基于梯度提升神经网络与多目标贝叶斯优化的点燃式纯甲醇发动机燃油经济性与排放优化

《Fuel》:Fuel economy and emission optimization of spark-ignition pure methanol engine based on gradient boosting neural network and many-objective Bayesian optimization

【字体: 大 中 小 】 时间:2026年04月25日 来源:Fuel 7.8

编辑推荐:

  赵丽|习德祥|陈晓斌|王永健|谢春阳|孙希磊|田华|龙武强 中国大连理工大学能源与动力工程学院,大连116024 摘要 实现火花点火纯甲醇发动机的高效清洁运行仍是其在低碳交通领域应用面临的重大挑战。为有效应对这一挑战,本研究提出了一种集成框架,结合高精度仿真、机器学

  赵丽|习德祥|陈晓斌|王永健|谢春阳|孙希磊|田华|龙武强
中国大连理工大学能源与动力工程学院,大连116024

摘要
实现火花点火纯甲醇发动机的高效清洁运行仍是其在低碳交通领域应用面临的重大挑战。为有效应对这一挑战,本研究提出了一种集成框架,结合高精度仿真、机器学习替代模型以及多目标协同优化方法。首先建立了甲醇发动机多物理场耦合仿真模型,并通过实验数据对其进行了严格校准;随后开发了高精度且计算效率高的梯度提升神经网络模型。在此基础上,引入多目标贝叶斯优化算法,实现对燃油经济性和排放性能的全面优化。实验结果表明,该梯度提升神经网络模型具有出色的准确性和泛化能力,对于制动比油耗、氮氧化物、碳氢化合物和二氧化碳的预测,决定系数分别达到0.905、0.967、0.922和0.939。多目标贝叶斯优化算法在收敛速度、帕累托前沿分布的均匀性以及鲁棒性方面均优于传统方法,其全局最优解使制动比油耗、氮氧化物、碳氢化合物和二氧化碳分别降低4.29%、21.01%、32.19%和3.59%,实现了经济性与排放性能之间的最佳平衡。成本分析显示,用所提出的框架替代基于GT-Power模型的直接优化方法(约1.0×105分钟),可将相同规模的评估时间缩短至约5分钟,从而实现高效的多目标全局搜索和快速的设计空间迭代。这些研究成果为纯甲醇发动机的性能优化提供了高效实用的路径,对清洁燃料发动机的发展与应用具有重要的指导意义。

引言
面对日益严峻的全球气候压力和严格的排放法规,交通与能源行业亟需高效低排的内燃机系统[1][2]。石油基燃料在热效率提升方面存在明显限制,且在部分负荷运行时往往会产生较高的烟尘和氮氧化物排放[3][4][5]。此外,其分子结构中的碳-碳键也限制了燃烧清洁度的进一步提升[6][7][8]。在此背景下,甲醇作为一种可再生生产的低碳含氧化合物燃料,因其良好的清洁燃烧特性而受到广泛关注。甲醇不含碳-碳键,质量分数中50%为氧,这些特性有助于抑制颗粒物和氮氧化物的生成,同时为提高热效率创造有利条件[9][10]。随着绿色甲醇合成技术的不断进步以及其对生命周期碳中和潜力的认可度提升,火花点火纯甲醇发动机逐渐被视为实现低碳交通的重要途径,包括船舶推进领域[11]。尽管具备诸多优势,但甲醇发动机的大规模应用仍面临由燃料特性带来的燃烧控制难题[12][13]。其冷启动性能不佳、低负荷燃烧不稳定,以及未燃甲醇和甲醛等有害物质排放量过高,都阻碍了其实际应用[14][15]。因此,有必要对缸内燃烧原理、污染物生成机制以及先进控制策略开展系统研究[16]。近年来,计算能力的提升和智能算法的发展,使得高精度计算流体力学与高效多目标优化相结合的研究框架得以建立,为突破性能瓶颈、同时提升效率与降低排放提供了新思路[17]。通过建模与仿真,研究人员运用多种数值方法,系统地阐明了甲醇发动机的燃烧机制及其清洁高效的运行特性[18][19]。在研究喷射时机的影响时,Saket Sahu等人[20]使用CONVERGE软件发现,当喷射开始角度为上止点前115曲轴角度时,发动机的指示热效率可达41.66%,同时甲醛和烟尘排放量最低。关于加氢的影响,参考文献[21]中的数值模拟表明,加氢可提高羟基自由基浓度,缩短燃烧时间,进而有效延长甲醇的晚喷射极限。在燃料喷射策略比较中,Panagiotis等人[22]通过CFD仿真证明,直接喷射不仅能实现高达95%的甲醇能量贡献且无爆震现象,还能将氮氧化物排放量降低85%。Konstantinos等人[23]进一步将雷诺平均纳维-斯托克斯方程与大涡模拟相结合,精准模拟了八孔喷射器的甲醇雾化过程。还有研究采用集成建模方法来优化发动机性能,通过将准维建模与响应面方法相结合,研究人员在高压压缩比的甲醇发动机中实现了39.32%的制动热效率[24]。Liu等人[25]验证了在243开尔文温度下,冷却液加热策略能有效提升缸内压力并减少冷启动时的点火延迟。喷射器配置和点火方式也得到了大量研究,Fan等人[26]分析了喷射器位置和喷雾角度,发现当喷射器位于气缸中心线上方25毫米处且喷雾角度为+50°时,缸内压力达到峰值。参考文献[27]通过对比多级喷射与双火花点火策略,发现后者在所有工作条件下都能实现更高的指示热效率。Wang等人[28]通过实验与无量纲数值分析相结合,验证了蒸汽喷射模型在甲醇喷雾模拟中的适用性。另有研究开发了0D/1D耦合建模框架,并对其进行了验证,使得燃烧和污染物排放的预测误差控制在11.7%以内[29]。在优化算法应用方面,智能优化方法通过系统协调控制参数,显著提升了甲醇发动机的整体性能[30]。Tang等人[31]将这种集成方法应用于甲醇重整反应器的优化,实现了21.92%的余热回收效率。类似地,Lv等人[32]利用该方法找到了平衡制动热效率与排放的最佳参数组合,其中甲醇能量占比为22.33%,废气再循环比为10%。其他研究也采用了类似的集成优化框架,以同时提升热效率并协同减少多种污染物[33][34]。遗传算法和基于非支配排序遗传算法的技术也发挥了重要作用。Zhu等人[35]将其与3D仿真相结合,证明三燃料模式(甲醇/重整气体/柴油)的熱效率高于双燃料模式。在一系列研究中,Li等人[36][37][38]系统地优化了柴油/甲醇双燃料发动机的喷射参数和喷射器配置,揭示了燃料比例和喷雾半角的影响规律。他们认为,当进气阀关闭时的缸内温度低于400开尔文时,发动机整体性能最佳。此外,新兴的智能算法也展现出巨大潜力。参考文献[39]通过将全局敏感性分析与树形结构工作流算法相结合,大幅降低了燃烧预测误差。Wei等人[40]则将灰狼优化器与支持向量机结合,显著减少了船舶发动机中的氮氧化物和二氧化碳排放。

甲醇发动机在清洁高效燃烧方面具有巨大潜力,但在高精度建模和多目标优化方面仍存在方法学上的不足,这影响了其研发与校准进程。从建模角度来看,甲醇发动机性能与排放的预测通常依赖于计算成本高昂的一维和三维计算流体力学仿真。虽然这些高精度工具能提供详细的物理信息,但其高昂的成本限制了在迭代校准过程中可评估的设计点数量。由于现代发动机优化越来越需要探索大规模、高维度的参数空间,这一仿真负担便成了主要瓶颈。因此,迫切需要一种替代模型,既能保持高精度仿真的预测准确性,又能降低计算成本,从而实现设计空间的快速广泛探索。近期研究表明,机器学习能够以高精度预测发动机性能与排放,同时大幅减少实验工作量。例如,Pugazhendi等人[41]评估了五种机器学习模型用于预测以柴油-杂醇油混合物为燃料的压燃式发动机的性能与排放,其中XGBoost模型在九个目标输出中的七个上实现了超过0.90的R2值,据称还减少了约88%的实验工作量。然而,这些研究主要集中在预测建模方面,通常并未将替代模型嵌入到能够系统探索高维度设计空间并识别各竞争目标之间稳健权衡的优化框架中。正是这一局限性促使本研究将精确的替代模型与高效的多目标优化相结合,以实现甲醇发动机应用中的可行全局搜索与均衡校准。

在优化方面,目前关于甲醇发动机的大多数研究都集中在单目标或低维度(如双目标)优化问题上。然而,在实际工程中,要实现清洁高效运行,就需要同时优化至少三个或更多相互冲突的性能指标,如制动比油耗、氮氧化物、未燃碳氢化合物和二氧化碳。这些目标与发动机控制参数之间存在强烈的非线性耦合,再加上甲醇独特的燃烧动力学特性(如高潜热、快速燃烧速度),使得设计空间变得复杂、多模态且真正属于多目标优化范畴。传统的多目标进化算法在每次性能评估成本较高时往往采样效率较低,这可能导致过早收敛到局部最优解,且得到的解集多样性较差,无法形成能够全面反映各种权衡关系的良好分布的帕累托前沿。

为弥补这些缺陷,同时兼顾预测精度与计算成本,本研究提出了一种集成框架,结合高精度仿真、梯度提升神经网络替代模型以及多目标贝叶斯优化算法。与现有研究相比,本工作的创新之处主要体现在两个方面。首先,在GBNN模型中,神经网络作为弱学习器被嵌入到梯度提升框架中,而非通过简单的堆叠或浅层模型组合来实现。该模型通过顺序残差拟合方式进行训练,这样就能将神经网络的非线性表征能力与梯度提升算法逐步修正高精度预测误差的能力相结合,包括处理复杂的残差结构。其次,在多目标贝叶斯优化算法中采用了混合序列演化迭代机制,而非简单地交替使用贝叶斯优化与非支配排序遗传算法III。在每一代中,首先通过基于替代模型的贝叶斯优化最大化预期超体积改进值,从而确定在昂贵评估下最具信息量的候选解。然后将该候选解纳入NSGA-III种群,引导搜索朝向高质量且分布良好的帕累托前沿发展。这种结合将贝叶斯优化的采样效率与NSGA-III的基于种群的全球探索能力相结合,使其在收敛效率和解集多样性方面均优于传统的多目标进化算法。本研究的主要贡献包括以下三个方面:
•建立了甲醇发动机多物理场耦合仿真模型,并通过实验数据进行了校准。
•利用最优拉丁超立方抽样生成的数据及批量仿真,构建了高精度且计算效率高的梯度提升神经网络替代模型。
•提出了多目标贝叶斯优化算法,以实现甲醇发动机燃油经济性与排放性能的全面优化。

实验设置
本研究以经过验证的CHG234V8MPI船用天然气发动机作为基础平台。通过结构升级和电子控制系统的深度整合,将其改造成一款带端口燃料喷射、涡轮增压的重型发动机,专门用于纯甲醇的火花点火燃烧。在混合气制备方面,每个气缸的进气管道上都装有专用多孔喷射器,该喷射器拥有14个直径为0.25毫米的喷口,由压力为5.5巴的高压泵供液。该设计的目的是实现最佳的燃烧效果。

GT-Power模型的验证
要准确预测发动机性能,关键在于准确再现缸内压力动态和燃烧速率曲线,因此本研究以缸内压力和燃烧速率曲线作为评估GT Power模型准确性的主要指标。图6展示了在三种不同喷射时机(上止点后240曲轴角度、280曲轴角度和320曲轴角度)下的仿真结果与实验结果的缸内压力和燃烧速率曲线对比。随着喷射时机的提前,燃烧开始时间以及相关的相位变化也会提前,而峰值……

结论
本研究针对火花点火纯甲醇发动机实现清洁高效运行的多目标优化问题,建立了一个集成数据驱动框架,该框架结合了高精度仿真建模、机器学习替代模型以及多目标优化方法。通过系统开发多物理场耦合仿真模型并对其进行实验验证,利用最优拉丁超立方抽样进行样本生成,构建梯度提升神经网络替代模型,以及……

CRediT作者贡献声明
赵丽:撰写——原始稿件、方法论、研究实施、数据整理、概念构思。
习德祥:可视化、数据整理。
陈晓斌:研究实施、数据整理。
王永健:验证、软件相关工作。
谢春阳:软件相关工作、资源协调。孙希雷:写作——审稿与编辑、验证、监督、项目管理、资金筹措。华天:监督、项目管理。龙武强:验证、监督、资源协调。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究工作得到了中国国家自然科学基金(编号52501376)、辽宁省博士启动基金(编号2025-BS-0055)以及中国留学基金委项目(编号202506060110)的共同资助。作者感谢审稿人和编辑们对稿件的仔细审阅,以及为改进稿件而提出的诸多建设性意见和建议。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号