[發明專利]用于優化內燃機噴嘴的方法

有效

• 申請號: 200710153670.7
• 申請日: 2007-09-14
• 公開（公告）號: CN101144449A
• 公開（公告）日: 2008-03-19
• 發明（設計）人: H·格羅塞－洛謝;H·哈伯蘭德;H·亞爾辛
• 申請（專利權）人: 曼柴油機歐洲股份公司
• 主分類號: F02M61/16
• 分類號: F02M61/16;G06F17/50;G06F19/00
• 代理公司: 中國專利代理(香港)有限公司
• 代理人: 曹若

技術領域

本發明涉及一種按權利要求1前序部分所述的用于優化內燃機噴嘴的方法。

背景技術

眾所周知，噴嘴包括噴嘴體和可以在噴嘴體的孔中克服關閉力進行軸向移動的噴嘴針，噴嘴針在其燃燒室側的端面上具有閥門密封表面，為了控制到引入內燃機燃燒室中的至少一個噴口的通流橫截面，噴嘴針以該閥門密封表面與噴嘴體的閥座表面共同作用。噴嘴裝入噴嘴保持體中，眾所周知，噴射管路連接在噴嘴保持體的上端部上。在噴嘴體內的壓力室中，燃料作用在噴嘴針的斜肩上，并且克服關閉力打開該噴嘴針，該關閉力通常液壓地或者通過彈簧力引起。

常見的噴嘴例如是所謂的孔式噴嘴(Lochdse)，例如在DE198?41192?A1中公開的，該孔式噴嘴優選地以直接噴射裝入發動機。孔式噴嘴的孔在噴嘴體中以盲孔的形式進行構造，孔式噴嘴經常以噴嘴頂中多于12個孔進行制造。孔式噴嘴最終的造型通常在發動機試驗中確定。在此，不同的噴嘴方案必須在例如孔數目、孔直徑、孔長度、孔之間的角度以及孔與氣缸軸線的角度方面對功率、特別是燃料消耗以及有害物質排放以及更多方面的影響進行試驗。

噴嘴的構造對發動機的燃燒具有決定性的影響。在孔式噴嘴方面，特別是噴嘴孔的數目、直徑、位置和幾何造型以及盲孔中的高壓對于噴射流的形成來說是重要的。但此外，隨著盲孔體積的增加也提高了碳氫化合物(HC)和顆粒(例如炭黑)的排放以及還有燃料消耗。此外已知，太大的盲孔體積會增加發動機潤滑油的污染以及提高氣缸導軌的磨損。

此外，噴嘴在機械、熱以及液壓方面承受高載荷。因此，對于例如在噴嘴頂上以及在針座中的功能要求，必須遵守關于構件強度方面的設計規定。

已經公開了用于設計噴射閥的數學方法，在該方法中幾何構造包括由變量空間中不同的例如上面所描述的參數構成的目標函數f(x)形式的系統，在該系統中目標函數值通過多個計算步驟迭代計算獲得，其中在每個計算步驟中，計算隨機參量的取決于目標函數f(x)的并且以隨機的差分方程為基礎的增長。然后，將以這種數值方法計算獲得的最佳目標函數值以及所屬的參數用于噴嘴的設計。

由于關系的高度復雜性，這樣一種連續的處理方法經常不會成功。

發明內容

由此出發，本發明的任務是說明一種用于優化內燃機噴嘴的方法，該噴嘴的構造至少在減少有害物質排放、改善磨損特性以及減少燃料消耗方面是優化的。

該任務通過按權利要求1所述的用于優化內燃機噴嘴的方法得到解決。

本發明是用于優化噴嘴的全新的方法，用該方法可以對所有種類的噴嘴關于相應的要求和邊界條件進行優化。

在實施例中考慮具有盲孔的特殊的多孔噴嘴，該盲孔具有一列(圖1)或多列(圖2)上下相互錯開布置的噴口。

所執行的算法是粒子群優化算法的由本申請人開發的多標準的版本。粒子群算法是來自于人工智能領域的一類用于優化的類似自然的隨機方法。該算法基于粒子的群體(參數組作為可能的解)，這些粒子像一群鳥一樣在搜索空間中運動時相互影響(參見J.Kennedy，R.Eberhart：Particle?Swarm?Optimization。Proc.IEEE?Int.Conf.onNeural?Networks，1995，第1942-1948頁)。

粒子群優化(PSO)的目標是全面地找到所研究的函數即目標函數f(x)的最佳值-該最佳值根據定義可以是最大值或最小值。但不應該-像通常在開頭所描述的數值方法中一樣-找到某個局部的最佳值，而是找到整個搜索空間的、也就是解空間的全局的最佳值。

PSO的參數(粒子)在計算開始時隨機地并且/或者人為決定地分布到整個解空間上，參數以此在變量空間中具有相應的位置。為了初始化，為粒子配屬同樣隨機的和/或人為決定的速度矢量。

此外，對于優化算法的每個其它步驟，每個粒子遵循鄰近粒子的位置以及其自己的至今最好的位置。通過比較運算從每個單個粒子的個體最好的解中選出群的最佳解。由此，群作為整體傾向于定位最好的粒子的方向。

根據標準的數目/獨立參數的數目/目標函數f(x)的未知量的數目，粒子在解空間中的定向是n-維的。

目標函數可以如此公式化，使得具有自己權重的多個目標參量統一在其中。然后，目標函數稱為質量函數。目標參量相應于數學上可獲得的具體的要求，例如噴嘴中有待減小到最小程度的盲孔體積，該盲孔體積在函數中取決于幾何參數。

在這里強調，該優化算法是很快的并且目標明確的并且因此是很有效的。