基于偏好MOEA_D算法的气发动机多目标优化标定研究.pdfVIP

基于偏好MOEA/D算法的天然气发动机多目标优化标定研究

摘要

发动机多目标优化技术是降低发动机排放、提升发动机经济性的有效技术手段，其

本质是寻求使多个指标如排放、燃料消耗等均达最优的控制参数组合。当前的相关研究

大多集中于在全工况范围下求解出完整帕累托前沿，不利于最终决策者对偏好方案的选

取且浪费计算资源。并且国际海事组织针对不同区域制订了不同标准的排放法规，因此

随着船舶航行区域的变化，用户对发动机的需求也有着不同的偏好。本文针对6M33天

然气发动机开展带有决策者偏好信息的多目标性能优化研究，旨在获得决策者不同偏好

下的最优解决方案，使发动机在不同运行条件下均保持最佳性能。

本文利用GT-Power软件搭建了天然气发动机数值仿真模型，并开展了台架试验，

对模型进行了标定与验证。在此基础上，研究分析了点火正时和空燃比对发动机性能与

排放的影响，为进行试验设计和后续分析提供了理论指导。基于有限数据建立天然气发

动机预测模型，探究分析了BP神经网络、LSTM神经网络以及极限学习机等预测建模

技术优缺点，其中极限学习机因其强大的非线性拟合能力以及独特的学习训练过程实现

了对控制参数和输出响应之间的高效拟合。

针对天然气发动机NOx排放和燃料消耗难以调和的矛盾，提出了基于极限学习机

预测模型与MOEA/D算法相结合多目标优化策略，并设计了自适应进化算子，旨在解

决最优解分布均匀性差问题。利用该策略对天然气发动机进行优化，所有解均满足IMO

Tier-Ⅱ排放法规，并且存在满足IMOTier-Ⅲ的最优解决方案。

在此基础上，提出基于权重向量变换的方式，将决策者偏好信息引入MOEA/D算

法框架，实现了带有决策者偏好信息的天然气发动机多目标优化。选取两种不同偏好进

行验证，在低排放偏好方案下，所有工况均能满足IMOTier-Ⅲ限值，此时NOx排放相

较原机下降了81%，而BSFC则增长了0.35%，表明可以在牺牲少量经济性的基础上获

得较低的排放水平。而将排放限值放宽至IMOTier-Ⅱ时，NOx排放平均降低了35%，

同时BSFC也较原机降低了1.86%，实现了NOx与BSFC的同时优化。

关键词：天然气发动机；预测模型；极限学习机；偏好多目标优化；MOEA/D算

法

基于偏好MOEA/D算法的天然气发动机多目标优化标定研究

Abstract

Enginemulti-objectiveoptimizationtechnologyisaneffectivetechnicalmeansto

reduceengineemissionsandimproveengineeconomy,whichessentiallyseekstooptimize

thecombinationofcontrolparametersformultipleindicatorssuchasemissionsandfuel

consumption.MostofthecurrentstudiesfocusonsolvingthecompleteParetofrontinthe

fullrangeofoperatingconditions,whichisnotconducivetothefinaldecisionmakers

selectionofthepreferredsolutionandwastescomputationalresources.Inaddition,the

InternationalMaritimeOrganization(IMO)hassetdifferentemissionregulationsfordifferent

regions,sothatusershavedifferentpreferencesforenginerequirementsastheship