基于NLPQL方法的电控单体泵参数优化

合集下载

基于BP神经网络模型的磁悬浮水泵PID参数优化

基于BP神经网络模型的磁悬浮水泵PID参数优化

1 前言
目前,工业上对高速高载荷高性能泵的需求 越来越大,具有良好振动特性的水泵将提高水泵 运行稳定性,防止周期性疲劳破坏。但转子和电 机电磁力的不平衡、轴承的磨损、联轴器不对中等 因素会引起泵的机械振动,叶轮 - 蜗壳动静干涉 作用引起的压力脉动、不稳定流动及空化等因素 会引起泵的水力振动[1~3]。
SU Yi-xin,MA Yan-hui,SHI Qian,XUE Shu,YU Su-yuan
(Tsinghua University,Beijing 100084,China)
Abstract: To design better performance dynamic of magnetic bearing support system of magnetic suspension pump, the multifunction magnetic levitation experiment platform was used to realize the 5-DOF stability suspension of the rotating shaft by setting the PID control parameters of the magnetic bearing. Then,the Y-direction of the radial magnetic bearing B was randomly selected to identify the BP neural network model of the controlled object,and PID parameters were optimized by Simulink. Finally,the simulation and comparison under three different working conditions were carried out. The simulation results show that the response of the system with optimized parameters is faster. And the experimental results show that the rotor' s displacement in X and Y direction are reduced by 32.9% and 24.1% respectively in the course of 0~4000 r/min. This article provides a novel method for optimizing the PID parameters of the magnetic suspension pump. Key words: magnetic suspension pump;neural network;system identification;control and simulation;parameter optimization

基于NLPQL算法的电动轮汽车差速助力转向参数优化

基于NLPQL算法的电动轮汽车差速助力转向参数优化

基于NLPQL算法的电动轮汽车差速助力转向参数优化徐晓宏;赵万忠;王春燕;陈伟【期刊名称】《中南大学学报(自然科学版)》【年(卷),期】2012(043)009【摘要】The model of the differential assisted steering system with force and displacement coupled control for electric vehicle with motorized wheels was built. Based on these models of system, the quantitative expressions of the road feeling, sensitivity, operation stability and economy of the steering were proposed. According to the features of multi-constrained optimization of multi-objective function, NLPQL algorithm was designed. Taking the road feeling and energy consumption of the steering as optimization objectives, and operation stability and sensitivity of the steering as constraint, the system parameters were optimized. The results show that optimization based on NLPQL algorithm can improve the steering road feeling, reduce the steering energy consumption more effectively and can also guarantee the operation stability and steering sensibility, which provides theoretical basis for the design and optimization of the electric vehicle with motorized wheels system.%建立力与位移耦合控制的电动轮汽车差速助力转向系统模型,给出转向路感、转向灵敏度、转向稳定性以及转向经济性的量化公式;根据多目标多约束优化问题的特点,以转向路感和转向经济性为优化目标,以转向稳定性和转向灵敏度为约束条件,设计非线性二次规划算法(NLPQL),对系统参数进行优化设计.仿真结果表明:基于NLPQL算法的电动轮汽车差速助力转向多目标优化,可在保证系统具有较好的转向稳定性和较高的转向灵敏度基础上,有效提高系统的转向路感,并降低系统的转向能耗,为电动轮系统的设计和优化提供理论基础.【总页数】6页(P3431-3436)【作者】徐晓宏;赵万忠;王春燕;陈伟【作者单位】南京航空航天大学能源与动力学院,江苏南京,210016;南京航空航天大学能源与动力学院,江苏南京,210016;重庆大学机械传动国家重点实验室,重庆,400044;南京航空航天大学能源与动力学院,江苏南京,210016;南京航空航天大学能源与动力学院,江苏南京,210016【正文语种】中文【中图分类】U461.4【相关文献】1.基于遗传算法的电动助力转向系统结构参数优化设计 [J], 任宏涛;崔凤奎2.基于NLPQL方法的液压冲击器性能参数优化 [J], 杨国平;程祎;陈博3.电动轮汽车差速助力转向系统路感优化 [J], 王春燕;赵万忠;赵婷;周协4.基于NLPQL方法的电控单体泵参数优化 [J], 姜伟;高青秀;张明锋;张淑珍;郭海洲;徐春龙5.基于代理模型和NLPQL算法的注塑成型质量控制与预测 [J], 季宁;张卫星;于洋洋因版权原因,仅展示原文概要,查看原文内容请购买。

基于神经网络与遗传算法的离心泵汽蚀性能优化设计

基于神经网络与遗传算法的离心泵汽蚀性能优化设计

基于神经网络与遗传算法的离心泵汽蚀性能优化设计离心泵是一种常用的水力机械设备,广泛应用于工业、建筑、农田灌溉等领域。

然而,在泵的工作过程中,汽蚀问题一直存在,影响了泵的性能和寿命。

为了解决这个问题,本文提出了一种基于神经网络与遗传算法相结合的离心泵汽蚀性能优化设计方法。

1. 神经网络模型神经网络是一种模仿人脑神经系统的计算模型,具有学习能力和自适应性。

我们通过对离心泵的泵壳、叶轮、叶轮出口管道等参数的数据进行采集和处理,构建了一个离心泵的神经网络模型。

该模型能够根据输入的参数预测出离心泵的汽蚀性能。

2. 遗传算法优化设计遗传算法是一种模拟自然进化过程的优化算法,通过模拟遗传、交叉和变异等操作来搜索最优解。

我们将离心泵的关键参数作为遗传算法的基因编码,通过不断迭代和优化,找到最佳的离心泵参数组合,以提高其抗汽蚀性能。

3. 离心泵汽蚀性能优化设计步骤基于神经网络和遗传算法的离心泵汽蚀性能优化设计主要包括以下步骤:(1)数据采集:收集离心泵工作过程中的关键参数数据,包括泵壳形状、叶轮几何参数、叶轮出口管道长度等。

(2)数据处理:对采集到的数据进行预处理和清洗,去除异常值和噪声。

(3)神经网络训练:利用处理后的数据,训练离心泵的神经网络模型,以建立参数与汽蚀性能之间的映射关系。

(4)遗传算法优化:将离心泵的关键参数设置为遗传算法的基因编码,初始化种群,并通过适应度函数评估每个个体的优劣,进行选择、交叉和变异等操作,逐代演化找到最佳参数组合。

(5)优化结果验证:将最佳参数组合应用于离心泵实际运行中,并进行汽蚀性能测试,验证优化结果的有效性。

通过上述步骤,基于神经网络与遗传算法的离心泵汽蚀性能优化设计可以显著提高离心泵的抗汽蚀性能,确保泵的安全运行。

结论离心泵的汽蚀问题一直是制约其性能和寿命的重要因素。

本文基于神经网络与遗传算法相结合的方法,提出了一种新的离心泵汽蚀性能优化设计方案。

通过神经网络模型的训练和遗传算法的优化,可以找到最佳的离心泵参数组合,提高其抗汽蚀性能,确保泵的安全运行。

基于BP神经网络模型的磁悬浮水泵PID参数优化

基于BP神经网络模型的磁悬浮水泵PID参数优化

基于BP神经网络模型的磁悬浮水泵PID参数优化
苏一新;马彦会;石倩;薛术;于溯源
【期刊名称】《流体机械》
【年(卷),期】2018(046)001
【摘要】为了设计动态性能更优的磁悬浮水泵磁轴承支撑系统,本文利用多功能磁悬浮试验平台,通过整定磁轴承PID控制参数实现了转轴的5自由度稳定悬浮,然后随机选取径向磁轴承B的Y方向进行辨识试验,建立了其控制系统被控对象的BP 神经网络模型,并采用Simulink进行PID参数优化,最后模拟磁悬浮水泵3种不同工况进行控制仿真对比.使用优化参数的系统仿真结果显示系统响应更快,试验结果表明,0~4000 r/min慢扫频过程中,转子X、Y方向位移分别降低了32.9%和24.1%,试验结果为磁悬浮水泵的PID参数优化提供了一种方法.
【总页数】6页(P20-24,33)
【作者】苏一新;马彦会;石倩;薛术;于溯源
【作者单位】清华大学,北京 100084;清华大学,北京 100084;清华大学,北京100084;清华大学,北京 100084;清华大学,北京 100084
【正文语种】中文
【中图分类】TH133
【相关文献】
1.基于修正 BP 的磁悬浮系统 PID 控制参数优化 [J], 任鹏飞;薛鹏
2.基才PSO—BP神经网络的PID控制器参数优化方法 [J], 郭珂;伞冶;朱奕
3.一种基于BP神经网络模型的自适应PID控制算法 [J], 刘迪;赵建华
4.全国私人车辆拥有量的 BP 神经网络模型预测与分析--基于附加动量与自适应学习速率相结合的BP方法 [J], 陈正;丁姝;王俊林
5.水泵水轮机全特性的集成PSO_BP神经网络模型 [J], 刘志淼;张德虎;张醒;刘莹莹
因版权原因,仅展示原文概要,查看原文内容请购买。

电控单体泵高速电磁阀多目标优化分析

电控单体泵高速电磁阀多目标优化分析

电控单体泵高速电磁阀多目标优化分析张建宇;范立云;袁航【摘要】Delayed response in high-speed solenoid valves will cause fuel injection timing misalignment and lower accuracy of cyclic fuel injection quantity.This problem results in an increase in fuel consumption and diesel engine exhaust emissions.This paper demonstrates,through multi-objective analysis and optimization of the electromagnetic valve structure,that minimizing the response delay of the valve is achievable.This paper establishes a simulation model of the electronic unit pump using AMESim software.It is proved by the experiment model accuracy.The key parameters influencing the solenoid valve response delay are predicted by the method of experimental design.The key parameters are residual air gap,spring preload,half angle of the poppet valve,the diameter of the valve rod,and the diameter of the poppet ed the modeFRONTIER multi-objective multidisciplinary optimization application platform and the NSGA-Ⅱ genetic algorithm,the opening and closing response delay time as a target of multi-objective optimization,the model of electronic unit pump high-speed solenoid valve is set up.The optimized results indicate the delay time of closing the solenoid valve is reduced by 6%,the delay time of opening the solenoid valve is reduced by 17.7%,and the injection pressure peak is increased by 0.62 MPa,which improve the accuracy of the cyclic fuel injection quantity.%针对高速电磁阀的延迟响应会引起喷油定时失准以及循环喷油量的精度变差,进而导致柴油机排放超标及油耗增加等问题,本文开展了电磁阀结构多目标优化与分析,最终可以达到电磁阀延迟响应最小化的目的.本文应用AMESim软件建立电控单体泵仿真模型,经过实验验证了模型准确性.通过实验设计的方法对影响电磁阀响应延迟的关键参数进行预测.得出关键影响参数:衔铁残余气隙、弹簧预紧力、锥阀半锥角、阀杆直径及锥阀直径.应用多目标多学科优化平台modeFRONTIER,采用NSGA-Ⅱ遗传算法,以电控单体泵高速电磁阀开启、关闭响应延迟时间作为目标建立多目标优化模型.优化结果显示:关闭延迟时间减小了6%,开启延迟时间减小了17.7%,喷油压力峰值增大0.62 MPa,有利于进一步提高循环喷油量控制的精确程度.【期刊名称】《哈尔滨工程大学学报》【年(卷),期】2017(038)004【总页数】8页(P561-568)【关键词】电控单体泵;高速电磁阀;多目标优化;AMESim;响应延迟;modeFRONTIER;柴油机;排放;喷油量【作者】张建宇;范立云;袁航【作者单位】中国船舶重工集团公司第七一三研究所第六研究室,河南郑州450052;哈尔滨工程大学动力与能源工程学院,黑龙江哈尔滨 150001;中国船舶重工集团公司第七一三研究所第六研究室,河南郑州 450052【正文语种】中文【中图分类】TK423电控单体泵是一种能够满足当前柴油机排放法规和经济性要求的新型燃油喷射系统,可实现较高的喷油压力及良好的燃料雾化[1]。

基于Simulink的HVDC PI控制器参数优化方法

基于Simulink的HVDC PI控制器参数优化方法

基于Simulink的HVDC PI控制器参数优化方法李天云;刘智铭;党震宇;许洁;陈凯【期刊名称】《电力自动化设备》【年(卷),期】2012(32)1【摘要】为了提高高压直流输电系统的抗干扰能力,提出了基于Simulink的HVDC系统PI控制器参数离线和在线的优化方法.离线优化法是利用Simulink内置Signal Constraint模块确定出满足条件的PI控制器参数;在线优化法是采用非线性PI和自适应模糊控制相结合的方式对PI控制器参数进行优化.以整流侧定电流控制为例,首先利用模糊控制能够在线优化控制器参数的特点,缩小了PI参数的优化范围;然后利用fal函数进一步修正了其优化精度.仿真结果表明,离线优化法具有简单实用的优点,在线优化法能够提高系统的优化精度,使系统具有良好的控制性能.%In order to improve the anti-interference ability of HVDC(High Voltage Direct Current) power transmission system,the off-line and on-line parameter optimization methods for its PI controller are proposed based on Simulink. The off-line method uses the Signal Constraint module of Simulink to determine the parameters of PI controller satisfying the given conditions while the on-line method combines the nonlinear PI with the adaptive fuzzy control to optimize the parameters of PI controller. With the constant current control at rectifier side as an example,the on-line fuzzy control is used first to reduce the optimization range of controller parameters and the fal function is then applied to further improve the optimization precision. Simulative results indicate that,the off-lineoptimization method is simple and practical while the on-line optimization method improves the optimization precision and control performance of system.【总页数】5页(P45-48,61)【作者】李天云;刘智铭;党震宇;许洁;陈凯【作者单位】东北电力大学电气工程学院,吉林吉林132012;国电南京自动化股份有限公司,江苏南京210003;东北电力大学电气工程学院,吉林吉林132012;东北电力大学电气工程学院,吉林吉林132012;东北电力大学电气工程学院,吉林吉林132012【正文语种】中文【中图分类】TM571;TM721.1【相关文献】1.基于BCC算法的HVDC系统PI控制器参数的优化 [J], 刘智铭;党震宇;许洁;孔海龙2.基于不同建模的HVDC控制器参数优化方法 [J], 黄星海; 陈威; 傅闯; 汪娟娟; 李欢; 魏伟3.基于不同建模的HVDC控制器参数优化方法 [J], 黄星海; 陈威; 傅闯; 汪娟娟; 李欢; 魏伟4.基于小干扰动态模型的LCC-HVDC系统控制器参数优化方法 [J], 叶运铭;汪娟娟;陈威;周保荣;杨健5.基于遗传算法的航空发动机PI控制器参数优化方法 [J], 苏伟生;李王月;孙健国;周维因版权原因,仅展示原文概要,查看原文内容请购买。

电控单体泵全工况喷油量波动影响参数量化分析

37 一 98 , . % 4 .% 喷油器针阀升程为 0~1. % , 6 5 喷油器流量 系数为 2 6 ~ 0 5 ; . % 4 .% 同时 , 揭示 了全 工况平面 内负荷特性 和速度特性下各特性参数对应的循环喷油量波动的百分 比量化指标规 律. 影响循环 喷油 量稳定性 的关键 特性参 数进 对
c aac , ot l a e i , nh r eiul l rn e cn o v v t igc a ne i et p nn r sr , l r e cnr l f a co s a ce ac , ot l a e c n l r c ,n c r e igpe ue e n o vvl t r d a r l ma h ea j oo s
行量化分析 , 为实现 电控单体泵燃油 喷射 系统全工况平 面循环喷油量 的稳定性设计 、 高电控单体泵 和船用 柴油机性 可 提
能的一致性提供理论指导.
关键词 : 电控单体泵 ; 工况 ; 全 循环喷油量 ; 波动 ; 量化分析
中图分类号 : K 2 文献标识码 : 文章编号 : 067 3 2 1 ) 107 -8 T 42 A 10 -0 (0 2 0 - 20 4 0
F AN y n Liu ,T AN n q ,MA u h n I Bi g i Xi z e ,L U n b n I Ho g i
( . oeeo o e adE eg nier g H ri nier gU i rt,H ri 5 0 1 hn ; . abnD n nId s  ̄ 1C l g f w r n nryE g e n , abnE g e n nv sy abn100 ,C ia 2 H ri ogA n ut l P n i n i ei i f

基于遗传算法的PID控制器参数优化研究

基于遗传算法的PID控制器参数优化研究
牛芗洁;王玉洁;唐剑
【期刊名称】《计算机仿真》
【年(卷),期】2010(027)011
【摘要】研究自动控制器参数优化问题,PID参数优化是自动控制领域研究的重要内容,系统参数选择决定控制的稳定性和快速性,也可保证系统的可靠性.传统的PID 参数多采用试验加试凑的方式由人工进行优化,往往费时而且难以满足控制的实时要求.为了解决控制参数优化,改善系统性能,提出一种遗传算法的PID参数优化策略.通过建立遗传算法优化的PID控制器参数模型,在控制过程中将PID参数作为遗传算法中的个体,采用控制误差绝对值时间积分函数作为优化目标,动态调整PID的三个控制参数,进行PID控制参数的在线优化,将优化方案应用于农业温室温度控制系统进行了仿真.仿真表明,引入遗传算法的PID控制系统,提高了动态性能,增强系统稳定性和快速性,保证实现了控制效果.
【总页数】4页(P180-182,230)
【作者】牛芗洁;王玉洁;唐剑
【作者单位】北京农学院,北京,102206;北京农学院,北京,102206;北京农学院,北京,102206
【正文语种】中文
【中图分类】TP181
【相关文献】
1.基于遗传算法的PID控制器参数优化研究 [J], 丁寅磊;吕丽霞
2.基于免疫遗传算法的PID控制器参数优化研究 [J], 李育贤
3.基于遗传算法的PID控制器参数优化研究 [J], 谭顺学
4.基于遗传算法对PID控制器参数的整定 [J], 高成;庞家腾
5.基于遗传算法对PID控制器参数的整定 [J], 高成;庞家腾;
因版权原因,仅展示原文概要,查看原文内容请购买。

基于机器学习的泵全流量特性预测及管道水击研究

基于机器学习的泵全流量特性预测及管道水击研究基于机器学习的泵全流量特性预测及管道水击研究引言:随着工业技术的快速发展,泵站在能源、环保、水利等领域起着重要的作用。

泵站能够将液体或气体流动到目标位置,满足工业生产和生活需求。

而在泵站运行过程中,水击现象经常发生,给管道和泵设备造成损害,甚至危及人员和设备的安全。

因此,预测泵全流量特性以及研究管道水击现象变得至关重要。

一、泵全流量特性预测1. 数据收集与预处理泵全流量特性预测需要大量的实验数据作为基础。

通过传感器和监测设备,可以收集到泵站工作过程中的各种关键参数数据,如流量、压力、温度等。

这些数据需要经过预处理,去除异常值和噪声,使其具备较好的数据质量。

2. 特征工程在特征工程阶段,根据已收集到的数据,对数据进行特征提取和选择。

可以利用统计学方法和领域知识,提取与全流量特性相关的特征。

这些特征可以包括泵的类型、转速、叶轮直径、进口与出口管道的直径、介质性质等。

3. 建立机器学习模型在建立机器学习模型之前,需要将数据集划分为训练集和验证集。

常用的机器学习算法包括支持向量机(SVM)、决策树、随机森林等。

通过使用这些算法,并基于训练集的数据进行模型训练,可以建立泵全流量特性预测模型。

4. 模型评估和优化建立模型后,需要对模型进行评估和优化。

可以使用不同的评估指标,如均方根误差(RMSE)、平均相对误差(MAPE)等来评估模型的性能。

如果模型的性能不够理想,可以通过调整模型参数或选择其他算法来进行优化。

二、管道水击研究1. 水击的原理和产生机制管道水击是指在管道中液体流动时产生的向前冲击波。

当液体的流速达到一定临界值时,突然关闭管道出口或阀门,会导致压力瞬间升高,形成冲击波,引起管道振动和爆破。

了解水击的原理和产生机制,有助于预防和减轻水击带来的危害。

2. 数据收集与处理为了研究管道水击,需要收集相关的工程实例数据。

这些数据包括管道的尺寸、液体的属性、工作条件等。

基于GA的一次泵变流量系统运行参数优化方法[发明专利]

专利名称:基于GA的一次泵变流量系统运行参数优化方法专利类型:发明专利
发明人:叶嵩,李红英,黄海,杜然,张权,陈于峰,程建军,沈兴东申请号:CN201811555631.4
申请日:20181219
公开号:CN109636051A
公开日:
20190416
专利内容由知识产权出版社提供
摘要:本发明公开一种基于GA的一次泵变流量系统运行参数优化方法,包括如下步骤:(1)建立一次泵变流量水系统优化运行的数学模型;(2)以步骤(1)中的目标函数作为GA遗传算法的表现型形式,进行编码,以约束条件作为GA遗传算法的适应度函数,经过选择、交叉、变异运算后得到后代群体,输出进化过程中所得到的具有最大适应度的个体作为优化后的一次泵变流量系统运行参数。

本发明在满足舒适性和节能性的基础上建立一次泵变流量水系统优化运行的数学模型,根据优化模型的特点,通过编制基于GA的优化程序进行求解,确定一次泵变流量水系统优化运行的参数设定值,从而为空调系统在部分负荷下节能运行及提高空调系统的运行效率提供科学依据。

申请人:中建八局第三建设有限公司
地址:210046 江苏省南京市尧化门新尧路18号
国籍:CN
代理机构:南京先科专利代理事务所(普通合伙)
代理人:缪友益
更多信息请下载全文后查看。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
常 用 的优 化 方 法有 连 续 二 次 规 划 ( P ) NL QL 算 法、 遗传 算法 ( GA) , 研 究 采 用 N P 等 本 L QL算 法进
行优 化设 计 。 NL QL在求 解 有 约 束 非 线 性 数 学 规 划 问 题 P

d A
= 0;
() 2
动量 方程 :
电控 单体 泵技 术 是重 型柴 油机 广泛 采用 的一 种 燃 油 喷射 技术 。电控单 体泵 之 间喷油 量 的一 致性 [ 1 ] 是其 工程 化应 用 开 发 的 重 要 指标 。一 方 面 , 控 单 电 体泵 不 同于直 列泵 结 构 , 消 了调 整 油 量 的柱 塞 螺 取 旋槽 , 无法 通 过 柱 塞 螺 旋 边 进 行 油 量 校 正 ; 一 方 另 面, 在供油 压 力很 高 的情况 下 , 零件 加工 质量 个体 差





2 1 年 第 3期 01
积 中压 力 的变化 ;n为 质量流 量 的变化 ; 为流 体密 r ’ p
度 ; 为容积 的体 积变 化 。 b )高压油 管 内一维 可压缩 流 动控制 方程
连 续方程 :
o o + a v+

3x
3 数 学优 化 模 型
通过 求解 二次 规划 得 到 下 一个 设 计 点 , 后 根据 两 然
() 4
( + )a ) 警 一 ( + +
p 一 1 ( ( ) g+ G )一 0 。
个可 供选 择 的优化值 执行 一次 线性 搜 索 , 中 He— 其 s
异会 加大 高压 密封 部 位 渗 漏 的差 异 , 大 了喷 射 流 增 量 的不一 致性 。因此 , 喷油 量 一 致 性 影 响 因素 研 在
2 电控 单体 泵 系 统 液 力 仿 真 模 型
利 用仿 真软 件 Hy s 建立 的 电控 单体 泵 仿 真 di m 模 型见 图 2 。模 型 主要包 括 柱 塞偶 件 、 电磁 阀 、 高压 油 管 、 油 器 等 。模 型建 立 过 程 中 作 了 以下 处 理 : 喷 a )不考 虑 喷油过 程 中的热 量 传递 , 油 温度 保 持 不 燃
方法 , 结 合 电控单 体泵 系统的液力仿真计算 , 并 进行 电 控单体泵关键尺寸的优化设计 。优化设计流程见 图 1 。
图 2 电 控 单 体 泵 系 统 液 力 仿 真 模 型
在仿 真计 算 中主要 用 到 了柱 塞腔 等集 中容 积 的 连续 方程 、 高压油 管 内 一维 可压 缩 流 动 控 制方 程 及
第 3 ( 第 14期 ) 期 总 9 21 0 1年 6月



动ห้องสมุดไป่ตู้

No 3 S ra . 9 ) . ( e i1No 1 4
VE H I CLE EN GI NE
J n 2 1 u.01
基 于 N P L方法 的 电 控单 体 泵 参 数 优 化 L Q
姜 伟 ,高青 秀 ,张 明锋 ,张淑珍。 ,郭海 洲 ,徐春 龙
可 以预先 较为 准确 地估 算 出 电控单体 泵关 键 零部 件 的设计 公 差 , 以指 导 零 件 加 工 、 配 , 低 电控 单 用 装 降 体泵 的制 造成 本 , 高 电控 单 体 泵 在 标 定 试 验 中 的 提
产 品合 格 率 。
1 研 究 方 法
采 用 连续 二次 规 划 法 ( P ) 一 数 学 优 化 NL QL 这
针 阀运 动方 程 , 式 ( ) 见 1 至式 ( ) 5。
a )柱塞腔 等集 中容 积 的连续 方程 ]
T ,



() 1
, J
图 1 优 化 设 计 流程
式 中 : 为容 积 的体积 ; 为燃 油弹性 模量 ; 为容 E
收 稿 日期 :2 1—20 ; 回 日期 :2 1- 52 0 01 —3 修 0 10 —3 作 者 简 介 :姜 伟 (9 9 )男 , 理 研 究 员 , 士 , 究 方 向为 柴 油 机 供 油 系 统 ; _ 6 2 1 3 cr。 1 7一 , 助 硕 研 j 0 2 @ 6 .o w n
十 + 十 + 十 一 + G 一 0; () 3
时, 具有 稳定 、 敛 快 和易 于得 到 全 局 最 优 解 等 优 收
点 。序 列 二 次 规 划 法 ( q 是 NL QL 的 核 心 算 S P) P
能量 方程 :
法, 它将 目标 函数 以二 阶泰勒 级数 展开 , 把 约束条 并 件线 性 化 , 使非 线性 问题 转化 为一 个二 次规划 问题 ,
变, 3 取 5℃ . )本 系 统 结 构 件 的 容 积 视 为 刚性 容 b
积 ;)仅 考虑 柱塞 、 c 电磁 阀阀芯 、 阀处 的泄 漏 。 针
究 的基 础 上_ ] 通过 优化 计算 确定 关键 零件 及 结 构 2 , 。 尺寸 的公 差具 有 一 定 意 义 。本 研 究 通 过优 化 计 算 ,
(. 中 国北 方 发 动 机 研 究所 ,山西 大 同 1 0 7 3 ;2 30 6 .太 原 理 工 大 学 长 治 学 院 ,山 西 长 治 0 60 ) 4 0 0
摘 要 :以 油 量 一 致 性 为 目标 , 用 液 力 仿 真 与 连 续 二 次 规 划 法 ( P ) 结 合 的 方 法 , 行 电控 单 体 泵 关 键 采 NL QL 相 进 结 构 参 数 的 优 化 设 计 。 经试 验 验 证 , 用 NL QL优 化 方 法 能 有 效提 高 电控 单 体 泵 的 油 量 一 致 性 。 采 P 关 键 词 :电控 单 体 泵 ; 量 一 致 性 ; 力 仿 真 ;连 续 二 次 规 划 法 油 液 中图 分 类 号 :T 2 . 2 K4 1 4 文献标志码 : B 文 章 编 号 : 0 12 2 (0 10 —0 50 1 0—2 2 2 1 ) 30 2—4
相关文档
最新文档