分会场

内燃机碳中和与排放控制

摘要

柴油微粒过滤器（DPF）的再生温度和O2浓度决定了其再生性能。因此，优化发动机喷射参数以提供合适的再生条件是必要的。为降低柴油排放和燃料消耗，提高DPF再生性能，该文提出一种结合非支配排序遗传算法（NSGA-III）和反向传播神经网络（BPNN）预测模型的DPF再生条件多目标优化方法。该方法解决了传统人工校准方法效率低、成本高的问题。在NSGA-III中，通过改变发动机喷射控制参数来优化DPF再生温度（T4和T5）、O2、NOx、烟雾和制动比油耗（BSFC）。采用计算速度快的BPNN计算NSGA -III适应度评价，通过实验生成BPNN训练数据。此外，提出了一种改进的海鸥优化算法（ISOA），以提高BPNN再生条件预测模型的准确性。通过动态调整权重来确定最佳控制参数。结果表明：ISOA的性能得到了显著提高。预测模型T4、T5、废气氧浓度、NOx、烟度和BSFC的平均绝对百分比误差（MAPE）分别降低了0.01%、0.38%、0.81%、0.08%、7.14%、0.36%和0.17%。优化后，T4、T5和O2的平均浓度分别提高了3.14%、2.07%和10.79%。氮氧化物、烟雾和BSFC分别分别下降了8.68%、12.07%和1.03%。该方法为校准DPF再生温度、降低柴油机排放和油耗，同时保证DPF再生安全高效提供了一种有效的方法。

关键词

柴油机;DPF;再生温度;多目标优化;BPNN;NSGA-Ⅲ

电子U盘全文仅限大会已缴费参会代表下载。

您还没有登录，请您先 点击这里登录