论文部分内容阅读
针对利用GT-Power详细模型耦合遗传算法(方案1)优化Atkinson循环发动机燃油消耗率时,存在公认的不易收敛且计算缓慢的问题,提出了神经网络简化模型耦合遗传算法(方案2)进行全局优化并与方案1进行比对.方案1利用GT-Power搭建某Atkinson循环发动机详细仿真模型,应用Heywood公式建立爆震预测模型,并耦合遗传算法对At—kinson循环发动机燃油消耗率进行优化;方案2则利用拉丁超立方算法采集4500个实验点,将GT-Power详细模型及爆震模型简化为神经网络模型,通过简化模型耦合遗传