基于XGBoost-NSGA-Ⅱ的米勒循环氢内燃机多目标优化

楼狄明; 林泽涵; 张允华; 房亮

doi:10.16236/j.cnki.nrjxb.202604032

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于XGBoost-NSGA-Ⅱ的米勒循环氢内燃机多目标优化

更新时间：2026-07-27

- 基于XGBoost-NSGA-Ⅱ的米勒循环氢内燃机多目标优化
- Vol. 44, Issue 4, Pages: 302-312(2026)
- 作者机构：
  
  同济大学汽车与能源学院
- 作者简介：
- 基金信息：
- DOI：10.16236/j.cnki.nrjxb.202604032
  CLC： TP18;TK463
- Published：2026
- 稿件说明：
移动端阅览
楼狄明, 林泽涵, 张允华, et al. 基于XGBoost-NSGA-Ⅱ的米勒循环氢内燃机多目标优化[J]. 2026, 44(4): 302-312.
DOI：

楼狄明, 林泽涵, 张允华, et al. 基于XGBoost-NSGA-Ⅱ的米勒循环氢内燃机多目标优化[J]. 2026, 44(4): 302-312. DOI： 10.16236/j.cnki.nrjxb.202604032.

摘要

基于一台6缸、缸内直喷米勒循环氢内燃机（ICE），以米勒度、进气歧管绝对压力(p

)、喷氢正时和过量空气系数（φ

）为4维决策变量，建立极端梯度提升（XGBoost）代理模型结合第2代非支配排序遗传算法（NSGA-Ⅱ）对指示平均有效压力（IMEP）、指示热效率（ITE）和NO

排放3目标协同优化，并通过GT-Power闭环仿真验证优化结果的可靠性．结果表明：XGBoost代理模型对IMEP、ITE和NO

排放的测试集决定系数（R

）分别为0.991 2、0.993 2和0.994 9．φ

同时主导3目标，p

和喷氢正时分别是IMEP和ITE的次主导因子，相对量级分别为φ

的55%和67%，米勒度与p

协同才能有效抑制NO

排放；在NSGA-Ⅱ获得的100组Pareto非支配解的3目标取值范围中，IMEP为1.008～1.900 MPa、ITE为43.22%～44.82%、NO

排放近似0.001×10

-6

～439.860×10

-6

，最优解对应IMEP=1.524 MPa、ITE=44.18%且NO

排放为5.030×10

-6

.GT-Power闭环验证5个代表性Pareto解，IMEP和ITE的5点平均相对误差（MRE）为-1.07%和-0.07%

排放的3个有效工况MRE为-2.04%.

Abstract

关键词

Keywords

references

刘杰,王俊乐,赵洪波.柴油/天然气发动机燃烧系统协同优化方法[J].内燃机学报,2021(01).

楼狄明,房亮,胡志远,谭丕强.多因素多目标国Ⅴ排放生物柴油混合燃料发动机性能优化[J].内燃机工程,2017(01).

黄粉莲,门炳翰,佘超杰,万明定,彭益源,申立忠.甲醇-柴油反应活性控制压燃发动机排放特性与经济性预测及优化[J].车用发动机,2024(01).

赵柯洋,张衡,贺波,庞轶星,程星鑫,苏玉香,李又一.基于改进第二代非支配遗传算法的甲醇/柴油双燃料船舶发动机参数多目标优化[J].内燃机工程,2025(01).

Jerome H. Friedman.Greedy Function Approximation: A Gradient Boosting Machine[J].The Annals of Statistics,2001.

Tie Li,Yi Gao,Jiasheng Wang,Ziqian Chen.The Miller cycle effects on improvement of fuel economy in a highly boosted, high compression ratio, direct-injection gasoline engine: EIVC vs. LIVC[J].Energy Conversion and Management,2014.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

喷嘴与活塞顶形状对氢内燃机性能影响的模拟

基于人工智能算法的国Ⅵ轻型柴油机DPF碳载量估算

智能体驱动内燃动力变革：从工具辅助到自主决策的范式跃迁

面向发动机燃烧建模的放热率特征参数智能预测方法

基于多时间尺度学习的柴油机进/排气系统自抗扰控制

Related Author

付振

吴坚

吴广权

高文志

Related Institution

天津大学先进内燃动力全国重点实验室

广州汽车集团股份有限公司汽车工程研究院

AI问答

⁰