Optimización del rendimiento y las emisiones de un motor CRDI utilizando PSO Estudio de caso de optimización

Teniendo en cuenta las observaciones sobre las características inherentes de compensación entre PM-NOx-BSFC proporcionadas por CRDI con estrategias de GNC y EGR durante la experimentación, se establece un posible contexto para examinar un enfoque de optimización pionero en su género con el fin de potenciar la compensación entre GNC y EGR mediante su aplicación simultánea en un motor diésel existente con sistema de inyección de combustible common rail. Se eligieron FIP, EGR, CES y la carga del motor como variables de control para el estudio de optimización. Se constituyó una función de mérito adaptativa (AMF) como función objetivo a optimizar y se utilizó una red neuronal artificial (ANN) para correlacionar la función objetivo con las variables de control elegidas, mientras que se eligió Latin-Hypercube como programador DoE para proporcionar la muestra de población inicial para la secuencia de iteración de optimización. Se eligió PSO como algoritmo de optimización debido a su simplicidad y eficiencia inherentes para producir una convergencia asegurada de la función objetivo con un coste computacional significativamente menor. El diseño inherente de la función objetivo AMF garantizó que todos esos valores óptimos de compensación cumplieran simultáneamente las expectativas de los mandatos PM y NHC de la EPA Tier 4.