行业应用方案 | 5G通信设备、基站与场景

一、研究背景及意义对于循环变动对于发动机的燃烧、排放、噪音、车辆的驱动特性等有很多不利的影响。具体的不利影响如下图1所示。如何有效的降低循环变动是重要的研究的方向。图1 循环波动对于发动机性能的影响本文研究的目的是模拟缸内燃烧现象的循环变化，并检验GT-模型的有效性和鲁棒性。二、 研究方法为了建立准确的模型，我们进行了如下图2所示的操作流程。具体的操作流程说明如后所述。图2 具体的操作流程2．1 倒拖模型标定把实际发动机安装在测试台架上进行发动机的倒拖测试。建立如下图3所示的测试台架。图3 发动机倒拖测试台架并测量的各个传感器的安装位置。测量如图4所示:图4 传感器的安装位置测试根据实际的几何特征，建立起对应的发动机的模型。并根据上述测量的位置定义模型的入口位置，并根据传感器测试的数据进行模型的建立。具体的模型如图5所示。图5 标定倒拖的仿真发动机模型在图5所示的进、排气边界上输入测试的瞬态的压力与温度曲线。在模型中定义发动机的热边界、发动机几何参数、压缩比、气阀的流量系数、气门间隙等。利用模型计算节气门全开（WOT）条件下，发动机转速从2000rpm到7000rpm,间隔为500rpm的仿真数据。并进行测试数据与仿真数据的标定。图6是测试与仿真数据的气缸内瞬态压力数据的对比。图6 倒拖缸压与仿真缸压对比倒拖标定结果当模型的输入参数，包括：进、排气阀的升程；阀的流量系数；压缩比；气门间隙；气门正时输入正确时，仿真与测试缸压的方差（RMS）小于7%。当某些工况的误差明显时，需要进行气缸的泄漏和曲拐的刚度需要进行一定的修正。当仿真缸压与测试缸压一致时，根据倒的力矩或功率，反求出发动机的实际摩擦损失。并以此作为边界输入后续的发动机模型中去。2．2 建立非预测的燃烧模型在倒拖模型的基础上，添加喷油器模型。并根据传感器测试的数据输入到模型的边界上。主要输入的参数有：进气系统、气缸和排气系统的瞬态的压力与温度数据。具体的模型如图7所示。并根据测试的数据输入热边界条件，定义：空燃比、摩擦损失等。并进行发动机的性能数据测试,发动机转速从2000rpm到7000rpm，每间隔500rpm。GT-SUITE软件会自动的根据输入的缸压数据，计算出气缸内的燃烧速度曲线，并根据燃烧速度曲线计算出对应的缸压曲线，并对比两条缸压曲线的差别。用于模型的确认。图7 非预测燃烧模型及输入图8是在发动机转速为7000rpm时，测试与仿真的结果对比。从图中可以看出非预测燃烧模型能很好的对标测试数据。图8 发动机7000rpm,WOT的缸压对比2．3 预测性的燃烧模型在2.2的步骤中，确认了测试缸压与仿真缸压的数据对比没有偏差的情况下，进行预测燃烧模型的标定。在2.2的计算结果中，可以查出当进气门关闭时，气缸内气新鲜空气的容积效率、残余废气系数、空气捕集率、燃油捕集量等。可以把这些结果输入到单缸机的模型中去，如图9所示。在单缸机模型中导入燃烧室的几何形状，并定义火花塞的安装空间位置、火花塞间隙等。图9 预测燃烧标定模型及参数化输入对于预测燃烧模型，对如下四个参数进行标定，得出唯一的一组数以满足标定要求。具体的参数有以下向个:-Dilution Exponent Multiplier（DEM）-Flame Kernel Growth Multiplier(FKGM)-Turbulent Flame Speed Multiplier(TFSM)-Taylor Length Scale Multiplier(TLSM)以最小化RLT：Improved Burn Rate RMS Error去优化预测的燃烧率。最终优化的后的参数结果如下表1所示：表1：预测燃烧模型优化后参数标定预测燃烧模型后的缸压对比结果如图10所示。图10 三种缸内压力对比结果从上述结果来看，预测燃烧模型的精度满足要求，可以进行后续的工作。2．4 带有预测燃烧模型的全模型根据2.3得出的预测燃烧模型，代入到完整的发动机模型中去，建立的模型如图11所示。图11 带有预测燃烧模型的发动机模型2．5 循环波动预测燃烧模型的标定对于燃烧变动的特性来说，大量循环的循环间燃烧变化服从正态分布曲线。通过预测燃烧模型得到湍流火焰速度系数和泰勒长度尺度系数的均值。为了训练模型来模拟CCV，要把湍流火焰速度系数和泰勒长度尺度系数的标准差需要找出来。这两个值可以通过GT-SUITE软件模拟出来。具体的输入方法如图12所示。图12 燃烧变动的方差输入模板根据某个工况的多个循环测试缸压数据进行分析。在此采用4500rpm下，WOT的数据进行如图13的处理。得出循环变动的相关系数。主要分析的参数有：最大爆发压力、最大缸压对应的曲轴转角和每个循环的IMEP值。具体处理参数如图13。图13 某工况下的循环变动参数为了获得4500rpm、WOT条件下的循环波动的特征值与测试的数据一样，通过优化把湍流火焰速度系数和泰勒长度尺度系数的标准差优化出来。优化变量是：TFSM和TLSM的方差；优化目标：IMEP的均值、IMEP的方差、最大缸压的均值、最大缸压的方差、最大缸压对应的曲轴角度的均值、最大缸压对应曲轴转角度的方差为目标。优化目标值的具体设置如图14所示。图14 循环变动优化目标值设定最后优化的结果如下表2所示。表2：优化后TFSM和TLSM的方差结果当发动机其它参数，如：点火提前角、气门正时、压缩比等变化时，表2的数值不变。2．5 循环变动预测燃烧模型的有效性确认循环波动模型的有效性确认。当采用CCV对发动机的性能进行模拟时，模拟与测试的结果如下表3所示。表3 采用CCV模型进行分析时的对比从表3可以看出，仿真值与实际测试值相差很小，满足精度要求。2．6 循环变动预测燃烧模型的鲁棒性确认为了验证循环变动预测燃烧模型的鲁棒性，在此只改变点火提角其它参数不变的条件进行模型的鲁棒性研究。把点火提前角往后推11度，进行预测分析。预测分析的缸压结果如图15所示。基于缸内最大的爆发压力的变化参数对比如表4所示。表4 CCV模型的鲁棒性对比从表4可以看出，循环变动的预测燃烧模型有很好的鲁棒性。适用发动机运行各个工况。三、 结论及展望在此文中介绍了如何通过测试数据获得具有预测循环波动的预测燃烧模型。带有预测循环波动的预测燃烧模型的有效性和鲁棒性也得到了很好的验证，能有效的用于循环波动的预测。当然，在此基础上可以继续对循环波动与缸内的爆震进行进一步的研究。参考文献：V3_Royal Enfield_ Cycle to Cycle Variation Modelling in a S.I Engine Using GT-Suite.pdf（ROYAL FNFIELD|GT2020全球用户大会文章） 来源：艾迪捷