船用氨/柴油双燃料发动机控制性能研究
摘要
船用发动机碳排放水平面临着日益严格的温室气体排放法规限制，加快替代燃料应
用研究已成为行业共识。氨作为一种无碳清洁燃料，被认为在船用发动机上具备广阔应
用前景。其中，船用氨/柴油双燃料发动机能够在减少碳排放的同时维持原有动力输出，
而为了实现双燃料发动机稳定运行，有必要针对其运行特性开发控制系统并对控制性能
展开研究。本文主要研究内容如下：
首先，以YC6K高压共轨柴油机为结构原型，搭建了氨/柴油双燃料发动机零维仿
真模型，作为被控对象为控制策略和算法提供验证平台。仿真模型包括高压共轨系统、
燃气供给系统、气缸系统、动力学系统和进排气系统。建模完成后，校核了柴油模式25
个工况点循环喷油量，平均误差为3.80%，最大误差不超过10%；双燃料模式下放热规
律与现有研究相符，模型精度满足控制需求。
其次，分析了双燃料发动机控制软件需求，采用基于模型的开发模式搭建了以转速
闭环为核心的双燃料发动机控制策略整体框架。控制策略模型包括信号处理、运行状态
管理、轨压控制和转速闭环控制等模块。而为了解决转速闭环控制中PID算法控制参数
调节严重依赖操作人员经验的缺点，提出将强化学习应用于PID参数自整定过程。利用
强化学习中的深度确定性策略梯度算法(DeepDeterministicGradiantPolicy,DDPG)对控
制参数学习过程进行了训练，并在仿真环境下对智能体的控制效果进行了验证。仿真结
果表明基于DDPG的控制算法能有效跟踪目标转速加减速过程。
最后，为了验证强化学习算法的实际控制效果，搭建了基于NI软硬件设备的半物
理仿真平台。利用半物理仿真平台对DDPG算法和PID算法的控制效果进行了对比，
结果表明在瞬态控制中，DDPG算法较PID算法有效降低了超调量和稳定时间；在稳态
控制中，DDPG算法减少了转速波动率，表明基于强化学习的控制算法较固定参数PID
具有更好的控制性能和鲁棒性。
关键词：氨燃料发动机；深度确定性策略梯度；转速控制；半物理仿真
I
船用氨/柴油双燃料发动机控制性能研究
ABSTRACT
Marineenginecarbonemissionlevelfacesincreasinglystringentgreenhousegas
emissionregulations,soacceleratingtheapplicationresearchonalternativefuelshasbecome
anindustryconsensus.Asacleanfuelwithoutcarbon,ammoniaisconsideredtohavebroad
applicationprospectsinMarineengines.Amongthem,marineammonia/dieseldualfuel
enginecanreducecarbonemissionswhilemaintainingtheoriginalpoweroutput.Inorderto
achievestableoperationofthedualfuelengine,itisnecessarytodevelopacontrolsystem
basedonitsoperatingcharacteristicsandcarryoutresearchonthecontrolperformance.The
mainresearchcontentsofthispaperareasfollows:
Inthispaper,theYC6Khighpressurecommonraildieselengineist