本發(fā)明涉及的是一種柴油機(jī)egr率決策方法。

背景技術(shù)：

廢氣再循環(huán)(egr)是目前降低柴油機(jī)nox排放的主要措施，其實現(xiàn)過程主要是將排氣中的一部分廢氣引入到進(jìn)氣管，同新鮮空氣混合后進(jìn)入氣缸重新參與燃燒的過程。egr技術(shù)關(guān)鍵在于使足夠的廢氣回流到進(jìn)氣管，克服增壓柴油機(jī)高工況下增壓壓力高于排氣壓力導(dǎo)致的egr廢氣回流困難的問題，并根據(jù)發(fā)動機(jī)的不同工況給出最佳的egr率。

不同egr率對柴油機(jī)的燃燒與排放性能影響不同，因此在確定最佳egr率時，必須兼顧柴油機(jī)的動力性、經(jīng)濟(jì)性以及排放性能。既要盡可能的降低廢氣中nox，同時又能盡可能小的影響顆粒等其他污染物的排放。目前，普遍采取的辦法是：通過大量試驗獲取發(fā)動機(jī)的運行參數(shù)，通過對試驗結(jié)果進(jìn)行主觀綜合分析，確定出試驗工況下的最佳egr率。其中，在綜合分析中不同研究者都采用了不同的確定原則。如有學(xué)者采用13工況點顆粒物不超過原機(jī)為原則，有學(xué)者則采用在pm不超過原機(jī)的基礎(chǔ)上，考慮油耗的增加程度、nox的改善程度等綜合因素，低負(fù)荷時選擇高egr率，高負(fù)荷時選擇低egr率。該種方法存在一個共同的缺點，那就是缺少明確的理論指導(dǎo)，不同的研究者會因主觀判斷上的差異，導(dǎo)致結(jié)果也存在很大差異。

不同工況下egr性能評估及最佳egr率的決策屬于典型的多目標(biāo)決策問題。因此，考慮引入多目標(biāo)灰色決策來實現(xiàn)最佳egr率的決策。多目標(biāo)灰色決策作為灰色系統(tǒng)理論中的重要分支，在針對若干方案中選擇最好方案的決策問題上有著獨特的優(yōu)勢，因具有計算復(fù)雜度低，識別效果高的特點而廣泛應(yīng)用于航空航天、電子電力等領(lǐng)域。但是由于傳統(tǒng)決策模型中權(quán)重的主觀性，因此越來越多的學(xué)者對權(quán)重的優(yōu)化進(jìn)行了重點研究。其中，熵權(quán)法便是權(quán)值優(yōu)化中的一種代表方法。此外，灰色關(guān)聯(lián)分析是灰色系統(tǒng)理論中十分活躍的一個分支，其基本思想是根據(jù)序列的曲線幾何形狀來判斷不同序列之間的聯(lián)系是否緊密。主要是通過線性插值的方法將系統(tǒng)因素的離散行為觀測值轉(zhuǎn)化為分段連讀的折線，進(jìn)而根據(jù)折線的幾何特征構(gòu)造測度關(guān)聯(lián)程度的模型，目前已經(jīng)廣發(fā)應(yīng)用于多個領(lǐng)域。

綜上所述，如何采用明確的理論去指導(dǎo)最佳egr率的確定成為egr性能優(yōu)化的關(guān)鍵問題，目前公開資料中尚沒有明確的理論指導(dǎo)，因此，有必要對其進(jìn)行深入研究。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供有效解決增壓柴油機(jī)最佳egr率決策問題的基于主客觀賦權(quán)-多目標(biāo)灰色決策-灰關(guān)聯(lián)分析的增壓柴油機(jī)最佳egr性能評估方法。

本發(fā)明的目的是這樣實現(xiàn)的：

本發(fā)明基于主客觀賦權(quán)-多目標(biāo)灰色決策-灰關(guān)聯(lián)分析的增壓柴油機(jī)最佳egr性能評估方法，其特征是：

(1)采用多目標(biāo)灰色局勢決策方法對egr決策問題進(jìn)行初始建模；

(2)根據(jù)柴油機(jī)不同工況對nox指標(biāo)權(quán)重η進(jìn)行主觀賦值；

(3)采用主客觀綜合賦權(quán)方法求解綜合權(quán)重向量，采用基于主客觀綜合賦權(quán)-多目標(biāo)灰色決策的方法求解綜合評估值；

(4)采用灰關(guān)聯(lián)求解原機(jī)與試驗方案的關(guān)聯(lián)系數(shù)；

(5)將綜合評估值與關(guān)聯(lián)系數(shù)綜合求解最終的評估值。

本發(fā)明還可以包括：

1、采用多目標(biāo)灰色局勢決策方法對egr決策問題進(jìn)行初始建模，選取egr性能參數(shù)，包括燃油消耗油耗、缸內(nèi)爆壓、nox、co及碳煙，作為決策指標(biāo)并構(gòu)造效果樣本矩陣

其中，n代表egr性能參數(shù)，m代表不同的egr率，unm代表不同參數(shù)在不同egr率下對應(yīng)的數(shù)據(jù)值。

2、燃油消耗油耗、缸內(nèi)爆壓、nox、co及碳煙均采用下限效果測度從而求解一致效果測度

3、根據(jù)柴油機(jī)不同工況對nox指標(biāo)權(quán)重η進(jìn)行主觀賦值：

若柴油機(jī)轉(zhuǎn)速n＜250r/min，負(fù)荷＜50％，則nox權(quán)重值η＝0.3；若柴油機(jī)轉(zhuǎn)速250r/min≤n＜500r/min，50％≤負(fù)荷＜75％，則nox權(quán)重值η＝0.4；若柴油機(jī)轉(zhuǎn)速n≥500r/min，負(fù)荷不小于75％，則nox權(quán)重值η＝0.5。

4、采用主客觀綜合賦權(quán)法求得綜合權(quán)重向量，并采用基于主客觀綜合賦權(quán)-多目標(biāo)灰色決策的方法求解綜合評估值，具體包括：

(1)構(gòu)建評價指標(biāo)矩陣將中不同egr率下nox參數(shù)對應(yīng)的數(shù)據(jù)剔除掉，由剩余參數(shù)組成評價指標(biāo)矩陣

其中，i代表不同的egr率，j代表egr性能參數(shù)，代表剩余性能參數(shù)在不同egr率下對應(yīng)的數(shù)據(jù)值；

(2)采用熵權(quán)法求得評價指標(biāo)矩陣中每個決策目標(biāo)的熵權(quán)值αk(k＝1,2,3…j)；

(3)根據(jù)公式(1-η)·αk求解目標(biāo)權(quán)重ηk(k＝1,2,3…j)，組成最終的權(quán)重向量ηk'＝(η,ηk)；

(4)將最終的權(quán)重向量ηk′重新代入初始模型中求解綜合評估值r。

5、采用灰關(guān)聯(lián)求解原機(jī)與試驗方案的關(guān)聯(lián)系數(shù)，具體為：以egr性能參數(shù)原機(jī)數(shù)據(jù)為母序列，各egr率對應(yīng)的指標(biāo)參數(shù)序列為子序列，求解母子序列關(guān)聯(lián)度ri。

6、將綜合評估值與關(guān)聯(lián)系數(shù)綜合求解最終的評估值r·ri，并根據(jù)優(yōu)劣排序給出最佳egr方案。

7、效果樣本矩陣和評價指標(biāo)矩陣評中滿足以下條件：imax＝mmax,jmax＝nmax-1。

本發(fā)明的優(yōu)勢在于：

(1)采用基于主客觀賦權(quán)-多目標(biāo)灰色局勢決策方法對egr性能進(jìn)行評估，整個方法立足于不同egr方案的試驗數(shù)據(jù)，保證了客觀準(zhǔn)確性和有效性，通過數(shù)據(jù)發(fā)掘與分析尋求各方案之間的利弊關(guān)系，從而得到優(yōu)劣排序，彌補了目前最佳egr率決策中普遍存在的缺乏理論支撐的缺點。

(2)采用基于主客觀賦權(quán)-多目標(biāo)灰色局勢決策方法對egr性能進(jìn)行評估，區(qū)別與現(xiàn)有的各種決策方法，本方法充分考慮了egr性能優(yōu)化的特點和要求，并作為限制條件去優(yōu)化數(shù)學(xué)模型，使得決策結(jié)果更符合實際egr性能變化情況。

(3)采用灰關(guān)聯(lián)求解原機(jī)與試驗方案的關(guān)聯(lián)系數(shù)，從而保證有效降低nox的同時，其他性能參數(shù)盡可能貼近原機(jī)，使得綜合性能達(dá)到最佳。這與目前最佳egr率普遍采取的基本準(zhǔn)則相符合，但區(qū)別在于本發(fā)明用具體數(shù)學(xué)模型代替了主觀判斷，準(zhǔn)確度有了很大提升。

(4)本發(fā)明方法易于實現(xiàn)，只需要將帶評估方案的具體數(shù)據(jù)輸入到模型中，即可實現(xiàn)最佳方案的決策，適用于增壓柴油機(jī)egr性能的在線實時評估以及綜合評估。

附圖說明

圖1為本發(fā)明的流程圖。

具體實施方式

下面結(jié)合附圖舉例對本發(fā)明做更詳細(xì)地描述：

結(jié)合圖1，本發(fā)明包括如下步驟：

(1)通過試驗獲取不同工況、不同egr率下增壓柴油機(jī)的主要運行參數(shù)。

(2)采用多目標(biāo)灰色局勢決策方法對egr決策問題進(jìn)行初始建模。

(3)根據(jù)柴油機(jī)不同工況對nox指標(biāo)權(quán)重η進(jìn)行主觀賦值。

(4)采用主客觀綜合賦權(quán)方法求解綜合權(quán)重向量。

(5)采用基于主客觀綜合賦權(quán)-多目標(biāo)灰色決策的方法求解綜合評估值。

(6)采用灰關(guān)聯(lián)求解原機(jī)與試驗方案的關(guān)聯(lián)系數(shù)。

(7)將綜合評估值與關(guān)聯(lián)系數(shù)綜合求解最終的評估值。

采用多目標(biāo)灰色局勢決策方法對egr決策問題進(jìn)行初始建模，選取egr主要性能參數(shù)作為決策指標(biāo)并構(gòu)造效果樣本矩陣并求解一致效果測度

其中，n代表egr性能參數(shù)，m代表不同的egr方案。

根據(jù)柴油機(jī)不同工況對nox指標(biāo)權(quán)重η進(jìn)行主觀賦值。

若處于低工況，令nox權(quán)重值η＝0.3；若柴油機(jī)處于中等工況，令nox權(quán)重值η＝0.4；若柴油機(jī)處于高工況，令nox權(quán)重值η＝0.5。

采用主客觀綜合賦權(quán)法求得綜合權(quán)重向量，并采用基于主客觀綜合賦權(quán)-多目標(biāo)灰色決策的方法求解綜合評估值。具體包括：

(1)構(gòu)建評價指標(biāo)矩陣將中選定的運行參數(shù)中剔除nox參數(shù)，由剩余參數(shù)組成評價指標(biāo)矩陣

其中，i代表不同的egr方案，j代表egr性能參數(shù)。

(2)采用熵權(quán)法求得評價指標(biāo)矩陣中每個決策目標(biāo)的熵權(quán)值αk。

(3)根據(jù)公式(1-η)·αk求解目標(biāo)權(quán)重，組成最終的權(quán)重向量ηk。

(4)將最終的權(quán)重向量ηk重新代入初始模型中求解綜合評估值。

采用灰關(guān)聯(lián)求解原機(jī)與試驗方案的關(guān)聯(lián)系數(shù)。具體為：以各指標(biāo)原機(jī)數(shù)據(jù)為母序列，各egr方案對應(yīng)的指標(biāo)參數(shù)序列為子序列，求解母子序列關(guān)聯(lián)度ri。

將綜合評估值與關(guān)聯(lián)系數(shù)綜合求解最終的評估值r·ri，并根據(jù)優(yōu)劣排序給出最佳egr方案。

效果樣本矩陣和評價指標(biāo)矩陣評中滿足以下條件：imax＝mmax,jmax＝nmax-1。

選取tbd234v12型相繼增壓柴油機(jī)的試驗數(shù)據(jù)，進(jìn)行本方法的驗證：

1)分別選取tbd234v12型相繼增壓柴油機(jī)的9個工況下，5個不同egr率的試驗數(shù)據(jù)，主要選取參數(shù)為燃油消耗油耗、缸內(nèi)爆壓、nox、co及碳煙，具體試驗數(shù)據(jù)如表1所示。

表1部分工況點試驗數(shù)據(jù)

2)采用多目標(biāo)灰色局勢決策方法對egr決策問題進(jìn)行初始建模。以op1工況為例，具體包括以下步驟：

2.1)首先確定決策目標(biāo)，分別為：燃油消耗油耗、缸內(nèi)爆壓、nox、co及碳煙。構(gòu)造效果樣本矩陣

其中，矩陣中橫坐標(biāo)n代表依次代表燃油消耗率、co、nox、碳煙和缸內(nèi)爆壓?？v坐標(biāo)m代表不同egr率。

2.2)確定決策目標(biāo)效果測度。由于所選決策目標(biāo)均為越小越好，故效果測度均選擇下限效果測度，故可得k目標(biāo)下一致效果測度矩陣：

2.3)根據(jù)柴油機(jī)不同工況對nox指標(biāo)權(quán)重η進(jìn)行主觀賦值。

目前egr的主要目的在于降低nox排放，而egr率的控制必須隨著發(fā)動機(jī)的不同工況、排放特性、經(jīng)濟(jì)性和動力性的要求的不斷調(diào)整，基本的原則則是：①怠速、暖機(jī)和低負(fù)荷時，為保證柴油機(jī)工作的穩(wěn)定性和經(jīng)濟(jì)性，一般不采取egr循環(huán)。②加速工況宜采用較低egr率。③隨著柴油機(jī)負(fù)荷的增加，egr率應(yīng)相應(yīng)增加。

因此，考慮將該基本原則轉(zhuǎn)化為初始條件引入到優(yōu)化決策模型中，nox指標(biāo)權(quán)重η的大小反映著當(dāng)前工況下egr的重要程度。若柴油機(jī)處于中低工況，令nox決策權(quán)重值η3＝0.3；若柴油機(jī)處于中高工況，令η3＝0.5。

綜上，因該工況屬于低工況，故η3＝0.3。

3)采用主客觀綜合賦權(quán)方法求解綜合權(quán)重向量。主要步驟包括：

3.1)將中選定的運行參數(shù)中剔除nox參數(shù)，由剩余參數(shù)組成評價指標(biāo)矩陣

其中，i代表不同的egr方案，j代表egr性能參數(shù)。

特別的，效果樣本矩陣和評價指標(biāo)矩陣評中滿足以下條件：imax＝mmax,jmax＝nmax-1

3.2)利用熵權(quán)法求得中剩余每個決策目標(biāo)的熵權(quán)值αk(k＝1,2,3,4)。計算可得各指標(biāo)的熵權(quán)值分別為：0.3179，0.2252，0.2213，0.2355。

3.3)根據(jù)公式(1-η3)·αk求得每個決策目標(biāo)的權(quán)重，最后組成最終的權(quán)重向量ηk(k＝1,2,3,4,5)。則優(yōu)化后最終決策目標(biāo)權(quán)重向量為：

ηk＝[0.2226，0.1577，0.3，0.1549，0.1649]。

3.4)采用基于主客觀綜合賦權(quán)-多目標(biāo)灰色決策的方法求解綜合評估值。根據(jù)公式求得優(yōu)化后的綜合評估值：

r1＝[0.8866，0.9011，0.8964，0.8575，0.7971]

4)采用灰關(guān)聯(lián)求解原機(jī)與試驗方案的關(guān)聯(lián)系數(shù)。

4.1)令各個參數(shù)對應(yīng)的原機(jī)數(shù)據(jù)為原始序列，也稱為母序列：

x0(t)＝{x0(1),x0(2),…,x0(n)}

令各個方案對應(yīng)的試驗數(shù)據(jù)序列為待比較數(shù)據(jù)序列，也稱為子序列：

xi(t)＝{xi(1),xi(2),…,xi(n)}

4.2)記ξi(k)為序列x0(t)和xi(t)在時刻k的關(guān)聯(lián)系數(shù)：

其中和分別表示兩級最小差是|x0(k)-xi(k)|的兩級最大差和兩級最小差；式中0.5為分辨系數(shù)，通常都在0-1之間選取。

4.3)計算序列xi(t)各時刻關(guān)聯(lián)系數(shù)的平均值，即子序列xi(t)對母序列x0(t)的關(guān)聯(lián)度：

綜上步驟，求得各egr方案與原機(jī)之間的關(guān)聯(lián)系數(shù)：

r2＝[0.1981,0.2090,0.2046,0.1953,0.1930]

5)結(jié)合評估值與關(guān)聯(lián)系數(shù)綜合求解最終的評估值r＝r1·r2。

r＝[0.1756，0.1884，0.1834，0.1674，0.1538]

6)根據(jù)最優(yōu)決策原則，對不同egr方案進(jìn)行優(yōu)劣排序，并得到最佳egr率。

由5)結(jié)果可知，評估值大小代表個方案的優(yōu)劣程度，最終的優(yōu)劣排序為：4.6％>8.6％>1.4％>10.4％>11.6。評估值最高者則為最優(yōu)方案，即當(dāng)前工況下最優(yōu)的egr率為4.6％，即宜采用較小egr率，這與傳統(tǒng)最佳egr率選擇原則也是一致的。

同理，可求得工況點op2和op3的最終評估值：

op2：

r＝[0.1838，0.1834，0.1801，0.1811，0.1618]

op3：

r＝[0.1756，0.1766，0.1848，0.1797，0.1596]

由結(jié)果可知，工況op2和op3下最佳egr率分別為0.8％和8.7％。而op2屬于低工況，宜采用較小egr率；而op3屬于中高工況，宜增大egr率，這與傳統(tǒng)的決策原則均是一致的，這也說明了本發(fā)明所提出的方法的有效性和可行性。