面向船用柴油机标定与性能图谱的系统级序贯优化框架

《Journal of Marine Engineering & Technology》：A system-level optimisation framework for marine diesel engine calibration and performance mapping

　　

本研究提出了一种用于船用柴油机标定与性能图谱的序贯优化框架。该框架将一维WAVE发动机仿真模型与基于MATLAB的非线性约束优化器相耦合，能够在真实的热力学、运行、排放及燃烧稳定性约束下，沿发动机负荷图谱对关键控制变量进行系统化整定。方法分为三个相互衔接的模块。第一模块基于Chen–Flynn关联式，采用优化的摩擦模型对机械损失进行标定，确保摩擦平均有效压力（FMEP）的准确表征。第二模块通过整定扩展Zeldovich机理的Arrhenius系数，对氮氧化物（NOx）排放进行标定。第三模块将已标定的摩擦与NOx子模型作为固定组件嵌入系统级负荷图谱优化框架中。优化过程调整涡轮增压器转速、燃油率、喷射始点与喷射持续时间，同时满足制动功率、最高压力、最高温度、排气温度、空燃比（AFR）、NOx排放及燃烧稳定性等约束。AFR被用作受约束的进气管理目标，而非最小制动比油耗（BSFC）的直接替代量。同时开展了基于BSFC的约束优化作为基准。结果表明，所生成的船用发动机图谱平滑、满足约束且物理一致。

研究背景方面，国际海事组织（IMO）日益严格的排放限值推动船用推进领域向更清洁、更高效的发动机运行方向发展。除改善燃油经济性外，船用柴油机还需大幅降低氮氧化物（NOx）、硫氧化物（SOx）、二氧化碳（CO2）及颗粒物（PM）排放，低硫燃料及液化天然气（LNG）、甲醇、氢等低碳与替代燃料的部署进一步推动了新燃烧概念及先进标定/优化方法的发展。在此背景下，发动机优化成为核心研究主题，燃油喷射正时与压力、空燃比（AFR）、涡轮增压器运行及废气再循环（EGR）率等关键控制手段直接决定制动比油耗（BSFC）与污染物生成。现有研究广泛采用基于热力学分析、系统级仿真及计算流体力学（CFD）的计算优化框架，人工智能（AI）、机器学习（ML）等数据驱动工具亦被用于加速响应预测与优化。然而，当前船用发动机优化研究通常将不确定的子模型参数与运行控制变量置于同一优化层内整定，摩擦损失或NOx生成建模的误差可能被喷射正时、进气供给或燃油供给的变化间接补偿，从而产生看似可行但物理可解释性降低、在全负荷图谱上鲁棒性受限的解。针对这一局限，本研究提出了一种将子模型标定与运行图谱优化相分离的序贯系统级优化框架。模块I采用Chen–Flynn公式标定摩擦损失表征，模块II通过扩展Zeldovich机理的Arrhenius系数标定NOx排放模型，这两个模块已在前期研究中开发并作为固定预标定子模型使用，在最终发动机性能优化阶段不再重新整定。本文的主要贡献为模块III，即将已标定的摩擦与NOx排放子模型集成到受约束的负荷图谱优化框架中，以涡轮增压器转速、燃油率、喷射始点与喷射持续时间为控制变量优化发动机性能。研究围绕一个核心问题展开：由固定预标定摩擦与NOx子模型构建的序贯WAVE–MATLAB优化框架能否在全负荷图谱上生成物理一致且满足约束的船用发动机图谱，以及所得图谱如何受所选优化目标与验证范围的影响。为厘清目标函数的影响，研究在相同一维WAVE模型、设计变量、边界、制动功率等式约束、不等式约束、惩罚形式及多起点策略下比较了最大AFR与基于BSFC的约束优化，以评估改变目标函数是否影响所得发动机图谱，并识别AFR、BSFC、涡轮增压器行为、喷射相位、压力、温度与排放方面的相关权衡。本研究的科学贡献在于将既有方法按层级组织并在系统级集成，形成可用于船用柴油机标定与性能图谱的可复用工作流，通过将已标定摩擦与NOx子模型作为固定物理组件嵌入，限制子模型与控制变量之间的补偿效应，改善建模假设与优化结果之间的可追溯性，并支持生成平滑、满足约束且物理一致的发动机图谱；但本研究未包含序贯策略与同步或联合标定策略之间的直接定量比较，因此补偿效应的降低并非作为直接测得的数值结果加以宣称，而是通过改善的可追溯性、子模型标定与控制变量优化之间更清晰的分离以及物理一致优化图谱的生成来体现。研究人员开展了三模块序贯框架的构建与验证研究，得出该框架能够在许用运行包线内生成平滑、物理一致且满足约束的发动机图谱的结论，优化器在满足所需制动功率的同时维持了最高压力、最高温度、排气温度、AFR、NOx排放及燃烧稳定性等限制，所得图谱显示涡轮增压器行为、燃油喷射、燃烧相位、摩擦损失、传热与排气排放之间协调耦合，可行解不依赖于不真实的间断或非物理的子模型行为；AFR被明确为受约束的进气管理目标而非最小BSFC或最大效率的直接替代量，优化后的AFR值在负荷图谱上变化，相应的性能、热力学、燃烧与排放图谱被解释为与这些优化AFR水平相关的条件输出；比较优化表明两种目标均非普遍优越，二者BSFC差异一般在约±2%以内，最大AFR目标在八个选定工况中的四个产生较低BSFC，而最小BSFC目标在若干工况下普遍降低了NOx排放、最高缸内压力与峰值温度，表明AFR最大化在某些区域可产生物理一致的近最小BSFC解，而最小BSFC优化仍是评估燃油效率与排放权衡的重要基准；敏感性分析进一步支持了优化结果的物理可解释性，涡轮增压器转速主要影响AFR、增压压力与充气效率等进气管路变量，而喷射始点对燃烧相位、峰值压力、峰值温度与NOx生成影响更强，CO排放在各排放输出中表现出最高敏感性，表明不完全燃烧产物对局部燃烧与标定条件的强烈依赖性。上述发现确认了该框架作为诊断工具用于理解标定变量与发动机响应之间因果关系的有效性。本研究的重要意义在于提供了将已建立的摩擦与NOx标定方法层级化组织并系统级集成为可复用工作流的方案，通过将已标定子模型作为固定物理组件嵌入，限制了子模型与控制变量之间的补偿效应，改善了建模假设与优化结果之间的可追溯性，并为未来扩展至双燃料及替代燃料船用发动机应用提供了可扩展基础。

在关键技术方法方面，研究采用一维WAVE发动机仿真平台对船用柴油机进行建模，模型包含12缸V型涡轮增压发动机的几何、边界条件、燃烧与传热过程以及经标定的子模型，燃烧采用填充-排空双区热力学方法并基于Watson等提出的燃烧质量分数模型，传热采用Woschni关联式，摩擦采用Chen–Flynn经验关联式表征摩擦平均有效压力（FMEP），NOx生成采用扩展Zeldovich机理并对其Arrhenius系数进行标定，CO与未燃碳氢（HC）排放分别采用基于燃烧的Newhall子模型与基于喷油器容积的简化子模型预测；仿真在稳态条件下每工况运行40个完整循环以确保收敛，并通过WAVE应用程序接口（API）将输出导出至MATLAB实现自动标定与优化；优化采用MATLAB/Simulink中实现的fmincon非线性约束优化算法（内点法），并采用多起点策略以改善鲁棒性，每个优化案例约需4–8小时，基于AFR的完整负荷图谱使用88个工况点生成；目标与约束通过静态惩罚形式嵌入适应度函数，惩罚常数R取1000；敏感性分析在七个代表性工况点（沿螺旋桨曲线与全负荷曲线选取）对涡轮增压器转速、喷射始点与喷射持续时间施加局部扰动，并以归一化敏感性指数构建全局敏感性热图。需说明的是，目标发动机MAN D2862 LE448的详细实验台架数据不可得，模型仅与制造商参考规格在额定工况进行验证；为提供额外的工作流验证，研究采用W?rtsil? 9L46C中速船用柴油机的试车记录作为独立验证案例，未使用该数据对MAN发动机的任何参数进行标定。

研究结果方面，模型参考比较与独立工作流验证部分，通过将所开发的一维MAN D2862 LE448发动机模型与制造商额定工况参考数据比较，得出预测制动功率与参考值749 kW一致、BSFC重现为208 g/kW·h、空气质量流量偏差仅0.07%、排气温度偏差3.09%的结论，表明模型再现了制造商报告的主要额定点性能特征，但该比较被视为基于规格的验证而非完整实验验证；通过采用W?rtsil? 9L46C试车数据进行独立工作流验证，得出制动功率误差在?0.05%至0.00%之间、涡轮增压器转速误差在?9.05%至7.15%之间、涡轮前排气温度误差在?5.63%至?1.38%之间、最高缸内压力误差在?3.94%至6.25%之间、增压空气压力误差在?3.75%至6.69%之间、可用NO测量点误差分别为?6.96%、?0.09%与0.18%的结论，表明WAVE–MATLAB工作流能够以可接受的工程精度再现独立船用发动机案例的选定性能、涡轮增压器、进气管路、压力、热响应及可用NO排放趋势，但该验证不替代目标发动机的直接实验验证。基于AFR的发动机负荷图谱优化结果部分，通过最大AFR目标优化得出优化AFR在许用负荷-转速区域内约在21至60之间变化、较高AFR主要出现在较低制动功率需求尤其在中高转速处、较低AFR出现在高负荷工况的结论；喷射系统方面，通过AFR优化下的BSFC图谱得出预测BSFC在中速与中高负荷区域（约1400–1700 rpm与350–500 kW）形成连贯效率区的结论，表明AFR目标未迫使优化器趋向会损害燃油消耗的不真实高气流解，通过喷射持续时间图谱结合物理喷射时间换算得出喷射持续时间在运行包线上总体连续变化、局部变化源于优化器为满足AFR目标及压力、温度、排放与燃烧稳定性约束而调整燃油供给的结论，通过喷射始点图谱得出优化SOI在边界内平滑变化且与热力学及排放图谱一致的结论，表明优化器在AFR目标与燃烧及排放约束之间取得平衡而非单纯提前喷射正时；热力学属性方面，通过增压压力、容积效率、压气机出口温度、进气歧管温度、最高缸内压力、最高燃烧温度、排气压力与排气温度图谱得出这些输出保持平滑、相互一致且在 imposed 约束内的结论，表明AFR目标并非通过将燃烧过程推至可接受机械或热边界之外来实现；涡轮增压器方面，通过优化涡轮增压器转速图谱得出其在整个运行包线上连续分布、与增压压力、压气机温度、排气压力与排气温度图谱一致的结论，表明优化器未依赖突变或孤立的涡轮增压器转速变化来满足AFR目标，且优化框架在物理一致的进气管路范围内运行；摩擦损失与传热方面，通过FMEP与缸内传热图谱得出FMEP分布平滑、未出现人为降低机械损失以改善目标函数的结论，传热分布与压力及温度图谱一致、无局部不连续，表明先前标定的摩擦与热损失表征在最终性能优化阶段保持连贯而非被喷射正时、涡轮增压器转速或燃油供给的变化间接补偿；燃烧行为方面，通过燃烧始点（SOC）与CA10–90燃烧持续期图谱得出SOC分布有界且平滑、优化器避免了突变相位变化或不真实着火行为、燃烧持续期处于物理合理范围且无突变尖峰的结论，支持了所施加的燃烧稳定性约束；排气排放行为方面，通过CO、CO2、HC与NOx排放图谱得出CO在大部分运行包线上保持低值、较高值主要限于低负荷区域且无孤立尖峰或不连续的结论，CO2作为碳强度与效率相关指标提供了与BSFC图谱及燃油流量计算的一致性检查，HC在大部分图谱上处于窄范围内表明优化燃烧过程稳定且约束防止了严重不完全燃烧工况，NOx分布被解释为嵌入优化框架的已标定NOx子模型生成的预测排放图谱而非MAN D2862 LE448的直接实验验证、其目的是验证优化器未将发动机推向违反NOx约束的区域且预测NOx响应在优化图谱上保持空间连贯。基于AFR与基于BSFC优化目标的比较评估部分，通过在八个代表性工况下比较最大AFR与最小BSFC优化得出两种目标在各选定工况点实现几乎相同制动功率、BSFC差异一般在约±2%以内的结论，表明AFR最大化并不自动导致最小BSFC且两种约束优化形式可能收敛到邻近但不完全相同的可行解；通过比较最高缸内压力得出最小BSFC目标在C1、C2、C4、C5与C6降低Pmax、最大降幅出现在C4与C5且主要与较不提前的喷射正时相关的结论，例如C4中SOI从最大AFR工况的?6.02° ATDC变为最小BSFC工况的?1.77° ATDC使Pmax从144.27 bar降至125.40 bar，C5中SOI从?4.34° ATDC变为?1.31° ATDC使Pmax从174.04 bar降至155.51 bar；通过比较最高温度与排气温度得出最小BSFC目标在多数工况略微降低Tmax、排气温度响应更具工况依赖性、目标函数与排气热行为的关系取决于局部运行点的结论；通过排放比较得出最小BSFC目标在八个工况中的六个降低NOx排放（尤其C4、C5、C6与C8）、主要与较不提前的喷射正时及相应峰值压力与温度降低相关、但C3与C7中NOx略有增加表明燃油消耗与NOx排放关系并非全局单调的结论，CO对所选目标比HC更敏感、最小BSFC目标在C1、C4、C5与C6增加CO而在C2、C3、C7与C8降低CO，HC在两种目标间仅微小变化确认两种策略均维持稳定燃烧，CO2与BSFC趋势一致因制动功率固定且燃料碳流直接与燃油消耗相关；通过汇总各指标优选目标得出最大AFR目标在四个工况给出较低BSFC、在五个工况给出较高AFR，最小BSFC目标在六个工况给出较低NOx、在五个工况给出较低Pmax、在七个工况给出较低Tmax的结论，确认最大AFR优化并非普遍优于最小BSFC优化。优化发动机图谱的参数与敏感性分析部分，通过在七个代表性工况点对TS、SOI与InjDur施加局部扰动并构建全局敏感性热图得出多数热力学与性能变量在整个运行包线上敏感性相对较低、PB与BSFC对 tested 扰动仅适度敏感表明优化运行点位于解空间中相对稳定区域的结论；通过观察进气管路相关变量得出AFR、增压压力与容积效率对涡轮增压器转速扰动更敏感、尤其在中高负荷区域涡轮增压器更接近其最优效率范围的结论；通过观察燃烧相关变量得出峰值缸内压力、峰值温度与燃烧持续期对SOI扰动表现出局部更高敏感性、且该敏感性在高负荷工况更明显的结论；通过观察排放行得出CO排放敏感性显著高于其他变量、表明不完全燃烧产物高度受所考察标定参数尤其喷射正时及较小程度上涡轮增压器转速影响的结论，NOx排放表现出中等敏感性且主要与喷射正时变化相关，HC与CO2在多数工况敏感性相对较低；通过观察敏感性随运行包线的变化得出较低负荷螺旋桨工况总体敏感性较弱、全负荷与高负荷工况响应更明显的结论，反映了高负荷下更高压力、温度与燃油率放大了标定参数影响的结论。

讨论部分总结指出，本研究应被解释为基于仿真的优化研究而非对预测发动机图谱的完整实验验证，对于目标MAN D2862 LE448发动机，一维模型在额定工况与制造商参考规格进行验证，包括制动功率、BSFC、空气质量流量与排气温度，并在最大负荷与沿螺旋桨曲线进行了额外BSFC比较，但该发动机在全负荷图谱或E3循环上的缸内压力、NOx、HC与CO排放详细实验台架数据不可得；W?rtsil? 9L46C案例仅作为独立工作流验证示例，不用于标定MAN D2862 LE448模型，且未使用W?rtsil?数据调整目标发动机的摩擦、NOx或运行图谱参数，比较仅限于与仿真运行点足够一致的可用测量量，因此该验证为通用WAVE–MATLAB工作流提供了额外信心但不替代目标发动机或完整预测排放图谱的直接实验验证，MAN D2862 LE448发动机的CO、HC、CO2与NOx图谱应被解释为嵌入子模型的基于仿真的输出；进一步局限在于基于AFR与基于BSFC优化的比较结果是在所施加约束、惩罚形式、多起点策略与求解器容差内获得的，因此最小BSFC案例代表在所采用约束优化设置下找到的最佳可行解而非整个发动机设计空间上的无约束全局最小值，此外本研究中未明确报告总指示平均有效压力（IMEP）、泵气平均有效压力、泵气功及详细缸内压力迹线分析，这些量应纳入未来工作以更完整地解释AFR、BSFC、燃烧效率与换气损失之间的关系。研究结论部分翻译如下：本研究提出了一种用于船用柴油机标定与性能图谱的序贯优化框架，该框架在统一的WAVE–MATLAB工作流内集成了机械损失标定、NOx排放标定与系统级负荷图谱优化，其主要贡献在于将不确定的子模型标定与发动机控制变量的最终优化相分离，从而改善物理可追溯性并限制子模型假设与运行控制变量之间补偿效应的可能性。方法由三个相互衔接的模块组成，模块I采用Chen–Flynn关联式标定摩擦损失表征以获得速度与负荷相关的FMEP模型，模块II通过优化扩展Zeldovich机理的Arrhenius系数标定NOx排放子模型，这些已标定子模型随后作为固定组件嵌入模块III，在该模块中以涡轮增压器转速、燃油率、喷射始点与喷射持续时间为控制变量优化发动机运行图谱。结果表明，所提框架在许用运行包线内生成平滑、物理一致且满足约束的发动机图谱，优化器在满足所需制动功率的同时维持了最高压力、最高温度、排气温度、AFR、NOx排放与燃烧稳定性等限制，所得图谱显示涡轮增压器行为、燃油喷射、燃烧相位、摩擦损失、传热与排气排放之间协调耦合，确认可行解不依赖于不真实的间断或非物理的子模型行为。AFR作为优化目标的作用亦得到阐明，AFR被视为受约束的进气管理目标而非最小BSFC或最大效率的直接替代量，优化后的AFR值在负荷图谱上变化，相应的性能、热力学、燃烧与排放图谱被解释为与这些优化AFR水平相关的条件输出。通过将最大AFR目标替换为最小BSFC目标并保留相同模型、变量、边界、约束、惩罚形式与多起点策略开展了比较优化，比较表明两种目标均非普遍优越，两种形式之间的BSFC差异一般在约±2%以内，最大AFR目标在八个选定案例中的四个产生较低BSFC，而最小BSFC目标在若干案例中普遍降低了NOx排放、最高缸内压力与峰值温度，这些结果表明AFR最大化在某些区域可产生物理一致的近最小BSFC解，而最小BSFC优化仍是评估燃油效率与排放权衡的重要基准。敏感性分析进一步支持了优化结果的物理可解释性，涡轮增压器转速主要影响AFR、增压压力与充气效率等进气管路变量，而SOI对燃烧相位、峰值压力、峰值温度与NOx生成影响更强，CO排放在各排放输出中表现出最高敏感性，表明不完全燃烧产物对局部燃烧与标定条件的强烈依赖，这些发现确认了该框架作为诊断工具用于理解标定变量与发动机响应之间因果关系的有效性。未来工作应通过专用台架验证扩展该框架，使用代表性船用运行循环上的测量压力迹线、燃油消耗、进气管路变量、排气温度、NOx、HC、CO与CO2排放，并应纳入使用总IMEP、泵气平均有效压力、泵气功与净指示效率的直接热力学分解以量化AFR变化对燃烧效率、换气损失与制动效率的影响；进一步发展应将框架应用于其他发动机配置包括中速船用发动机与双燃料发动机，并为氢、甲醇、氨与生物燃料等替代燃料调整燃烧与排放子模型，将框架与代理模型及数字孪生架构耦合亦将支持更快的优化、实时模型更新与使用运行数据的自适应标定，通过这些发展，所提方法可为未来船用推进系统的基于仿真的优化与数字标定提供灵活平台。