本發(fā)明涉及的是一種內(nèi)燃機(jī)燃燒規(guī)律獲取方法。

背景技術(shù)：

為了解決日益嚴(yán)重的環(huán)境污染問題，國際排放法規(guī)越來越苛刻，限制發(fā)動機(jī)的有害排放物，致使生產(chǎn)廠家，對發(fā)動機(jī)的排放控制看得尤為重要。而柴油機(jī)的排放特性與缸內(nèi)燃燒過程有著密切的聯(lián)系，因此實現(xiàn)對燃燒過程的實時控制對發(fā)動機(jī)的排放控制具有重要意義。隨著計算機(jī)技術(shù)的迅猛發(fā)展，計算機(jī)仿真技術(shù)擁有了蓬勃的生命力，通過對現(xiàn)實系統(tǒng)的抽象模仿，抽象出系統(tǒng)模型，人們在計算機(jī)上對這樣的模型進(jìn)行模擬試驗研究，既降節(jié)約了科研和生產(chǎn)成本，降低了風(fēng)險，也提高了科研效率。那么系統(tǒng)模型的可靠性和準(zhǔn)確性，直接決定仿真結(jié)果的可靠性和準(zhǔn)確性。在內(nèi)燃機(jī)領(lǐng)域，基于韋伯(wiebe)燃燒規(guī)則的零維燃燒模型形式簡單，建模難度小，同時在一定的工況范圍內(nèi)具備一定的仿真精度。以此韋伯wiebe)燃燒模型為基礎(chǔ)，眾多研究者們成功的對直噴，非直噴，二沖程柴油機(jī)進(jìn)行了缸內(nèi)壓力和溫度的預(yù)測。研究表明，單韋伯(wiebe)燃燒規(guī)則只適用于一種燃燒相位或者帶有輕微混合的兩種燃燒相位的燃燒過程仿真，對于明顯兩種燃燒相位摻混的燃燒過程不能實現(xiàn)較好仿真，而雙韋伯(wiebe)燃燒規(guī)則可以對兩種燃燒相位摻混的燃燒過程進(jìn)行較好仿真。韋伯wiebe)燃燒規(guī)則的經(jīng)驗參數(shù)會直接影響韋伯(wiebe)燃燒模型的準(zhǔn)確性，有文獻(xiàn)對韋伯(wiebe)燃燒模型的經(jīng)驗參數(shù)如何校準(zhǔn)進(jìn)行了研究，比如代數(shù)分析方法和最小二乘算法，但是代數(shù)分析方法和最小二乘算法各有優(yōu)缺點。前者穩(wěn)定性好，不需要給定初值，但不能保證校準(zhǔn)參數(shù)的最優(yōu)性；后者可保證校準(zhǔn)參數(shù)的局部最優(yōu)性，但是收斂性和校準(zhǔn)結(jié)果依賴于給定的初值。因此有必要考慮將兩種方法進(jìn)行結(jié)合，使兩者優(yōu)缺點互補(bǔ)，最終實現(xiàn)快速且精確地校準(zhǔn)韋伯燃燒規(guī)則經(jīng)驗參數(shù)。對于明顯兩種燃燒相位摻混的燃燒過程，如何自動校準(zhǔn)得出雙韋伯(wiebe)燃燒規(guī)則經(jīng)驗參數(shù)十分關(guān)鍵。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供以已燃分?jǐn)?shù)試驗數(shù)據(jù)為依托，精確地自動校準(zhǔn)得出相關(guān)參數(shù)的雙韋伯燃燒規(guī)則經(jīng)驗參數(shù)自動校準(zhǔn)方法。

本發(fā)明的目的是這樣實現(xiàn)的：

本發(fā)明雙韋伯燃燒規(guī)則經(jīng)驗參數(shù)自動校準(zhǔn)方法，其特征是：

(1)對柴油機(jī)進(jìn)行燃燒試驗，收集已燃分?jǐn)?shù)試驗數(shù)據(jù)，為曲軸轉(zhuǎn)角，xb為和對應(yīng)的已燃分?jǐn)?shù),燃燒擬合起始角取為1％的已燃分?jǐn)?shù)對應(yīng)的曲軸轉(zhuǎn)角，燃燒擬合終點角取為99％的已燃分?jǐn)?shù)對應(yīng)的曲軸轉(zhuǎn)角，并提取之間的試驗數(shù)據(jù)

(2)根據(jù)計算得出和的初步估計值和其中為已燃分?jǐn)?shù)為零時對應(yīng)的曲軸轉(zhuǎn)角，如果已燃分?jǐn)?shù)試驗數(shù)據(jù)始終大于零，以數(shù)據(jù)始點對應(yīng)曲軸轉(zhuǎn)角作為將單韋伯方程進(jìn)行線性化，令實現(xiàn)將試驗數(shù)據(jù)序列的線性化，線性化后的數(shù)據(jù)序列為

(3)對數(shù)據(jù)序列采用燃燒相位分離點確定方法得出燃燒相位分離點p，即找到一個點p使得此點之前和之后的和數(shù)據(jù)分別進(jìn)行直線擬合的綜合r²精度達(dá)到最大；

(4)根據(jù)分離點p將已燃分?jǐn)?shù)試驗數(shù)據(jù)序列分成兩部分，即和其中x1b＝[xb(1),xb(2),…,xb(p)]，x2b＝[xb(p+1),xb(p+2),…,xb(n)]；α0＝xb(p)作為預(yù)混燃燒比例初始值，并對x1b和x2b進(jìn)行歸一化處理：令分別實現(xiàn)將和線性化，對和兩部分?jǐn)?shù)據(jù)序列分別進(jìn)行線性擬合，分別得出擬合斜率a1和a2，由m10＝a1-¹、m20＝a2-1分別得出m10和m20，其中m10和m20分別為預(yù)混燃燒燃燒指數(shù)初始值、擴(kuò)散燃燒燃燒指數(shù)初始值；以α0、m10、m20、和分別作為α、m1、m2、和的迭代初值，采用非線性最小二乘算法擬合得出α、m1、m2、和的最終估計值。

(5)輸出雙韋伯方程參數(shù)集，自動校準(zhǔn)得出雙韋伯(wiebe)燃燒規(guī)則的經(jīng)驗參數(shù)。

本發(fā)明還可以包括：

1、燃燒相位分離點p的獲取方法為：

假設(shè)數(shù)據(jù)分離點i將數(shù)據(jù)序列分成兩部分，第i個數(shù)據(jù)之前的部分為第i個數(shù)據(jù)之后的部分為對和分別進(jìn)行直線擬合，兩部分?jǐn)?shù)據(jù)的線性擬合精度分別為r²1和r²2，綜合精度r²定義為r²(i)＝[r²1×i+r²2×(n-i)]/n，其中n為總的數(shù)據(jù)個數(shù)，可使數(shù)據(jù)分離點i由1～n變化，依次分別求出綜合精度r²，然后取使得綜合精度r²達(dá)到最大值時的數(shù)據(jù)分離點i作為燃燒相位分離點p。

本發(fā)明的優(yōu)勢在于：本發(fā)明根據(jù)韋伯(wiebe)燃燒規(guī)則，以已燃分?jǐn)?shù)試驗數(shù)據(jù)為依托，采用原創(chuàng)的雙韋伯(wiebe)燃燒規(guī)則經(jīng)驗參數(shù)自動校準(zhǔn)方法，最終實現(xiàn)快速且精確地自動校準(zhǔn)得出雙韋伯燃燒規(guī)則經(jīng)驗參數(shù)的方法。雙韋伯(wiebe)燃燒規(guī)則經(jīng)驗參數(shù)自動校準(zhǔn)方法采用原創(chuàng)的燃燒相位分離方法確定燃燒相位分離點，將代數(shù)分析方法和最小二乘算法結(jié)合，使兩者優(yōu)缺點互補(bǔ)，實現(xiàn)雙韋伯(wiebe)燃燒規(guī)則經(jīng)驗參數(shù)的自動校準(zhǔn)，此方法參數(shù)校準(zhǔn)時收斂性和穩(wěn)定性較好，精確度較高，為業(yè)內(nèi)研究人員校準(zhǔn)雙韋伯(wiebe)燃燒規(guī)則經(jīng)驗參數(shù)提供極大便利。

附圖說明

圖1為本發(fā)明的流程圖。

具體實施方式

下面結(jié)合附圖舉例對本發(fā)明做更詳細(xì)地描述：

結(jié)合圖1，首先以點火始點試驗值作為燃燒始點的預(yù)估值以作為燃燒持續(xù)期的估計值對已燃分?jǐn)?shù)試驗數(shù)據(jù)根據(jù)韋伯(wiebe)方程進(jìn)行線性化處理；對處理后的試驗數(shù)據(jù)首先采用本發(fā)明提出的燃燒相位分離點確定方法得出燃燒相位分離點，其次根據(jù)燃燒相位分離點將試驗數(shù)據(jù)分成兩部分，并對這兩部分?jǐn)?shù)據(jù)分別進(jìn)行相應(yīng)處理，然后對處理后的兩部分?jǐn)?shù)據(jù)分別采用代數(shù)分析方法得出雙韋伯(wiebe)燃燒規(guī)則經(jīng)驗參數(shù)初步估計值，最后采用非線性最小二乘算法校準(zhǔn)得出雙韋伯(wiebe)燃燒規(guī)則經(jīng)驗參數(shù)最終估計值。

雙韋伯(wiebe)燃燒規(guī)則經(jīng)驗參數(shù)自動校準(zhǔn)方法，計算流程如下：

步驟一：導(dǎo)入測定的已燃分?jǐn)?shù)試驗數(shù)據(jù)序列其中為曲軸轉(zhuǎn)角，xb為和對應(yīng)的已燃分?jǐn)?shù)，燃燒擬合起始角取為略大于0(優(yōu)選為1％)的已燃分?jǐn)?shù)xb對應(yīng)的曲軸轉(zhuǎn)角，燃燒擬合終點角取為略小于1(優(yōu)選為99％)的已燃分?jǐn)?shù)xb對應(yīng)的曲軸轉(zhuǎn)角，并提取之間的試驗數(shù)據(jù)

步驟二：根據(jù)已燃分?jǐn)?shù)試驗數(shù)據(jù)序列首先計算得出和的初步估計值和其中為已燃分?jǐn)?shù)為零時對應(yīng)的曲軸轉(zhuǎn)角(為提高該方法的適用性和穩(wěn)定性，如果已燃分?jǐn)?shù)試驗數(shù)據(jù)始終大于零，以數(shù)據(jù)始點對應(yīng)曲軸轉(zhuǎn)角作為)。將單韋伯方程進(jìn)行線性化，令實現(xiàn)將試驗數(shù)據(jù)序列的線性化，線性化后的數(shù)據(jù)序列為

步驟三：對數(shù)據(jù)序列采用燃燒相位分離點確定方法得出燃燒相位分離點p。假設(shè)數(shù)據(jù)分離點i將數(shù)據(jù)序列分成兩部分，第i個數(shù)據(jù)之前的部分為第i個數(shù)據(jù)之后的部分為對和分別進(jìn)行直線擬合，兩部分?jǐn)?shù)據(jù)的線性擬合精度分別為r²1和r²2，綜合精度r²定義如下式所示，其中n為總的數(shù)據(jù)個數(shù)，可使數(shù)據(jù)分離點i由1～n變化，依次分別求出綜合精度r²，然后取使得綜合精度r²達(dá)到最大值時的數(shù)據(jù)分離點i作為燃燒相位分離點p。

r²(i)＝[r²1×i+r²2×(n-i)]/n

步驟四：根據(jù)燃燒相位分離點p將已燃分?jǐn)?shù)試驗數(shù)據(jù)序列分成兩部分，即和其中x1b＝[xb(1),xb(2),…,xb(p)]，x2b＝[xb(p+1),xb(p+2),…,xb(n)]。α0＝xb(p)作為預(yù)混燃燒比例初始值，并對x1b和x2b進(jìn)行歸一化處理：令分別實現(xiàn)將和線性化，對和兩部分?jǐn)?shù)據(jù)序列分別進(jìn)行線性擬合，分別得出擬合斜率a1和a2，由m10＝a1-1、m20＝a2-1分別得出m10和m20，其中m10和m20分別為預(yù)混燃燒燃燒指數(shù)初始值，擴(kuò)散燃燒燃燒指數(shù)初始值；a1和a2均優(yōu)選為定值4.605(不局限于4.605)，對應(yīng)于0％～99％已燃分?jǐn)?shù)燃燒持續(xù)期，作為燃燒效率因數(shù)。以α0、m10、m20、和分別作為α、m1、m2、和的迭代初值，采用非線性最小二乘算法擬合得出α、m1、m2、和的最終估計值。

步驟五：輸出雙韋伯方程參數(shù)集。

至此根據(jù)測定的試驗數(shù)據(jù)，就可以自動校準(zhǔn)得出雙韋伯(wiebe)燃燒規(guī)則的經(jīng)驗參數(shù)。

雙韋伯(wiebe)燃燒規(guī)則經(jīng)驗參數(shù)自動校準(zhǔn)方法具體原理如下：

單韋伯方程如式(3)所示。

式中，xb為已燃燃料百分?jǐn)?shù)；m為燃燒品質(zhì)指數(shù)；a為燃燒效率因子；—瞬時曲軸轉(zhuǎn)角；—燃燒持續(xù)角；—燃燒始點。

對于由xb為0時對應(yīng)的曲軸轉(zhuǎn)角確定；對于由xb為0～0.99對應(yīng)的曲軸轉(zhuǎn)角期確定。

通常將50％放熱量對應(yīng)的曲軸轉(zhuǎn)角作為燃燒中心，對應(yīng)于式(3)，即是：

整理可得：

將式(5)轉(zhuǎn)化為：

由式(6)可知，通過求g和h的斜率即可計算得出m。

假設(shè)燃燒擬合起始點為xbs，對應(yīng)的曲軸轉(zhuǎn)角為燃燒擬合終點為xbc，對應(yīng)的曲軸轉(zhuǎn)角為由式(3)可以得出：

對于燃燒持續(xù)期選為0～99％已燃分?jǐn)?shù)對應(yīng)的曲軸轉(zhuǎn)角期間時，

由式(7)可以看出，對于不同的燃燒持續(xù)期和m，a也會不同。本發(fā)明a優(yōu)選為4.605。

將式(3)單韋伯燃燒規(guī)則轉(zhuǎn)化為：

對于直噴柴油機(jī)，燃燒過程中除了擴(kuò)散燃燒模式外總是或多或少地存在預(yù)混燃燒模式，為了方便雙韋伯方程參數(shù)校準(zhǔn)，找到預(yù)混燃燒和擴(kuò)散燃燒兩種燃燒模式的分離點十分關(guān)鍵。本軟件采取了一種原創(chuàng)性方法來確定燃燒模式分離點，確認(rèn)算法描述如下。

由式(8)可以看出m的大小可以反映燃燒過程的快慢。對于預(yù)混燃燒模式，燃燒速度較快，因此m較?。粚τ跀U(kuò)散燃燒模式，燃燒速度較慢，因此m較大。燃燒模式分離點即是找到一個點使得此點之前和之后的g和k數(shù)據(jù)分別進(jìn)行直線擬合的綜合r²精度達(dá)到最大。假設(shè)對此點(第p個數(shù)據(jù)點)之前的g和k采用線性擬合的r²精度為r²1，此點之后的g和k采用線性擬合的r²精度為r²2，定義綜合r²(p)精度為：

則，取r²(p)為最大值時對應(yīng)的p即為所要找的燃燒模式分離點。

根據(jù)數(shù)據(jù)分離點p將已燃分?jǐn)?shù)試驗數(shù)據(jù)分成兩部分，x1b＝xb(1:p)，x2b＝xb(p+1:end)，α0＝xb(p)，并對x1b和x2b進(jìn)行處理：對處理后的兩撥數(shù)據(jù)分別進(jìn)行代數(shù)分析，得出m、和的預(yù)估值，作為最小二乘算法的迭代初始值。

最小二乘算法常用于非線性方程擬合問題，其理論如下所述。

給定n對自變量和因變量的試驗數(shù)據(jù)(xi,yi)，待確定的參數(shù)集為β，選取的擬合方程為p(x,β)，因此，誤差的平方和為：

最小二乘算法即是得到一組β使得s(β)最小。

本發(fā)明優(yōu)選的最小二乘算法為levenberg-marquardt算法。算法計算開始需要給定待校準(zhǔn)參數(shù)集β的初始值。之后，在每一個迭代步β采用新估計的值β+δ代替。為了確定δ，對方程p(xi,β+δ)進(jìn)行線性估計：

p(xi,β+δ)＝p(xi,β)+jiδ(11)

式中為相對于β的梯度。當(dāng)s(β)達(dá)到最小時，s(β)對δ的梯度變?yōu)?。根據(jù)式(11)，式(10)的一階估計如下式：

以向量的形式表示為：

s(β+δ)≈||y-f(β)-jδ||²(13)

式(13)對j求導(dǎo)，并令導(dǎo)函數(shù)為零，可得：

(j^tj)δ＝j(luò)^t[y-f(β)](14)

levenberg-marquardt算法對式(14)進(jìn)行了改進(jìn)，變?yōu)橄率剑?/p>

(jtj+λi)δ＝j(luò)^t[y-f(β)](15)

式中，i為單位矩陣，λ為阻尼系數(shù)，用于調(diào)整每次迭代的步長。λ為零時，式(15)退化為式(14)，為高斯—牛頓算法；λ為較大值時，式(15)退化為梯度下降算法。

為了提高式(15)的收斂速度，對式(15)用j^tj代替i，最終的levenberg-marquardt算法如下式所示：

(j^tj+λdiag(j^tj))δ＝j(luò)^t[y-f(β)](16)

由于最小二乘算法在計算開始時需要給定待校準(zhǔn)參數(shù)的初始值，而最小二乘算法的收斂性和迭代計算時間對初始值依賴性較強(qiáng)，且最終的結(jié)果不能保證全局最優(yōu)性，只能保證局部最優(yōu)性，因此給定較合理的初值十分關(guān)鍵。本發(fā)明采用代數(shù)分析方法根據(jù)試驗數(shù)據(jù)計算得出的韋伯經(jīng)驗參數(shù)作為最小二乘算法的初始值，然后進(jìn)行進(jìn)一步的迭代計算，如此即可保證校準(zhǔn)結(jié)果的最優(yōu)性，又可很大程度提高最小二乘法的收斂性，并能減小迭代計算時間。