基于Matlab/Simulink软件,采用模块化建模理念,利用容积法,划分气缸系统为六大模块,搭建柴油/天然气双燃料发动机气缸系统的仿真模型;使用三Vibe函数搭建气缸燃烧放热率模型,并验证了模型的准确性。

对高替代率下CNG/柴油双燃料电控发动机燃烧特性进行了研究,基于实测示功图分析气缸压力升高率、燃烧放热率及最大气缸压力循环变动随工况变化的规律。结果表明,高替代率下,转速和负荷是影响双燃料发动机燃烧的重要因素;转速不变时,随着负荷增加,双燃料发动机的压力升高率、最大气缸压力的平均值、最大放热率均增大,燃烧始点提前;负荷不变时,随着转速增加,双燃料发动机的燃烧放热率增大,燃烧始点相对滞后;高天然气替代率下CNG/柴油双燃料电控发动机的燃烧特性循环波动较小,燃烧过程较稳定。

运用BP神经网络（Back Propagation Network）的自学习以及非线性逼近能力,对双燃料发动机排气中CO、HC、NOx和碳烟的浓度进行拟合和预测。搭建神经网络模型,通过采集双燃料发动机排气浓度数据对神经网络模型进行训练和验证。当BP神经网络训练过程中样本和模型计算值的线性相关系数R大于0.9,且用于验证的数据和模型运算值误差在可忽略范围内,则所建的神经网络模型能够有效预测双燃料发动机的排气浓度。训练结果显示,CO、HC、NOx和碳烟浓度的模型计算值和实测值线性相关系数R都大于0.9,说明神经网络具有较强的拟合能力;验证结果显示,预测值和实测值的相对平均误差都小于10%,能够满足实际需求。结果表明,运用神经网络模型能够有效预测双燃料发动机的排放。