[发明专利]基于遗传及神经网络算法的内燃机进气道模型设计方法

摘要

本发明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。

主权项

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C_f及涡流强度N_R，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C_f，神经网络预测值与模拟值的偏差应小于1％；涡流强度N_R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C_f及涡流强度N_R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C_f及涡流强度N_R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，$C_p=\sqrt{{\left(\frac{{\mathrm{BN}}_R}{4Dn}\right)}^2+{\left(\frac{{\mathrm{DC}}_f}{4L}\right)}^2}---\left(1\right)$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；N_R为涡流强度，C_f为流量系数，N_R和C_f两个评价指标均由进气道性能参数决定。