船用低速柴油机变工况性能预测

《船用低速柴油机变工况性能预测》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、万方数据第32卷第3期2009年9月中国航海NAVIGATl0NoFCHINAVoL32No．3Sep．2009文章编号：1000—4653(2009)03--0032一04船用低速柴油机变工况性能预测曾鸿，张均东，林叶锦，甘辉兵(大连海事大学轮机工程学院，辽宁大连116026)摘要：为提高容积法柴油机模型在全工况范围的准确性。使用非线性最小二乘法得到台架试验各种工况点的燃烧参数。通过非线性多元回归分析碍到燃烧参数的回归模型，用回归模型代替传统的搔值法计算柴浊机变工况燃烧过程。仿真实验表明改进的容积法模型能准确地预测柴油机在变工况下的性能，模型的实时

2、性佳。此模型对研究变距桨船舶柴油机的控制策略及其动态性能具有较强的实用价值。关键词：船舶、舰船工程；柴油机；变工况；性能预测；容积法中图分类号：U664．121．1文献标志码：APerformancePredictionofMarineLow—speedDieselEngineunderVariableOperatingConditionzENGHong，ZHANGJun—dong。LlNYe-jin。GANHui—bing(CollegeofMarineEngineering，DalianMaritimeUniversity，Dalian11602

3、6。China)Abstract：Toimprovedieselenginefillingandemptyingmethodmodelaccuracyundervariableoperatingcondition，thecombustionprocessparametersareobtainedbynonlinearleastsquaresmethod．Theregressionmodeloftheseparametersisgeneratedbynon-linearmultipleregressionanalysis．Insteadofinterp

4、olationmethod，theregressionmodelisusedtocomputecombustionprocessundervariableoperatingcondition．Simulationsdemonstratethattheimprovedfillingandemptyingmethodmodelcanpredictthedieselengineperformanceaccuratelyundervariableop—eratingconditionandthemodelisrealtime．Theimprovedmodel

5、hasagreatpracticalva]ueonthestudyofmarinedieselenginecontrolstrategyandenginedynamicperformancedrivingwithcontrollablepitchpropeller．Keywords：ship，navalengineering；dieselengine；variableoperatingcondition；performanceprediction；fillingandemptyingmethod准确的柴油机变工况性能预测对研究船舶动力系统的动态过程具

6、有重要意义[1。4]。变工况性能预测的关键是燃烧过程的准确模拟。文献E23给出了用于柴油机排放预测的多区燃烧模型，但模型较复杂，无法满足柴油机实时仿真的要求。文献[-33使用插值法计算变工况下的燃烧放热规律参数，实现了船用低速柴油机沿推进特性运行的动态仿真，但因很难建立全工况范围内的燃烧放热规律参数MAP表，该法建立的柴油机模型无法预测标定工况特性线以外工况点的燃烧过程。文献Es3使用神经网络模型预测柴油机变工况性能，但其侧重整机性能预测，不涉及缸内工作过程。本文以MANB&W公司的6S35MC型主柴油机为仿真对象，用寻优法获得各种工况点的燃烧放热规

7、律参数，使用柴油机容积法模型计算对应的缸内工质瞬态热力学参数，通过回归分析找到二者之间的关系，依此建立变工况的燃烧过程数学模型。改进的柴油机模型可以预测柴油机在任意工况点的性能。仿真实验表明模型对柴油机在各种工况点的性能预测都较准确，模型的计算速度较快，可用于实时动态仿真。1柴油机容积法模型容积法把涡轮增压柴油机划分为柴油机本体、扫气总管、排气总管、空冷器及涡轮增压器5个控制容积。假设各容积内气体是理想气体，每瞬时该容收稿日期：2009-06—09基金项目：辽宁省教育厅高校科研项目(2008S022)作者简介：曾鸿(1981一)，男，福建福鼎人，讲师

8、，博士生，从事轮机自动化与智能化研究。E—mail：kevinzen92006@126．corn．万方数据曾