曹佳乐，李铁，依平，黄帅，杨润岱，黄雅婷

(1.上海交通大学海洋工程国家重点实验室，上海 200240；2.重庆普什机械有限责任公司，重庆 400050)

天然气燃烧清洁、储量丰富，作为发动机燃料备受关注[1-2]。目前大功率点燃式天然气发动机大多由柴油机改制而成，需针对天然气燃烧特性进行燃烧室、缸头和气阀正时等优化。天然气发动机可采用稀薄燃烧提高热效率并降低NOx，然而，采用稀薄燃烧技术会导致燃料燃烧速度慢、负荷变动大、发动机性能下降、排气温度增高。天然气辛烷值(RON)高达130，抗爆性较好，可通过增加几何压缩比改善热效率，提高发动机性能，降低涡前排温。然而，提高几何压缩比会增加发动机的爆震倾向，减少发动机寿命。在维持较高几何压缩比的同时，采用米勒循环降低实际压缩比，可以改进发动机抗爆震性能，在提高热效率的同时降低排温和NOx排放，但需要利用优化手段对发动机多参数、多变量进行合理匹配[3-4]。

本研究通过GT-Power发动机一维仿真软件建立了某天然气发动机的性能仿真模型，通过实机数据进行模型标定。采用神经网络建模与遗传算法对天然气发动机的几何压缩比和米勒度等进行协同优化，降低大缸径天然气发动机排气温度，保证发动机扭矩输出。

1 研究方法

1.1 发动机建模及验证

研究对象为一台直列9缸预混点燃式天然气发动机，原机参数见表1。

表1 原机参数

燃烧模型采用Keck等[5]提出的SITurb湍流燃烧模型，见式(1)至式(6)。

(1)

(2)

SL*=m1SL，

(3)

lM*=m3lM，

(4)

(5)

(6)

式中：mb和me为已燃和未燃混合气质量；……