[发明专利]一种基于多岛遗传算法的发动机燃烧降噪参数优化方法

说明书

本发明公开了一种基于多岛遗传算法的发动机燃烧降噪参数优化方法，包括以下步骤：S1.确定优化目标和优化设计参数，以确定的优化目标为发动机的燃烧噪声，主喷提前角、预喷间隔、预喷油量为设计优化参数，建立如下优化模型：MIN F(X_i)＝f(θ,t,τ)式0；式0中：F(X_i)为发动机燃烧噪声目标函数；θ为主喷提前角，且θ的单位为°；t为预喷间隔，且t的单位为us；τ为预喷油量，且τ的单位为mg。本发明中，结合RBF神经网络和多岛遗传算法，对发动机的燃烧噪声进行优化并给出优化参数的最优值，大幅度的缩短了优化时间，提高了优化效果。

技术领域

本发明涉及发动机主动噪声控制技术领域，尤其涉及一种基于多岛遗传算法的发动机燃烧降噪参数优化方法。

背景技术

除了空气质量等自然环境外，噪声也是影响城市环境的一个重要的因素，在众多的噪声来源中，汽车噪声是城市噪音的重要来源。目前，国内各大城市中的汽车保有量依然在逐年增加，汽车产生的噪音也日益成为影响人们身体健康的一大因素。噪音对人体的身体健康有非常大的危害，轻则影响人的睡眠，重则对人的听觉、神经系统及内分泌系统产生影响，甚至会加速心血管疾病的发病率和死亡率，并危害儿童的心血管发育和认知能力的发展。因此，城市噪音引起了世界各国的重视，尤其针对汽车噪音颁布了一系列法规。空气动力噪音、胎噪、发动机燃烧噪音、进排气系统噪音都是汽车的主要噪声源，其中，发动机燃烧噪音是汽车的主要的噪声源。

主喷提前角、预喷间隔、预喷油量是影响发动机的燃烧噪音的三个主要参数。上述三个参数同优化目标发动机的燃烧噪音之间存在复杂的时变非线性关系。

发明内容

本发明的目的在于：为了解决上述问题，而提出的一种基于多岛遗传算法的发动机燃烧降噪参数优化方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于多岛遗传算法的发动机燃烧降噪参数优化方法，包括以下步骤：

S1.确定优化目标和优化设计参数，以确定的优化目标为发动机的燃烧噪声，主喷提前角、预喷间隔、预喷油量为设计优化参数，建立如下优化模型：

MIN F(X_i)＝f(θ,t,τ) 式0；

式0中：F(X_i)为发动机燃烧噪声目标函数；θ为主喷提前角，且θ的单位为°；t为预喷间隔，且t的单位为us；τ为预喷油量，且τ的单位为mg；

S2.建立RBF神经网络模型，RBF神经网络模型需要求解的参数有3个：径向基函数的中心、径向基函数的方差和隐含层至输出层的权值，径向基函数用如式1所示的高斯函数：

式1中X是n维输入向量；σ是为高斯函数的方差，决定了基函数围绕中心点的宽度；C_i表示高斯函数的中心，与X具有相同的维数；m表征隐含层的节点个数；||X-C_i||为欧几里德范数；

通过RBF神经网络模型的结构可得到神经网络的输出为式2所示：

式2中，为第p个输入样本；p＝1,2,3,...,P；P为样本总数；c_i为神经网络模型隐含层结点的中心；w_ij为隐含层到输出层的连接权值，该值是需要通过训练得到的；i＝1,2,3,h为隐含层节点数；y_j为与输入样本对应的网络的第j个输出结点的实际输出；

设d是样本的期望输出值，基函数的方差可表示为式3所示：