本发明专利技术公开了一种基于遗传及神经网络算法的内燃机进气道模型设计方法，具体涉及到：切向气道模板构建、神经网络训练、切向气道的设计及优化。在进行气道模板构建时，考虑了与气道设计布置相关的各个方面，以便达到结构及性能要求的整体目标，针对切向气道的特点确定出18个尺寸参数对气道的结构和性能进行控制。由于气道结构复杂，性能难以控制，导致设计困难且开发周期长的缺陷，本发明专利技术在构建切向气道模板和完成神经网络训练的基础上，设计同一类型的切向气道时，不需要对气道模型重新构建和优化，只需将气道模板中的参数更换为采用遗传及神经网络算法优化后的气道参数组，即可完成切向气道的设计和优化，有效节省了开发周期和成本。
【技术实现步骤摘要】
本专利技术属于内燃机构件设计，具体涉及一种采用计算方法对柴油机气道模型进行设计和优化的方法。
技术介绍
内燃机气道的形状直接影响到缸内气体流动和燃烧的优劣，从而在很大程度上影响着发动机的动力性、经济性和排放特性。进气道因为具有复杂的空间曲面结构，而且受气体流动性质、空间结构、铸造加工等条件限制从对燃烧状况产生影响。流量系数与涡流强度是衡量气道性能的两个重要评价参数，这两个参数呈此消彼长关系，导致气道的流动性能难以有效的控制，需要数值模拟或实验反复进行调整。所以内燃机气道的优化设计一直是内燃机技术开发的重点与难点之一。进气道开发设计一是依靠经验，加工制作后通过试验进行鉴定，这种方法通常依靠有经验的技师完成，设计周期长且效果较差。部分欧美国家依赖经验和数据库对气道进行造型设计，即使这样仍然缺乏科学的定量性。因此，本专利技术的提出可有助于快速、定量对内燃机进气道进行设计开发。
技术实现思路
本专利技术的目的是，提供一种基于遗传及神经网络算法的内燃机进气道模型设计方法，可以大幅度缩短内燃机气道的开发周期和成本，同时可以满足内燃机高效清洁燃烧的要求。基于遗传及神经网络算法的内燃机进气道模型设计，包括三个部分：切向气道模板构建、神经网络训练、以及切向气道的设计及优化。(1)切向气道模板构建通过18项参数确定切向气道的形状结构，其中参数1是气缸直径；参数2是进气道出口外径；参数3是气缸中心和进气道出口中心连线与进气道入口方向的夹角；参数4是进气道出口与缸盖底面的距离；参数5是气缸中心至进气道出口中心的距离；参数6是进气道长度；参数7是进气道入口中心至气缸中心的距离；参数8是进气道入口宽度；参数9是进气道入口高度；参数10是进气道入口中心至缸盖底面的距离；参数11是进气道入口圆角；参数12是整个气道沿分型线的拔模斜度；参数13是气道凸台高度；参数14是气道凸台直径；参数15是进气道出口上方壁面与缸盖底平面的夹角；参数16是进气道出口下方壁面与缸盖底平面的夹角；参数17是气缸中心和进气道出口中心连线与进气道出口中心线的水平夹角；参数18是进气道出口上方壁面的垂直段高度。以所述18个气道参数为基础数据，对切向气道进行参数化建模，通过改变18个参数的具体数值即可获得不同尺寸的切向气道三维模型。参数1至参数14主要用于控制气道的空间结构，参数15至参数18用于控制气道的性能。(2)神经网络训练将参数15进气道出口上方壁面与缸盖底平面的夹角、参数16进气道出口下方壁面与缸盖底平面的夹角、参数17气缸中心和进气道出口中心连线与进气道出口中心线的水平夹角、以及参数18进气道出口上方壁面的垂直段高度，进行无量纲化。将这四个参数运用正交试验的方法选取至少41个参数组，其中：4因素5水平正交实验表共25个参数组；4因素4水平正交实验表共16个参数组。将41个参数组的数值输入到气道模板中分别生成41个对应的气道三维模型。计算每个参数组对应气道三维模型最大气门升程的流量系数Cf及涡流强度NR。从上述41个数据中随机选取36组数据对神经网络进行训练，训练完成后，再以其余5组数据作为验证数据，验证神经网络的预测模型准确性。其中流量系数Cf，神经网络预测值与模拟值的偏差应小于1％；涡流强度NR神经网络预测值与模拟值的偏差应小于2％。若不满足要求，则重新对神经网络进行训练，直至满足要求为止。由此建立以四个性能参数为输入变量、以流量系数Cf及涡流强度NR为输出变量的三层人工神经网络预测模型。(3)切向气道的设计及优化根据对流量系数Cf及涡流强度NR的要求，将四个性能参数从神经网络训练中的36组数据中选出涡流强度变化差异最大的两组，输入到气道模板中形成新的两个切向气道。然后在最大气门升程状态，分别对两个气道进行稳流状态数值模拟计算，将计算结果与神经网络预测结果进行对比。然后利用线性插值的方法对设计目标进行修正，根据修正后的目标采用遗传算法耦合神经网络对气道参数进行优化，最终得到一组最优的气道参数，将该组参数对气道模板中的参数进行替换，获得最终气道三维模型。在采用遗传算法优化参数过程中，性能系数Cp将作为目标函数对气道参数进行筛选。目标函数如式1所示，式1是对流量系数和涡流强度的一个综合加权的结果。 C p = ( BN R 4 D n ) 2 + ( DC f 4 L ) 2 - - - ( 1 ) ]]>其中：B为缸径；D为气门内座圈直径；n为打开的气门数；L为气门升程；NR为涡流强度，Cf为流量系数，NR和Cf两个评价指标均由进气道性能参数决定。本专利技术的特点及产生的有益效果是，与传统的设计方法相比，本专利技术的特点是在构建切向气道模板和完成神经网络训练的基础上，设计同一类型的切向气道时，不需要对气道模型进行重新构建和优化，只需将气道模板中的参数更换为采用遗传算法耦合神经网络优化后的
气道参数组即可完成切向气道的设计和优化，有效节省了开发周期和成本。附图说明图1是气道端面方向所对应的参数。图2是气道主视方向所对应的参数。图3是用于本专利技术中的神经网络结构。图4是切向气道设计方法流程。图5是遗传算法优化流程。具体实施方式以下结合图1至图4并通过具体实施例对本专利技术的方法过程做进一步的解释和说明。基于遗传及神经网络算法的内燃机进气道模型设计方法，包括三个部分：切向气道模板构建、神经网络训练、以及切向气道的设计及优化。(1)切向气道模板构建在进行气道模板构建时，必须考虑与气道设计布置相关的各个方面，包括缸盖设计、在缸盖上安装的附属机构、铸造工艺、结构强度等各个方面，以便达到结构及性能要求的整体目标。此外，该模板应满足大部分切向气道的通用特征。因此针对切向气道的特点确定出18个尺寸参数对气道的结构和性能进行控制(如图1、2所示)。其中参数1是气缸直径；参数2是进气道出口外径；参数3是气缸中心和进气道出口中心连线与进本文档来自技高网...
【技术保护点】
基于遗传及神经网络算法的内燃机进气道模型设计方法，其特征是进气道模型设计包括三个部分：切向气道模板构建、神经网络训练、以及切向气道的设计及优化，(1)切向气道模板构建通过18项参数确定切向气道的形状结构，其中：参数1是气缸直径；参数2是进气道出口外径；参数3是气缸中心和进气道出口中心连线与进气道入口方向的夹角；参数4是进气道出口与缸盖底面的距离；参数5是气缸中心至进气道出口中心的距离；参数6是进气道长度；参数7是进气道入口中心至气缸中心的距离；参数8是进气道入口宽度；参数9是进气道入口高度；参数10是进气道入口中心至缸盖底面的距离；参数11是进气道入口圆角；参数12是整个气道沿分型线的拔模斜度；参数13是气道凸台高度；参数14是气道凸台直径；参数15是进气道出口上方壁面与缸盖底平面的夹角；参数16是进气道出口下方壁面与缸盖底平面的夹角；参数17是气缸中心和进气道出口中心连线与进气道出口中心线的水平夹角；参数18是进气道出口上方壁面的垂直段高度，以所述18个气道参数为基础数据，对切向气道进行参数化建模，通过改变18个参数的具体数值即可获得不同尺寸的切向气道三维模型；(2)神经网络训练将参数15进气道出口上方壁面与缸盖底平面的夹角、参数16进气道出口下方壁面与缸盖底平面的夹角、参数17气缸中心和进气道出口中心连线与进气道出口中心线的水平夹角、以及参数18进气道出口上方壁面的垂直段高度，进行无量纲化，将这四个参数运用正交试验的方法选取至少41个参数组，其中4因素5水平正交实验表共25个参数组；4因素4水平正交实验表共16个参数组，将41个参数组的数值输入到气道模板中分别生成41个对应的气道三维模型，计算每个参数组对应气道三维模型最大气门升程的流量系数Cf及涡流强度NR，从该41个数据中随机选取36组数据对神经网络进行训练，训练完成后，再以其余5组数据作为验证数据，验证神经网络的预测模型准确性，其中流量系数Cf，神经网络预测值与模拟值的偏差应小于1％；涡流强度NR神经网络预测值与模拟值的偏差应小于2％，若不满足要求，则重新对神经网络进行训练，直至满足要求为止，由此建立以四个性能参数为输入变量、以流量系数Cf及涡流强度NR为输出变量的三层人工神经网络预测模型，(3)切向气道的设计及优化根据对流量系数Cf及涡流强度NR的要求，将四个性能参数从神经网络训练中的36组数据中选出涡流强度变化差异最大的两组，输入到气道模板中形成新的两个切向气道，然后在最大气门升程状态，分别对所述两个气道进行稳流状态数值模拟计算，将计算结果与神经网络预测结果进行对比，然后利用线性插值的方法对设计目标进行修正，根据修正后的目标采用遗传算法耦合神经网络对气道参数进行优化，最终得到一组最优的气道参数，将该组参数对气道模板中的参数进行替换，获得最终气道三维模型，在采用遗传算法优化参数过程中，性能系数Cp将作为目标函数对气道参数进行筛选,目标函数如式1所示，式1是对流量系数和涡流强度的一个综合加权的结果，Cp=(BNR4Dn)2+(DCf4L)2---(1)]]>其中：B为缸径；D为气门内座圈直径；n为打开的气门数；L为气门升程；NR为涡流强度，Cf为流量系数，NR和Cf两个评价指标均由进气道性能参数决定。...
【技术特征摘要】
1.基于遗传及神经网络算法的内燃机进气道模型设计方法，其特征是进气道模型设计包括三个部分：切向气道模板构建、神经网络训练、以及切向气道的设计及优化，(1)切向气道模板构建通过18项参数确定切向气道的形状结构，其中：参数1是气缸直径；参数2是进气道出口外径；参数3是气缸中心和进气道出口中心连线与进气道入口方向的夹角；参数4是进气道出口与缸盖底面的距离；参数5是气缸中心至进气道出口中心的距离；参数6是进气道长度；参数7是进气道入口中心至气缸中心的距离；参数8是进气道入口宽度；参数9是进气道入口高度；参数10是进气道入口中心至缸盖底面的距离；参数11是进气道入口圆角；参数12是整个气道沿分型线的拔模斜度；参数13是气道凸台高度；参数14是气道凸台直径；参数15是进气道出口上方壁面与缸盖底平面的夹角；参数16是进气道出口下方壁面与缸盖底平面的夹角；参数17是气缸中心和进气道出口中心连线与进气道出口中心线的水平夹角；参数18是进气道出口上方壁面的垂直段高度，以所述18个气道参数为基础数据，对切向气道进行参数化建模，通过改变18个参数的具体数值即可获得不同尺寸的切向气道三维模型；(2)神经网络训练将参数15进气道出口上方壁面与缸盖底平面的夹角、参数16进气道出口下方壁面与缸盖底平面的夹角、参数17气缸中心和进气道出口中心连线与进气道出口中心线的水平夹角、以及参数18进气道出口上方壁面的垂直段高度，进行无量纲化，将这四个参数运用正交试验的方法选取至少41个参数组，其中4因素5水平正交实验表共25个参数组；4因素4水平正交实验表共16个参数组，将41个参数组的数值输入到气道模板中分别生成41个对应的气道三维模型，计算每个参数组对应气道三维模型最大气门升程的流量系数Cf及涡流强度NR，从该41个数据中随机选取36组数据对神经网络进行训练，训练完成后，再以其余5组数据作为验证数据，验证神经网络的预测模型准确性，其中流量系数Cf，神经网络预测值与模拟值的偏差应小于1％；涡流强度NR神经网络预测值与模拟值的偏差应小于2％，若不满足要求，则重新对神经网络进行训练，直至满足要求为止，由此建立以四个性能参数为输入变量、以流量系数Cf及涡流强度NR为输出变量的三层人工神经网络预测模型，(3)切向气道的设计及优化根据对流量系数Cf及涡流强度NR的要求，将四个性能参数从神...
【专利技术属性】
技术研发人员：鲁祯，王天友，王利民，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。