0 引言
相对于普通高压共轨系统,超高压共轨系统可为柴油机提供压力更高且雾化效果更好的喷油,同时由于系统中带有电控增压泵,可自由调节喷油规律,实现了控制精度高、控制自由度大,同时也可实现多参数、多目标的优化[1]。经过研究表明[2],超高压共轨系统增压器滞后增压得到的“靴形喷射”规律可让柴油机获得最低的油耗率和最高的扭矩。轨压作为超高压共轨系统实现“靴形喷射”喷射规律的基础,其稳定性和快速响应能力显得尤为重要。相反,若系统内轨压不稳定,系统将很难较好地实现诸如“靴形喷射”等喷射规律,所以优化超高压共轨系统的轨压控制显得十分必要。目前在超高压共轨系统优化领域内研究人员多对现有装备进行优化,试图在不改变柴油机系统整体结构的前提下做到优化提升,通过优化控制模块或是对现有小部件进行优化设计,如吕晓丹等通过改进型的模糊PID控制器优化了传统PID控制器不能在线控制的问题[3],但此类控制器对控制器的运算能力提出了更高的要求,杨昆等通过对超高压共轨系统电磁阀进行建模仿真,通过仿真实验优化了电磁阀的设计,提高了超高压共轨系统的响应特性[4]。本研究在借助液压系统仿真软件的AMESim的基础上,对实验室内的超高压共轨系统台架进行建模,将仿真数据端口留出,同市面上成熟的多目标参数优化软件ISIGHT进行联合,对共轨管部件进行研究,探究各参数对轨压的影响,共轨管参数和轨压控制PID参数进行优化,从而在不对共轨系统做过大调整的前提下,尽可能降低轨压波动同时提高轨压灵敏度。
1 共轨系统工作及压力波动产生原理
现代高压共轨燃油喷射系统通过电子控制技术对系统中的蓄压腔压力和电磁阀的开闭,可以调节系统的喷油规律,系统中的容积式蓄压器可保持管内恒定且可调的压力。轨压调节方面超高压共轨系统通过PID控制器调节燃油流通阀的开度,调节共轨系统的进油量,进而调节系统的轨压。超高压共轨系统中的轨压波动来源有两点,一是柱塞式供油泵的周期式供油方式导致油路内产生压力波动,二是喷油系统终端处喷油器及增压器电磁阀的周期性开闭导致的油路内压力波动。而作为燃油喷射的终端,喷油器喷射压力取决于喷油增压器的增压能力和共轨管的基础压力,想要得到较为理想的“靴形喷射”,就需要共轨系统的轨压保持相对稳定[5]。
2 模型搭建
2.1 仿真模型的建立
根据实验室高压共轨系统实验台架进行仿真建模[6],实验室高压共轨实验台架如图1所示。
图1 超高压共轨系统实验台架
Fig.1 High pressure common rail system test bench
通过液压系统仿真软件AMESim搭建的超高压燃油共轨系统如图2所示。
图2 超高压共轨系统AMESim仿真模型
Fig.2 AMESim simulation model of ultra-high pressure common rail system
在AMESim建模过程中,常会使用一些功能性模型来替代技术性模型,以此来节约计算资源,二者的区别为功能性元件仅能实现元件的单一功能,在流体力学方程方面作了适当省略,为了保证从供油管的输入端油液和从输油管的输出油的压力波动等性质接近真实情况,在建模过程中对能够产生压力波的器件更多采用了技术性模型而较少采用功能性模型,以尽可能接近真实情况下的压力波动。而在共轨管建模过程中,在考虑摩擦力、重力和壁面柔顺性的前提下选择CFD-1D液压直管模型模拟共轨管内部情况[7]。如图3为技术性模型和功能性模型区别。
图3 功能性模型和技术性模型区别
Fig.3 Differences between functional model and technological model
喷油器的设置上,本次仿真主要目的是对共轨管几何参数进行设计,同时为了和实验室条件保持尽量一致,在喷油器数量上选择设置一个,其余端口做封死处理[8]。
模型中包括了具有完整供油功能的供油泵、稳压阀、共轨输油管路和喷油器,来尽可能拟合真实情况下压力波的产生状态。初始轨压的设定思路是,目标轨压和初始轨压保持一定差值,目的是在检测轨压波动的同时能够检测共轨管的轨压灵敏度,在一定程度上可以节约运算资源。
超高压共轨系统中的压力波产生主要来自于高压泵电机带动曲轴从而带动柱塞泵向共轨管内高频供油产生的压力波动;同时还来自于电控喷油器和燃油增压器每个喷油周期中电磁阀关闭和开启造成油路局部压力不平均[9-10]。在模型设置中,保留了喷油器的电控部分,并设置周期性的喷油规律。
2.2 参数设置
参数设置上,在实验台架图纸的基础上,对共轨系统的参数作了设置,主要的参数如表1所示,后文中若未特殊说明,则全部为默认参数。
表1 仿真模型主要参数
Table 1 Main parameters of simulation model
参数数值柴油密度/(kg·m-3) 8.5×102高压油泵电机转速/(r·min-1)3.0×103低压油泵压力/bar5.0共轨管长度/mm8.0×102共轨管直径/mm8.0出油管长度/mm40出油管直径/mm3.0喷油器喷口个数6喷口等效孔径/mm1.2×10-1喷油器喷油周期/s3.0×10-3
3 仿真实验和分析
为了确定能够最直接影响共轨管轨压稳定性和轨压灵敏度的几何参数,分别从共轨管长度、内径和长径比三点进行仿真模拟对比。由于本文中着重研究共轨管结构参数对压力波动的影响并做优化,所以在参数设置上对高压泵、喷油器参数不做调整。
3.1 仿真标定
模型建立完毕后,在相同条件下运行实验台架和仿真模型,得到的仿真结果和运行结果如图4所示。
图4 仿真与实验结果对比
Fig.4 Comparison of simulation and experiment results
从对比图像可以看出,在0.1 s前实验和仿真结果存在误差,当系统运行逐渐稳定时,其余时间二者吻合良好。观察产生误差,分析误差产生原因为系统运行初期油路内油压不稳定,实际控制器运行过程中通过控制流量阀开度控制进油量,进而调节油压,且油路压力传递存在延迟,导致系统调节过程初期存在超调现象。
3.2 共轨管长度及内径
参数设置上,保持共轨管放置水平,内径为10 mm不变,长度分别取200、400、600、800 mm,进行仿真,仿真结果以共轨管内压力波动曲线作为依据,并对仿真结果曲线做傅里叶变换,结果如图5、图6所示。
图5 不同管长下的仿真结果
Fig.5 Simulation results under different pipe lengths
图6 对仿真结果做傅里叶变换
Fig.6 Fourier transform the simulation results
进行内径比较实验时,为使实验数据易于比较,共轨管长度设置为400 mm,其余参数保持不变,共轨管内径分别设置为5、10、15、20 mm。仿真结果如下,同样采用管内压力波动曲线为依据。仿真结果如图7所示。同样由于不易直接从管内压力波动图中进行比较,将压力波动曲线进行傅里叶变换,结果如图8所示。
图7 不同内径下的仿真结果
Fig.7 Simulation results under different inner diameters
图8 对仿真结果做傅里叶变换
Fig.8 Fourier transform the simulation results
通过仿真对比结果可明显看出共轨管长度及内径对共轨管的轨压稳定性及轨压灵敏度都有明显影响,且当轨压灵敏度提高时,轨压稳定度就会下降。而共轨管容积由上述两参数决定,即存在仅调节容积即可进行优化设计的可能,接下来将对此进行仿真对比分析。
3.3 共轨管长径比
为进一步探究共轨管几何参数影响,保持共轨管容积一定,同时其余参数保持不变,通过改变共轨管长径比[11]来研究其对管内对抗压力波动的性能的影响。仿真结果如图9、图10所示。
图9 不同长径比下的仿真结果
Fig.9 Simulation results under different aspect ratios
图10 对仿真结果做傅里叶变换
Fig.10 Fourier transform the simulation results
从结果可以看出,改变长径比,共轨管的轨压稳定性和灵敏度发生变化。此组实验说明在共轨管设计中不能只用容积作为单一变量,管径和管长对共轨管轨压性能的影响是不同的。即应该通过向优化软件中导入管长和内径两参数来对共轨管进行几何参数优化设计。
通过对共轨管简单几何参数的调整和仿真模拟,最终确定通过调节共轨管管长和内径进行优化设计,同时在仿真对比分析中可知共轨管轨压稳定性的提高和轨压灵敏度的提高相矛盾,也为接下来的优化目标函数的建立提供了依据[12]。
4 ISIGHT对高压共轨系统的优化
4.1 共轨管几何参数的优化设计
要想实施优化,首先要对优化过程进行实验设计,通过ISIGHT对共轨管模型几何参数进行DOE分析,找出对共轨管轨压灵敏度和稳定性影响较大的参数[13]。这个过程也称为参数灵敏度分析,需要说明的是,此次灵敏度分析的主要目的是验证上小结中关于几何参数变化对轨压参数的影响,同时探究是否遗漏有关规律。
在共轨管性能评估方面设置具体量化标准,分别为轨压灵敏度和管压波动,二者计算方法分别为:
T=treach
(1)
S=|Ppeak1-Ppeak2|
(2)
式(1)、式(2)中:treach为轨压到达共轨系统标定轨压所用时间;Ppeak1、Ppeak2分别为当轨压波动信号导数正负值不变的时间段内,轨压信号的极大值和极小值,二者差的绝对值用来评价共轨管内轨压的压力波动[14]。
首先生成仿真模型的输入、输出参数文件和执行文件,这3个文件可作为ISIGHT中Simcode组件联合AMESim的调用端口[15]。输入参数选择共轨管长single_pipe_length和共轨管直径pipe_diameter,输出参数选择管压波动shake_value、轨压稳定时间stable_time、长径比length_div_diameter、共轨管容积pipe_volume作为输出参数,其中输出参数管压波动shake_value和轨压稳定时间stable_time和输入参数做参数灵敏度分析。得到的参数灵敏度图像如图11、图12所示。
图11 轨压灵敏度参数分析
Fig.11 Analysis of rail pressure parameters sensitivity
图12 轨压波动参数分析
Fig.12 Analysis of rail pressure fluctuation parameters
分别得到关于轨压稳定时间和管压波动的pareto图。从其中能够明确得出共轨管长和共轨管直径对轨压影响,随着管长和管径的增加,共轨管的轨压灵敏度降低,同时共轨管的抗波动性能提高。
共轨管参数灵敏度分析结束后,将ISIGHT工作流中的task替换成Optimization,即可进行优化计算[16],在优化算法的选择上,由于在本研究中AMESim仿真模型的单次运算时间为7 min,在算法选择上倾向于选择能在较少迭代步数的前提下快速收敛于全局最优、同时还能避免过快收敛陷入局部最优的算法,综合考虑选择NSGA-Ⅱ[17]。文中选择在管径范围6～12 mm、管长200～800 mm,这是实验台架能够接受的尺寸范围,对管压波动量shake_value和管压稳定时间stable_time优化,过程如图13所示。经过241此迭代计算优化结果如图14、图15所示。
图13 ISIGHT优化流程图
Fig.13 ISIGHT optimization flow chart
图14 以轨压波动为目标优化过程
Fig14 Optimization process aiming at rail pressure vibration
图15 以轨压灵敏度为目标优化过程
Fig.15 Optimization process aiming at rail pressure sensitivity
优化后共轨管几何参数为,共轨管径为12 mm,管长320 mm,优化结果和对比如图16、图17所示。
图16 优化前后对比图
Fig.16 Comparison plot of the optimization
图17 优化前后对比结果傅里叶变换图
Fig.17 Fourier transform diagram of comparison results of the optimization
如表2所示,优化后的结构管压稳定时间为0.065 7 s,轨压波动为26.284 bar,较初始模型参数设置模拟量相比,轨压稳定时间缩短了1.06%,轨压波动减小了9.13%。
表2 优化结果对比
Table 2 Comparison of optimization results
共轨管性能参数优化前优化后共轨管内径/mm812共轨管长度/mm800320共轨管长径比10026.67轨压灵敏度/(T·s-1)0.066 40.065 7管压波动/(S·bar-1)28.68426.284
4.2 共轨系统轨压控制PID参数优化
更新共轨管结构参数后,共轨管的轨压性能发生了改变,原有的轨压控制PID控制参数也需要重新计算确定。完成对共轨管几何参数的优化设计后,同样利用ISIGHT的NSGA-Ⅱ优化算法对PID轨压控制器的P、I、D 3个参数进行优化设计,来达到轨压控制的综合优化效果。本研究中的PID控制器原理为,通过控制流通阀的开度电流进而控制进油量大小,进而控制共轨管轨压。如图18为AMESim的PID轨压控制器仿真图。
图18 轨压控制器仿真图
Fig.18 Simulation diagram of rail pressure controller
此次优化目标为轨压灵敏度stable_time和目标轨压偏移值error_value,目标轨压为1 000 bar,二者的优化目标均为最小,优化结果如图19、图20所示。优化前后对比如图21所示。
图19 以轨压灵敏度为目标优化过程
Fig19 Optimization process aiming at rail pressure sensitivity
图20 以目标轨压偏移值为目标优化过程
Fig20 Optimization process with aiming at target rail pressure offset value
图21 优化前后对比图
Fig.21 Comparison plot of the optimization
优化后的PID控制参数对比优化前,在轨压灵敏度和快速稳定在目标轨压的能力均有提升,同时优化了PID控制经常出现的超调问题,证明此种方法的实用性较强。
5 结论
1) 通过AMESim对高压共轨系统进行了仿真建模,初步探明共轨管几何参数改变对共轨管抗压力波动性能和共轨管轨压灵敏度的影响。
2) 分别设定降低共轨管轨压波动和提高共轨管轨压灵敏度为目标,运用NSGA-Ⅱ算法对共轨管模型进行优化,得到在指定轨压下共轨管几何参数的最优设计,随后又对PID轨压控制参数作了优化,最终轨压稳定性提升9.13%,轨压反应时间缩短1.06%。
3) 通过基于AMESim与ISIGHT联合的优化方法不需要进行复杂建模和算法设计,较易操作,优化效率高,可为共轨管产品设计提供初期参考。
[1] 唐开元,欧阳光耀.高等内燃机学[M].北京:国防大学出版社,2008.
TANG Kaiyuan,OUYANG Guangyao.Advanced internal combustion engine[M].Beijing:National Defense University Press,2008
[2] 周磊,杨昆,刘振明,等.靴形喷油速率耦合预喷射对超高压共轨柴油机性能的影响[J].国防科技大学学报,2018,40(4):134-141.
ZHOU Lei,YANG Kun,LIU Zhenming,et al.Effect of boot shaped fuel injection rate coupling pre injection on the performance of ultra-high pressure common rail diesel engine[J].Journal of National University of Defense Technology,2018,40(4):134-141
[3] 吕晓丹,吴次南.改进型模糊神经网络PID控制器的设计与仿真[J].数据采集与处理,2021,36(2):365-373.
LYU Xiaodan,WU Cinan.Design and simulation of an improved fuzzy neural network PID controller[J].Data Acquisition and Processing,2021,36(2):365-373
[4] 杨昆,周磊,聂涛,等.超高压共轨系统增压装置电磁阀参数优化研究[J].海军工程大学学报,2021,33(4):25-31.
YANG Kun,ZHOU Lei,NIE Tao,et al.Research on optimization of solenoid valve parameters of supercharger for ultra-high pressure common rail system[J].Journal of Naval University of Engineering,2021,33(4):25-31
[5] 席志远.缸内直喷汽油机轨压控制算法研究[D].长春:长春大学,2021.
XI Zhiyuan.Research on rail pressure control algorithm of gasoline direct injection engine[D].Changchun:Changchun University,2021
[6] LEI Z,SHI-JIE A,KUN Y,et al.Structural parameter optimization design of electric-controlled pressure amplifier for ultra high pressure common rail injection system[C]//2017 First International Conference on Electronics Instrumentation &Information Systems (EIIS).IEEE,2017:1-4.
[7] 谢春华,周志昊.柴油机共轨管压力波动仿真研究与适应度分析[J].现代车用动力,2013(1):22-26.
XIE Chunhua,ZHOU Zhihao.Simulation study and adaptability analysis of common rail pipe pressure fluctuation in diesel engines[J].Modern Automotive Power,2013(1):22-26
[8] 熊彪,杨昆,赵建华,等.基于ISIGHT和AMESim的燃油增压器优化设计[J].兵器装备工程学报,2022,43(1):188-194.
XIONG Biao,YANG Kun,ZHAO Jianhua,etal.Optimization design of fuel supercharger based on ISIGHT and AMESim[J].Journal of Weapon Equipment Engineering,2022,43(1):188-194.
[9] 陆方迪.高压共轨系统轨内压力波动特性的仿真研究[D].北京:北京交通大学,2012.
LU Fangdi.Simulation study on pressure fluctuation characteristics in high pressure common rail system[D].Beijing:Beijing Jiaotong University,2012.
[10] 赵万林.柴油机高压共轨系统供油及喷射过程压力波动仿真研究[D].北京:北京交通大学,2019.
ZHAO Wanlin Simulation study on pressure fluctuation in fuel supply and injection process of diesel high pressure common rail system[D].Beijing:Beijing Jiaotong University,2019.
[11] 吕晓辰.高压共轨系统高压管路压力波动特性仿真研究及结构优化[D].北京:北京交通大学,2016.
LYU Xiaochen Simulation study on pressure fluctuation characteristics of high pressure common rail system high pressure pipeline and structural optimization[D].Beijing:Beijing Jiaotong University,2016.
[12] 马天飞,崔泽飞,佟静.基于Isight和AMESim的液压减振器关键参数集成优化[J].汽车工程,2015,37(1):97-101.
MA Tianfei,CUI Zefei,TONG Jing.Integrated optimization of key parameters of hydraulic shock absorber based on Isight and AMESim[J].Automotive Engineering,2015,37(1):97-101.
[13] KOCH P N,EVANS J P,POWELL D.Interdigitation for effective design space exploration using iSIGHT[J].Structural and Multidisciplinary Optimization,2002,23(2):111-126.
[14] HU Y,YANG J,HU N.Experimental study and optimization in the layouts and the structure of the high-pressure common-rail fuel injection system for a marine diesel engine[J].International Journal of Engine Research,2021,22(6):1850-1871.
[15] NELANTI K,LINGALA V.Multi-disciplinary optimization using ISIGHT to reduce thermal gradients[C]//Advances in Multidisciplinary Analysis and Optimization.Springer,Singapore,2020:191-202.
[16] 江可可,曹付义,张付奇,等.基于Isight-AMESim的工程车液压机械传动装置参数设计[J].现代制造工程,2022(5):56-60.
JIANG Keke,CAO Fuyi,ZHANG Fuqi,et al.Parameter design of hydraulic mechanical transmission device of engineering vehicle based on Isight AMESim[J].Modern Manufacturing Engineering,2022(5):56-60
[17] 尹权一.3D打印点阵夹层板力—热性能优化设计与实验验证[D].大连:大连理工大学,2021.
YIN Quanyi.Optimization design and experimental verification of force thermal performance of 3D printed dot matrix sandwich panel[D].Dalian:Dalian University of Technology,2021.