简介:在一台电控共轨发动机上,试验研究了乙醇掺混比例和喷射定时对二甲醚-乙醇混合燃料燃烧及排放的影响。结果表明:随乙醇比例的增加,滞燃期延长,燃烧持续期缩短,最大压力升高率上升。随喷射推迟,滞燃期延长,燃烧相位延后,燃烧持续期在纯二甲醚时延长,而在掺混乙醇时则先延长后缩短,最大压力升高率先下降后上升。掺混乙醇和推迟喷射使预混燃烧比例增加。随喷射推迟,混合燃料的排气温度升高,喷射推迟到上止点后,排气温度随乙醇比例的增加而升高,排气温度高,则废气能量高,增压器增压比大,进气流量大,导致缸内压缩压力升高。在上止点前喷射时,掺混乙醇能使HC和CO排放保持在较低范围的同时,一定程度降低NO_x排放,掺混15%的乙醇较纯二甲醚最大降低约11%NO_x排放。随推迟喷射,NO_x排放降低,最大降幅达52%,在过分推迟燃料喷射时,因热效率低,循环喷射量增加,含15%乙醇混合燃料的NO_x排放会高于纯二甲醚。HC和CO排放随喷射推迟而升高,且升高幅度增大。
简介:燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(backpropagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。