柴油机燃用生物柴油多目标性能优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113935124A(43)申请公布日2022.01.14(21)申请号202111056687.7G06K9/62(2022.01)(22)申请日2021.09.09G06N3/00(2006.01)G06F111/06(2020.01)(71)申请人西华大学G06F119/02(2020.01)地址610000四川省成都市金牛区土桥金周路999号(72)发明人潘锁柱蔡敏杜晨搏蔡凯方嘉何国太(74)专利代理机构成都东恒知盛知识产权代理事务所(特殊普通合伙)51304代理人罗江(51)Int.Cl.G06F30/17(2020.01)G06F30/25(2020.01)G06F30/27(2020.01)权利要求书3页说明书9页附图3页(54)发明名称柴油机燃用生物柴油多目标性能优化方法(57)摘要本发明涉及柴油机燃油技术领域，涉及一种柴油机燃用生物柴油多目标性能优化方法，其包括：一、建立PSO‑SVM排放预测模型；二、利用PSO‑SVM预测模型分别对柴油机排放的氮氧化物NOx、颗粒物进行排放预测，构造出非线性函数z1、z2；三、利用NSGA‑II算法对两个决策方程进行多目标优化，求出NOx、颗粒物的Pareto最优解；四、计算通过优化算法获得的NOx和颗粒物排放的pareto最优解的优化程度；本发明实现了对NOx、颗粒物排放的同时优化，NOx排放和颗粒物排放能够同时得到降低。CN113935124ACN113935124A权利要求书1/3页1.柴油机燃用生物柴油多目标性能优化方法，其特征在于：包括以下步骤：一、建立PSO‑SVM排放预测模型；二、利用PSO‑SVM预测模型分别对NOx、颗粒物进行排放预测，构造出非线性函数z1、z2，这两个函数都是设计变量与优化目标的非线性关系，这样就得到了关于设计变量的两个目标函数：f1(NOx)＝z1(x1，x2，x3)f2(颗粒物)＝z2(x1，x2，x3)约束条件：49.8≤x1≥64.642.56≤x2≥3.32126.7≤x3≥34.12式中：z1、z2为利用PSO‑SVM预测模型构造的NOx、颗粒物排放的非线性函数；f1(NOx)、f2(颗粒物)为NOx、颗粒物排放量；x1、x2、x3分别为生物柴油的十六烷值、粘度、表面张力；三、利用NSGA‑II算法对两个决策方程进行多目标优化，求出NOx、颗粒物的Pareto最优解；四、计算通过优化算法获得的NOx和颗粒物排放的pareto最优解的优化程度，通过下式对NOx和颗粒物值的优化程度进行求解：式中：η为优化百分比，P为Pareto最优解，S为实验值，Pmax为Pareto最优解中的最大值，Pmin为Pareto最优解中的最小值。2.根据权利要求1所述的柴油机燃用生物柴油多目标性能优化方法，其特征在于：PSO‑SVM排放预测模型的建立方法为：a、建立支持向量机预测模型，即SVM预测模型；b、使用网格搜索算法对惩罚因子C和核函数参数g进行初步优化；同时，使用K折交叉验证方法进行进一步优化；c、使用粒子群算法PSO对C和g进行进一步的精确优化；d、得到优化后的SVM预测模型，即PSO‑SVM排放预测模型。3.根据权利要求2所述的柴油机燃用生物柴油多目标性能优化方法，其特征在于：SVM预测模型的建立方法为：首先，给定m×(n+1)维的数据集合T＝{(x1，y1)，(x2，y2)，...，(xm，ym)}∈(X×Y)，其中x∈Rn为n维的输入向量，y∈R为系统的输出，则基于SVM模型建立的最优超平面为：g(x)＝wxi+b式中：w为超平面法向量；b为超平面常数；然后，把建立线性支持向量机的问题转化为求解一个二次凸规划的问题，得到：2CN113935124A权利要求书2/3页式中：ζi为松弛变量；C为惩罚因子；最后，将二次凸规划问题转换为对偶问题，即得到：式中：ai为Lagrange系数，仅适用于SVM模型，ai不等于0；K(xi，xj)为核函数；通过对上述问题进行数学理论分析，得到支持向量机回归函数为：4.根据权利要求3所述的柴油机燃用生物柴油多目标性能优化方法，其特征在于：K折交叉验证方法为：首先，以训练样本为对象，将其划分为k等份，让每等份数据依次成为验证集，而剩下的数据将用于模型建立；按照以上步骤共进行k次，并求其每一次训练模型的均方误差；最后再用求得的均方误差的总和除以k，得到K折交叉验证的模型误差，此误差作为评价模型精度的指标。5.根据权利要求4所述的柴油机燃用生物柴油多目标性能优化方法，其特征在于：网格搜索法优化参数的步骤是：(1)根据经验设置搜索范围及搜索步长，画出二维网格；(2)取网格中的节点参数组合，代入目标函数验证其性能；(3)根据性能评价，选择