基于CFD的中低速Wigley船模黏性阻力

船舶阻力性能对船型参数的确定、船体结构的设计有重要影响。本文以Wigley船模为研究对象，采用CFD方法建立了行船阻力分析系统，以实际海况数据为依据，确定较准确的参数和边界条件，分析了不同航速（傅汝德数）下的低速行船阻力，并与理论公式对比分析。仿真测试结果表明：在实际海况数据下，CFD数值模拟阻力与理论ITTC公式计算的阻力误差在2%以内且发展趋势一致。本文的研究为采用CFD研究行船阻力奠定基础。     

基于扩展卡尔曼滤波的船舶SCR脱硝系统状态估计

如今，选择性催化还原法(SCR)是船舶尾气脱硝的主流方法。为了实现SCR脱硝系统的闭环控制，准确获取系统各个状态变量的值十分重要。但是其中的氨覆盖率θNH3无法直接用传感器测量，即存在不可测的问题。并且，由于受到实际运行时的噪声影响，NH3和NOx浓度传感器的测量值并不精确。考虑到扩展卡尔曼滤波(EKF)算法能减弱噪声、实现状态变量的最优估计，设计了基于3状态SCR脱硝系统模型的EKF状态观测器。为了考察该观测器的性能，在船舶柴油机排气参数剧烈变化的工况下进行仿真试验。结果表明，该EKF观测器的估计值与参考值的吻合度十分良好。     

PSO-BP神经网络在船舶二级脱硝系统中的应用

随着国际海事组织（IMO）标准Tier III标准的实施，船舶柴油机尾气中的氮氧化物（NOx）的排放受到了更严格的限制。选择性催化还原脱硝技术因其高效、可靠等优势成为船舶柴油机NOx减排的主要选择。本文先根据SCR反应机理在MATLAB中搭建一级SCR脱硝系统和二级SCR脱硝系统模型，通过仿真结果对比，发现加入二级脱硝系统后，脱硝率可以得到提高。鉴于BP网络预测精度较低，本文将粒子群（PSO）算法加入到BP权值训练过程中，利用PSO-BP 神经网络预测 SCR-DeNOX系统出口处NOX浓度。结果表明：PSO-BP 神经网络不但可以预测SCR-DeNOX系统出口处的NOX浓度，而且与传统BP 神经网络相比可以提高预测结果的精度，为有效控制喷氨量、降低氨气逃逸量提供帮助。     

融合CFD与PI控制的船舶柴油机SCR脱硝系统设计与分析

选择性催化还原技术对氮氧化物脱除具有显著效果,是当前最广泛使用的脱硝处理技术。本文从介观角度出发,采用CFD方法建立了船用SCR脱硝系统的物理模型,分析了SCR脱硝系统的反应机理,并通过用户自定义函数将PI控制算法融合进介观系统模型中,摒弃传统控制模型中的均匀分布假设,实现了介观尺度上的非均匀喷氨控制。仿真测试结果表明：船用SCR脱硝系统的气体分布呈现严重非均匀性;融合介观尺度上PI控制算法后,不仅可改善系统的非均匀性,还可提高系统的整体脱硝率、降低系统的氨逃逸量。本研究为宏观控制与介观机理建模的融合提供了新的研究思路。