CN111413098B - 一种基于imep时间序列的天然气发动机燃烧系统非线性特征识别方法 - Google Patents
一种基于imep时间序列的天然气发动机燃烧系统非线性特征识别方法 Download PDFInfo
- Publication number
- CN111413098B CN111413098B CN202010031438.1A CN202010031438A CN111413098B CN 111413098 B CN111413098 B CN 111413098B CN 202010031438 A CN202010031438 A CN 202010031438A CN 111413098 B CN111413098 B CN 111413098B
- Authority
- CN
- China
- Prior art keywords
- imep
- natural gas
- gas engine
- time sequence
- combustion system
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/08—Testing internal-combustion engines by monitoring pressure in cylinders
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Testing Of Engines (AREA)
Abstract
本发明的目的在于提供一种基于IMEP时间序列的天然气发动机燃烧系统非线性特征识别方法,包括以下步骤:将缸压传感器安装在天然气发动机缸盖上的缸压孔内,缸内高温燃气直接作用于传感器上,获得缸内压力数据,计算每个循环的压力获得IMEP时间序列;确定用于非线性动力学的基本参数;利用延迟坐标重构法由IMEP时间序列构造m维相空间矢量点;计算得出天然气发动机燃烧系统IMEP时间序列的小波全能谱图,用于识别IMEP时间序列功率谱中间歇性高频波动、长周期大尺度规则波动及其出现的位置和持续时间特征。本发明能识别天然气发动机燃烧系统复杂的燃烧波动,有利于实现稀燃天然气发动机燃烧过程的非线性预测和基于缸压反馈的稀燃天然气发动机智能控制。
Description
技术领域
本发明涉及的是一种发动机控制方法,具体地说是天然气发动机的燃烧控制方法。
背景技术
天然气以其资源丰富和燃烧清洁的优势,成为缓解能源短缺和环境污染问题的最现实解决方案之一,因此对天然气发动机燃烧机理进行深入研究,对进一步提高天然气发动机的动力性、经济性和排放性具有重要的理论和现实意义。
发动机按照使用燃料的不同可以分为两用燃料、双燃料和单一燃料发动机。两用燃料发动机燃料切换比较灵活,改装比较容易,价格也比较低廉,为了使发动机在两种模式下都能独立运行,无法针对发动机工作特性进行优化,因此发动机的动力性、经济性及排放性都较差。双燃料发动机燃料切换灵活,但是需要两套燃料存储和供给系统,系统比较复杂,而且成本相对较高。单一燃料气体发动机通过燃烧系统的优化设计和采用稀薄燃烧技术可以提高效率和大幅度降低NOx 排放,且不产生硫排放和微粒排放。但是,随着混合气变稀,发动机的燃烧循环变动增加,HC排放急剧增加。如果循环变动被消除,在消耗相同燃料的情况下发动机功率可以提升10%,同时大幅降低污染物排放。但同时发动机在燃用稀混合气时稀燃边界受到燃烧循环变动的限制,而燃烧循环变动表现出复杂的非线性动力学特征。
发明内容
本发明的目的在于提供有利于实现稀燃发动机燃烧过程的非线性预测和基于缸压反馈的稀燃发动机智能控制,从而进一步提高发动机燃料经济性和降低排放的一种基于IMEP时间序列的天然气发动机燃烧系统非线性特征识别方法。
本发明的目的是这样实现的:
本发明一种基于IMEP时间序列的天然气发动机燃烧系统非线性特征识别方法,其特征是:
(1)将缸压传感器安装在天然气发动机缸盖上的缸压孔内,缸内高温燃气直接作用于传感器上,获得缸内压力数据,计算每个循环的压力获得IMEP时间序列x(t),t=1,2…N;
(2)确定用于非线性动力学的基本参数:
a)利用自相关函数法和互信息函数法综合确定燃烧系统IMEP时间序列的最佳延迟时间τ:计算互信息函数S(τ),取函数降到第一次极小值时对应的τ确定为延迟时间;
b)利用错误近邻法确定燃烧系统IMEP时间序列的嵌入维数 m:构造m维相空间中的矢量点,计算与其近邻点之间的距离,计算当嵌入维数增加到m+1时两近邻点之间的距离,若在维数增加前后两近邻点之间距离不随m增大而变化,则近邻点是真实的,此时相空间中的吸引子已经被打开;若两近邻点之间距离随着m 增加而变大,则两近邻点是虚假的;
c)确定临界距离ε,计算燃烧系统IMEP时间序列观测噪声的标准偏差σ,以ε>5σ为依据,确定天然气发动机IMEP时间序列的临界距离ε,以此为基础进行相空间重构、重现图计算和进行功率谱分析,进而识别燃烧系统的非线性动力学特征;
(3)根据步骤(1)获得的IMPE时间序列和步骤(2)确定的延迟时间τ和嵌入维数 m,利用延迟坐标重构法由IMEP时间序列构造m维相空间矢量点:将产生的所有矢量点画到相空间中,得到天然气发动机IMEP时间序列的相空间中重构吸引子,根据相空间吸引子的结构对燃烧系统的几何特征进行辨识;
(4)重现图计算:根据步骤(2)和步骤(3)确定的IMEP时间序列的延迟时间τ、嵌入维数 m和临界距离ε,计算时刻i在m维相空间中的矢量点与不同的时刻j在m维相空间中的矢量点的距离,当距离小于临界距离ε时,确定为状态重现,并在相空间中以黑点进行标识,由所有重现点得出燃烧系统状态的二维矩阵,获得天然气发动机燃烧系统IMEP时间序列的重现图;利用重现图中长对角线和棋盘结构识别天然气发动机的周期或确定性特征,利用重现图中垂直的和水平线识别天然气发动机燃烧系统状态的缓慢变化或层片状状态,利用重现图中的白带识别天然气发动机燃烧系统状态的过度或者转换特征;
(5)选择非正交复值Morlet小波作为母小波,将缸压IMEP时间序列x(t) 进行连续小波变换,考虑到有限时间序列在进行小波变换时会出现边缘效应,确定影响锥(COI),把每个尺度上用COI以外的值以5%的显著水平进行估计,计算得出天然气发动机燃烧系统IMEP时间序列的小波全能谱图,用于识别IMEP时间序列功率谱中间歇性高频波动、长周期大尺度规则波动及其出现的位置和持续时间特征。
本发明还可以包括:
1、天然气发动机带动光栅盘旋转,利用光源照射光栅盘,角标器接收到透过光栅的光信号,产生上止点和曲轴转角信号,压力信号由压电式压力传感器产生,传感器产生的电压信号在电荷放大器放大以后传输给燃烧分析仪,燃烧分析仪将接收到的曲轴转角、上止点和缸内压力三种信号以串口通讯方式传送给计算机,实现燃烧数据的采集、记录与存储。
2、在进行相空间重构、计算重现图和功率谱分析前,对天然气发动机缸压数据进行降噪和滤波处理,降低由于信号干燥造成的数据污染,提高信噪比。
3、最小嵌入维数 m还可以采用关联积分法和奇异值分解法。
本发明的优势在于:能够利用非线性方法包括相空间吸引子、重现图和小波功率谱来识别天然气发动机燃烧系统复杂的燃烧波动,给出了系统在燃烧过程中表现出的非线性特征,揭示天然气发动机燃烧系统非线性动力学演化规律,有利于实现稀燃天然气发动机燃烧过程的非线性预测和基于缸压反馈的稀燃天然气发动机智能控制,从而进一步提高天然气发动机燃料经济性和降低排放。
附图说明
图1是本发明的流程图;
图2是燃烧测试系统缸压采集系统结构图;
图3是天然气发动机燃烧系统IMEP时间序列图;
图4是天然气发动机燃烧系统IMEP时间序列的相空间吸引子图;
图5是天然气发动机燃烧系统IMEP时间序列的重现图;
图6是天然气发动机燃烧系统IMEP时间序列的小波能谱图。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
结合图1-6,本发明一种基于IMEP时间序列的天然气发动机燃烧系统非线性动力学识别方法,其获得数据的装置包括天然气发动机、测功机和燃烧测试系统。测功机与天然气发动机相连接,用于使天然气发动机吸收天然气发动机输出功率,使天然气发动机在设定的目标转速和负荷下运行;燃烧测试系统可以对天然气发动机缸内燃烧状态进行监测和数据采集。所述燃烧测试系统包括:缸压传感器、电荷放大器、曲轴转角编码器、燃烧分析仪和计算机等构成。燃烧系统采集天然气发动机缸内多循环燃烧压力,对每一个循环缸压数据计算得到指示平均有效压力(IMEP)时间序列。所述燃烧系统非线性动力学识别方法,其特征是:利用自相关方法和互信息方法综合确定IMEP时间序列的最佳延迟量,利用错误近邻法确定燃烧系统最佳嵌入维数,通过相空间重构方法重构燃烧系统吸引子,计算燃烧系统的重现图与功率谱识别燃烧系统的周期性、间歇性和层片状态;具体识别方法如下:
第一步,将缸压传感器安装在天然气发动机缸盖上的缸压孔内,缸内高温燃气可以直接作用于传感器上,避免通道效应产生的噪声干扰,获得多循环缸内压力数据,计算每个循环的压力获得IMEP时间序列天然气发动机x(t) t=1,2,…N;
第二步,确定用于非线性动力学分析的基本参数,包括:
a)利用自相关函数法和互信息函数法综合确定燃烧系统IMEP时间序列的最佳延迟时间τ:计算互信息函数S(τ),取函数降到第一次极小值时对应的τ确定为延迟时间;
b)利用错误近邻法确定燃烧系统IMEP时间序列的嵌入维数 m。构造m维相空间中的矢量点,计算与其近邻点之间的距离,计算当嵌入维数增加到m+1时两近邻点之间的距离,若在维数增加前后两近邻点之间距离不随m增大而变化,则近邻点是真实的,此时相空间中的吸引子已经被打开;若两近邻点之间距离随着m 增加而变大,则两近邻点是虚假的。利用存在错误近邻点的判据确定燃烧系统 IMEP时间序列的嵌入维数 m;
c)确定临界距离ε,计算燃烧系统IMEP时间序列观测噪声的标准偏差σ,以ε>5σ为依据,确定天然气发动机IMEP时间序列的临界距离ε。以此为基础进行相空间重构、重现图计算和进行功率谱分析,进而识别燃烧系统的非线性动力学特征;
第三步,根据第一步获得的IMPE时间序列和第二步确定的延迟时间τ和嵌入维数m,利用延迟坐标重构法由IMEP时间序列构造m维相空间矢量点:将产生的所有矢量点画到相空间中,得到天然气发动机IMEP时间序列的相空间中重构吸引子,根据相空间吸引子的结构对燃烧系统的几何特征进行辨识;
第四步,重现图计算的特征在于:根据第二步和第三步确定的IMEP时间序列的延迟时间τ,嵌入维数 m和临界距离ε,计算时刻i在m维相空间中的矢量点与不同的时刻j在m维相空间中的矢量点的距离,当距离小于临界距离ε时,确定为状态重现,并在相空间中以黑点进行标识,由所有重现点得出燃烧系统状态的二维矩阵,获得天然气发动机燃烧系统IMEP时间序列的重现图。利用重现图中长对角线和棋盘结构识别天然气发动机的周期或确定性特征,利用重现图中垂直的和水平线识别天然气发动机燃烧系统状态的缓慢变化或层片状状态,利用重现图中的白带识别天然气发动机燃烧系统状态的过度或者转换特征。
第五步,功率谱方法的特征在于:选择非正交复值Morlet小波作为母小波,将缸压IMEP时间序列x(t)进行连续小波变换,考虑到有限时间序列在进行小波变换时会出现边缘效应,确定影响锥(COI),把每个尺度上用COI以外的值以 5%的显著水平进行估计,计算得出天然气发动机燃烧系统IMEP时间序列的小波全能谱图,用于识别IMEP时间序列功率谱中间歇性高频波动、长周期大尺度规则波动及其出现的位置和持续时间等特征;
燃烧测试系统的最高采样分辨率为0.1°CA。试验过程中,天然气发动机带动光栅盘旋转,利用光源照射光栅盘,角标器接收到透过光栅的光信号,产生上止点和曲轴转角信号,压力信号由压电式压力传感器产生,传感器产生的电压信号在电荷放大器放大以后传输给燃烧分析,燃烧分析仪将接收到的曲轴转角、上止点和缸内压力三种信号以串口通讯方式传送给计算机,实现多循环燃烧数据的采集、记录与存储;
在进行相空间重构、计算重现图和功率谱分析前,需要对天然气发动机缸压数据进行降噪和滤波处理,降低由于信号干燥造成的数据污染,提高信噪比;
最小嵌入维数 m还可以采用关联积分法和奇异值分解法。
图1为燃烧测试系统缸压采集系统结构图。首先从实验台获得多循环缸压数据,通过计算获得每个循环的IMEP,从而获得IMEP时间序列;基于时间序列计算用于分析燃烧系统非线性动力学特性的基本参数,具体包括:利用自相关函数法和互信息函数法确定延迟时间,通过两种方法对延迟时间进行综合评估,最终确定最佳的延迟时间;利用错误近邻法、关联积分法或奇异值分解法确定用于嵌入维数,对比不同方法确定的嵌入维数 的差异性,从而确定最佳的嵌入维数 ;通过计算时间序列的标准差σ、重现点密度和相空间最大直径等参数,通过选取这些参数的适当比例,来确定临界半径ε,根据数据特征的不同,可以选取ε>5σ,重现点密度的1%左右或者最大相空间直径的10%。然后,利用时间延迟相空间重构的方法,将IMEP时间序列嵌入到相空间中,从而分析相空间燃烧系统吸引子的结构,利用IMEP时间序列计算重现图,以Morlet小波作为母小波,对IMEP 时间序列进行小波变换,获得小波功率谱,通过上述三种方法可以对燃烧系统的周期性、准周期性、分叉、间歇性、层片状态和渐变等特征进行识别,识别结果用于揭示燃烧系统的非线性动力学特征,为优化控制策略提供理论依据;
对于利用错误紧邻法,将天然气发动机燃烧系统的IMEP一维时间序列x(t) t=1,2,…N重构到m维的相空间中,即得到相空间中的矢量点k=1,2,3…,计算与其近邻点之间的距离Rm,维数增加到m+1后两点之间的距离变为Rm+1,若两近邻点之间距离不随m增大而变化,则近邻点是真实的,若两近邻点之间距离随着m增加而变大,则两近邻点是虚假的。这样可以利用存在错误近邻点的判据其中s(k+mτ)-sNN(k+mτ)|是维数由m增加到m+1前后两近邻点之间的距离变化,Ra表示吸引子的平均直径当错误近邻点数降到总点数的10%时,这时的嵌入维数m 就能够使相空间吸引子完全打开,即可确定相空间中的嵌入维数 为m,
图2为燃烧测试系统缸压采集系统结构图。利用附图2中缸内燃烧压力测试系统中的多通道缸压采集系统对天然气发动机缸内燃烧压力进行测量,缸压采集系统由燃烧分析仪、缸压传感器、角标器、光栅、电荷放大器、电源和电脑等构成,该系统可实现缸内压力数据的实时监测、采集和分析,最高采样分辨率为 0.1°CA。试验过程中,天然气发动机带动光栅盘旋转,利用光源(信号灯)照射光栅盘,角标器接收到透过光栅的光信号,产生上止点和曲轴转角信号,压力信号由压电式压力传感器产生,传感器产生的电压信号在电荷放大器放大以后传输给燃烧分析,燃烧分析仪将接收到的曲轴转角、上止点和缸内压力三种信号以串口通讯方式传送给计算机,这样就获得了能够反映天然气发动机燃烧波动的缸内压力数据,通过计算可以获得IMEP的一维时间序列x(t)t=1,2…N。
图3是燃烧系统在不同稀燃条件下IMEP时间序列图,图中给出不同条件下多循环IMEP的波动情况
图4是天然气发动机燃烧系统IMEP时间序列得到的相空间吸引子图。根据得到延迟时间τ和嵌入维数 m,将IMEP时间序列构造为m维相空间矢量点,将产生的所有矢量点画到相空间中,做出天然气发动机燃烧系统IMEP时间序列的相空间中的吸引子图。当混合气较浓时,IMEP时间序列波动幅值小,可识别相空间吸引子具有小尺度、密集和边界规则的几何结构特征;当混合气过稀时,燃烧稳定性变差,IMEP时间序列的波动增加,识别相空间中的吸引子有疏松、大尺度和分叉结构特征。
图5是天然气发动机燃烧系统IMEP时间序列得到的重现图。利用确定的延迟时间τ、嵌入维数 m和临界距离ε。对于时刻i在m维相空间中的矢量点与不同的时刻j在m维相空间中的矢量点是否状态重现可利用如下公式计算:
若小于临界距离ε表明是重现点,则用黑点标识;否则不是重现点,用白点标识,这样重现点就以黑白点的方式被标识在二维矩阵图中,图5重现图中出现了长对角线和棋盘结构,垂直线和水平线,以及不同大小的白带。长对角线和棋盘结构可以识别天然气发动机的周期或确定性特征,重现图中垂直线和水平线可以识别天然气发动机燃烧系统状态的缓慢变化或层片状状态,重现图中的白带识别天然气发动机燃烧系统的过度或者转换特征。
图6是天然气发动机燃烧系统IMEP时间序列得到的小波能谱图。选择非正交复值Morlet小波作为母小波,将缸压一维离散时间序列x(t)进行连续小波变换,由于采集的IMEP缸压数据量很有限,有限时间序列在进行小波变换时会出现边缘效应,需要在时间序列的末尾补零,这样会在小波功率谱边缘引起端点不连续以及谱振幅下降e-2,即要考虑到影响锥(COI),在本专利中,每个尺度上用COI以外的值以5%的显著水平进行估计,图5小波能谱图中出现了强周期带,中间周期带和一些较弱的间歇性短周期,这些特征用于识别IMEP时间序列间歇性高频波动、长周期大尺度规则波动及其波动出现的位置和持续时间等行为。
Claims (4)
1.一种基于IMEP时间序列的天然气发动机燃烧系统非线性特征识别方法,其特征是:
(1)将缸压传感器安装在天然气发动机缸盖上的缸压孔内,缸内高温燃气直接作用于传感器上,获得缸内压力数据,计算每个循环的压力获得IMEP时间序列x(t),t=1,2…N;
(2)确定用于非线性动力学的基本参数:
a)利用自相关函数法和互信息函数法综合确定燃烧系统IMEP时间序列的最佳延迟时间τ:计算互信息函数S(τ),取函数降到第一次极小值时对应的τ确定为延迟时间;
b)利用错误近邻法确定燃烧系统IMEP时间序列的嵌入维数m:构造m维相空间中的矢量点,计算与其近邻点之间的距离,计算当嵌入维数增加到m+1时两近邻点之间的距离,若在维数增加前后两近邻点之间距离不随m增大而变化,则近邻点是真实的,此时相空间中的吸引子已经被打开;若两近邻点之间距离随着m增加而变大,则两近邻点是虚假的;
c)确定临界距离ε,计算燃烧系统IMEP时间序列观测噪声的标准偏差σ,以ε>5σ为依据,确定天然气发动机IMEP时间序列的临界距离ε,以此为基础进行相空间重构、重现图计算和进行功率谱分析,进而识别燃烧系统的非线性动力学特征;
(3)根据步骤(1)获得的IMPE时间序列和步骤(2)确定的延迟时间τ和嵌入维数 m,利用延迟坐标重构法由IMEP时间序列构造m维相空间矢量点:将产生的所有矢量点画到相空间中,得到天然气发动机IMEP时间序列的相空间中重构吸引子,根据相空间吸引子的结构对燃烧系统的几何特征进行辨识;
(4)重现图计算:根据步骤(2)和步骤(3)确定的IMEP时间序列的延迟时间τ、嵌入维数m和临界距离ε,计算时刻i在m维相空间中的矢量点与不同的时刻j在m维相空间中的矢量点的距离,当距离小于临界距离ε时,确定为状态重现,并在相空间中以黑点进行标识,由所有重现点得出燃烧系统状态的二维矩阵,获得天然气发动机燃烧系统IMEP时间序列的重现图;利用重现图中长对角线和棋盘结构识别天然气发动机的周期或确定性特征,利用重现图中垂直的和水平线识别天然气发动机燃烧系统状态的缓慢变化或层片状状态,利用重现图中的白带识别天然气发动机燃烧系统状态的过度或者转换特征;
(5)选择非正交复值Morlet小波作为母小波,将缸压IMEP时间序列x(t)进行连续小波变换,考虑到有限时间序列在进行小波变换时会出现边缘效应,确定影响锥COI,把每个尺度上用COI以外的值以5%的显著水平进行估计,计算得出天然气发动机燃烧系统IMEP时间序列的小波全能谱图,用于识别IMEP时间序列功率谱中间歇性高频波动、长周期大尺度规则波动及其出现的位置和持续时间特征。
2.根据权利要求1所述的一种基于IMEP时间序列的天然气发动机燃烧系统非线性特征识别方法,其特征是:天然气发动机带动光栅盘旋转,利用光源照射光栅盘,角标器接收到透过光栅的光信号,产生上止点和曲轴转角信号,压力信号由压电式压力传感器产生,传感器产生的电压信号在电荷放大器放大以后传输给燃烧分析仪,燃烧分析仪将接收到的曲轴转角、上止点和缸内压力三种信号以串口通讯方式传送给计算机,实现燃烧数据的采集、记录与存储。
3.根据权利要求1所述的一种基于IMEP时间序列的天然气发动机燃烧系统非线性特征识别方法,其特征是:在进行相空间重构、计算重现图和功率谱分析前,对天然气发动机缸压数据进行降噪和滤波处理,降低由于信号干燥造成的数据污染,提高信噪比。
4.根据权利要求1所述的一种基于IMEP时间序列的天然气发动机燃烧系统非线性特征识别方法,其特征是:最小嵌入维数m还可以采用关联积分法和奇异值分解法确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010031438.1A CN111413098B (zh) | 2020-01-13 | 2020-01-13 | 一种基于imep时间序列的天然气发动机燃烧系统非线性特征识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010031438.1A CN111413098B (zh) | 2020-01-13 | 2020-01-13 | 一种基于imep时间序列的天然气发动机燃烧系统非线性特征识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111413098A CN111413098A (zh) | 2020-07-14 |
CN111413098B true CN111413098B (zh) | 2021-06-01 |
Family
ID=71488909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010031438.1A Active CN111413098B (zh) | 2020-01-13 | 2020-01-13 | 一种基于imep时间序列的天然气发动机燃烧系统非线性特征识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111413098B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750152A (zh) * | 2009-12-17 | 2010-06-23 | 昆明理工大学 | 一种表征和诊断燃烧不稳定性的方法 |
WO2014093643A1 (en) * | 2012-12-12 | 2014-06-19 | Purdue Research Foundation | Premixed charge compression ignition combustion timing control using nonlinear models |
KR20140127459A (ko) * | 2013-04-24 | 2014-11-04 | 현대중공업 주식회사 | Lng 연료 공급 시스템용 시험 장비 |
CN104166786A (zh) * | 2014-07-14 | 2014-11-26 | 北京华清燃气轮机与煤气化联合循环工程技术有限公司 | 一种燃烧不稳定的非线性预测方法及装置 |
CN104715142A (zh) * | 2015-02-06 | 2015-06-17 | 东南大学 | 一种电站锅炉NOx排放动态软测量方法 |
CN106762182A (zh) * | 2016-11-30 | 2017-05-31 | 宜春学院 | 汽油发动机瞬态空燃比的控制方法及系统 |
CN107701320A (zh) * | 2017-09-30 | 2018-02-16 | 东风商用车有限公司 | 一种多缸发动机缸内燃烧状态的估计方法及系统 |
CN109190848A (zh) * | 2018-10-17 | 2019-01-11 | 大唐环境产业集团股份有限公司 | 一种基于时延预估的SCR系统NOx排放浓度预测方法 |
CN109839821A (zh) * | 2019-01-17 | 2019-06-04 | 哈尔滨工程大学 | 一种船用柴油机bp神经网络燃烧-转速双闭环控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7861697B2 (en) * | 2006-06-01 | 2011-01-04 | Rem Technology, Inc. | Carbureted natural gas turbo charged engine |
CN103364198B (zh) * | 2013-06-29 | 2015-10-07 | 天津大学 | 基于声学信号的发动机燃烧信息观测及ecu在线实现方法 |
CN106844922A (zh) * | 2017-01-11 | 2017-06-13 | 重庆邮电大学 | 基于缸压估计和流形学习的发动机失火故障诊断方法 |
-
2020
- 2020-01-13 CN CN202010031438.1A patent/CN111413098B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750152A (zh) * | 2009-12-17 | 2010-06-23 | 昆明理工大学 | 一种表征和诊断燃烧不稳定性的方法 |
WO2014093643A1 (en) * | 2012-12-12 | 2014-06-19 | Purdue Research Foundation | Premixed charge compression ignition combustion timing control using nonlinear models |
KR20140127459A (ko) * | 2013-04-24 | 2014-11-04 | 현대중공업 주식회사 | Lng 연료 공급 시스템용 시험 장비 |
CN104166786A (zh) * | 2014-07-14 | 2014-11-26 | 北京华清燃气轮机与煤气化联合循环工程技术有限公司 | 一种燃烧不稳定的非线性预测方法及装置 |
CN104715142A (zh) * | 2015-02-06 | 2015-06-17 | 东南大学 | 一种电站锅炉NOx排放动态软测量方法 |
CN106762182A (zh) * | 2016-11-30 | 2017-05-31 | 宜春学院 | 汽油发动机瞬态空燃比的控制方法及系统 |
CN107701320A (zh) * | 2017-09-30 | 2018-02-16 | 东风商用车有限公司 | 一种多缸发动机缸内燃烧状态的估计方法及系统 |
CN109190848A (zh) * | 2018-10-17 | 2019-01-11 | 大唐环境产业集团股份有限公司 | 一种基于时延预估的SCR系统NOx排放浓度预测方法 |
CN109839821A (zh) * | 2019-01-17 | 2019-06-04 | 哈尔滨工程大学 | 一种船用柴油机bp神经网络燃烧-转速双闭环控制方法 |
Non-Patent Citations (5)
Title |
---|
Effect of Port Gas Injection on the Combustion Instabilities in a Spark-Ignition Lean-Burn Natural Gas Engine;Li-Yuan Wang等;《International Journal of Bifurcation and Chaos》;20181231;第28卷(第10期);全文 * |
Effect of Spark Condition on Non-Linear Dynamic Characteristics of Natural Gas Engine;Wang Li-yuan 等;《AASRI Procedia》;20120823;全文 * |
Nonlinear dynamics of cycle-to-cycle combustion variations in a lean-burn natural gas engine;Guo-xiu Li 等;《Applied Thermal Engineering》;20070501;第28卷(第5-6期);全文 * |
天然气发动机燃烧过程非线性动力学特性;杨立平 等;《农业机械学报》;20110125;第42卷(第1期);全文 * |
点燃式发动机燃烧稳定性的非线性动力学分析;刘帅 等;《农业工程学报》;20160723;第32卷(第14期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111413098A (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yao et al. | Noise source identification of diesel engine based on variational mode decomposition and robust independent component analysis | |
US10815916B2 (en) | Using ion current signal for engine performance and emissions measuring techniques and methods for doing the same | |
Kumar et al. | Improved CNN for the diagnosis of engine defects of 2-wheeler vehicle using wavelet synchro-squeezed transform (WSST) | |
Sen et al. | Analysis of pressure fluctuations in a natural gas engine under lean burn conditions | |
Payri et al. | Adaptive determination of cut-off frequencies for filtering the in-cylinder pressure in diesel engines combustion analysis | |
CN108763681B (zh) | 基于foa-grnn融合算法的氢发动机故障诊断系统及方法 | |
CN110297218B (zh) | 基于生成对抗网络的雷达信号未知调制方式检测方法 | |
CN102288625A (zh) | 一种渠道混凝土衬砌无损检测系统 | |
CN108334987B (zh) | 一种基于小波分解-神经网络的海浪波高预测方法 | |
Ghazimirsaied et al. | Controlling cyclic combustion timing variations using a symbol-statistics predictive approach in an HCCI engine | |
CN112884213B (zh) | 小波分解与动态混合深度学习的燃煤锅炉NOx预测方法 | |
Natarajan et al. | Effects of injection timing on CI engine fuelled with algae oil blend with Taguchi technique | |
Gu et al. | A novel fault diagnosis method for diesel engine based on MVMD and band energy | |
CN107727749B (zh) | 一种基于小波包融合特征提取算法的超声定量检测方法 | |
Reader et al. | Energy efficiency trade‐off with phasing of HCCI combustion | |
Jia et al. | Review of sensing methodologies for estimation of combustion metrics | |
CN110988263B (zh) | 一种基于改进的Stacking模型的车辆尾气浓度估计方法 | |
CN111413098B (zh) | 一种基于imep时间序列的天然气发动机燃烧系统非线性特征识别方法 | |
Ofner et al. | In-cylinder pressure reconstruction from engine block vibrations via a branched convolutional neural network | |
Boccardi et al. | Optimization of a GDI engine operation in the absence of knocking through numerical 1D and 3D modeling | |
CN113295826B (zh) | 一种基于车联网的机动车尾气排放测试管理系统及智能诊断方法 | |
Singh et al. | Accessing the predictabilities in cyclic combustion and emission variations in SI engines for their modelling and control: a literature review | |
CN113671564B (zh) | 基于narx动态神经网络的微地震有效事件自动拾取方法 | |
Guillemin et al. | Combustion parameters estimation based on knock sensor for control purpose using dedicated signal processing platform | |
Li et al. | Fault diagnosis of hydropower units based on gramian angular summation field and parallel CNN |
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 |