基于神经网络和遗传算法的Atkinson循环发动机几何压缩比优化
Optimization of Geometrical Compression Ratio for an Atkinson Cycle Engine Based on Artificial Neural Network and Genetic Algorithm作者机构：上海交通大学汽车电子控制技术国家工程实验室上海200240 上海理工大学机械工程学院上海200093
出 版 物：《内燃机学报》 (Transactions of Csice)
年 卷 期：2015年第33卷第4期
页 面：370-377页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080703[工学-动力机械及工程] 081104[工学-模式识别与智能系统] 08[工学] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：上海市科学技术委员会科技攻关计划资助项目(07DZ11503)
主 题：阿肯金森循环发动机 几何压缩比 优化设计 人工神经网络 遗传算法
摘 要：提出了基于神经网络和遗传算法进行阿肯金森(Atkinson)循环发动机几何压缩比优化的方法.首先利用几何压缩比为11的奥拓(Otto)循环发动机的试验数据验证了发动机人工神经网络模型的预测准确性,然后联合遗传算法和神经网络模型进行了目标Atkinson循环发动机的几何压缩比优化,约束条件是外特性转矩、爆震强度和排气温度,优化目标是使燃油消耗率最小.结果表明:联合遗传算法和神经网络模型进行发动机设计和性能优化,具有较高的效率和准确性.优化后确定目标Atkinson循环发动机的最佳几何压缩比为12.5,并在此基础上进一步优化发动机的操作参数及其外特性.
维普期刊数据库
同方期刊数据库