基于NLPQL算法的气动发动机性能寻优.docx

    基于NLPQL算法的气动发动机性能寻优    朱烨++杨章林【Summary】在AMESim仿真环境下建立两级气动发动机的仿真模型，以气动发动机气缸直径、活塞行程为设计变量，以气动发动机摩擦功率最小为目标函数，设计非线性二次规划算法（NLPQL），对结构参数进行优化设计结果表明，相比初始结果，该方法能够降低摩擦功率，提升气动发动机性能Key】气动发动机；AMESim：NLPQL算法；优化设计随着我国汽车工业的快速发展，传统的燃油发动机带来的污染越来越严重，随着石化能源不断枯竭，越来越多的人开始探寻新能源，气动发动机就是在这一现状下产生的气动发动机以高压压缩空气为动力源，在气缸内膨胀推动活塞做功对外输出动力，不消耗燃料，尾气无任何污染物质排放同时，压缩空气可以利用水力、风力和太阳能等可再生绿色能源进行制备，具有广阔的发展前景目前，气动发动机面临的最大问题是能量使用效率低，限制了气动汽车的续驶里程和推广应用在气动发动机的优化设计过程中，活塞曲柄连杆组参数的优化是关键，找到性能参数与结构参数的关系，通过结构参数的优化来达到提高其性能本文采用NLPQL（非线性序列二次规划）这一数学优化方法，并结合气动发动机的Amesim模型仿真计算，进行优化设计。

1气动发动机工作原理气动发动机使用高压压缩空气为动力源，将压缩空气存储的压力能转换为其它形式的机械能本文研究的是活塞式两级气动发动机，如下图所示活塞在上止点，气缸进气口打开，高压空气进入第一级空压机气缸，高压气体膨胀做功，气体推动活塞运动，第一缸内剩余气体压力是第二缸的始动力，进入第二缸继续膨胀做功图1略）2AMESIm模型建立AMESIm是法国Imagine公司开发的工程系统仿真软件，为多学科领域复杂系统提供建模仿真解决方案AMESIm可以通过直接的物理方法将不同的领域模块连接在一起，避免了各种程序代码的编写，因其采用工程技术语言，可以进行非常直观的各类图形用户界面仿真，也使它成为众多领域的系统建模与仿真的标准环境它具有完全图形界面，在整个仿真过程中，系统都是以图形的形式显示的该软件为用户提供了批处理、稳态、间断、动态等多种仿真模式，同时拥有频谱图、Bode圖、活性指数等齐全的分析工具AMESIm也拥有元件、方块图、基本元素和数学方程等建模方式，用户可自行选择或综合运用因此用户可以更加专注于工程系统本身的设计，而不必消耗过多的精力于繁琐的数学建模当中3仿真模型的搭建根据气动发动机系统工作物理过程，搭建了下图模型。

图2略）4NLPQL算法在气动发动机优化中的应用4.1数学优化方法选择NLPQL优化方法进行优化，它的优点即：（1）能有效探索初始设计点周围局部区域（2）如果设计空间是连续、单峰的形态，能够沿最快下降方向探索（3）特定条件下能从数学上证明其收敛因此NLPQL在求解有约束非线性数学规划问题时，具有稳定、收敛快和易于得到全局最优解等优点4.2优化问题分析气动发动机工作时，气体的压缩能不可能完全转换成机械能，其中机械损失主要为磨擦损失，占功率损失的绝大部分，直接反映了发动机工作性能，是衡量其经济性的重要指标磨擦损失是指在活塞将获得的功经连杆曲轴向外传递过程中因磨擦而消耗的功因此活塞曲柄连杆组的结构参数的优化是关键，找到性能参数与结构参数的关系，通过结构参数的优化来减少摩擦功率，达到提高其性能的目的采用非线性连续二次规划法（NLNQL）这一数学优化方法，并结合气动发动机的AMESim模型仿真计算，进行优化设计4.3设计变量将影响气动力发动机摩擦功率的主要参数作为设计变量X，主要影响因素有发动机的气缸直径D1，D2和活塞行程S1，S2对这四个参数进行优化，使其功率损失最小X=X1，X2，X3，X4T其中X1，X2为第一缸气缸直径和活塞行程，X3，X4为第二缸气缸直径和活塞行程4.4目标函数气动发动机摩擦功率计算公式为：Nm=vhpm36.72其中vh为气动发动机气缸工作容积＼[m3/h＼]，pm为平均摩擦压力对于多级空气发动机，Nm=N1+N2+...Ni，i为空气动力发动机的级数，本文i为2，设fx=Nm，即目标函数为minfxvh=πD24SN，D为气动发动机气缸直径，S为活塞行程，N为气动发动机转速pm=0.959-0.0087i-0.0133ε，ε为压力比5结论利用Amesim建立气动发动机的模型，并运用NLPQL优化算法进行优化设计，优化后气动发动机摩擦功率有了一定程度改善，证明此优化方法有效可行。

可以在气动发动机设计时采用，减少人工试算及参数调整的工作量，提高工作效率，该方法可拓展到其它机械系统的设计和分析领域Reference：[1]韩二锋. 气动发动机准等温膨胀实现途径的研究[J].杭州：浙江大学，2007[2]李吉，李华聪.仿真软件AMESim应用研究[J].航空计算技术，2006，1 （36）：5658[3]徐晓宏，赵万忠，王春燕.基于NLPQL算法的电动轮汽车差速助力转向参数优化[J].中南大学学报，2012，43（9）：3236   -全文完-。