重型柴油发动机燃烧特性及排放数值模拟

　　CMCL数字工程工作流程，可以对发动机燃烧特性及发动机尾气排放进行仿真预测，降低对大量实验数据的需求，节省开发成本，缩短开发周期。

　　本案例为 CMCL Innovations 与卡特彼勒在英国高级推进中心ASCENT项目中进行的仿真计算合作：应用新的仿真建模技术，开发更低二氧化碳排放和更高功率密度的新一代工业柴油发动机产品。

　　首先，采集多个工况点共280组DoE（实验设计）点，涵盖不同的发动机控制变量，包括主喷油量，周期，喷油压强，废气再循环等，每组实验数据包含缸内压强，燃烧放热率和排放（NOx, CO,uHCs和soot）。使用SRM Engine Suite仿真模型过程中，所有实验数据里30%的DoE点用于MoDS的模型训练校准，剩余70%用于模型验证（盲测）。验证过后的物理化学模型用于预测全新的工况点和满足对大量控制变量的燃烧特性和排放预测，从而无需额外的实验数据采集。

　　SRM通过概率函数构建缸内燃烧标量（当量比-温度）变化如下图，颜色表示uHCs（碳氢化合物）浓度，水平虚线表示化学恰当条件（Φ=1.0），灰度轮廓线显示预计会产生碳烟和NOx的区域。

　　SRM Engine Suite全工况图预测NOx误差见下图，灰色标记的圆圈显示了模型校准中使用的30个工况点。

　　SRM Engine Suite全工况图预测Soot误差见下图，灰色标记的圆圈显示了模型校准中使用的30个工况点。

　　下图SRM Engine Suite 得到的缸内压强预测结果与实验结果对比见下图，红色为SRM预测结果，蓝色为实验数据。

　　SRM Engine Suite 缸内压强，Nox， uHCs，和Soot预测如下图，红色为SRM，蓝色为实验数据。

　　校准后的模型能够准确模拟其余196（70％）个验证点，从而令人满意地捕获燃烧特性和发动机排放的总体趋势。 然后，将模型应用于预测新的工况点，对发动机工作变量的详细设计分析和优化。除了上述功能之外，CMCL的数字工程工作流程还可用于快速反应模型的生成，多目标优化，和瞬态仿真。