基于图论矩阵法的柴油机参数最优组合研究

12X布吕格我工程科学与技术，国际期刊21（2018）7完整文章基于图论矩阵方法的N.K. Geethaa，P.塞卡尔湾a印度哥印拜陀641008，克里希纳工程技术学院科学与人文系b印度，Chennai 600089，SRM大学，科学与人文学院阿提奇莱因福奥文章历史记录：2017年2月19日收到2017年10月22日修订2017年12月29日接受2018年2月1日在线发布保留字：柴油机工作参数图论矩阵法多属性决策A B S T R A C T本文提出了一种基于图论矩阵法的变压缩比柴油机性能参数最优组合的研究框架在专家意见和文献综述的基础上，选择了功能参数、属性、子属性和子属性的功能变量。针对属性和子属性建立了有向图计算所有试验的实验结果与理论数据进行了验证。结果表明，当压缩比为17，喷油压力为20 N/mm 2，喷油压力为21°bTDC时，发动机性能最佳。所提出的方法允许决策者系统地和逻辑地找到功能参数的最佳组合。©2017 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍发动机运行参数，如压缩比、燃料喷射压力、燃料喷射正时、负载等，在发动机的性能中起着至关重要随着世界各地的污染监管机构在降低废气排放的容许限值方面制定的严格规范，优化车载发动机管理已成为符合排放法规和燃油经济性的艰巨任务。多属性优化已经应用于许多科学和技术领域，其中需要在两个或多个冲突目标之间进行权衡以做出最优决策。最多属性优化是工程中的一个难题。此外，当目标函数之间存在折衷关系时，同时最小化或最大化所有属性是非常复杂的。多属性优化问题可以在一般意义上定义，如等式2所示（1）、[11]其中v是最大化或最小化具有“m”个约束的“k”个目标函数的矢量设计变量，并且在发动机上，最大化性能、最小化燃料消耗和废气排放是目标。Bose等人[3]对定时喷射系统进行了多属性优化，制动热效率提高了31.74%，预测的最优组合将容积效率提高了24.04%。Karn- wal等人[15]采用基于田口的灰色关联分析方法来优化柴油机的性能参数。在三个水平上考虑四个因素，确定了最佳因素水平和最佳综合性能。使用L9正交表从响应中收集数据。灰色关联分析结果表明，生物柴油30%、压缩比14、喷油压力250 bar和喷油正时20 °的组合可使发动机性能最佳，排放最低。Yuvarajan等人[31]应用L9正交表，田口方法和进行的实验适应设计不我在fxf~x;f~x;。 . . f~x x2X¼fx2Rn=gx60i实验 三个参数如添加剂的氧含量，考虑了混合比和喷油提前角的影响，1/4;2;3;. . . mgf i~xfix1;x2;. . . xn;i1/4;2;3;. . . kg10~x20g10;x;.. . x1;x2;x3;x4;x5;x6;x7;x8;x9;x10; . . Mð 1 Þ采用三水平三因素的方法进行分析。它结果表明，10%二甘醇二甲醚-柴油，21 ℃喷射，J*通讯作者。J12N同时降低NOx和烟度的最佳组合是燃烧时间Deb等人。[5]使用基于Pareto的遗传算法来优化性能参数，其中，电子邮件地址：nkgeeth@gmail.com（N.K.） Geetha），cicesekar@yahoo.co.in（P.Sekar）。由Karabuk大学负责进行同行审查找到柴油机的最佳负荷条件。Rajesh Kumar等人[18]将废气再循环、燃油喷射正时和燃油混合物视为测量响应的因素，如https://doi.org/10.1016/j.jestch.2017.12.0112215-0986/©2017 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestch8N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）7命名法AF空燃比GTMA图论矩阵法AFM空气燃料混合HC碳氢AO的氧量IP注射压力BTDC上止点它喷射正时BTE制动热效率L负载BSFC制动燃料比耗MAF空气燃料CO一氧化碳MF质量的燃料CR压缩比对氮氧化CT燃烧温度ppm百万分FP燃料特性对氮氧化FS火焰速度S速度NOx、HC、CO、BTE的响应曲面法。使用了以最大BTE最小化NOx、烟雾和BSFC为目标的期望值方法结果表明，99%的置信水平，预测误差为5%。发现25度喷油正时与30%废气再循环的组合对于该发动机是最佳的，Premkarthik【17】。Dhingra等人[7]开发了数学模型，使用遗传非支配排序算法II优化以麻风树生物柴油为燃料的柴油发动机的功能参数。实验设计采用中心组合设计。通过方差分析预测回归方程，并在MATLAB中开发遗传算法.结果表明，与响应面法相比，遗传 算 法 的 性 能 参 数 值 发 生 了 显 著 变 化 。 Sivaramakrishnan 和Ravikumar[27]研究了不同压缩比和生物柴油混合物对柴油发动机的影响，并使用响应面方法的可拓性方法优化了功能参数，以获得更好的性能和更低的排放。在此基础上，通过对柴油机性能的分析，找出了影响柴油机性能的主要参数，并得出了压缩比为17.9、B10柴油混合燃料的最佳组合，0.97[25]参见Sarma et al.。Saravanan等人[24]和Teah等[28]采用多响应优化控制柴油机NOx排放，以喷油正时、EGR百分比和喷油压力为水平，NOx、烟度和制动燃料转换效率为响应变量。采用多响应信噪比法确定最佳组合。方差分析结果表明，喷油压力对降低NOx的贡献更大。Roy等人[22]研究了在共轨直喷柴油发动机上优化BSFC-NOx-PM的挑战。试验设计采用田口法L16正交表，以信噪比为指标的灰色模糊综合评判。提出了一种灰色关联分析与模糊逻辑相结合的算法，用于发动机性能和排放特性的优化。影响最大的因素是废气再循环和组合在4kg负荷下，在20%废气再循环下700巴的燃料喷射压力是最佳的。Jadhav和Tandale[12]对使用芒果生物柴油作为燃料的柴油发动机进行了实验研究。 采用田口灰色关联分析法对性能参数进行优化。采用L25正交表进行6个输入参数、7个输出变量、5个水平的试验设计。通过信噪比和灰色关联度分析，得到了功能参数的最佳组合。Gul等人[10]旨在使用Grey-taguchi方法优化涡轮增压柴油发动机的参数。在他们的研究中考虑的输入参数是燃料混合物，速度并加载。采用L9正交表进行实验设计。采用优化技术使发动机扭矩、制动功率和放热最大化，同时使制动燃油消耗率最小化。此外，验证性试验进行了验证，使用人工神经网络在MATLAB中。Etghani等人[8]采用人工神经网络模型来优化生物柴油混合物和速度等性能参数。Dawody和Bhatti[4]通过实验和理论研究了在不同负荷和压 缩 比 下 使 用 大 豆 甲 酯 混 合 物 的 燃 烧 、 性 能 和 排 放 参 数 。 采 用Rosenbrok方法对功能参数进行多参数优化。根据上述文献调查，发动机性能参数优化研究通常揭示了需要同时解决的多个属性。多个属性通常是矛盾的，其中优化一个属性的努力将导致其他期望目标的妥协。因此，一个多属性决策问题提供了一个挑战，建立一组解决方案，将是可接受的观点的矛盾的目标。本文采用图论矩阵法（GTMA）对单缸变压缩比柴油机进行了优化设计，以获得最佳的性能和降低排放。研究了压缩比为17、18和19，喷油压力为20、22和24 N/mm 2，喷油正时为21°bTDC 、23°bTDC和25°bTDC的柴油机。本文第二部分介绍了实验材料和实验方法。 使用实验结果发现的功能参数的最佳组合与从专家的意见获得的理论数据进行比较。据作者所知，这是首次尝试在文献中应用GTMA解决多属性决策问题的选择柴油发动机运行参数的最佳组合。2. 实验材料和方法2.1. 实验装置试验台由一台单缸四冲程可变压缩比柴油机组成。发动机的规格如表1所示。电涡流测力计被耦合，向发动机施加载荷，该载荷由应变仪型测力传感器测量。不同的传感器和仪器与数据采集系统相协调，用于在线采集空气和N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）79表1发动机的规格详情规格发动机制造Kirloskar TAF发动机类型4冲程，柴油发动机气缸数孔径×行程87.5 mm× 110 mm气缸容量0.66 L压缩比可变（15至20）额定功率4.4 kW额定转速1500 rpm喷油正时23°bTDC喷油压力20 N/mm2燃料消耗率、气缸压力、喷射压力、曲柄角位置、速度、发动机废气排放、废气和冷却水的温度。该装置有独立的面板箱，用于油箱，压力计和过程指示器。转子流量计安装在发动机上，用于测量发动机冷却水和热量计水的流量。铬-镍铝热电偶与数字温度指示器一起用于测量废气温度。使用345巴范围内的压电传感器来采集缸内压力数据。为了测量废气的化学成分，使用了INDUS Scientific PvtLtd的五种气体分析仪（型号PEA205），该分析仪测量了一氧化碳（ CO ， ppm ） 、二 氧化 碳（ CO2 ， % ） 、一 氧化 氮（ NOx ，ppm）、氢氧化物（H2O）、二氧化碳Fig. 1. 发动机试验台的照片视图。碳（HC，ppm）和氧（O2，%）。用Indus Scientific Pvt Ltd.制造的烟度计测量废气的不透明度（以Harper-Smoke Unit（HSU）计）。发动机性能分析软件包图1显示了试验装置的照片视图，图2显示了实验装置的示意图。2.2. 实验程序发动机启动并以怠速运行，直到发动机达到稳定的工作条件。冷却水流速保持在60 ml，发动机转速保持在1500 rpm。在这项研究中的功能参数是压缩比，喷油压力和喷油正时。采用田口实验设计，大大缩短了实验时间和成本。考虑三个因素的三个水平，形成一个L9正交表。实验方案见表2和表3。表2因素及其水平的设计。因子编号影响因素系数的单元水平1 231压缩比（CR）–17 18192喷射压力（IP）N/mm220 22243喷油正时（IT）°bTDC21 2325表3L9正交实验。追踪号因子编号因素CRIP它111117202121221722233133172425421218202352231822256231182421731319202583211922219332192423图二. 实验装置。10N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）72364：：：7通过倾斜气缸体改变燃烧空间容积来改变压缩比。为了设置一个选定的压缩比，六角螺钉被松开，调节器上的锁紧螺母被松开，调节器被旋转以设置一个选定的压缩比，如压缩比指示器所示。最后，将内六角螺钉轻轻拧紧。本研究的压缩比为17、18和19。通过拧紧或松开螺栓调节喷油器的弹簧张力来设定所需的喷油压力，增加弹簧的张力会增加注射压力，反之亦然。通过在泵的安装处添加润滑剂，可延迟喷射正时，通过移除润滑剂，可提前喷射正时。为了改变喷射正时，旋转飞轮以使活塞到达上止点位置。然后，飞轮逆时针方向旋转，直到燃料到达测试装置。应仔细记录飞轮的运动。飞轮向后旋转5 mm，该位置标记在飞轮上，用于所需的喷射正时。添加或移除垫片以获得其他喷射正时位置。本研究考虑的喷油正时为21°bTDC、23°bTDC和25°bTDC。表4属性的值S. No.属性值的主观测度1异常低0.02极低0.13非常低0.24低0.35低于平均值0.46平均值0.57高于平均值0.68高0.79非常高0.810极高0.911异常高1.0表5相对重要的价值观。S. 号类描述相对重要性aijaji= 1-aij1两个属性同等重要0.5 0.53. 图论矩阵法图论是一种一致的逻辑方法[17，29]。 图论具有一些诱人的特性，如[2019 - 06 - 26][2019 - 06 - 26][2019 - 06 - 26][2019 - 06 - 06]有向图是具有有向边的图。在有向图模型中，定性参数可以给定不同的数值，2一个属性（i）比另一个属性（j）3一个属性（i）比另一个属性（j）4一个属性（i）比另一个属性（j）5一个属性（i）比另一个属性（j）6一个属性（i）比另一个属性（j）0.6 0.40.7 0.30.8 0.20.9 0.11.0 0.0标准值，并成为模型的一部分。为了更好地理解，考虑了相互依赖性[29 属性有向图如图3所示。当量（2）即矩阵[P]给出了有向图属性的平衡表示。表4[29]显示了基于一个0到1的标度或来自实验结果的归一化值，表5显示了ij的赋值[29，1，23，19]。矩阵的积和式是组合数学中使用的标准矩阵函数[16，13]。对于给定的有向图（图3）的永久函数表示在方程中。（四）、永久性概念的应用使我们更好地理解属性.由于方程中没有负号，与行列式不同，不会丢失任何信息[9，20]。参数指数（PI）是一个衡量的容易与功能参数的最佳组合，可以选择一个给定的系统或过程。D1a12a13：：a1ma21D2a23：：a2m6 7·····* *½P] ¼6：：：7am1am2am3* *am5ð2Þ图三. 属性有向图。GTMA的结构如图4所示，GTMA的逐步方法解释如下：步骤1：确定功能参数。压缩比、喷油压力和喷油正时是本研究的作用参数。步骤2：选择属性和子属性。选择制动比油耗、制动热效率、一氧化氮、碳氢化合物和一氧化碳作为属性。步骤3：绘制属性有向图。图5示出了参数属性有向图。步骤4：将有向图转换为矩阵形式。对于图1中的参数属性有向图，5，属性矩阵[P]在等式中给出。（三）、N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）711一名21D a aa2 23 2425664775确定各种功能参数专家识别属性和子属性文献综述一氧化碳（CO）1. 空气燃料混合（AF）2. 氧气量（AO）3. 空燃比（AF）定义相互关系结构属性分析图论矩阵法子属性分析碳氢化合物（HC）1. 空气燃料混合（MAF）2. 负载（L）3. 火焰速度（FS）一氧化氮（NOx）1. 燃烧温度（CT）2. 氮氧化（ON）3. 停留时间（RT）制动器热效率（BTE）1. 燃料特性（FP）2. 空气燃料混合（MAF）3. 空气燃料汽化（VAF）制动比油耗（BSFC）1. 速度（S）2. 负载（L）3. 燃料质量（MF）图属性有向图绘制各个子属性把有向图转换成矩阵形式将有向图转换为矩阵形式为属性和相互依赖性为对角线和非对角线元素指定权重替换永久函数替换继承和相互关系的值，并计算每个属性的Permanent函数按降序对所有备选方案的参数索引进行排序，以对其进行选择具有最高参数索引的备选方案作为最佳组合功能参数计算永久函数值，即Parameter索引2D1a12一名13一名14a1536 7见图4。图论矩阵方法的框架。方法2：专家的答复基于方法2的Di的值如下获得：步骤 5.1：所选属性的子属性为31一台32D3A34一名35一名41一台42一名43D 4a45a51一名52一名53一名54D5ð3Þ定义了在本研究中，为BSFC选择的子属性是速度（S）、负载（L）和燃料质量（MF）。对于BTE，子属性是燃料特性（FP）、空气燃料混合（MAF）和空气燃料混合物的汽化（VAF）。为NOx选择的子属性是燃烧温度（CT）、氮氧化（ON）和第5步：属性的权重，即继承值（Di）并且分配相对重要性值（Aij）对于提出的研究，两种方法适用于分配Di的值，方法1：使用如表10所示的实验结果。12N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）7停留时间（RT）。CO的子属性为空气燃料混合(AFM)、氧气量（AO）和空燃比（AF）以及HC的子属性是空气燃料混合（MAF）、负载（L）和火焰速度（FS）。N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）713CTRT对见图8。 NOx的子属性有向图。图五. 参数属性有向图。见图9。 HC的子属性有向图见图6。 BSFC的子属性有向图。见图10。 CO的子属性有向图见图7。 BTE的子属性有向图步骤5.2：子属性有向图被开发并且在图5.2中示出。 六比十步骤5.3：将子属性有向图转换为矩阵形式。步骤5.4：子属性（di）的继承值从表5中获得，并合并到表6中。步骤5.5：通过将步骤5.4中获得的值代入特征永久函数（公式5.4），评估第一子属性的永久函数。（4））。为了简化计算，编制了MATLAB程序（附录B步骤5.6：重复步骤5.5以评估其他四个子属性的永久函数。这些永久函数值是属性的继承，如表9所示。步骤6：代入在步骤5中获得的属性上的继承值（Di）和属性之间的相对重要性值（ai j）以评估特征函数（Eq. （4）表3中的每种替代方案。第7步：在第6步中评估的永久功能称为“参数索引”。表3中9个试验的参数指数值列于表8和表9中，属性和子属性的矩阵列于表9中。步骤8：应选择参数指标值最高的功能参数最佳组合的试验SMFLFPVAFMAFMAFFSLAFMAFAOBSFCHCBTECONOx14N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）7XXXxXXXX xXX xXXxXMXX XX XMM-1M MPer Per AYi1D iX X. ......这是什么？......这是什么？......这是什么？ Xd ij d jiD k D l D m D n D o. ：D t D mM-2M -1i<$1j<$i<$1MM1/M2MXX X：. ......这是什么？：Xd ij d jk d kid ik d kj d jiD l D m D n D o.. . ：D t D Mi<$1j<$i<$1k<$j <$1M1/M2“MX-3XMM-1M. ... ... ... .. ：Xdijdji.......................................i<$1j<$i 1k<$i 1l<$i 2M<$t 1M-3M-1Mþ... ：X dijdjk dkl d..............................................lii<$1j<$i 1k<$i 1l<$j 1M<$t1“MX-2MX-1XMM-1M.. ... .：Xdijdjk dki..................................................i<$1j<$ i 1k<$ j 1l <$1m<$ l 1M<$t 1M-4M-1Mþ... ... ...X dijdjkdkldlmdmi..................................................................................l“MX-3MX-1XMM M-1M... ... ...X dij djk dkl dli.................................................lM-5M -1MM-2 M-1M MXx x x X XX x x x x xx XX... ......这是什么？. ：Xdij d jk d kid ik d kj d jid lm d mn d nldlnd nm d mlD o Dt D mM1/M2M-5MM-3MM-1M MXx x x X XX x x x x xx XX... ......这是什么？. ：Xdij d jid kl d lkd mn d nmD o Dt D mM1/M2M-5M-1MþXXdijdjkdkldlmdmndni.....................................................................................我... ... ... ... ... ......这是什么？：400i<$1j<$i 1k<$ i 1l<$ i 1 m<$ i 1n<$ j 1M<$t 1表6子属性的对角线元素的值属性/子属性试验1试验2试验3试验4试验5试验6试验7试验8试验9制动比油耗（BSFC）速度（S）0.80.70.50.60.60.30.60.50.5负载（L）0.70.80.70.80.70.80.30.60.7燃料质量（MF）0.60.60.70.50.30.60.40.30.3制动器热效率（BTE）燃料特性（FP）0.70.80.80.60.30.60.50.50.5空气燃料混合（MAF）0.80.70.70.80.40.70.60.40.3空气燃料汽化（VAF）0.70.70.80.60.80.70.50.40.4一氧化氮（NOx）燃烧温度（CT）0.80.70.50.80.50.60.60.50.4氮氧化（ON）0.70.50.30.70.60.70.50.40.5停留时间（RT）0.80.70.60.70.30.80.60.30.4一氧化碳（CO）空气燃料混合（AFM）0.70.80.70.80.40.70.50.40.5氧气量（AO）0.80.70.40.70.70.50.60.50.6空燃比（AF）0.70.60.50.80.80.60.50.60.7碳氢化合物（HC）空气燃料混合（MAF）0.70.80.60.80.50.70.50.60.4负载（L）0.70.60.50.70.60.70.40.50.7火焰速度（FS）0.80.70.60.80.60.80.50.70.5表7属性的对角线元素的值属性试验1试验2试验3试验4试验5试验6试验7试验8试验9制动燃料比耗1.0121.0030.8700.8580.6800.7110.5860.6030.634（BSFC）制动器热效率（BTE）1.1851.1841.2651.0320.7181.0380.7950.6510.605一氧化氮（NOx）1.2680.9680.6911.1880.6911.1060.8540.6130.656一氧化碳（CO）1.1671.0860.7691.2480.9280.8880.7790.7260.889碳氢化合物（HC）1.1871.1060.8531.2670.8541.1870.7000.9070.791MMMMMMMMMMMi<$1j<$ i 1k<$ j 1l <$1m<$ l1n<$m <$1i<$1j<$i 1k<$i 1l<$i 2m<$k 1n<$k 2þþþN.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）715表8基于实验结果的参数指标值。试验编号因素参数索引秩CRIP它11720216.076121722235.810431724255.563241820235.463651822255.431561824215.404371920255.272981922214.969891924234.8927表9参数指标值基于专家试验编号因素参数索引秩CRIP它117202112.0621217222310.863431724259.917241820238.252651822256.749361824215.267571920254.974781922214.623991924234.4968表10实验结果的标准化值。跟踪编号属性的标准化值CRIP它BSFCBTENOxHCCO（N/mm2）（°bTDC）(kg/h kW）（%）（ppm）（ppm）（%）11720211.00000.64290.32010.81821.000021722230.97740.66670.41400.79550.666731724250.96450.66670.68521.00000.666741820230.80320.80950.62430.72730.666751822250.74840.85710.79100.86360.666761824210.81290.80950.81750.63641.000071920250.70650.92860.64150.72730.666781922210.79680.80950.41400.75001.000091924230.65481.00001.00000.75000.66674. 结果和讨论基于实验结果，表8显示了所有试验的参数指数的评价和排序从表8中可以明显看出，试验1获得了参数指数的最高值。根据从第5步和方法2中所述的专家意见中获得的理论数据，确定所有子属性和所有试验的对角元素，并在雷达图中表示，如图所示。 十一岁 从图 11，很明显，试验1具有最高的NOx和CO值。试验4对CO和HC有利。试验2更倾向于BTE和CO。试验9的BTE值最高总的来说，使用这些值，很难决定影响发动机整体性能的最佳功能参数。因此，将子属性的继承值作为属性diagonal元素的输入，并在表9中评估和列出所有试验的参数索引值。从表9中可以明显看出，试验1具有最高的参数指数值，因此在所考虑的试验中形成从表8和表9中可以观察到，试验1在两种方法（方法1和方法2）中具有最高的参数指数值&。压缩比为17，喷油正时为21°bTDC，喷油压力为20 N/mm2是最佳的性能参数组合。5. 结论建议的研究重点是开发一个框架，优化发动机的功能参数，以更好的性能和减少废气排放，使用GTMA作为决策工具。生成属性和子属性的有向图。为了评估属性和子属性的永久函数，开发了计算机程序（附录B），并随后确定了永久指数。图论矩阵方法能够考虑属性和子属性之间的亲和性和保持层次关系。它是一种有效的方法，因为它可以进行更严格的分析，并且可以考虑任何数量的主观和客观属性16N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）72366642326445114见图11。 9个试验的雷达图。属性和子属性值的微小变化会导致使用矩阵永久方法的结果产生相当大的差异这有助于更好地理解标准及其相对重要性。附录A方程中对角元素的值。（6）取自表7。子属性的矩阵如下所示2-S L MF32019-01- 26 00： 00： 00½BSFC] ¼67ð7Þ基于方法1的属性矩阵，在步骤5（实验结果）中陈述，如等式2所示。（5）、-BSFCBTENOxHCBSFC CO00 ：00：0000：00：00：00 00：00：006 7长0： 4宽 2： 5MF0： 20：5D3制动器热效率，2-FPMAFVAF3BTE½P] ¼NOxHCCO08080： 50：50D4 0： 50： 5D5ð5ÞFP½BTE] ¼MAFVAF一氧化氮，ð8Þ方程中对角元素的值。（6）取自表4。基于步骤5中所述方法2的属性矩阵（6）.-BSFCBTENOxHCBSFC CO00 ：00：0000：00：00：00 00：00：00-CT½NOx] ¼ONRT碳氢化合物，RT3875ð9ÞBTE0： 5D2 0： 8 0： 8 0： 8半P] ¼67ð6Þ2-MAFLFS 3氮氧化物0： 4 0： 2D3 0： 5 0：56 7CO0： 4 0： 2 0： 5 0： 5D5MAF2019- 05 - 2500：00：001/2HC] 1/267时间：2019-01 -1200： 00：00ð10Þ64777557545D40：50：50：5D50：6CT对D70：40：60：6D0：50：40：5D90：5D20：80：40：0：40：20：0：2D30：50：5N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）717时间：2019 -05 - 1500：00：00L0： 5D0： 618N.K. Geetha，P. Sekar/工程科学与技术，国际期刊21（2018）723~4-514一氧化碳-AFMAOAF原子力显微镜2019- 06 - 25 00：00：001/2CO]1 /46AO0：4d0：67ð11Þ[8] M.M. Etghani，M.H. Shojaeefard，A. Khalkhali，M. Akbari，改进的NSGA-II和TOPSIS的混合方法优化柴油发动机使用生物柴油的性能和排放，Appl. 温度Eng. 59（2013）309-315。[9] O.P. Gandhi，V.P. Agrawal，K.S.系统可靠性分析与评价，北京，科学出版社。Eng. 系统 Safety 32（1991）283-305.[10] M. 居尔Shah，Y.贾马尔岛Masood，柴油机多变量优化使用灰色田口方法的生物柴油发动机，J. Braz. 机械科学学会AF0： 5 0： 4d15等式中的d1至d15的值（7）实验结果的归一化值在表10.附录B函数y = permanent_matrix（input_matrix）[m，n]= size（input_matrix）;如果（m= n）error如果n = = 1y =输入矩阵; else对于索引= 2：nP = ones（1，index）;对于i = 1：indexsub_matrix = input_matrix（[1：index-1]，[1：i 1 i + 1：index]）; P（i）= permanent_matrix（sub_matrix）;端y = input_matrix（index，1：index）*P'; end端引用[1] S. Agrawal，R.K.Singh，Q.陈晓，逆向物流外包决策的可持续平衡计分卡和图论方法，资源。保存。循环使用108（2016）41-53.[2] A. Baykasoglu，图论矩阵永久方法与示例应用的回顾和分析，Artiff。内特尔Rev.42（2014）573-605。[3] P.K. Bose，M.德布河班纳吉A. Majumder，使用基于田口模糊的方法运行氢气的单缸柴油发动机的性能参数的多目标优化，能源63（2013）375-386。[4] M.F.A. Dawody，S.K.Bhatti，降低柴油机生物柴油NOx影响的优化策略与实验验证，能量转换。管理。68（2013）96-104。[5] M. 德布河班纳吉A.Majumder，G.R.K.Sastry，使用基于帕累托的遗传算法对具有氢作为双燃料的单缸柴油发动机的性能参数的多目标优化，Int. J. Hydrogen Energy39（15）（2014）8063-8077。[6] N. Dev Samsher，S.S. Kachwala，A.李文，联合循环发电系统可靠性指标的图论方法研究，北京：机械工程出版社。5（2014）193-203。[7] S.丁格拉湾Bhushan，K.K. Dubey，使用非破坏性排序遗传算法II的麻风树生物柴 油 发 动机 燃 烧 性 能 和 排 放参 数 的多目标优化， Front 。 机 甲 Eng.9（ 1）（2014）81-94。Eng.38（2）（2016）621-632。[11] T. Hiroyasu，M.Miki，J. kamiura，S. 王文，基于遗传算法的柴油机排放与经济性优化设计2002-01-2778，汽车工程技术论文，2002年。[12] S.D. Jadhav，M.S. Tandale，应用田口灰色关联分析对芒果生物柴油进行压燃式发 动 机 的 多 目 标 性 能 优 化 ， 废 物 生 物 质 体 积 。 （ 2016 ）1https://doi.org/10.1007/s12649-016-9504-6[13] W.B. Jurkat ， H. J. Ryser ， 行 列 式 和 积 和 式 的 矩 阵 分 解 ， Journal Algebra 3（1966）1-11。[14] M.卡马拉坎塔湾戈文丹湾Akhilesh，G. Yong，印度采矿业绿色供应链管理的障碍，J.Clean。 Prod. 47（2013）335- 344。[15] A. Karnwal，M.M. Hasan，N. Kumar，A.N. Siddique，Z.A. Khan，应用taguchi方法和灰色关联分析使用thumba生物柴油-柴油混合物的柴油发动机性能参数的多响应优化，Int. J. Automot. 12（4）（2011）599-610。[16] M. Marcus，H.Minc，Permanents，Am.数学19 6 5 年，《明史》卷571-591。[17] S.R. Premkartik kumar，富氧氢气作为燃烧催化剂在柴油燃料的不同喷射时间下操作的DI柴油发动机中的影响，RSC Adv. 5（2015）30583-30591。[18] B. Rajesh kumar，T. Muthukumar，V. Krishnamoorthy，S. Saravanan，使用响应面方法对以正丙醇、正丁醇和正戊醇柴油混合物为燃料的柴油发动机的性能和排放特性进行比较评估和优化，RSC Adv. 6（66）（2016）61869-61890。[19] R.V. Rao，基于图论和矩阵方法的材料选择模型，Mater。Sci. Eng.431（2006）248-255。[20] R.V. Rao，K.K. Padmanabhan，使用有向图和矩阵方法对工业机器人进行选择识别和比较，Roboti。Comput.积分22（2006）373-383。[21] D. Ratha，V.P. Agrawal，综合流域管理系统评价与分析的有向图永久方法，J.Hydrol。525（2015）188-196。[22] S. Roy，A.K.达斯河应用灰色模糊田口法对单缸CRDI发动机的性能和排放参数进行了多目标优化。 J. 汽车。Technol. 17（1）（2016）1-12。[23] S. Sabharwal，S.张文，再制造成本效益指标的确定--一种图论方法。144（2013）521-532。[24] S.萨拉瓦南湾Nagarajan，S. Sampath，固定式柴油机NOx排放的多响应优化，燃料89（2010）3235-3240。[25] A.K. Sarma，H. Kumar，L.J. Konwar，M. Aslam，使用麻风树油微乳液的直接喷射VCR CI发动机的性能和排放特性-与JCO B100 JCO B200和石油柴油的比较评估，RSC Adv. 6（2016）37646-37655。[26] R. Sauk，A.S. Markowski，F.张文，等.图论与矩阵演算在HAZOP节点排序中的应用.北京 ： 计 算 机 科 学 出 版 社 ， 2000 ， 21 （ 3 ） ： 117 - 118. Process Ind. （ 2015 ） ，https://doi.org/10.1016/j.jlp.2015.01.007。[27] K. Sivaramakrishnan，P. Ravikumar，优化操作参数对使用生物柴油的柴油发动机性能和排放的影响，国际环境杂志。Sci. 11（4）（2014）949-958。[28] Y.H.赵，H.H. Masjuki，M.A.卡拉姆如何，喷射正时和EGR对以纯生物柴油为燃料的共轨柴油发动机的发动机输出响应的影响，RSC Adv. 5（2015）96080-96096。[29] R. Venkatrao，决策在制造环