CN110414090A - 一种柴油车后处理器设计开发多目标优化方法 - Google Patents

一种柴油车后处理器设计开发多目标优化方法 Download PDF

Info

Publication number
CN110414090A
CN110414090A CN201910619174.9A CN201910619174A CN110414090A CN 110414090 A CN110414090 A CN 110414090A CN 201910619174 A CN201910619174 A CN 201910619174A CN 110414090 A CN110414090 A CN 110414090A
Authority
CN
China
Prior art keywords
preprocessor
scalar functions
subhead scalar
subhead
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910619174.9A
Other languages
English (en)
Other versions
CN110414090B (zh
Inventor
任学成
陆超群
陈灿玉
陆晓燕
芮庆西
吴峰胜
陈勤学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FAW Jiefang Automotive Co Ltd
Original Assignee
FAW Jiefang Automotive Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by FAW Jiefang Automotive Co Ltd filed Critical FAW Jiefang Automotive Co Ltd
Priority to CN201910619174.9A priority Critical patent/CN110414090B/zh
Publication of CN110414090A publication Critical patent/CN110414090A/zh
Application granted granted Critical
Publication of CN110414090B publication Critical patent/CN110414090B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Abstract

本发明涉及一种柴油车后处理器设计开发多目标优化方法，该方法包括下述步骤：确定设计变量；确定分目标函数；对各设计变量对应的分目标函数fi(x)进行归一化处理得到各归一化分目标函数；确定约束条件；依据各设计变量在后处理器设计开发中的重要程度相应地给出对应的加权因子ωi，ωi为大于等于零的数；确定后处理器目标函数；后处理器多目标优化并输出最优解。本发明为后处理器设计开发提供了一种开发思路和评价方法，可以为目标发动机匹配最佳后处理器方案，避免开发误区和设计盲点，避免不必要的重复性实验，节约了实验资源和人力物力财力成本，提高了后处理器产品开发设计可靠性。

Description

一种柴油车后处理器设计开发多目标优化方法
技术领域
本发明属于柴油车后处理器设计技术领域，设计一种柴油车后处理器设计开发多目标优化方法。
背景技术
随着我国大气环境恶化和排放法规的日趋严格，柴油车安装尾气后处理器净化系统已经成为满足排放法规必不可少的技术手段，后处理的设计好坏直接影响整车的排放效果，间接影响整车运行的经济性、动力性甚至安全性。
目前国内外对后处理的设计开发，无论是发动机主机厂或是整车厂，均是基于催化剂、载体等后处理器零部件供应商对目标机型的经验推荐或是基于自身积累的后处理开发数据库进行方案筛选，无论是采用哪一种手段，均是在满足排放开发工程目标的前提下，以较低的后处理器初装成本作为指导开发的原则，缺乏通盘考虑，没有具体及量化的考核标准和优化方法。
目前国内外对柴油车后处理器设计开发多目标优化方法的研究在公开发表的文献中鲜有报道。大多数的工程问题都是多目标优化问题，存在多个彼此冲突的目标，如何获取这些问题的最优解，一直都是学术界和工程界关注的焦点问题，多目标优化的本质在于，大多数情况下，某目标的改善可能引起其他目标性能的降低，同时使多个目标达到最优是不可能的，只能在各目标之间进行协调权衡和折中处理，使所有目标函数尽可能达到最优。由于柴油机后处理器设计开发与各自的发动机特性相关，并没有一个固定的目标函数和数学模型，即对后处理器设计开发多目标优化需要建立基于目标机型的目标函数和开发设计约束条件。为此，我们提出一种柴油车后处理器设计开发多目标优化方法，为后处理器设计开发提供一种开发思路和评价方法，为目标发动机匹配最佳后处理器方案，避免开发误区和设计盲点。
发明内容
本发明要解决的技术问题是提供一种柴油车后处理器设计开发多目标优化方法，该方法能够获得目标发动机匹配最佳后处理器方案，从而提高后处理器产品开发设计的可靠性。
为了解决上述技术问题，本发明的柴油车后处理器设计开发多目标优化方法包括下述步骤：
步骤一、确定设计变量：选择SCR(Selective Catalytic Reduction选择性催化还原催化器)及DPF(Diesel Particulate Filter柴油颗粒捕捉器)载体的长度作为设计变量的子变量，分别定义为x1和x2；
步骤二、确定分目标函数：确定影响柴油车后处理器性能的各设计变量对应的分目标函数fi(x)(i＝1,2，…n，n为柴油车后处理器性能分目标函数的数目)，其中fi(x)为以x1为变量或以x2为变量或者以x1和x2为变量的函数；
步骤三、归一化处理：对各设计变量对应的分目标函数fi(x)分别进行归一化处理，得到各归一化分目标函数fi ‘(x)(i＝1,2，…n，n为柴油车后处理器性能分目标函数的数目)；
步骤四：确定约束条件；
8<x1<13；8<x2<13
步骤五、确定设计变量权重：依据各设计变量在后处理器设计开发中的重要程度相应地给出对应的加权因子ωi，ωi为大于等于零的数；
步骤六：确定后处理器目标函数：根据公式1得到后处理器目标函数f(x)；
(i＝1,2，…n，n为柴油车后处理器性能分目标函数的数目)
步骤七：后处理器多目标优化并输出最优解。
将后处理器目标函数在Matlab优化工具箱Optimization Tool中，输入步骤四确定的约束条件进行优化，获得x1和x2的最优解。
所述步骤三中，采用最小-最大规范化法对各分目标函数进行线性变换得到归一化的各分目标函数。
所述的设计变量包括NOx转化效率、后处理器成本、后处理器压力损失、后处理器尿素消耗、发动机油耗和排气温度；各分目标函数如下：
NOx转化效率分目标函数：f(x1)＝0.02x1 2-0.496x1+3.348
后处理器成本分目标函数：f(x1，x2)＝16.667x1 3-500x1 2+5083.3x1-16400+326.1x2 2+0.1
后处理器压力损失分目标函数：f(x1，x2)＝0.175x1 2-3.005x1+18.865+0.4381x2 2-7.9014 x2+45.579
后处理器尿素消耗分目标函数：f(x1)＝-1.6667x1 3+55x1 2-613.33x1+2530
发动机油耗分目标函数：f(x2)＝0.3333x2 3-10x2 2+100.67x2-299
排气温度分目标函数：f(x1)＝-10x1+340
各归一化分目标函数如下：
归一化NOx转化效率分目标函数：
f’(x1)＝(0.02x1 2-0.496x1+3.348-0.28)/0.5
归一化后处理器成本分目标函数：
f’(x1，x2)＝(16.667x1 3-500x1 2+5083.3x1-16400-1000)/400+((326.1x2 2+ 0.1)-2610)/1304
归一化后处理器压力损失分目标函数：
f’(x1，x2)＝(0.175x1 2-3.005x1+18.865-6)/2+(0.4381x2 2-7.9014x2+ 45.579-10.61)/1.68
归一化后处理器尿素消耗分目标函数：
f’(x1)＝(-1.6667x1 3+55x1 2-613.33x1+2530-210)/40
归一化发动机油耗分目标函数
f’(x2)＝＝(0.3333x2 3-10x2 2+100.67x2-299-40)/5
归一化排气温度分目标函数处理：
f’(x1)＝(-10x1+340-220)/30
后处理目标函数为：
f＝0.4*(0.02*power(x(1),2)-0.496*x(1)+3.348-0.28)/0.22+0.2*((16.667*power(x(1),3 )-500*power(x(1),2)+5083.3*x(1)-16400-1000)/400+((326.1*power(x(2),2)+ 0.1)-2610)/1304) +0.2*((0.175*power(x(1),2)-3.005*x(1)+18.865-6)/2+(0.4381*power(x(2),2)- 7.9014*x(2))+45.579-10.61)/1.68 +0.05*(-1.6667*power(x(2),3)+55*power(x(1),2)-613.33*x(1)+2530-210)/40+0.05*(0. 3333*power(x(2),3)-10*power(x(2),2)+100.67*x(2)-299-40)/5+0.1*(-10*x(1)+340-220 )/30。
所述步骤七中优选多项式约束优化内点算法进行后处理器多目标优化。
本发明提出一种柴油车后处理器设计开发多目标优化方法，为后处理器设计开发提供了一种开发思路和评价方法，可以为目标发动机匹配最佳后处理器方案，避免开发误区和设计盲点，避免不必要的重复性实验，节约了实验资源和人力物力财力成本，提高了后处理器产品开发设计可靠性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1是本发明的流程图。
图2是Matlab优化工具箱中SCR长度和DPF长度最优化迭代计算结果。
图3是Matlab优化工具箱中最优化迭代计算过程中的代数及对应的目标函数值。
具体实施方式
本发明的柴油车后处理器设计开发多目标优化方法的基本思想是将后处理器设计开发多目标最优化问题，按设计分目标将其分解为各个分目标函数。
影响柴油车后处理器设计的主要关键因素有：后处理器NOx(氮氧化物)转化效率，PM (颗粒物)过滤效率，后处理器压力损失，后处理器初装成本和运行成本，安装后处理器后带来的发动机油耗上升，发动机的原机排放水平，发动机WHTC(世界统一瞬态循环)循环平均排气温度等。这些影响因素即为分目标函数的设计变量，设计变量可以依据不同的设计要求进行增加或删减，比如发动机的原机排放在实际开发过程中，往往是在燃油系统选型标定开发完成后确定的值，较难去做很大的调整，可不考虑该影响因素。
在本发明中为了将该技术方案阐述的易于理解，仅选取NOx转化效率性能因素、后处理器压力损失因素、后处理器初装成本、尿素消耗、油耗因素、循环平均排气温度作为设计变量，对应的分目标函数定义为f1(x),f2(x),f3(x),f4(x),f5(x),f6(x)，目标函数的确定基于后处理器性能仿真计算和数值模拟得出，例如，不同体积大小的SCR(SelectiveCatalytic Reduction选择性催化还原催化器)，在给定的催化剂配方、发动机原始NOx排放、催化器温度、尿素喷射量条件下，即可通过后处理化学反应软件性能仿真计算得出NOx的转化效率，通过对比不同体积大小的SCR催化器NOx的转化效率数据通过数值拟合的方法建立适应目标机型的NOx的转化效率数学模型。相同的原理，依次建立后处理压力损失、后处理成本等分目标函数。
由于各个分目标函数不一定在同一数量级，需要对其进行数据归一化处理转换为无量纲等量级目标函数，归一化处理的方法有很多种(比如线性函数转换、对数函数转换、反余切函数转换等)，本发明中各分目标函数在约束区间内的最大最小值一般都较为明确，故本发明阐述的技术方案采用最小-最大规范化对原始分目标函数进行线性变换。
目标函数归一化处理后依据其在后处理器设计开发中的重要程度相应地给出一组加权因子ω1，ω2，ω3，ω4，ω5，ω6，取fi(x)与ωi(i＝1,2,3,4,5,6)的线性组合，构成最终的后处理器设计目标函数，即：
以f(x)作为单目标优化问题求解。式(1)中加权因子ωi是一组大于等于零的数，其值决定于各项分目标的重要程度，选择加权因子对计算结果的正确性影响较大，应根据具体情况作具体处理，需要依据设计目标、设计经验和统计计算得出。
目标函数和权重因子确定后，需确定约束条件，即对目标函数在给定的约束条件下进行优化求解。约束条件的确定依据实际开发机型特性确定，比如将SCR(SelectiveCatalytic Reduction选择性催化还原催化器)的体积限制在发动机体积1.8～2.5倍之间，将DPF(Diesel Particulate Filter柴油颗粒捕捉器)的尺寸限制在发动机体积1.6～2.2倍之间。
当完成上述步骤后，对目标函数进行单目标优化求解，即对目标函数在给定的约束条件下求最大值或者最小值，目标函数寻优方法有很多种，需要依据目标函数的特性进行对应选择。对于目标函数存在多个局部极值的情况，采用遗传算法比较合适，对于在约束范围内不存在多个极值的情况，只需确定其最大值或最小值即可得出最优解，本发明中示例的目标函数在约束区域内只存在单个极值，故采用多项式约束优化内点算法较为合适。下文将分步阐述本发明：
步骤一：确定设计变量。
NOx转化效率性能因素、后处理器压力损失因素、后处理器初装成本、油耗因素、循环平均排气温度各设计变量在催化器封装规格即催化剂配方确定的情况下，仅与SCR及DPF载体的长度有关，在实际后处理器开发设计中，DOC(氧化催化剂)、ASC(氨泄漏催化剂)、封装形式可选范围基本固定，在本方案中不做考虑，本发明仅选择对后处理设计方案中可选范围较大的凸显因素SCR及DPF载体的长度作为各个设计变量的子变量，定义为x1和x2。
步骤二：确定分目标函数。
NOx转化效率分目标函数：f(x1)＝0.02x1 2-0.496x1+3.348
后处理器成本分目标函数：f(x1，x2)＝16.667x1 3-500x1 2+5083.3x1-16400+326.1x2 2+0.1
后处理器压力损失分目标函数：f(x1，x2)＝0.175x1 2-3.005x1+18.865+0.4381x2 2-7.9014 x2+45.579
后处理器尿素消耗分目标函数：f(x1)＝-1.6667x1 3+55x1 2-613.33x1+2530
发动机油耗分目标函数：f(x2)＝0.3333x2 3-10x2 2+100.67x2-299
排气温度分目标函数：f(x1)＝-10x1+340
步骤三：分目标函数归一化处理。
各归一化分目标函数如下：
归一化NOx转化效率分目标函数：
f1’(x1)＝(0.02x1 2-0.496x1+3.348-0.28)/0.5
归一化后处理器成本分目标函数：
F’(x1，x2)＝(16.667x1 3-500x1 2+5083.3x1-16400-1000)/400+((326.1x2 2+0.1)-2610)/1304
归一化后处理器压力损失分目标函数：
F’(x1，x2)＝(0.175x1 2-3.005x1+18.865-6)/2+(0.4381x2 2-7.9014x2+ 45.579-10.61)/1.68
归一化后处理器尿素消耗分目标函数：
F’(x1)＝(-1.6667x1 3+55x1 2-613.33x1+2530-210)/40
归一化发动机油耗分目标函数：
f’(x2)＝＝(0.3333x2 3-10x2 2+100.67x2-299-40)/5
归一化排气温度分目标函数处理：
F’(x1)＝(-10x1+340-220)/30
步骤四：确定约束条件。
8<x1<13；8<x2<13
步骤五：确定设计变量权重。
依据设计目标并结合目标发动机原机性能，确定NOx转化效率性能、成本、背压、尿素消耗、油耗、排温目标函数的权重。比如，对于性能要求高的设计，可将性能权重设置为较高值，如果对成本比较敏感的设计，可将成本权重设置较高值。本方案中权重因子设置如下：
性能权重ω1＝0.4，
成本权重ω2＝0.2，
压力损失权重ω3＝0.2，
尿素消耗ω4＝0.05，
油耗权重ω5＝0.05，
排气温度权重ω5＝0.1，
步骤六：确定后处理器目标函数。
当分目标函数和各自的权重因子设置好后，将分目标函数进行归一化处理并乘以各自的权重因子，采用线性加权组合的方法得到后处理器统一目标函数。
本文最终确定的后处理目标函数为：
f＝0.4*(0.02*power(x(1),2)-0.496*x(1)+3.348-0.28)/0.22+0.2*((16.667*power(x(1),3 )-500*power(x(1),2)+5083.3*x(1)-16400-1000)/400+((326.1*power(x(2),2)+ 0.1)-2610)/1304) +0.2*((0.175*power(x(1),2)-3.005*x(1)+18.865-6)/2+(0.4381*power(x(2),2)- 7.9014*x(2))+45.579-10.61)/1.68 +0.05*(-1.6667*power(x(2),3)+55*power(x(1),2)-613.33*x(1)+2530-210)/40+0.05*(0. 3333*power(x(2),3)-10*power(x(2),2)+100.67*x(2)-299-40)/5+0.1*(-10*x(1)+340-220 )/30
步骤七：后处理器多目标优化并输出最优解。
将目标函数在Matlab优化工具箱Optimization Tool中进行优化求解，输入步骤四确定的约束条件，依据目标函数特性选择优化算法，计算并输出最优解。
多目标优化：多目标优化算法主要有传统优化算法和智能优化算法两大类。传统优化算法包括加权法、约束法和线性规划法等，实质上就是将多目标函数转化为单目标函数，通过采用单目标优化的方法达到对多目标函数的求解。智能优化算法包括进化算法、粒子群算法、人工神经网络优化等。
目标函数：就是利用设计变量来表示的所追求的形式，目标函数就是设计变量的函数，是一个标量，目标函数是系统的性能标准，例如后处理的最大NOx转换效率，最大压力损失，最经济的成本等，建立目标函数的过程就是寻找后处理器设计变量与设计目标的关系的过程。
约束条件：在目标优化过程中，目标函数取决于设计变量，而设计变量的取值范围都有各自的限制条件，如后处理器的封装尺寸，后处理器最大允许背压、发动机的排气温度、排放法规的限值等，每个限制条件都可以写成包含设计变量的不等式或函数。
柴油车后处理器设计开发多目标优化方法在目前的多目标优化实际工程应用中鲜有文献报道。
本发明阐述的技术方案在目标8.6L国六发动机上进行后处理器开发设计应用，本发明方法最终优化结果为SCR尺寸为12inch，DPF尺寸为11inch，与试验结果确定的方案基本一致。图2为Matlab优化工具箱中SCR长度和DPF长度最优化迭代计算结果，图3为Matlab优化工具箱中最优化迭代计算过程中的代数及对应的目标函数值。

Claims (5)

1.一种柴油车后处理器设计开发多目标优化方法，其特征在于包括下述步骤：
步骤一、确定设计变量：选择SCR及DPF载体的长度作为设计变量的子变量，分别定义为x1和x2；
步骤二、确定分目标函数：确定影响柴油车后处理器性能的各设计变量对应的分目标函数fi(x)，i＝1,2，…n，n为柴油车后处理器性能分目标函数的数目，其中fi(x)为以x1为变量或以x2为变量或者以x1和x2为变量的函数；
步骤三、归一化处理：对各设计变量对应的分目标函数fi(x)分别进行归一化处理，得到各归一化分目标函数fi’(x)，i＝1,2，…n，n为柴油车后处理器性能分目标函数的数目；
步骤四：确定约束条件；
8<x1<13；8<x2<13
步骤五、确定设计变量权重：依据各设计变量在后处理器设计开发中的重要程度相应地给出对应的加权因子ωi，ωi为大于等于零的数；
步骤六：确定后处理器目标函数：根据公式1得到后处理器目标函数f(x)；
步骤七：后处理器多目标优化并输出最优解；将后处理器目标函数在Matlab优化工具箱Optimization Tool中，输入步骤四确定的约束条件进行优化，获得x1和x2的最优解。
2.根据权利要求1所述的柴油车后处理器设计开发多目标优化方法，其特征在于所述的设计变量包括NOx转化效率、后处理器成本、后处理器压力损失、后处理器尿素消耗、发动机油耗和排气温度；各分目标函数如下：
NOx转化效率分目标函数：f(x1)＝0.02 x1 2-0.496 x1+3.348
后处理器成本分目标函数：f(x1，x2)＝16.667 x1 3-500 x1 2+5083.3 x1-16400+326.1x2 2+0.1
后处理器压力损失分目标函数：f(x1，x2)＝0.175 x1 2-3.005 x1+18.865+0.4381 x2 2-7.9014 x2+45.579
后处理器尿素消耗分目标函数：f(x1)＝-1.6667 x1 3+55 x1 2-613.33 x1+2530
发动机油耗分目标函数：f(x2)＝0.3333 x2 3-10 x2 2+100.67 x2-299
排气温度分目标函数：f(x1)＝-10 x1+340。
3.根据权利要求2所述的柴油车后处理器设计开发多目标优化方法，其特征在于所述步骤三中，采用最小-最大规范化法对各分目标函数进行线性变换得到归一化的各分目标函数。
4.根据权利要求3所述的柴油车后处理器设计开发多目标优化方法，其特征在于
各归一化分目标函数如下：
归一化NOx转化效率分目标函数：
f’(x1)＝(0.02 x1 2-0.496 x1+3.348-0.28)/0.5
归一化后处理器成本分目标函数：
f’(x1，x2)＝(16.667x1 3-500x1 2+5083.3x1-16400-1000)/400+((326.1 x2 2+0.1)-2610)/1304
归一化后处理器压力损失分目标函数：
f’(x1，x2)＝(0.175 x1 2-3.005 x1+18.865-6)/2+(0.4381 x2 2-7.9014 x2+45.579-10.61)/1.68
归一化后处理器尿素消耗分目标函数：
f’(x1)＝(-1.6667 x1 3+55 x1 2-613.33 x1+2530-210)/40
归一化发动机油耗分目标函数
f’(x2)＝＝(0.3333 x2 3-10 x2 2+100.67 x2-299-40)/5
归一化排气温度分目标函数处理：
f’(x1)＝(-10 x1+340-220)/30
后处理目标函数为：
f＝0.4*(0.02*power(x(1),2)-0.496*x(1)+3.348-0.28)/0.22+0.2*((16.667*power(x(1),3)-500*power(x(1),2)+5083.3*x(1)-16400-1000)/400+((326.1*power(x(2),2)+0.1)-2610)/1304)+0.2*((0.175*power(x(1),2)-3.005*x(1)+18.865-6)/2+(0.4381*power(x(2),2)-7.9014*x(2))+45.579-10.61)/1.68+0.05*(-1.6667*power(x(2),3)+55*power(x(1),2)-613.33*x(1)+2530-210)/40+0.05*(0.3333*power(x(2),3)-10*power(x(2),2)+100.67*x(2)-299-40)/5+0.1*(-10*x(1)+340-220)/30。
5.根据权利要求4所述的柴油车后处理器设计开发多目标优化方法，其特征在于所述步骤七中采用多项式约束优化内点算法进行后处理器多目标优化。
CN201910619174.9A 2019-07-10 2019-07-10 一种柴油车后处理器设计开发多目标优化方法 Active CN110414090B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910619174.9A CN110414090B (zh) 2019-07-10 2019-07-10 一种柴油车后处理器设计开发多目标优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910619174.9A CN110414090B (zh) 2019-07-10 2019-07-10 一种柴油车后处理器设计开发多目标优化方法

Publications (2)

Publication Number Publication Date
CN110414090A true CN110414090A (zh) 2019-11-05
CN110414090B CN110414090B (zh) 2023-04-14

Family

ID=68360894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910619174.9A Active CN110414090B (zh) 2019-07-10 2019-07-10 一种柴油车后处理器设计开发多目标优化方法

Country Status (1)

Country Link
CN (1) CN110414090B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239533A (zh) * 2021-04-28 2021-08-10 联合汽车电子有限公司 发动机排气系统温度模型构建方法、装置及存储介质
CN113417752A (zh) * 2021-07-28 2021-09-21 潍柴动力股份有限公司 优化控制方法、装置和电子设备
CN114707290A (zh) * 2021-12-31 2022-07-05 北京理工大学 一种高效低排放发动机技术参数决策方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014074987A (ja) * 2012-10-03 2014-04-24 Toyota Motor Corp プラント制御装置
CN105320822A (zh) * 2015-12-07 2016-02-10 天津工业大学 一种led散热器结构参数的双目标综合优化设计方法
CN109359036A (zh) * 2018-09-25 2019-02-19 腾讯科技（深圳）有限公司 测试方法、装置、计算机可读存储介质和计算机设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014074987A (ja) * 2012-10-03 2014-04-24 Toyota Motor Corp プラント制御装置
CN105320822A (zh) * 2015-12-07 2016-02-10 天津工业大学 一种led散热器结构参数的双目标综合优化设计方法
CN109359036A (zh) * 2018-09-25 2019-02-19 腾讯科技（深圳）有限公司 测试方法、装置、计算机可读存储介质和计算机设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王琦: "柴油机后处理系统有限元分析及结构优化", 《山东大学硕士论文集》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239533A (zh) * 2021-04-28 2021-08-10 联合汽车电子有限公司 发动机排气系统温度模型构建方法、装置及存储介质
CN113417752A (zh) * 2021-07-28 2021-09-21 潍柴动力股份有限公司 优化控制方法、装置和电子设备
CN114707290A (zh) * 2021-12-31 2022-07-05 北京理工大学 一种高效低排放发动机技术参数决策方法
CN114707290B (zh) * 2021-12-31 2023-03-10 北京理工大学 一种高效低排放发动机技术参数决策方法

Also Published As

Publication number Publication date
CN110414090B (zh) 2023-04-14

Similar Documents

Publication Publication Date Title
CN110414090A (zh) 一种柴油车后处理器设计开发多目标优化方法
CN106593672B (zh) 基于lcce优化的柴油发动机标定方法
CN109681299A (zh) 柴油机Urea-SCR系统氨喷射量和氨覆盖率同步优化方法
CN103534453B (zh) 用于基于模型确定废气后处理单元的温度分布的方法
CN103365765B (zh) 测试用例筛选方法和系统
CN110263395A (zh) 基于数值模拟和数据分析的电厂脱硝运行优化方法及系统
CN102073272A (zh) 一种分布式能源整体规划优化的系统及其优化方法
Faghihi et al. Development of a neural network model for selective catalytic reduction (SCR) catalytic converter and ammonia dosing optimization using multi objective genetic algorithm
CN112765743A (zh) 一种风电机组整机一体化设计多目标协同优化方法及装置
CN106368772A (zh) Scr系统尿素喷射控制方法
CN106762049B (zh) 基于nmpc的两核尿素scr系统排放控制方法
CN114707776A (zh) 一种基于碳排放双控的低碳用能优化系统及方法
CN110617130A (zh) 一种柴油机scr氨比值因子的快速标定方法
Zhang et al. Multi-objective optimization of performance characteristic of diesel particulate filter for a diesel engine by RSM-MOPSO during soot loading
CN110244565B (zh) 一种scr系统分区控制方法和装置
You et al. A fuzzy logic urea dosage controller design for two-cell selective catalytic reduction systems
CN108868976B (zh) 一种基于apso的双串联scr系统尿素喷射规律云计算方法
CN110261124B (zh) 柴油机排气后处理系统颗粒物分布模型构建方法及应用
Huanxing et al. Review and outlook of China non-road diesel mobile machinery emission standards: stricter emissions standards for better air quality in China
Toppel et al. ETOE-2/MC2-2/SDX Multigroup Cross-Section Processing
Yang et al. Greenness assessment of products in PLCA by DEA approach
CN110927338B (zh) 气体浓度数据补足方法及装置
Zhang et al. Multi-objective optimization of Fe-based SCR catalyst on the NOx conversion efficiency for a diesel engine based on FGRA-ANN/RF
CN117094231B (zh) 天然气发动机硬件参数确定方法、装置、设备及存储介质
Stevens et al. Optimal SCR control using data-driven models

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant