NSGA-II在发动机尾气排放多目标优化问题中的应用

栗方

摘 要：空气污染和全球变暖问题逐步恶化，全球能源紧缺和环境污染带来严峻形式逐渐进入人们的视野，探索NSGA-II在发动机尾气排放多目标优化问题中的应用以应对各国日渐严格的燃油消耗政策和汽车排放法规。文章对双燃料（柴油和富氢压缩甲烷）反应性控制的压缩着火（RCCI）系统进行优化，建立数学模型，将发动机排放和性能特性对发动机负荷、发动机转速、当量比和燃料百分比等因素的响应进行关联。最后，利用所建立的模型和NSGA-II（非支配排序遗传算法II）方法，对各因素进行了优化。用NSGA-II法优化发动机参数的结果令人满意，并提出了不同试验条件下的帕累托前沿。研究结果表明，在使用双燃料发动机，可用数值模拟和分析来优化发动机的运行参数，从而减少污染物排放，达到双燃料（柴油和富氢压缩甲烷）反应性控制的压缩着火（RCCI）点火在不同负荷下一氧化碳和氮氧化物的排放是雙燃料发动机优化问题的改进。

关键词：NSGA-II;多目标优化;发动机优化;RCCI;尾气

中图分类号：F224.39  文献标识码：A  文章编号：1671-7988（2020）16-40-04

Abstract： With the worsening of air pollution and global warming， severe forms brought by global energy shortage and environmental pollution have gradually entered people's vision. The application of NSGA-II in multi-objective optimization of engine exhaust emission is explored to cope with increasingly stringent fuel consumption policies and automobile emission regulations in various countries. In this paper， a compression ignition （RCCI） system for reactivity control of dual fuels （diesel oil and hydrogen-rich compressed methane） is optimized， and a mathematical model is established to correlate the response of engine emissions and performance characteristics to factors such as engine load， engine speed， equivalence ratio and fuel percentage. Finally， the model and NSGA-II （non-dominated sorting genetic algorithm II） method are used to optimize the factors. The results of optimizing engine parameters by NSGA-II method are satisfactory， and Pareto frontier under different test conditions is proposed. The results show that optimization should be considered when using dual-fuel engines. Numerical simulation and analysis can be used to optimize the operating parameters of the engine so as to reduce pollutant emissions. Compression ignition （RCCI） ignition that achieves reactivity control of dual fuels （diesel oil and hydrogen-rich compressed methane） is an improvement to the optimization problem of dual-fuel engines.

Keywords： NSGA-II; Multi-objective optimization; Engine optimization; RCCI; Tail gas

CLC NO.： F224.39  Document Code： A  Article ID： 1671-7988（2020）16-40-04

1 前言

随着我国汽车总量的快速增加，汽车排放污染问题日益突出，尾气污染在人口密集的城市中尤为严重，对人健康构成威胁。汽车尾气排放标准的提高和新能源汽车的推广在很大程度上压迫传统能源汽车的生存空间，因此优化传统汽车以达到节能减排，成为适应市场需求的必然，我们迫切需要寻求新的策略来面对这一问题[1]。

近年来，数值模拟和进化优化算法因为可以同时优化多个目标而被广泛用于发动机的多目标优化问题。多目标优化算法（MOEAs）能够有效地处理权衡关系，并在发动机优化方面取得了成功[2]。研究已经表明，使用MOEAs解决发动机应用中的多目标优化问题是具有的可行性的。本文针对非支配排序遗传算法（NSGA-II）在汽车尾气优化中的应用，实验中主要利用双燃料（柴油和富氢压缩甲烷）反应性控制的压缩着火（RCCI）发动机进行研究多目标算法优化汽车尾气问题[3]。

2 RCCI发动机的数值模型

2.1 RCCI燃烧技术介绍

RCCI是一种双燃料发动机燃烧技术。在燃烧阶段，持续时间和振幅可以通过使用两种不同反应性的燃料来优化。RCCI因其高热效率和低氮氧化物排放而闻名。低反应性燃料在进气冲程期间喷射，并与空气预混合。在压缩冲程期间，高反应性燃料（HRF）通过多次喷射通过直接喷射器喷射。在本研究中，富氢甲烷压缩气（HCM）通过进气口喷射进行喷射，而柴油通过双喷射策略进行喷射[4]。

2.2 数值模型

用CANTERA代码结合一个简化的TRF-多环芳烃化学动力学机制进行燃烧过程的模拟。假设理想状态下，所有气体可以均匀地混合。发动机模型是一个零维单区热动力学模型，用于预测发动机指示平均有效压力（IMEP）、CO排放和NOx排放[5]。

3 多目标优化

在一個问题中存在多个目标，原则上产生一组最优解（很大程度上称为帕累托最优解），而不是单一最优解。这类问题被称为多目标优化问题。一个最大似然问题已经用加权或决策方案解决了，另一种方法是寻找帕累托最优前沿。许多进化算法，如遗传算法，已经被提出来解决多目标规划问题。非支配排序遗传算法（NSGA-II）就是这样一种MOEAs算法，它展示了有效识别帕累托最优前沿的能力[6]。因此，它为决策者提供了最佳解决方案空间的完整画面。本文介绍NSGA-II在解决多目标优化发动机尾气排放问题中的应用。

4 引擎优化的MOEAs相关工作

NSGA-II引入了考虑帕累托（Pareto）排序和拥挤距离的拥挤竞赛选择，保持良好扩散，并收敛到Pareto前沿[7]。NSGA-II成功地找到了应用中多目标优化问题的帕累托前沿，相关工作总结见表1。

优化的参数包括进气门关闭正时（IVCT）、喷油正时（SOI）、点火正时（IT）、柴油主喷射正时（MSOI）、柴油主喷射正时（PSOI）、IVC温度（TIVC）、IVC压力（PIVC）、喷油压力（IPR）、涡流比（SR）、预混合成气能量分数（EFPS），合成气组成比（CRS）、柴油质量（MD）、中试柴油馏分（DFP）、当量比（EQR）和废气再循环率（EGR）。目标包括指示比油耗（ISFC）、等效ISFC（EISFC）、振铃强度（RI）、碳氢化合物排放（HCE）、总指示有效压力（GIMEP）、指示功率（IPO）、指示热效率（ITE）、烟尘排放（SE）、一氧化碳排放（COE）、氮氧化物排放（NOxE）、点火延迟时间（IDE）、层流火焰速度（LFP）和沃伯数（WN）、未燃烧碳氢化合物排放（UHCE）[8]。发动机类型包括柴油、RCCI和火花点火。这些工作证明了NSGA-II在发动机应用中解决多目标优化问题的可行性。

在引擎优化问题中，其他MOEAs的应用研究很少。CO和NOx是双燃料发动机的主要污染排放物[9]。但是，在不同的发动机负荷条件下，最优解是不同的，因此有必要通过同时最小化不同负荷下的CO和NOx排放量来生成完整的工况图[10]。基于多个参数的数值结果表明，NOx排放在很大程度上取决于所有操作参数，包括燃料供应、合成气体成分和进气条件。然而，却没有考虑到一氧化碳的排放，因此，帕累托前端装置可能含有不理想的溶液，这些溶液具有低氮氧化物排放，但一氧化碳排放非常高。

目前对不同负荷条件下CO和NOx排放的运行参数优化还没有很好的认识。此外，应用现有的MOEAs来解决这个问题也存在一些挑战。

5 实验设计

5.1 RCCI 发动机参数优化的特点

式中eCO（x）和eNOx（x）分别为解决方案x的CO和NOx排放量，其中I（x）为方案x的平均有效压力（IMEP），I1L和LUL为低负荷下IMEP的下限和IMEP的上限，I1M和IUM为中负荷下IMEP的下限和IMEP的上限，I1H和IUH在高负载条件下IMEP的下界和IMEP的上界[11]。

这个问题给传统MOEAs带来了新的挑战。首先，传统MOEAs不能同时最小化f1（x），f2（x）和f3（x）。因为这是三个目标相同但约束条件不同的多目标优化任务。传统的MOEAs在一次运行中只能处理一个任务。其次，种群在演化过程中存在大量的非期望解，这些解具有较大的CO排放或NOx排放[12]。

5.2 优化结果

本文的目标是通过优化发动机参数，使RCCI发动机在不同负载条件下CO和NOx的排放达到最小。

引擎的负载由IMEP值索引。选择正庚烷作为柴油替代物是因为正庚烷（n-C7H16）的NOx和射气排放最接近柴油。

优化了九个操作参数，即HCM当量比EHCM，体积与总HCM的比值（Rh），正庚烷当量比（En），先导喷油量与总喷油量之比（Rp）正庚烷的注射压力（Pinj），进气压力（Pi），以及进气温度（Ti）的介绍[13]。参数的工作范围见表2。Rh由于经济原因，限制在30%以下。为了保护传统的化石燃料（柴油），En限制在20%以下。最大值En比EHCM小很多。因此，HCM是本研究的主要燃料。

本文所用发动机型号规格见表3。发动机模型由燃烧室（气缸、气门、喷油器）、冷却部件（中冷器、气缸冷却器）和涡轮增压器系统组成。

此外，在优化过程中，引入了一些约束来消除不满意的解。采用热效率最小指标、热膨胀功与正庚烷能比、热膨胀功与正庚烷能比等约束条件，使热膨胀功与正庚烷能比达到20%以上，保证了高效燃烧。

6 NSGA-II算法仿真结果

以上对高中低三个负载仿真结果，低负荷、中负荷和高负荷下的IMEP范围分别为（5，8），（12，15）和（17，20）。程序经过2000次迭代，得到图1，图2，图3。图中帕累托最优解用蓝色实心点表示，实心点连成的曲线为帕累托最优解集，解通过目标函数映射组成了NSGA-II算法优化RCCI发动机最小化一氧化碳和氮氧化合物的Pareto最优前沿，帕累托最优前沿为帕累托最优解对应的目标函数值[14]。因此，一氧化碳和氮氧化合物在Pareto最优前沿区域如图，图片显示出NSGA-II获得了理想区域内极低的CO排放或NOx排放。

由图可以看出，在高负载下，CO排放较少，主要排放NOx。在中等负荷下，较高负载CO有所增加。在低负荷下，CO和NOx排放结果与中负载相比而言排放量稍小，总体上十分接近，但低负载下CO和NOx排放量有所平衡。

对比三个负载，RCCI发动机在低负荷条件下运作，相较于高负载和中负载一氧化碳和氮氧化合物排放量更低。

7 结论

通过对NSGA-II在发动机尾气排放多目标优化问题中的应用研究，我们发现NSGA-II在实际生活中多目标优化问题有很多的优点，实验结果表明：在低负荷条件下，CO和NOx排放都比较低。与柴油相比HCM/柴油双燃料RCCI发动机的CO排放量要高的多，而柴油机排放物，尤其是颗粒物和氮氧化物是对人类健康有害的环境污染物。HCM/柴油双燃料RCCI发动机降低了NOx排放颗粒物几乎可以忽略不计。欧六的排放标准为，一氧化碳和氮氧化物的最大排放量分别为4.0克/千瓦时和0.46克/千瓦。总的来说HCM/柴油双燃料RCCI的CO排放也比欧洲VI的排放标准要低。在优化尾气的问题里，节能减排的道路依旧是漫长的，更高效清洁的发动机运作方式仍待我们去探索。

参考文献

[1] C. Mavrelos， G. Theotokatos， Numerical investigation of a premixed combustion large marine two-stroke dual fuel engine for optimizing engine settings via parametric runs， Energy Conversion and Manage ment，2018，160：48-59.

[2] J.Li， W. Yang， D. Zhou， Review on the management of rcci engines， Renewable and Sustainable Energy Reviews，2017，69： 65-79.

[3] S. Lotfan， R. A. Ghiasi， M. Fallah， M. Sadeghi， Ann-based modeling and reducing dual-fuel engines challenging emissions by multiobj -ective evolutionary algorithm nsga-ii， Applied Energy， 2016， 175： 91-99.

[4] Z. Xu， M. Jia， Y. Li， Y. Chang， G. Xu， L. Xu， X. Lu， Computational optimization of fuel supply， syngas composition， and intake condi-tions for a syngas/diesel rcci engine， Fuel， 2018， 234： 120-134.

[5] P. Dimitriou， T. Tsujimura， A review of hydrogen as a compression ignition engine fuel，International Journal of Hydrogen Energy， 2017， 42： 24470-24486.

[6] G.Kosmadakis， D. Rakopoulos， C.Rakopoulos， Investigation of nitric oxide emission mechanisms in a si engine fueled with methane/ hydrogen blends using a research cfd code， International Journal of Hydrogen Energy， 2015， 40（43）： 15088-15104.

[7] A.Menaa， M.Lounici，F.Amrouche， K.Loubar， M. Kessal， Cfdanalysis of hydrogen injection pressure and valve profile law effects on backfire and pre-ignition phenomena in hydrogen-diesel dual fuel engine，International Journal of Hydrogen Energy， 2019， 44： 9408- 9422.

[8] S.Lee， J.Jeon，S.Park，Optimization of combustion chamber geometry and operating conditions for compression ignition engine fueled with pre-blended gasoline-diesel fuel， Energy Conversion and Man -agement， 2016， 126： 638-648.

[9] 辛曉刚，王彪，李昕，方彦军.考虑风电消纳能力的含风电场电力系统多目标优化调度研究[J].可再生能源， 2016， 34（01）：49-55.

[10] J.Zareei，A.Rohani，Optimization and study of performance para -meters in an engine fueled with hydrogen， International Journal of Hydrogen Energy， 2020， 45： 322-336.

[11] 董骏峰，王祥，梁昌勇.基于个体邻域的改进NSGA-II算法[J].计算机工程与应用，2019， 5：166-174.

[12] 张坤.基于占用和照度信息的室内照明调光策略研究[D].天津理工大学，2019.

[13] B.H.Nguyen，B.Xue，P.Andreae，H.Ishibuchi and M.Zhang， "Multiple Reference Points-Based Decomposition for Multiobjective Feature Selection in Classification： Static and Dynamic Mechanisms，" in IEEE Transactions on Evolutionary Computation.2020，24（1），170- 184.

[14] A.Paykani，C.E.Frouzakis， K. Boulouchos， Numerical optimization of methane-based fuel blends under engine-relevant conditions using a multi-objective genetic algorithm， Applied Energy，2019， 242：1712-1724.