柴油/甲醇双燃料发动机低负荷工况性能优化与排放协同控制研究

《Fuel》：Experimental investigation and optimization of performance and emissions reduction in a diesel/methanol dual-fuel engine under low load condition

本文系统研究柴油/甲醇双燃料（DMDF）发动机在低负荷工况下，通过调控甲醇替代率（MSR）、进气温度和过量空气系数（λ）等关键参数，结合BP神经网络与非支配排序遗传算法III（NSGA-III）进行多目标优化，显著降低了氮氧化物（NOx）、颗粒物数量（PN）、总碳氢化合物（THC）、一氧化碳（CO）排放及制动燃料消耗率（BSFC），为DMDF发动机的低排放高效运行提供了重要工程应用策略。

　　

燃烧特性

不同甲醇替代率（MSR）和进气温度在25%负荷下的缸内压力和放热率（HRR）曲线如图3所示。如图所示，随着MSR的增加，最大放热率（HRR_max）逐渐降低。HRR_max的降低可能归因于甲醇比例的增加，这延长了点火延迟期，导致燃烧开始时间推迟。此外，在所有工况下，HRR曲线始终显示出两个明显的峰值。研究中使用的引燃/主喷策略导致了这种现象。第一个峰值对应于引燃柴油的燃烧，而第二个更宽的峰值则归因于预混甲醇-空气混合气和主喷柴油的燃烧。值得注意的是，随着MSR的增加，第二个峰值明显降低，这表明甲醇的加入抑制了主燃烧期的放热强度。此外，随着进气温度的升高，HRR_max呈现出增加的趋势。较高的进气温度促进了燃料的蒸发和混合，从而加速了燃烧过程。然而，这也导致了更高的缸内平均温度，可能会增加氮氧化物（NO_x）的形成。

结论

本研究以进气温度、MSR和λ为决策变量，优化了柴油/甲醇双燃料发动机在低负荷条件下的性能。首先，利用发动机试验台架研究了这些参数对25%负荷下DMDF发动机燃烧和排放特性的影响。然后，利用实验数据集建立了BP神经网络模型来预测发动机性能。最后，通过将BP模型与NSGA-III算法相结合，对制动燃料消耗率（BSFC）、NO_x排放、颗粒物数量（PN）排放、总碳氢化合物（THC）排放和一氧化碳（CO）排放进行了多目标优化。研究结果表明，增加MSR会延长点火延迟期，降低最大放热率和缸内平均温度。MSR的增加也会导致BSFC升高，并且这种趋势随着进气温度的降低而变得更加明显。当λ从2.25增加到3.25时，BSFC、NO_x和PN排放均有所降低，但THC排放显著增加。提高进气温度可以抑制THC和PN排放，并且这种抑制效果随着λ的增加而增强。在λ较低时，提高进气温度可以抑制CO排放，而在λ较高时，提高进气温度反而会增加CO排放。与原始工况点相比，BSFC和THC的协同优化能更好地改善发动机性能，在NO_x排放仅轻微增加的情况下，实现了BSFC、THC、PN和CO排放的全面降低。这项研究为DMDF发动机在低负荷工况下的性能优化提供了有效的解决方案。