一种空气动力发动机多参数耦合优化方法及系统技术方案

本发明专利技术涉及一种空气动力发动机多参数耦合优化方法及系统，首先根据建立的输出扭矩方程两级膨胀气动机的数学模型建立仿真模型，按照单一因素分析法得到多个优化参数对气动机性能的影响曲线，并得到参数的最优值将其作为粒子群的初始解，然后再继续求解气动机多参数耦合优化模型，从而有效的优化空气动力发动机的各个参数，提高气动机的性能，有效解决了现有技术中仅能进行单一参数优化的问题。有技术中仅能进行单一参数优化的问题。有技术中仅能进行单一参数优化的问题。

【技术实现步骤摘要】
一种空气动力发动机多参数耦合优化方法及系统


[0001]本专利技术涉及发动机参数优化
，特别是涉及一种空气动力发动机多参数耦合优化方法及系统。

技术介绍

[0002]现有的空气动力发动机的设计过程仅对某个气动参数进行优化，存在单一参数优化、耗气量大、效率较低等问题，造成气动设备续航里程短，输出扭矩小的情况，从而使应用受到限制。例如，无法在高瓦斯煤矿井下的有限空间和资源环境紧缺的环境下长期应用。
[0003]因此，必须采取有效的方法，优化空气动力发动机的设计参数，提高气动机的性能，增加气动装备有效的扭矩等性能，然而现有的技术中仅可针对单个参数进行优化，无法协调各个参数的优化效果。

技术实现思路

[0004]本专利技术的目的是提供一种空气动力发动机多参数耦合优化方法及系统，解决现有技术中仅能进行单一参数优化的问题。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种空气动力发动机多参数耦合优化方法，所述方法包括：
[0007]建立动力发动机的输出扭矩方程；
[0008]根据所述输出扭矩方程，以空气动力发动机输出的平均扭矩和耗气量为优化的目标，得出空气动力发动机多参数耦合优化模型；
[0009]利用单一因素分析法得到空气动力发动机性能优化参数的最优值；
[0010]将所述性能优化参数的最优值作为粒子群优化算法中粒子的初始位置值，利用粒子群优化算法求解所述空气动力发动机多参数耦合优化模型。
[0011]在一些实施例中，所述建立动力发动机的输出扭矩方程，具体包括：
[0012]对第一级气缸的活塞和曲轴进行受力分析，得到第一级气缸的输出扭矩；
[0013]对第二级气缸的活塞和曲轴进行受力分析，得到第二级气缸的输出扭矩；
[0014]根据所述第一级气缸的输出扭矩和所述第二级气缸的输出扭矩得到两级气缸的输出扭矩。
[0015]在一些实施例中，所述第一级气缸的输出扭矩为：
[0016][0017]其中，M
P1
为第一级气缸的输出扭矩，p1为第一级气缸内的瞬时压力，p0为大气压力，A
p
为活塞顶面积，m1为第一级气缸内气体瞬时质量，r为曲柄半径，w1为第一级气缸的曲轴转动角速度，φ1为第一级气缸曲轴转角，λ
s
为连杆曲柄比，β1为连杆与第一级气缸轴线夹角，S为活塞行程。
[0018]在一些实施例中，所述第二级气缸的输出扭矩为：
[0019][0020]其中，M
P2
为第二级气缸的输出扭矩，p2为第二级气缸内的瞬时压力，p0为大气压力，A
p
为活塞顶面积，m2为第二级气缸内气体瞬时质量，r为曲柄半径，w2为第二级气缸的曲轴转动角速度，φ2为第二级气缸曲轴转角，λ
s
为连杆曲柄比，β2为连杆与第二级气缸轴线夹角，p为气缸内的瞬时压力，S为活塞行程。
[0021]在一些实施例中，所述两级气缸的输出扭矩为：
[0022]M
p
＝M
p1
+M
p2
[0023]其中，M
p
为两级气缸的输出扭矩，M
p1
为第一级气缸的输出扭矩，M
p2
为第二级气缸的输出扭矩。
[0024]在一些实施例中，所述空气动力发动机多参数耦合优化模型为：maxf＝M
p
[0025]其中，M
p
表示所述输出扭矩方程。
[0026]在一些实施例中，所述将所述性能优化参数的最优值作为粒子群优化算法中粒子的初始位置值，利用粒子群优化算法求解所述空气动力发动机多参数耦合优化模型，具体包括：
[0027]利用所述性能优化参数的最优值作为粒子群优化算法中粒子的初始位置值；
[0028]随机初始化粒子的速度值，设置粒子群优化算法的种群数量和迭代次数；
[0029]利用所述初始位置值计算所述空气动力发动机多参数耦合优化模型的目标函数值；
[0030]更新粒子群算法中粒子的个体极值和全局极值；
[0031]利用惯性权重平衡全局搜索和局部搜索，并更新惯性权重；当迭代次数达到设置的迭代次数或者空气动力发动机的输出扭矩的变化值满足要求，输出粒子群的位置值，得到所述空气动力发动机多参数耦合优化模型的最优解。
[0032]在一些实施例中，所述更新粒子群算法中粒子的个体极值和全局极值，具体包括：
[0033]利用粒子值更新公式更新粒子群算法中粒子的个体极值和全局极值；
[0034]所述粒子值更新公式为：其中，为第k次迭代时粒子i的自身速度，w称为惯性权重，c1、c2为加速系数或者称为学习因子，rand()、Rand()为两个在[0，1]范围内变化的随机数，表示k次迭代过程中第i个粒子的最优的位置值，表示第k次迭代中第i个粒子的位置值，表示第k次迭代中种群中所有粒子代入目标函数中，输出扭矩最大的那个粒子值。
[0035]在一些实施例中，所述惯性权重为：
[0036][0037]其中，w表示惯性权重，w
max
和w
min
分别为惯性权重的最大值和最小值，iter
max
为迭代次数的最大值，iter为当前迭代次数。
[0038]本专利技术还提供了一种空气动力发动机多参数耦合优化系统，所述系统包括：
[0039]输出扭矩建立单元，用于建立动力发动机的输出扭矩方程；
[0040]耦合优化模型建立单元，用于根据所述输出扭矩方程，以空气动力发动机输出的平均扭矩和耗气量为优化的目标，得出空气动力发动机多参数耦合优化模型；
[0041]参数最优值确定单元，用于利用单一因素分析法得到空气动力发动机性能优化参数的最优值；
[0042]模型求解单元，用于将所述性能优化参数的最优值作为粒子群优化算法中粒子的初始位置值，利用粒子群优化算法求解所述空气动力发动机多参数耦合优化模型。
[0043]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0044]本专利技术首先根据建立的输出扭矩方程建立仿真模型，按照单一因素分析法得到多个对气动机性能影响的优化的最优值，并将其作为粒子群的初始解，然后再继续求解气动机多参数耦合优化模型，从而有效的优化空气动力发动机的各个参数，提高气动机的性能，有效解决了现有技术中仅能进行单一参数优化的问题。
附图说明
[0045]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0046]图1为本专利技术实施例提供的空气动力发动机多参数耦合优化方法流程图。
[0047]图2为本专利技术实施例提供的进气持续角对气动机性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空气动力发动机多参数耦合优化方法，其特征在于，所述方法包括：建立动力发动机的输出扭矩方程；根据所述输出扭矩方程，以空气动力发动机输出的平均扭矩和耗气量为优化的目标，得出空气动力发动机多参数耦合优化模型；利用单一因素分析法得到空气动力发动机性能优化参数的最优值；将所述性能优化参数的最优值作为粒子群优化算法中粒子的初始位置值，利用粒子群优化算法求解所述空气动力发动机多参数耦合优化模型。2.根据权利要求1所述的空气动力发动机多参数耦合优化方法，其特征在于，所述建立动力发动机的输出扭矩方程，具体包括：对第一级气缸的活塞和曲轴进行受力分析，得到第一级气缸的输出扭矩；对第二级气缸的活塞和曲轴进行受力分析，得到第二级气缸的输出扭矩；根据所述第一级气缸的输出扭矩和所述第二级气缸的输出扭矩得到两级气缸的输出扭矩。3.根据权利要求2所述的空气动力发动机多参数耦合优化方法，其特征在于，所述第一级气缸的输出扭矩为：其中，M
P1
为第一级气缸的输出扭矩，p1为第一级气缸内的瞬时压力，p0为大气压力，A
p
为活塞顶面积，m1为第一级气缸内气体瞬时质量，r为曲柄半径，w1为第一级气缸的曲轴转动角速度，φ1为第一级气缸曲轴转角，λ
s
为连杆曲柄比，β1为连杆与第一级气缸轴线夹角，S为活塞行程。4.根据权利要求2所述的空气动力发动机多参数耦合优化方法，其特征在于，所述第二级气缸的输出扭矩为：其中，M
P2
为第二级气缸的输出扭矩，p2为第二级气缸内的瞬时压力，p0为大气压力，A
p
为活塞顶面积，m2为第二级气缸内气体瞬时质量，r为曲柄半径，W2为第二级气缸的曲轴转动角速度，φ2为第二级气缸曲轴转角，λ
s
为连杆曲柄比，β2为连杆与第二级气缸轴线夹角，p为气缸内的瞬时压力，S为活塞行程。5.根据权利要求2所述的空气动力发动机多参数耦合优化方法，其特征在于，所述两级气缸的输出扭矩为：M
p
＝M
p1
+M
p2
其中，M
p
为两级气缸的输出扭矩，M
p1
为第一级气缸的输出扭矩，M
p2
为第二级气缸的输出扭矩。6.根据权利要求1所述的空气动力发动机多参数耦合优化方法，其特征在于，所述空气动力发动机多参数耦合优化模...

【专利技术属性】
技术研发人员：王毅颖，顾英，史艳楠，王瀚秋，司冯淼，刘文壮，封明明，张恩显，
申请(专利权)人：河北工程大学，
类型：发明
国别省市：