NSGA-II在發(fā)動機尾氣排放多目標優(yōu)化問題中的應用

栗方

摘 要：空氣污染和全球變暖問題逐步惡化，全球能源緊缺和環(huán)境污染帶來嚴峻形式逐漸進入人們的視野，探索NSGA-II在發(fā)動機尾氣排放多目標優(yōu)化問題中的應用以應對各國日漸嚴格的燃油消耗政策和汽車排放法規(guī)。文章對雙燃料（柴油和富氫壓縮甲烷）反應性控制的壓縮著火（RCCI）系統(tǒng)進行優(yōu)化，建立數(shù)學模型，將發(fā)動機排放和性能特性對發(fā)動機負荷、發(fā)動機轉(zhuǎn)速、當量比和燃料百分比等因素的響應進行關聯(lián)。最后，利用所建立的模型和NSGA-II（非支配排序遺傳算法II）方法，對各因素進行了優(yōu)化。用NSGA-II法優(yōu)化發(fā)動機參數(shù)的結果令人滿意，并提出了不同試驗條件下的帕累托前沿。研究結果表明，在使用雙燃料發(fā)動機，可用數(shù)值模擬和分析來優(yōu)化發(fā)動機的運行參數(shù)，從而減少污染物排放，達到雙燃料（柴油和富氫壓縮甲烷）反應性控制的壓縮著火（RCCI）點火在不同負荷下一氧化碳和氮氧化物的排放是雙燃料發(fā)動機優(yōu)化問題的改進。

關鍵詞：NSGA-II;多目標優(yōu)化;發(fā)動機優(yōu)化;RCCI;尾氣

中圖分類號：F224.39 ?文獻標識碼：A ?文章編號：1671-7988（2020）16-40-04

Abstract： With the worsening of air pollution and global warming， severe forms brought by global energy shortage and environmental pollution have gradually entered people's vision. The application of NSGA-II in multi-objective optimization of engine exhaust emission is explored to cope with increasingly stringent fuel consumption policies and automobile emission regulations in various countries. In this paper， a compression ignition （RCCI） system for reactivity control of dual fuels （diesel oil and hydrogen-rich compressed methane） is optimized， and a mathematical model is established to correlate the response of engine emissions and performance characteristics to factors such as engine load， engine speed， equivalence ratio and fuel percentage. Finally， the model and NSGA-II （non-dominated sorting genetic algorithm II） method are used to optimize the factors. The results of optimizing engine parameters by NSGA-II method are satisfactory， and Pareto frontier under different test conditions is proposed. The results show that optimization should be considered when using dual-fuel engines. Numerical simulation and analysis can be used to optimize the operating parameters of the engine so as to reduce pollutant emissions. Compression ignition （RCCI） ignition that achieves reactivity control of dual fuels （diesel oil and hydrogen-rich compressed methane） is an improvement to the optimization problem of dual-fuel engines.

Keywords： NSGA-II; Multi-objective optimization; Engine optimization; RCCI; Tail gas

CLC NO.： F224.39 ?Document Code： A ?Article ID： 1671-7988（2020）16-40-04

1 前言

隨著我國汽車總量的快速增加，汽車排放污染問題日益突出，尾氣污染在人口密集的城市中尤為嚴重，對人健康構成威脅。汽車尾氣排放標準的提高和新能源汽車的推廣在很大程度上壓迫傳統(tǒng)能源汽車的生存空間，因此優(yōu)化傳統(tǒng)汽車以達到節(jié)能減排，成為適應市場需求的必然，我們迫切需要尋求新的策略來面對這一問題[1]。

近年來，數(shù)值模擬和進化優(yōu)化算法因為可以同時優(yōu)化多個目標而被廣泛用于發(fā)動機的多目標優(yōu)化問題。多目標優(yōu)化算法（MOEAs）能夠有效地處理權衡關系，并在發(fā)動機優(yōu)化方面取得了成功[2]。研究已經(jīng)表明，使用MOEAs解決發(fā)動機應用中的多目標優(yōu)化問題是具有的可行性的。本文針對非支配排序遺傳算法（NSGA-II）在汽車尾氣優(yōu)化中的應用，實驗中主要利用雙燃料（柴油和富氫壓縮甲烷）反應性控制的壓縮著火（RCCI）發(fā)動機進行研究多目標算法優(yōu)化汽車尾氣問題[3]。

2 RCCI發(fā)動機的數(shù)值模型

2.1 RCCI燃燒技術介紹

RCCI是一種雙燃料發(fā)動機燃燒技術。在燃燒階段，持續(xù)時間和振幅可以通過使用兩種不同反應性的燃料來優(yōu)化。RCCI因其高熱效率和低氮氧化物排放而聞名。低反應性燃料在進氣沖程期間噴射，并與空氣預混合。在壓縮沖程期間，高反應性燃料（HRF）通過多次噴射通過直接噴射器噴射。在本研究中，富氫甲烷壓縮氣（HCM）通過進氣口噴射進行噴射，而柴油通過雙噴射策略進行噴射[4]。

2.2 數(shù)值模型

用CANTERA代碼結合一個簡化的TRF-多環(huán)芳烴化學動力學機制進行燃燒過程的模擬。假設理想狀態(tài)下，所有氣體可以均勻地混合。發(fā)動機模型是一個零維單區(qū)熱動力學模型，用于預測發(fā)動機指示平均有效壓力（IMEP）、CO排放和NOx排放[5]。

3 多目標優(yōu)化

在一個問題中存在多個目標，原則上產(chǎn)生一組最優(yōu)解（很大程度上稱為帕累托最優(yōu)解），而不是單一最優(yōu)解。這類問題被稱為多目標優(yōu)化問題。一個最大似然問題已經(jīng)用加權或決策方案解決了，另一種方法是尋找帕累托最優(yōu)前沿。許多進化算法，如遺傳算法，已經(jīng)被提出來解決多目標規(guī)劃問題。非支配排序遺傳算法（NSGA-II）就是這樣一種MOEAs算法，它展示了有效識別帕累托最優(yōu)前沿的能力[6]。因此，它為決策者提供了最佳解決方案空間的完整畫面。本文介紹NSGA-II在解決多目標優(yōu)化發(fā)動機尾氣排放問題中的應用。

4 引擎優(yōu)化的MOEAs相關工作

NSGA-II引入了考慮帕累托（Pareto）排序和擁擠距離的擁擠競賽選擇，保持良好擴散，并收斂到Pareto前沿[7]。NSGA-II成功地找到了應用中多目標優(yōu)化問題的帕累托前沿，相關工作總結見表1。

優(yōu)化的參數(shù)包括進氣門關閉正時（IVCT）、噴油正時（SOI）、點火正時（IT）、柴油主噴射正時（MSOI）、柴油主噴射正時（PSOI）、IVC溫度（TIVC）、IVC壓力（PIVC）、噴油壓力（IPR）、渦流比（SR）、預混合成氣能量分數(shù)（EFPS），合成氣組成比（CRS）、柴油質(zhì)量（MD）、中試柴油餾分（DFP）、當量比（EQR）和廢氣再循環(huán)率（EGR）。目標包括指示比油耗（ISFC）、等效ISFC（EISFC）、振鈴強度（RI）、碳氫化合物排放（HCE）、總指示有效壓力（GIMEP）、指示功率（IPO）、指示熱效率（ITE）、煙塵排放（SE）、一氧化碳排放（COE）、氮氧化物排放（NOxE）、點火延遲時間（IDE）、層流火焰速度（LFP）和沃伯數(shù)（WN）、未燃燒碳氫化合物排放（UHCE）[8]。發(fā)動機類型包括柴油、RCCI和火花點火。這些工作證明了NSGA-II在發(fā)動機應用中解決多目標優(yōu)化問題的可行性。

在引擎優(yōu)化問題中，其他MOEAs的應用研究很少。CO和NOx是雙燃料發(fā)動機的主要污染排放物[9]。但是，在不同的發(fā)動機負荷條件下，最優(yōu)解是不同的，因此有必要通過同時最小化不同負荷下的CO和NOx排放量來生成完整的工況圖[10]?；诙鄠€參數(shù)的數(shù)值結果表明，NOx排放在很大程度上取決于所有操作參數(shù)，包括燃料供應、合成氣體成分和進氣條件。然而，卻沒有考慮到一氧化碳的排放，因此，帕累托前端裝置可能含有不理想的溶液，這些溶液具有低氮氧化物排放，但一氧化碳排放非常高。

目前對不同負荷條件下CO和NOx排放的運行參數(shù)優(yōu)化還沒有很好的認識。此外，應用現(xiàn)有的MOEAs來解決這個問題也存在一些挑戰(zhàn)。

5 實驗設計

5.1 RCCI 發(fā)動機參數(shù)優(yōu)化的特點

式中eCO（x）和eNOx（x）分別為解決方案x的CO和NOx排放量，其中I（x）為方案x的平均有效壓力（IMEP），I1L和LUL為低負荷下IMEP的下限和IMEP的上限，I1M和IUM為中負荷下IMEP的下限和IMEP的上限，I1H和IUH在高負載條件下IMEP的下界和IMEP的上界[11]。

這個問題給傳統(tǒng)MOEAs帶來了新的挑戰(zhàn)。首先，傳統(tǒng)MOEAs不能同時最小化f1（x），f2（x）和f3（x）。因為這是三個目標相同但約束條件不同的多目標優(yōu)化任務。傳統(tǒng)的MOEAs在一次運行中只能處理一個任務。其次，種群在演化過程中存在大量的非期望解，這些解具有較大的CO排放或NOx排放[12]。

5.2 優(yōu)化結果

本文的目標是通過優(yōu)化發(fā)動機參數(shù)，使RCCI發(fā)動機在不同負載條件下CO和NOx的排放達到最小。

引擎的負載由IMEP值索引。選擇正庚烷作為柴油替代物是因為正庚烷（n-C7H16）的NOx和射氣排放最接近柴油。

優(yōu)化了九個操作參數(shù)，即HCM當量比EHCM，體積與總HCM的比值（Rh），正庚烷當量比（En），先導噴油量與總噴油量之比（Rp）正庚烷的注射壓力（Pinj），進氣壓力（Pi），以及進氣溫度（Ti）的介紹[13]。參數(shù)的工作范圍見表2。Rh由于經(jīng)濟原因，限制在30%以下。為了保護傳統(tǒng)的化石燃料（柴油），En限制在20%以下。最大值En比EHCM小很多。因此，HCM是本研究的主要燃料。

本文所用發(fā)動機型號規(guī)格見表3。發(fā)動機模型由燃燒室（氣缸、氣門、噴油器）、冷卻部件（中冷器、氣缸冷卻器）和渦輪增壓器系統(tǒng)組成。

此外，在優(yōu)化過程中，引入了一些約束來消除不滿意的解。采用熱效率最小指標、熱膨脹功與正庚烷能比、熱膨脹功與正庚烷能比等約束條件，使熱膨脹功與正庚烷能比達到20%以上，保證了高效燃燒。

6 NSGA-II算法仿真結果

以上對高中低三個負載仿真結果，低負荷、中負荷和高負荷下的IMEP范圍分別為（5，8），（12，15）和（17，20）。程序經(jīng)過2000次迭代，得到圖1，圖2，圖3。圖中帕累托最優(yōu)解用藍色實心點表示，實心點連成的曲線為帕累托最優(yōu)解集，解通過目標函數(shù)映射組成了NSGA-II算法優(yōu)化RCCI發(fā)動機最小化一氧化碳和氮氧化合物的Pareto最優(yōu)前沿，帕累托最優(yōu)前沿為帕累托最優(yōu)解對應的目標函數(shù)值[14]。因此，一氧化碳和氮氧化合物在Pareto最優(yōu)前沿區(qū)域如圖，圖片顯示出NSGA-II獲得了理想?yún)^(qū)域內(nèi)極低的CO排放或NOx排放。

由圖可以看出，在高負載下，CO排放較少，主要排放NOx。在中等負荷下，較高負載CO有所增加。在低負荷下，CO和NOx排放結果與中負載相比而言排放量稍小，總體上十分接近，但低負載下CO和NOx排放量有所平衡。

對比三個負載，RCCI發(fā)動機在低負荷條件下運作，相較于高負載和中負載一氧化碳和氮氧化合物排放量更低。

7 結論

通過對NSGA-II在發(fā)動機尾氣排放多目標優(yōu)化問題中的應用研究，我們發(fā)現(xiàn)NSGA-II在實際生活中多目標優(yōu)化問題有很多的優(yōu)點，實驗結果表明：在低負荷條件下，CO和NOx排放都比較低。與柴油相比HCM/柴油雙燃料RCCI發(fā)動機的CO排放量要高的多，而柴油機排放物，尤其是顆粒物和氮氧化物是對人類健康有害的環(huán)境污染物。HCM/柴油雙燃料RCCI發(fā)動機降低了NOx排放顆粒物幾乎可以忽略不計。歐六的排放標準為，一氧化碳和氮氧化物的最大排放量分別為4.0克/千瓦時和0.46克/千瓦。總的來說HCM/柴油雙燃料RCCI的CO排放也比歐洲VI的排放標準要低。在優(yōu)化尾氣的問題里，節(jié)能減排的道路依舊是漫長的，更高效清潔的發(fā)動機運作方式仍待我們?nèi)ヌ剿鳌?/p>

參考文獻

[1] C. Mavrelos， G. Theotokatos， Numerical investigation of a premixed combustion large marine two-stroke dual fuel engine for optimizing engine settings via parametric runs， Energy Conversion and Manage ment，2018，160：48-59.

[2] J.Li， W. Yang， D. Zhou， Review on the management of rcci engines， Renewable and Sustainable Energy Reviews，2017，69： 65-79.

[3] S. Lotfan， R. A. Ghiasi， M. Fallah， M. Sadeghi， Ann-based modeling and reducing dual-fuel engines challenging emissions by multiobj -ective evolutionary algorithm nsga-ii， Applied Energy， 2016， 175： 91-99.

[4] Z. Xu， M. Jia， Y. Li， Y. Chang， G. Xu， L. Xu， X. Lu， Computational optimization of fuel supply， syngas composition， and intake condi-tions for a syngas/diesel rcci engine， Fuel， 2018， 234： 120-134.

[5] P. Dimitriou， T. Tsujimura， A review of hydrogen as a compression ignition engine fuel，International Journal of Hydrogen Energy， 2017， 42： 24470-24486.

[6] G.Kosmadakis， D. Rakopoulos， C.Rakopoulos， Investigation of nitric oxide emission mechanisms in a si engine fueled with methane/ hydrogen blends using a research cfd code， International Journal of Hydrogen Energy， 2015， 40（43）： 15088-15104.

[7] A.Menaa， M.Lounici，F(xiàn).Amrouche， K.Loubar， M. Kessal， Cfdanalysis of hydrogen injection pressure and valve profile law effects on backfire and pre-ignition phenomena in hydrogen-diesel dual fuel engine，International Journal of Hydrogen Energy， 2019， 44： 9408- 9422.

[8] S.Lee， J.Jeon，S.Park，Optimization of combustion chamber geometry and operating conditions for compression ignition engine fueled with pre-blended gasoline-diesel fuel， Energy Conversion and Man -agement， 2016， 126： 638-648.

[9] 辛曉剛，王彪，李昕，方彥軍.考慮風電消納能力的含風電場電力系統(tǒng)多目標優(yōu)化調(diào)度研究[J].可再生能源， 2016， 34（01）：49-55.

[10] J.Zareei，A.Rohani，Optimization and study of performance para -meters in an engine fueled with hydrogen， International Journal of Hydrogen Energy， 2020， 45： 322-336.

[11] 董駿峰，王祥，梁昌勇.基于個體鄰域的改進NSGA-II算法[J].計算機工程與應用，2019， 5：166-174.

[12] 張坤.基于占用和照度信息的室內(nèi)照明調(diào)光策略研究[D].天津理工大學，2019.

[13] B.H.Nguyen，B.Xue，P.Andreae，H.Ishibuchi and M.Zhang， "Multiple Reference Points-Based Decomposition for Multiobjective Feature Selection in Classification： Static and Dynamic Mechanisms，" in IEEE Transactions on Evolutionary Computation.2020，24（1），170- 184.

[14] A.Paykani，C.E.Frouzakis， K. Boulouchos， Numerical optimization of methane-based fuel blends under engine-relevant conditions using a multi-objective genetic algorithm， Applied Energy，2019， 242：1712-1724.