%负荷),NOx排放浓度较低,EGR降低NOx排量的效果一般,为了保证柴油机工作的稳定性和经济性,宜采取较低EGR率,因此令NOx权重η3=0.3;②若柴油机处于中高负荷(大于75%负荷),NOx排放浓度较高,EGR降低NOx排量的效果显著,为了有效降低柴油机NOx排放污染物,宜采用较大EGR率,因此令NOx权重η3=0.5;③柴油机负荷介于①、②两者之间时,令η3=0.4。

(1)

该关联系数ri(i=1,2,3,4)代表次要决策目标与主要决策目标NOx的排放量的贴近程度。

步骤3已知η3和ri,由式ri(1-η3)求解其他4个次要决策目标权重值ηk(k=1,2,4,5),并构成初始主观权重ηk(k=1,2,3,4,5)。

步骤4构建原始评价矩阵,通过熵权法求得客观权重αk(k=1,2,3,4,5),并最终求得综合权重

(2)

该优化方法结合EGR运行特点和要求,以NOx权重为中心,通过灰关联分析法求得其他评价指标与NOx的贴近程度,进而利用贴近程度来求解其他权重,并引入熵权法削弱主观赋权带来的主观误差,提高评价的客观合理性。

2 具体建模步骤

步骤2根据柴油机不同工况,通过专家打分和灰关联分析法求解初始主观权重ηk(k=1,2,3,4,5),再通过熵权法求得客观权重αk(k=1,2,3,4,5),并最终求得综合权重βk(k=1,2,3,4,5)。

步骤3求解相应的综合效果测度矩阵R,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。

3 基于Guide的仿真优化平台

图形用户接口开发环境(Guide)是Matlab软件中一个重要功能模块,主要用于快捷创立图形用户界面(GUI)对象,因其具有操作简单、易于实现的优点,已经被广泛应用于诸多领域的仿真研究。GUI的创立大致分为3部分:构建基本功能框架、选择控件并设计GUI界面,以及最后的编写回调函数、激活相应控件。

为了避免建模过程中由编程带来的不便,同时提高建模仿真计算的效率,采用Matlab/Guide设计并实现了EGR的性能评估及决策GUI,最终编译生成可以独立运行的EGR性能评估及决策仿真优化平台。用户只需要将EGR性能参数数据导入该平台,即可快速完成不同工况下的EGR性能评估及最优决策,并将结果输出至指定位置以方便后处理分析。

4 实验验证与结果分析

4.1 实验数据的获取

研究对象为某型相继增压柴油机,柴油机主要技术参数见表1。

表1 TBD234V12柴油机主要性能参数

本文实验原机为V型柴油机,通过对系统改造设计并建立了文丘里管式高压EGR系统。具体台架实物图如图1所示。

图1 实验台架实物图

由于实验条件限制,为了保证柴油机稳定工作,最高EGR率限制在15%以内。实验选取低、中、高3个转速进行测试实验,每个转速依次选取25%、50%、75%负荷共计9个工况点,其中6个工况点的实验数据见表2。

4.2 验证与结果分析

4.2.1 低负荷工况 在负荷不高的情况下,NOx排放量不高,应该更多兼顾柴油机动力性和经济性,因此宜采用较低EGR率。工况1、2分别表示不同转速下25%负荷工况。以工况1为例,EGR率分别选取2.4%、4.6%、8.6%、10.4%及11.6%,该工况下各指标参数的实验数据构成了效果样本矩阵

U=

矩阵中行向量依次代表燃油消耗率、缸内爆压、NOx的排放量、烟度和CO的排放量;列向量代表不同EGR率。

从具体实施内容来讲，智能楼宇通常包括安防监控、出入口控制（门禁、停车场）、入侵防范、电梯控制、供配电、空调新风、照明控制、停车场管理、广播、信息发布和能耗统计等数十个信息化子系统，业内将上述子系统归纳为五类，分别是建筑设备自动化（BA）、通讯自动化（CA）、办公自动化（OA）、火灾报警与消防自动化（FA）以及安全防范自动化（SA），即智能楼宇5A系统[2]。

步骤1求得k目标下一致效果测度矩阵

V=

步骤2求解初始主观权重。由于工况1处于低工况点,故η3=0.3。构建灰色关联序列如下:

母序列X0=(423 376.99 329.65 287.32 251.2 231.3)

子序列

X1=(297.4299.2302.5305.6310.6313.1)

X2=(5.954 75.800 15.558 35.467 15.431 85.309 4)

表2 部分工况点实验数据

X3=(0.0340.0460.0490.0580.090.14)

X4=(324336.37354.73395.36504.82633.94)

ri=(0.267 8 0.293 7 0.209 1 0.229 4)

初始主观权重

ηk=(0.187 4 0.205 6 0.300 0 0.146 3 0.160 6)

步骤3求解综合权重。利用熵权法求得客观权重

αk=(0.254 7 0.180 5 0.198 8 0.177 3 0.188 7)

综合权重为

βk=(0.237 8 0.184 9 0.297 1 0.129 3 0.151 0)

步骤4求解综合效果测度矩阵

R1=[0.885 2 0.902 7 0.900 1 0.873 5 0.820 3]

由结果可知,工况1下当EGR率为4.6%时取得的综合效果测度值最高,EGR率为11.6%时最低。同时可以看出,当EGR率低于10%左右时,对应的综合性能评估值相差不是很大,当EGR率升高至10%左右时,随着EGR率的升高综合性能评估值下降较为明显,说明该工况下较高EGR率会对柴油机的综合性能造成较为明显的不良影响,因此宜采用较小EGR率。

同理,可得工况2下综合效果测度矩阵

R2=[0.849 2 0.847 4 0.839 4 0.834 3 0.832 6]

当EGR率为1.5%时取得的综合效果测度值最高,EGR率为12.6%时最低。由结果可以看出:当EGR率小于7.8%左右时,不同EGR率对应的综合评估值差别不大;随EGR率的不断升高对应的综合评估值相应地呈减小趋势,特别地,当EGR率大于9.5%时,随着EGR率的升高,对应的综合性能评估值下降的较为明显。

4.2.2 高负荷工况 在高负荷工况下,NOx排放量较高,为了满足船用柴油机NOx排放要求,宜采用较高EGR率,达到有效降低NOx的目的。工况3、4分别代表不同转速下75%负荷工况。在确定初始主观权重时,令η3=0.5。通过仿真计算可得工况3和工况4优化后的综合效果测度矩阵分别为

R3=[0.826 0 0.831 2 0.845 6 0.878 8 0.895 4]

R4=[0.837 1 0.851 5 0.897 1 0.915 9 0.887 1]

由结果可知,在工况3、4下,最佳EGR率分别为11.6%和9.7%。小EGR率对应的评估值最低,说明该工况小EGR率对柴油机的改善情况最差。随着EGR率的升高,二者综合评估值呈增大趋势,且当EGR率大于8%时,评估值增大较为明显。其中,工况4下EGR率升高至11.1%时,综合评估值反而减小,分析其原因为:该工况属于高转速、高负荷工况,过高的EGR率可能会对柴油机的动力性造成不良影响,因此导致综合评估值下降。综上所述,在高负荷工况下宜采用较高EGR率,而过高EGR率会对柴油机产生负面影响。

4.2.3 中等负荷 随着负荷的增加,NOx排放也逐渐升高,宜适当提高EGR率。工况5、6分别表示不同转速下50%负荷工况。同理,仿真计算可得工况5、6优化后的综合效果测度矩阵分别为:

R5=[0.876 8 0.872 7 0.887 1 0.873 0 0.870 9];

R6=[0.883 7 0.879 9 0.901 9 0.922 6 0.892 0]。

由结果可知,在工况5和工况6下最佳EGR率分别为7.5%和9.1%,随着EGR率的升高,综合评估值大致呈先增大后减小的趋势,分析其原因为:工况5、6分别代表不同转速下中等负荷,该负荷下NOx排放量随着转速的不断提升而增加,过低的EGR率并不能满足有效降低NOx的要求,因此有必要适当提高EGR率,但是为了保证EGR率的增加不会对柴油机的动力性能造成过多损失,应该控制EGR率在一定范围内,因此在综合评估值方面,当EGR率过高时,评估值反而下降。

综上分析,通过优化评估及决策结果可以看出:在低负荷工况下,由于NOx排放浓度较低,应该更多兼顾柴油机的动力及经济性,因此宜采用较小EGR率;随着转速和负荷的增加,宜适当增加EGR率。在高负荷工况下,NOx排放浓度较高,为了尽最大可能降低排放性能,宜采用较高的EGR率。这与目前增压柴油机EGR性能特点基本保持一致,也说明了该优化模型及方法的有效性,对增压柴油机EGR性能评估及最优决策具有一定的参考意义。

由于实验条件的限制,本文实验中最高EGR率被限制在15%之内,但是这不影响本文研究的核心思想,本文主要目的是基于实验数据探索一种同时适用于“大数据”和“小数据”场合的优化决策方法,以缓解目前主流方法中对主观判断的依赖,为船舶柴油机EGR性能的评估及最佳EGR率的确定提供一种新的研究思路。

5 结 论

针对增压柴油机EGR性能评估及最优决策问题,提出了一种基于优化多目标灰色决策的评估方法,并设计实现了仿真优化平台,具体结论如下:

(1)多目标灰色局势决策可以成功应用于船舶增压柴油机EGR性能评估及最佳EGR率的决策问题。柴油机燃烧与排放性能之间的最佳折衷可以转化为模型评价指标之间的权重问题;通过灰色关联分析法及熵权权重优化方法,既可以发挥主观赋权和客观赋权的优点,又能将增压柴油机EGR运行特点融入到优化模型中,使得最终的决策结果更合理。

(2)当增压柴油机处于低负荷时,低EGR率对应的综合评估值较高,且EGR率低于10%时,不同EGR率的综合评估值相差不大;当EGR率大于10%左右时,综合评估值下降较快,因此宜采用较低EGR率。当柴油机处于高负荷时,随着EGR率的增大,其对应的综合评估值也随之增大,当EGR率增加至8%左右时,不同EGR率对应的综合评估值增大较为明显,但是过高的EGR率会造成综合评估值减小,因此宜适当采用较高EGR率,但不宜过高。当柴油机处于中等负荷时,随着EGR率的增加,对应的综合评估值基本呈先上升后减小的趋势,但是变化较为缓和,因此宜适当增加EGR率。

(3)基于Matlab Guide实现增压柴油机EGR性能评估及决策仿真平台的设计和建立,具有方便快捷的优点,可以有效提高建模仿真效率,具有良好的工程应用价值。

参考文献:

[1] ASAD U,ZHENG Ming. Exhaust gas recirculation for advanced diesel combustion cycles [J]. Applied Energy,2014,123: 242-252.

[2] SHEN Kai,LI Fangbo,ZHANG Zhendong,et al. Effects of LP and HP cooling EGR on performance and emissions in turbocharged GDI engine [J]. Applied Thermal Engineering,2017,125: 746-755.

[3] 赵昌普,朱云尧,李艳丽,等. 增压中冷柴油机EGR系统文丘里管的设计与实验 [J]. 农业工程学报,2013,29(15): 49-56.

ZHAO Changpu,ZHU Yunyao,LI Yanli,et al. Design and experimental of venturi in EGR system of turbocharged intercooled diesel engine [J]. Transactions of the Chinese Society of Agricultural Engineering,2013,29(15): 49-56.

[4] 安晓辉,刘波澜,张付军,等. 基于氧浓度的EGR对柴油机性能影响的仿真 [J]. 内燃机学报,2013,31(2): 115-119.

AN Xiaohui,LIU Bola,ZHANG Fujun,et al. Simulation of the effect of intake charge oxygen concentration based EGR on diesel engine performance [J]. Transactions of CSICE,2013,31(2): 115-119.

[5] PARK Y,BAE C. Experimental study on the effects of high/low pressure EGR proportion in a passenger car diesel engine [J]. Applied Energy,2014,133: 308-316.

[6] SHI Xiaochen,LIU Bolan,ZHANG Chao,et al. A study on combined effect of high EGR rate and biodiesel on combustion and emission performance of a diesel engine [J]. Applied Thermal Engineering,2017,125: 1272-1279.

[7] 韩晓梅,田威,林学东,等. 废气再循环瞬态修正控制策略对重型柴油机排放性能的影响 [J]. 西安交通大学学报,2018,52(3): 1-6.

HAN Xiaomei,TIAN Wei,LIN Xuedong,et al. Influence of EGR transient correction strategy on emission performance of heavy duty diesel engine [J]. Journal of Xi’an Jiaotong University,2018,52(3): 1-6.

[8] NISHI M,KANEHARA M,LIDA N. Assessment for innovative combustion on HCCI engine by controlling EGR ratio and engine speed [J]. Applied Thermal Engineering,2016,99: 42-60.

[9] 杨帅,李秀元,应启戛,等. EGR率对柴油机排放特性影响的研究 [J]. 农业机械学报,2006,37(5): 30-33.

YANG Shuai,LI Xiuyuan,YING Qijia,et al. EGR rates optimization rule and experimental study about influence of EGR rates on diesel engine [J]. Transactions of the Chinese Society of Agricultural Machinery,2006,37(5): 30-33.

[10] 郑清平,黎苏,郎晓姣,等. 增压中冷柴油机EGR数值模拟与试验研究 [J]. 内燃机工程,2012(2): 33-37.

ZHENG Qingping,LI Su,LANG Xiaojiao,et al. Simulation and experimental study on turbocharged inter-cooled diesel engine with exhaust gas recirculation [J]. Chinese Internal Combustion Engine Engineering,2012,33(2): 33-37.

[11] 王迎迎. 大功率柴油机EGR模拟研究 [D]. 成都: 西南交通大学,2012: 36-41.

[12] 张振东,方毅博,陈振天. 增压直喷式柴油机EGR率测试及优化研究 [J]. 内燃机工程,2006,27(2): 81-84.

ZHANG Zhendong,FANG Yibo,CHEN Zhentian. Research and experiments of EGR rates effect on a turbocharged diesel engine [J]. Chinese Internal Combustion Engine Engineering,2006,37(5): 30-33.

[13] 张振坤. EGR技术降低某船用柴油机NOx排放的研究 [D]. 大连: 大连海事大学,2015: 58-60.

[14] 杜俊. V型柴油机采用EGR系统系统的计算与试验研究 [D]. 哈尔滨: 哈尔滨工程大学,2013: 5-7.

[15] LIU S F,LIN F. Grey information: theory and practical applications [M]. Berlin,Germany: Springer-Verlag,2006: 315-318.

[16] ZHOU Huan,WANG Jianqiang,ZHANG Hongyu. Grey stochastic multi-criteria decision-making approach based on prospect theory and distance measures [J]. Journal of Grey System,2017,29(1): 15-33.

[17] CHEN Ding,FANG Zhigeng,LIU Xiaqing,et al. Research on multiple-objective weighted grey target reliability optimization model of complex product [J]. Journal of Grey System,2015,27(3): 11-22.

[18] 王正新,党耀国,宋传平. 基于区间数的多目标灰色局势决策模型 [J]. 控制与决策,2009,24(3): 388-392.

WANG Zhengxin,DANG Yaoguo,SONG Chuanping. Multi-objective decision model of grey situation based on interval number [J]. Control and Decision,2009,24(3): 388-392.

[19] WU L F,WANG Y N,LIU S F. Grey convex relation and its properties [J]. Systems Engineering Theory and Practice,2012,32(7): 1501-1506.

[20] 郭金维,蒲绪强,高祥,等. 一种改进的多目标决策指标权重计算方法 [J]. 西安电子科技大学学报(自然科学版),2014,41(6): 135-142.

GUO Jinwei,PU Xuqiang,GAO Xiang,et al. Improved method on weights determination of indexes in multi-objective decision [J]. Journal of Xidian University,2014,41(6): 135-142.