【技术实现步骤摘要】
本专利技术涉及燃烧动力学，具体为一种基于非线性方式的粒子群燃烧反应机理简化的方法。
技术介绍
1、燃烧能源在全球能源供应中扮演着至关重要的角色，约占全球能源利用的80％。在内燃机或者混动发动机研发设计以及简化庞大燃烧反应机理的应用方面，用简单高效的算法来解决各行业内复杂非线性问题具有很大的潜力。在寻求燃烧过程中复杂非线性规律上通常很难用线性统计的方式查清组分之间真实贡献程度；对于高碳燃烧机理，采用线性统计的简化方法已被证实其所得到的骨架机理仍含有大量的冗余组分。因此，在有一定计算资源能力下，采用非线性统计组分贡献大小的简化方法通常能规避一些系统非线性的影响，从而得到更加稳定且紧凑的机理。
2、由于碳氢燃料详细反应机理的不断扩展，一般需要结合多种简化方法来构建结构更为紧凑、预测更为准确的简化机理，通常简化思路是：首先，使用速率常数的敏感性分析等方法来确定详细反应机理中哪些反应对于系统的整体行为至关重要。通常，只有少数关键反应对于整体燃烧过程具有显著影响。这些关键反应将被保留在简化机理中，目的是减少机理的复杂性。接下来，针对每个保留的关键反应，尝试简化反应路径，以减少中间物种和反应步骤的数量。这通常包括识别并消除不重要的中间物种以及合并几个反应步骤为一个单一的有效步骤，以减小机理的规模和系统的复杂性。最后，通过识别准稳态组分，进一步简化机理，以获得更为紧凑和可预测的简化机理。
3、在使用上述方法简化组分和反应后，通常需要对简化机理的反应动力学参数，尤其是指前因子进行调整，以提高其预测性能。然而，反应动力学系统
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于非线性方式的粒子群燃烧反应机理简化的方法，解决了传统的方法很难解决高度非线性的机理优化的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于非线性方式的粒子群燃烧反应机理简化的方法，具体包括以下步骤：
3、步骤一、已知粒子群算法核心公式为：
4、
5、
6、步骤二、根据各随机样本计算其适应度，以此衡量机理模型的性能，来确定哪些参数组合和解决方案能够更好地满足简化目标，从而有助于找到最佳的简化机理；
7、步骤三、更新组和代最佳粒子，通过不断地更新组最佳粒子和代最佳粒子，找到更接近全局最优的简化机理，从而更准确地描述燃烧过程，减小模型的复杂性，并提高模拟的性能；
8、步骤四、最优解的提取，当达到最大迭代次数时，燃烧反应机理的组分数已达最少，此时输出代最佳粒子，即得到最佳简化机理。
9、优选的，所述步骤一中，n为粒子个数，c1为粒子的个体学习因子，c2为粒子的社会学习因子，为第d次迭代时，第i个粒子的速度，为第d次迭代时,第i个粒子所在的位置，f(x)为在位置x时的适应度值，(一般取目标函数值)，为到第d次迭代为止，第i个粒子经过的最好的位置,gbestd为到第d次迭代为止，所有粒子经过的最好的位置，本专利技术在机理简化中采用sobol随机采样方式对多维空间进行均匀采样，生成一系列随机样本，xi(i＝1,2,...n)均是0和1构成，0代表新机理中不包含此组分，1代表新机理中包含此组分，其中n代表样本总数，xi:长度代表机理中组分的总数，定义gbest表示当代下群体中最优的个体，pbest表示历史最优个体，帮助确定哪些反应步骤或组分对于模拟结果的精确性影响不大，从而指导简化过程中的决策。
10、优选的，所述步骤二具体为：
11、根据各随机样本计算其适应度。适应度函数如公式(3)所示：
12、
13、
14、其中，δi为第i个样本的简化机理点火延时时间误差，和分别表示第k个操作条件下详细机理及简化机理的点火延时时间，z为初始条件的集合，t0为截断时间，tcom为简化机理计算过程中所消耗的时间，nspecies为简化机理中总的组分数，error_limit为截断误差，将error_limit设置为20，t0设置为2倍于原机理在z空间下计算点火延时所消耗的时间。
15、优选的，所述步骤三具体为：
16、通过w、c1和c2三个系数确定下一代粒子，并通过不断地迭代寻找最佳适应性粒子，w代表遗传自身的比率，c1代表遗传代最佳粒子的比率，c2代表遗传组最佳粒子的比率，生成新一代粒子时设置c1＝c2＝0.3和w＝0.6，如果粒子群的整体性能都比较好，可以适当增加w的比重，由此可以加快简化过程的收敛速度，如果粒子群整体性能都一般，那么可以考虑增加c1、c2的值，由此牺牲收敛速度而换取更加精简的机理。
17、优选的，采用粒子群算法进一步有效缩减燃烧机理尺寸，从而进一步提高燃烧数值模拟效率。
18、本专利技术提供了一种基于非线性方式的粒子群燃烧反应机理简化的方法。与现有技术相比具备以下有益效果：
19、该基于非线性方式的粒子群燃烧反应机理简化的方法，进行综合性考虑，再结合人工智能的相关行业发展，开发出一种基于粒子群算法的燃烧反应机理简化的方法，该简化策略充分发挥了智能算法在燃烧领域的优势，能够对燃烧反应动力机理进行探索性的开发非线性简化方法并提取精简简化机理。本专利技术可以在机理模型的简化过程中进行调整，最大程度的保证模型的可靠性与准确性；本方法保证了每一步简化过程都在可控误差精度的条件下进行，且实现计算机自动简化，以达到简化极限；本方法可以进一步有效地缩减燃烧机理尺寸，从而进一步提高燃烧数值模拟的效率。
本文档来自技高网...【技术保护点】
1.一种基于非线性方式的粒子群燃烧反应机理简化的方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述的一种基于非线性方式的粒子群燃烧反应机理简化的方法，其特征在于：所述步骤一中，n为粒子个数，c1为粒子的个体学习因子，c2为粒子的社会学习因子，为第d次迭代时，第i个粒子的速度，为第d次迭代时,第i个粒子所在的位置，f(x)为在位置x时的适应度值，为到第d次迭代为止，第i个粒子经过的最好的位置,gbestd为到第d次迭代为止，所有粒子经过的最好的位置，xi(i＝1,2,...N)均是0和1构成，0代表新机理中不包含此组分，1代表新机理中包含此组分，其中N代表样本总数，Xi:长度代表机理中组分的总数，定义Gbest表示当代下群体中最优的个体，Pbest表示历史最优个体，帮助确定哪些反应步骤或组分对于模拟结果的精确性影响不大，从而指导简化过程中的决策。
3.根据权利要求1所述的一种基于非线性方式的粒子群燃烧反应机理简化的方法，其特征在于：所述步骤二具体为：
4.根据权利要求1所述的一种基于非线性方式的粒子群燃烧反应机理简化的方法，其特征在于：
5.根据权利要求1所述的一种基于非线性方式的粒子群燃烧反应机理简化的方法，其特征在于：采用粒子群算法进一步有效缩减燃烧机理尺寸，从而进一步提高燃烧数值模拟效率。
...【技术特征摘要】
1.一种基于非线性方式的粒子群燃烧反应机理简化的方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述的一种基于非线性方式的粒子群燃烧反应机理简化的方法，其特征在于：所述步骤一中，n为粒子个数，c1为粒子的个体学习因子，c2为粒子的社会学习因子，为第d次迭代时，第i个粒子的速度，为第d次迭代时,第i个粒子所在的位置，f(x)为在位置x时的适应度值，为到第d次迭代为止，第i个粒子经过的最好的位置,gbestd为到第d次迭代为止，所有粒子经过的最好的位置，xi(i＝1,2,...n)均是0和1构成，0代表新机理中不包含此组分，1代表新机理中包含此组分，其中n代表样本总数，x...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。