【作者】

席德翔; 孙希雷; 隆武强

【单位】

大连理工大学

【摘要】

本研究以186型甲醇/柴油双燃料发动机为对象，建立了GT-Power仿真模型，并结合台架试验数据对模型进行了标定与验证。在此基础上，基于并行仿真框架批量生成大量仿真数据，进一步构建了基于极端梯度提升（XGBoost）算法的机器学习模型，用于预测发动机的热力学性能、燃油经济性及排放特性。所构建的机器学习模型以甲醇替代率、喷射正时与甲醇温度作为输入参数，CA1090、BMEP、BSFC、CO、NOx与HC作为输出参数。结果表明，预测模型在关键性能指标上的决定系数（R2）分别为0.87987（CA1090）、0.99309（BMEP）、0.99999（BSFC）、0.99989（CO）、0.99991（NOx）与0.99999（HC），验证了XGBoost模型能够高效准确地预测甲醇/柴油双燃料发动机的热力学性能、燃油经济性与排放特性。

【关键词】

甲醇;XGBoost;发动机;性能预测

【论文集名称】

高原内燃机分会

【会议名称】

2025内燃机高效低碳清洁燃烧学术年会

【会议时间】

2025-6-12至2025-6-15

【会议地点】

镇江

【下载次数】

2

返回