基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算.仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型.并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性.利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度.     

电控柴油机动态过程控制策略研究

采取人工神经网络方法将训练后的神经网络用于仿真柴油机动态过程，实验证明其精度达到了94％。并以此模型为对象设计了柴油机动态过程的模糊控制器，计算机仿真结果表明，控制系统的响应时间达到6s,瞬态调速率达到4％。     

船舶柴油机运行工况诊断仿真研究

提出了基于RBF神经网络的故障智能诊断方法。应用神经网络理论对柴油机故障进行智能仿真诊断，并考虑到海上航行环境的大气温度变化，实现大功率船用柴油机运行性能的主要故障的仿真。以对柴油机燃烧系统故障为例进行仿真分析、处理故障并制订相应的维修对策，从而提高柴油机的使用效率和寿命。此外，对开发实船柴油机故障诊断的辅助分析系统和轮机模拟器的功能扩展有实际意义。     

柴油机调速系统动态特性仿真试验研究

文章简要介绍了柴油机和电子调速器的模型,特别是讨论了模型参数对调速系统动态性能的影响,从而对选取PID电子调速器的参数具有一定的指导意义.     

电控柴油机用高速电磁阀的仿真研究

建立了高速强力电磁阀干阀的数学模型，包括磁路模型，电路模型和动力学模型，运用Matlab Simulink将上述三个模型联系起来求解，实现了诸如电流、阀芯位移、电磁力等参数的动态仿真，同时，在试验的基础上验证了模型的正确性，并运用此模型定性研究了驱动电压、残余间隙、运动质量等因素对电磁阀响应速度的影响。     

船用电控柴油机伺服油共轨系统仿真

为分析电控柴油机伺服油共轨系统的动态性能和不同参数对系统性能的影响,以瓦锡兰RT-flex60C船舶柴油机伺服油共轨系统为对象,研究伺服油轨系统的结构特点和工作原理。建立系统主要部件的数学模型,采用SIMULINK仿真软件对伺服油共轨系统进行仿真,通过仿真实验分析伺服油泵转速、收集器和共轨容积、柴油机负荷对伺服共轨管压力波动产生的影响,分析得出收集器和伺服共轨容积对轨压有比较大的影响,因此建议在满足柴油机工作性能的基础上,选用较大的收集器容积或分段式伺服共轨管。     

运行参数对双燃料船用柴油机燃烧和排放性能的影响

为研究运行参数对天然气-柴油双燃料船用发动机燃烧和排放的影响,运用AVL_FIRE仿真软件基于4190Z_LC-2型船用中速柴油机,构建燃烧室高压循环模型。通过将仿真数据和台架试验得到的缸压曲线进行对比,验证模型的准确性。采用模型仿真,研究运行参数对燃烧和排放性能的影响。结果表明:天然气替代率可以明显改善NO的排放,过高的替代率会降低指示功率,损失部分动力性;提高进气温度可改善燃烧质量,合适的进气温度可以改善动力性和经济性;提高进气压力有增压效果,适当提高进气压力可获得较好的动力性和排放性;喷油提前角的增大,会延长滞燃期,缩短后燃期,而合适的喷油提前角可以避免工作粗暴,改善柴油机动力性。     

基于遗传算法的船舶柴油机转速控制系统仿真研究

以12E390V柴油机为对象，建立了柴油机简化传递函数和执行器模型。控制方法采用PID控制，并利用遗传算法优化控制器参数，对柴油机动态调速过程进行了仿真分析，并分别和Z-N(Ziegler Nichols)法、ISTE最优设定法这2种参数整定方法做了比较。结果表明遗传算法的性能远优于其它2种参数整定法。     

柴油机燃烧室形状对排放特性的影响

针对105柴油机排放存在的问题，通过两种不同形状燃烧室的对比试验，证明中央带凸台缩口的燃烧室，适当延迟供油定时可明显改善排放特性。     

基于柴油机受热零部件温度场研究的虚拟故障仿真

在研究柴油机受热零部件温度场的前提下,对活塞在出现某种故障时的温度场进行了数值仿真。     

神经网络在船用柴油机性能诊断中的应用

现代海洋船舶的动力系统主要利用柴油发动机,其故障检测手段及修复一直是船舶动力系统重要研究方向。传统的柴油性能及故障检测一般由工作人的经验进行初始判断,利用检测工具进行定位,而人为因素可靠性及效率较低,已不能满足现代航运业的发展。随着现代计算科学及传感信息技术的发展,自动化的船用柴油故障检测系统成为重要的发展方向。本文研究自适应神经网络,将其应用到柴油机故障诊断中,有效提高诊断的准确性及实效性。     

船舶柴油机NOx排放特性神经网络预测中的试验设计

研究船舶柴油机NOx排放特性神经网络预测中的学习样本选取试验设计方法。根据用于主机的船舶柴油机可能持续运行范围的工况变化特点,提出采用功率因素变边界的均匀设计法进行试验设计选取样本,并验证了其可行性。研究结果表明,变边界均匀设计法选取的样本用于神经网络训练,预测精度明显高于随机样本选取法。4位级变边界均匀设计法选取的样本训练得到的神经网络模型,NOx排放浓度预测误差小于3.8%,NOx比排放预测误差小4.5%。     

基于BP神经网络的船用柴油机振动状态监测

通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。     

利用复合神经网络进行柴油机故障诊断

在对ART-2和并行BP人工神经网络模型进行分析的基础上,提出了一种针对大型复杂设备进行故障诊断的复合神经网络诊断策略:先运用ART-2识別单一类故障,再使用并行BP网络实现并发故障和新故障的分离,解决了对复杂设备并发故障诊断和新故障都能有效识別的问题。该模型利用柴油机缸盖振动数据进行诊断验证,能够有效识別并发故障和新故障等复杂故障类型。     

基于神经网络的柴油机混合建模方法研究

针对柴油机性能仿真中的建模问题,分析不同建模方法的特点,提出机理和神经网络相结合的混合建模方法,采用神经网络在线补偿机理模型的误差,提高模型精度,并能够适应柴油机的时变特性。以6PA6型涡轮增压柴油机为例,在Matlab环境下建立机理-神经网络混合模型。仿真分析得出混合建模的一些结论。     

冷却系统对船用柴油机性能参数的影响研究

推进工况下,为研究某型船用柴油机冷却系统中海水泵转速变化对油耗率、有效功率、峰值缸压、缸盖温度的影响,文章采用GT系列软件建立柴油机工作过程—冷却系统—燃烧室耦合仿真模型,通过仿真计算得到各项性能参数随海水泵转速变化的数据及曲线图。结果表明随着海水泵转速增加,有效功率、峰值缸压增加,在高负荷时增加幅值最大,油耗率、缸盖温度降低,在高负荷时降低幅值最大。     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

  目的  传统的高斯混合模型（GMM）算法存在收敛速度较慢的固有缺陷,容易产生过拟合现象,导致参数计算陷入局部最优,不能很好地用于船舶燃油系统的故障诊断。  方法  首先,分析GMM算法及参数估计算法,结合密度峰值聚类（DPC）算法,提出一种基于DPC-GMM算法的船舶燃油系统故障诊断方法;然后,通过训练船舶燃油系统状态所对应的高斯混合模型参数,实现对船舶燃油系统故障的无监督诊断;最后,基于获取的船舶燃油系统故障数据,验证该方法的有效性。  结果  实验结果表明,采用基于DPC-GMM算法的故障辨识准确率高、识别速度快,优于传统的反向传播（BP）神经网络和支持向量机（SVM）诊断算法。  结论  研究结果对船舶燃油系统的故障诊断有重要的指导意义。