通过缸内压力进行柴油机燃烧控制参数优化的研究

【韩】 B.Shin I.Jung S.Pyo Y.Chi

0 前言

燃油经济性、低排放和低振动噪声是柴油机开发的主要目标。目前，已有大量技术改善柴油机燃烧时的燃油转化效率、排放和噪声。最近取得的进展中有可变技术及其最优控制。共轨喷油可实现高度灵活的控制。喷油时刻、喷油压力和多次喷油可在共轨系统中进行调整。在进气系统中，可借助于可变几何截面涡轮增压器来控制增压压力。废气再循环（EGR）可通过电子装置进行精确调节。最近，双回路EGR也已经开始应用。在不久的将来，更多的新技术将应用于柴油机［1-3］。

柔性配置具有巨大的潜力，但由于更加复杂，要求发动机进行更多的优化。发动机燃烧参数改变时常出现排放物、燃油耗与燃烧噪声之间的折中关系。因此，采用柴油机燃烧的优化技术。在优化燃烧控制参数时，通常要制作1个数学模型，表示输入和输出之间关系的数学函数［4］。为了生成这个模型，要测量并量化相关的输入和输出值［5］。随着试验设备的开发，大多数发动机控制输入参数和输出目标已能被测量。然而，如果没有消声室这类的专门部件，燃烧噪声便不易测得。

作为一种简化方法，研究缸内压力信号以量化燃烧噪声。Priede指出，汽油机中的正常和非正常燃烧有不同的气缸压力谱，后者导致尖锐的噪声［6］。Flotho和Spessert介绍了一种鉴别柴油机燃烧噪声的方法，以便通过缸内压力优化全负荷条件下的燃油耗和噪声。特性值为最大缸内压力和最大压力上升率［7］。Russell和Haworth通过改变燃油十六烷值进行了缸内压力的频率分析［8］。通过分析发动机排放噪声，发现其取决于发动机转速和负荷。试用声调强度来表征均质充量压燃发动机中压力波的特征。随着发动机燃烧系统变得更为复杂，主要聚焦燃烧噪声的量化与分析。

本文进行了一系列发动机试验来对比来自缸内压力的2种燃烧噪声表征值的性能。一种是最大缸内压力升高率，另一种是Jung等人提出的燃烧噪声级（CNI）方法。在一台1.6L柴油机中研究，燃烧噪声指标是如何影响发动机开发目标的优化。

1 柴油机燃烧及其控制参数

柴油机燃烧分为几个阶段。在压缩行程的末尾，燃油由高压喷射系统喷入燃烧室。目前，喷油压力可以升至200MPa以上。喷入的燃油蒸发，并与热空气混合。当混合气成分和气体温度等满足化学反应条件时，燃烧开始。在燃烧期间，释放出热能。

柴油机燃烧可以通过发动机控制参数进行调节。延迟喷油可有效减少氮氧化物（NOx）和碳烟排放物，并可延长滞燃期，促进空气和燃油的混合。充分混合的燃气抑制了NOx和碳烟排放物的形成，但燃油效率可能变差。EGR是最重要的降NOx排放技术之一。随着燃气比热容和稀释效应的变化，EGR可降低燃气的温度。较低的燃气温度减少NOx排放。尽管如此，在特别高的EGR率情况下，燃油效率可能恶化。燃烧噪声受到预喷油的抑制，预喷油削弱缸内压力的突增。当前期燃烧与预喷油一起发生时，后面主喷射的燃油蒸发会受到热气体的促进，压力上升被抑制。由于预喷油通常在上止点之前喷入，额外的喷油并不会完全用于做功。由于预喷射燃烧引起燃油被喷入氧浓度较低的部分反应气体的缘故，烟度排放可能增加。

这些现象表明，柴油机燃烧可以通过不同的装置加以控制，但在许多情况下存在折中关系。随着发动机控制能力增加，燃烧相关的参数变得更加复杂，其优化对于达到均衡的发动机燃油经济性、废气排放和燃烧噪声开发目标变得非常重要。

2 试验设备和试验发动机

缸内压力用KISTLER 6053A传感器测量。发动机试验数据通过AVL IndiCom和Puma系统获取。用AVL 415S测量排气烟度，用Horiba MEXA气体分析仪检测气态排放物。研究采用1台1.6L的乘用车柴油机，作为试验设计和优化工具，AVL Cameo2013被用于开发数学模型，寻求最优的燃烧控制参数。技术规格如表1所列。试验选择了8个发动机运行点（1 500r／min、平均有效压力（BMEP）0.2MPa，1 500r／min、BMEP 0.4MPa，1 500 r／min、BMEP 0.6MPa，1 500r／min、BMEP 0.8 MPa，1 750r／min、BMEP 0.2MPa，1 750r／min、BMEP 0.4MPa，1 750r／min、BMEP0.6MPa，1 750 r／min BMEP 0.8MPa），这种选择是基于关于燃烧噪声在低转速和低负荷条件下较显著的报告作出的。

表1 试验发动机技术规格

3 燃烧噪声指标

作为燃烧噪声的测量值，对比2个指标来评价其性能。一个是最大缸内压力升高率，另一个是Jung等人提出的CNI方法。最大缸内压力升高率作为一种简单的燃烧噪声指标已被应用了很长时间。燃烧压力级是从1.00KHz到3.15KHz的1／3倍频程值的对数和。1／3倍频程值源于缸内压力的快速傅里叶变换。选择这一频带是因为人们对这些范围内的燃烧噪声较敏感。计算过程的细节如图1所示。

在进行快速傅里叶变换之前，对被测气缸取100次循环的平均值。在频率分析之后，气缸压力用1／3倍频带值表示。然后估算出燃烧压力水平。此后，这个值称为CPL。

为了对比2个燃烧噪声指标的性能，改变发动机燃烧控制参数，例如主喷油时刻、预喷油量及预喷油时刻、油轨压力、空气流量（包括EGR流量）和增压压力，在消声室中测量麦克风燃烧噪声和燃烧噪声指标。在图2中，对比表示麦克风燃烧噪声与燃烧噪声指标。麦克风燃烧噪声从69.7dB到82.5dB不等。最大缸内压力升高率从0.12MPa／CA增加到0.62MPa／CA。CPL数据带分布在161.1dB和173.3dB之间。在相同的麦克风燃烧噪声范围内，最大缸内压力升高率的数据分布比CPL的要宽得多。虽然每个指标的数据带大为不同，但关联性并不明显。因此，根据公式（1）计算出被测数据的关联因子。因为关联因子接近1，可以假定2组数据之间有着很强的关联性。

式中：x为燃烧噪声指标，y为麦克风燃烧噪声。

2种燃烧噪声指标的关联因子如图3所示。可以发现，除了1 750r／min BMEP 0.2MPa和0.4MPa 2个运行点以外，2个指标的关联因子相似。与CPL相比，在不同的发动机运行点，最大缸内压力升高率的关联因子并不均匀。最低的关联因子值在1750 r／min BMEP 0.2MPa运行点。各种试验情况下的燃烧控制参数如表2所列。在1 500r／min BMEP 0.2MPa时，2种燃烧噪声指标的关联因子都较高。然而，在1750r／min BMEP 0.2MPa时，最大压力升高率表现出较差的关联性。当在2个发动机运行点之间对比缸内压力时，比起1500r／min BMEP 0.2MPa时，1750r／min BMEP 0.2MPa时通过燃烧控制参数引起的缸内压力变化相对较小。对于放热率也存在这一模式。1750r／min BMEP 0.2MPa时放热率的变化小于1500r／min BMEP 0.2MPa时。极端情况如表3所列，虽然缸内压力最大升高率并未改变，但是麦克风燃烧噪声却大相径庭。对比被测缸内压力的1／3倍频程分析。在图4中，缸内压力信号1／3倍频程的振幅在很宽频率范围内并不一致。在不考虑振幅随频率的变化时，燃烧噪声指标的性能受到限制。这些结果表明，当缸内压力的变化不够大时，最大压力升高率与燃烧噪声之间只能有微弱的联系。

表2 各试验工况下的燃烧控制参数

表3 1 750r／min BMEP 0.2MPa时工况1和工况3的燃烧噪声

4 试验设计模型中排放物、燃油耗、燃烧噪声的敏感度

新开发的燃烧噪声指标CPL在优化1.6L柴油机的燃烧参数中被用作燃烧噪声目标值。数学模型采用AVL CAMEO，由多项式构成。输入和输出如图5所示。试验变量的组合图表由D-optimal法制成。在制作了数学功能模型后，各个目标一般都在约束条件下进行优化。如果其中一个目标被优化，由于燃烧控制参数的折中关系，约束条件通常为其他目标。当主喷油时刻提前时，燃油耗可改善，但NOx排放物和燃烧噪声可能恶化。由于相互影响的关系，各个变量的量化非常重要。为了观察这对目标优化的影响，进行了燃烧噪声指标的敏感度分析。将CPL增加0.5dB时，在试验设计模型中估算燃油耗和排放物的变化。图6和图7显示当CPL变化0.5dB时，燃油耗、NOx和烟度的敏感度。通过将其他目标值设定为边界，计算各个目标的变化。当计算NOx变化时，烟度和燃油耗都保持恒定。在图6和图7中，各个目标的变化率足够大，很容易识别。燃油耗在发动机各试验点敏感度并不一致，从0.1%变为3.4%。在NOx排放相同的情况下，变化带从1.3%变为53.9%。烟度排放敏感度最高，从7.5%变化到60.2%。试验表明，敏感度取决于发动机负荷。随着发动机运行点的增加，敏感度值降低。这表明，随着发动机负荷的增大，燃烧噪声对燃油耗和排放物的影响减小。这一敏感度分析表明，在柴油机中，燃烧噪声指标的精度对燃烧参数优化的影响非常大。

有研究人员指出，通过延迟喷油正时，NOx排放和燃油耗会发生变化。但是，对燃烧噪声的直接影响并不存在，并且在柴油机中，排放物、噪声和燃油经济性之间存在折中关系，多次喷油技术改善了这种情况。

提前量化燃烧噪声的另一个好处体现在平衡发动机开发目标中。如果模型预测得以扩展，可以获得协调的发动机开发目标（图8）。只有当之前结果的敏感度处于规定的边界内，假定通过增大燃烧噪声可进一步改善燃油耗。然而，这一假定并非总是有效。改善的水平收敛于某一特定值。图9给出了燃油耗优势受到改变燃烧控制参数的限制线索。当CPL增大时，50%已燃质量的曲轴转角位置不会进一步接近上止点。

换言之，在一定的水平后，尽管燃烧噪声恶化，燃烧速率也不再变化。如果在燃烧噪声指标和燃油耗之间有1个宽范的模型，由于燃烧噪声的准确量化，燃烧控制参数的极端优化可以避免，以获得平衡的开发目标。

5 验证试验

上述结果是由试验设计数学模型导出的。为了证实预测的模型，进行了验证试验。在多次测量中采用了每种工况下的优化燃烧控制参数。试验结果如表4和图10所示。试验数据是各个发动机运行点的平均值。虽然在模型和测量值之间存在偏差，但其差值不大。

表4 模型预测和确认试验之间的燃油耗、NOx和烟度变化比较（8个发动机试验点的平均值）

6 结语

由于复杂的系统集成到发动机中，需要对变量进行越来越多的量化，以优化发动机开发过程中的发动机燃烧控制参数。本文采用缸内压力对燃烧噪声进行量化。对其噪声性能与最大压力升高率进行比较。通过燃烧噪声指标的开发，进行了敏感度分析，并研究了其带来的优势。新提出的燃烧噪声指标比最大气缸压力升高率有更好的关联性。特别是当缸内压力的变化较小时，可以清楚地观察到关联性差异。

敏感度分析表明，燃油耗、NOx和烟度大大受到燃烧噪声指标变化0.5dB的影响。8个试验点的平均值，燃油耗变化1.6%，NOx变化16.2%，烟度变化35.1%。此外还表明，模型预测的扩展有助于避免燃烧控制参数的极端优化，使发动机的开发目标能以平衡的方式实现。

［1］Stanton D.Systematic development of highly efficient and clean engines to meet future commercial vehicle greenhouse gas regulations［C］.SAE Paper 2013-01-2421.

［2］Xin Q.Overview of diesel engine applications for engine system design-part 3：operating and design characteristics of different applications［C］.SAE Paper 2011-01-2180.

［3］Posada F，Bandivadekar A，German J.Estimated cost of emission control technologies for light-duty vehicles part 2-diesel［C］.SAE Paper 2013-01-0539.

［4］Srinivasan S， Macek J，Polacek M，et al.Computational optimization of a split injection system with EGR and boost pressure／compression ratio variations in a diesel engine［C］.SAE Paper 2007-01-0168.

［5］Bachler J，Mathis P，Rzehorska M.Calibration methodologies for online optimisation of diesel engines with regard to emissions，NVH and performance［C］.SAE Paper 2003-26-0008.

［6］Priede T.In search of origins of engine noise-an historical review［C］.SAE Paper 800534.

［7］Flotho A，Spessert B.Development methods for low noise diesel engines［C］.SAE Paper 872249.

［8］Russell M，Haworth R.Combustion noise from high speed direct injection diesel engines［C］.SAE Paper 850973.

［9］Alt N， Wiehagen N，Steffens C，et al. Comprehensive combustion noise optimization［C］.SAE Paper 2001-01-1510.

［10］Eng J.Characterization of pressure waves in HCCL combustion［C］.SAE Paper 2002-01-2859.