新闻中心  
  当前位置: 首页 > 研究院新闻 > 正文
研究院新闻
通知公告
学术交流
 
优势平台
 
研究院新闻
 
何志霞教授团队甲醇重整氢发动机研究最新进展在Applied Energy期刊发表
发布日期:2024-03-21  浏览:

近日,我院何志霞教授团队在《Applied Energy》应用能源期刊上发表研究性论文“An enhanced automated machine learning model for optimizing cycle-to-cycle variation in hydrogen-enriched methanol engines”(基于自动机器学习增强模型的富氢甲醇发动机循环变动优化研究)(Appl. Energy, 362:123019, 2024)。博士生朱怡自为论文第一作者。

绿电制氢和二氧化碳合成甲醇,作为液体燃料,可解决储氢、运氢的行业难题,在发动机上的应用备受关注。甲醇重整氢发动机可解决甲醇发动机低温启动性能差、热效率低等问题,也具备降低发动机循环变动的潜力,而运行策略优化是关键,基于数据驱动的机器学习模型成为一种新的研究手段。然而针对CFD这类数据集样本数较少情况,普通机器学习模型无法达到较好预测效果,同时,传统CFD方法非常耗时也很难获取发动机循环变动信息。本研究引入了基于自动机器学习框架的增强模型:1)基于遗传算法的主动学习方法生成用于训练的数据集,极大提高数据集质量;2)采用分类模型对数据集中失火、爆震、排放过高等算例进行分类识别,提高数据利用效率;3)采用特征构造的方法捕获更多信息。进而,基于小样本数据集完成模型优化,并获得了更高的预测精度,与多目标遗传算法耦合,获得了考虑循环变动约束的甲醇重整氢发动机高效、稳定燃烧的最佳运行策略。

本研究开发的基于自动机器学习框架的增强模型在实现更高质量的Pareto前沿解前提下,降低CFD计算时间成本约20%。而引入发动机循环变动的考量因素后,模型优势更为突出,在计算成本上,优化时间从0.3 h增加到0.8 h,而传统CFD方法则需要增加至原来的500倍。本文工作为发动机循环变动特性的研究提供了新的思路。

文章链接:https://doi.org/10.1016/j.apenergy.2024.123019.


 
中华人民共和国教育部
中华人民共和国科学技术部
国家自然科学基金委员会
江苏省教育厅
江苏省科技厅
江苏大学科学技术处
Copyright © 2024 nyyj.ujs.edu.cn. All Rights Reserved 地址:江苏省镇江市学府路301号 电话:0511-88799500 E-mail:nyyj@ujs.edu.cn