本发明涉及燃烧动力学数值模拟，是一种基于智能二进制遗传优化算法的替代燃料机理简化的方法。
背景技术：
1、在燃烧反应动力学的研究中，化学反应动力学机理的复杂性构成了对燃烧过程理解与预测的主要挑战。燃烧化学反应网络包含了广泛的基元反应和众多的中间产物，形成了一个高维且刚性的动力学机理。随着人工智能算法与计算机技术的发展，虽然数值模拟在燃烧机理研究中扮演着越来越重要的角色，但同时也暴露出了计算资源和时间成本的问题。复杂燃料机理的耦合模拟不仅计算量大，而且在工程实践中往往难以实现。因此，对于高维且刚性的燃烧机理而言，采用高效的简化方法简化替代燃料的燃烧反应机理，可以减少计算负担，提高模拟效率。
2、目前，简化燃烧详细机理常规思路通常包括识别和保留对燃烧过程影响显著的反应和组分，同时去除那些对目标性能参数(如点火延迟时间或层流火焰速度)影响较小的组分或反应。一般通过敏感性分析来实现，该分析能够评估各个反应步骤对输出结果的贡献度，从而指导简化过程中哪些组分或反应可以被省略。此外，还采用准稳态假设和速率控制分析等方法，进一步简化机理，以提高计算效率并保持关键动力学特性的准确性。这样的简化策略有助于在不牺牲模型预测能力的前提下，减少计算资源的需求，从而获得紧凑的简化机理。
3、在使用上述方法简化燃烧详细机理时，可能会导致简化模型在预测复杂燃烧现象时的精度降低，同时在处理高度非线性和刚性系统时可能无法完全消除计算上的挑战，这样的简化策略需要仔细平衡计算效率和模型准确性，以确保简化后的机理在实际应用中仍然有效。智能算法，特别是机器学习和人工智能技术，为简化和优化替代燃料的燃烧机理提供了新的工具和方法。
技术实现思路
1、本发明针对现有技术的不足，提供了一种基于智能二进制遗传算法的替代燃料机理简化的方法，解决了高维刚性机理简化的困难性问题。
2、本发明通过以下技术方案实现以上目的：一种基于智能二进制遗传算法的替代燃料机理简化方法，包括以下步骤：
3、步骤一、初始化种群，采用智能随机方法生成二进制染色体样本，对染色体进行编码。
4、步骤二、采用点火延时的函数计算适应度，并评估每一个染色体适应度来确定遗传和淘汰的情况；
5、步骤三、选择与交叉，将精英种群与保留的染色体进行选择与交叉操作，适应值越大的其被选择交叉的概率越高，最终形成新的种群；
6、步骤四、变异，为了增加种群的多样性，防止过早收敛，对新形成的种群进行变异操作；
7、步骤五、输出简化机理，当达到最大迭代次数时或满足条件时，燃烧反应机理的基元反应数已达最少，机理尺寸最紧凑，此时得到最佳简化机理。
8、优选地，所述步骤一具体为：
9、在初始化种群时，采用智能随机方法生成n个二进制染色体样本，每个样本代表机理中的所有基元反应。接着，对这些染色体进行编码，表示为pij(j＝1,2,...,nr)。具体来说，当第j位为1时，表示在第pi染色体中保留第j个基元反应；当第j位为0时，表示在第pi染色体中删除第j个基元反应，n表示染色体的总数，pi表示机理中的反应步数，而nr代表基因的总数，即所有基元反应的数量。
10、优选地，所述步骤二具体为：
11、根据各随机样本计算其适应度。适应度函数如公式(1)所示：
12、
13、其中，nrr为简化机理中总基元反应数；δi为第i个样本的简化机理点火延时时间误差；error_limit为截断误差，本文设置截断误差为20％；tcom为简化机理计算过程中所消耗的时间；t0为截断时间，t0为原机理计算在z空间下计算点火延时所消耗的时间的2倍；和分别表示第k个操作条件下详细机理及简化机理的点火延时时间；z为初始条件的集合。
14、优选地，所述步骤三及步骤四具体为：
15、根据优胜劣汰原则将适应值非常小的种群直接淘汰，精英种群保留总种群的5％，交叉方式为单点交叉，其两个染色体相互交叉概率为0.5，变异概率设置为0.01。智能遗传算法通过逐渐增加染色体中‘0’的比例来优化简化过程，依据适应度进行调整。当染色体中‘0’的数量最多且适应度低于20％时，该染色体被视为最优解，并据此输出简化机理。
16、优选地，该发明利用智能二进制遗传算法的全局搜索能力，选出在复杂高维机理中最具代表性的基元反应组，有效规避了系统非线性特性对简化过程的干扰，从而获得较为紧凑的机理尺寸。
17、本发明提供了一种基于智能二进制遗传算法的替代燃料机理简化的方法。与现存技术相比具有以下有益效果：
18、该发明基于智能优化算法的非线性简化策略，通过对遗传算法进行改进，将其应用在替代燃料的机理简化上，在综合性考虑下，再结合智能优化算法在燃烧反应动力学中的优势，开发出一种基于智能二进制遗传算法的替代燃料机理简化方法，该简化方法能处理燃烧领域内的非线性问题以及简化复杂的燃烧反应机理。本发明缩短简化燃烧机理的计算时间，为燃烧数值模拟节省了计算时间；本方法能精确预测c2h4/air与ch4/air的点火延迟时间，表现出良好的点火预测能力；本方法可以有效地缩减替代燃料燃烧机理尺寸，降低机理复杂性。
1.一种基于智能二进制遗传算法的替代燃料机理简化方法，其特征是：包括以下步骤：
2.根据权利要求1所述的基于智能二进制遗传算法的替代燃料机理简化的方法，其特征是：所述步骤一中，在初始化种群时，采用智能随机方法生成n个二进制染色体样本，每个样本代表机理中的所有基元反应，接着，对这些染色体进行编码，表示为pij(j＝1,2,...,nr)；具体来说，当第j位为1时，表示在第pi染色体中保留第j个基元反应；当第j位为0时，表示在第pi染色体中删除第j个基元反应，n表示染色体的总数，pi表示机理中的反应步数，而nr代表基因的总数，即所有基元反应的数量。
3.根据权利要求1所述的基于智能二进制遗传算法的替代燃料机理简化的方法，其特征是：所述步骤二具体为：
4.根据权利要求1所述的基于智能二进制遗传算法的替代燃料机理简化的方法，其特征是：所述步骤三及步骤四具体为：
5.根据权利要求1所述的基于智能二进制遗传算法的替代燃料机理简化的方法，其特征是：利用智能二进制遗传算法的全局搜索能力，选出在复杂高维机理中最具代表性的基元反应组，有效规避了系统非线性特性对简化过程的干扰，从而获得较为紧凑的机理尺寸。
