基于组合神经网络的汽油机NOx排放预测及特征选取
2022-08-01王膺博秦静裴毅强吕永钟凯郑德陈涛
中南大学学报(自然科学版) 2022年6期
王膺博,秦静,裴毅强,吕永,钟凯,郑德,陈涛
(1.天津大学内燃机研究所,天津,300072;2.天津大学内燃机燃烧学国家重点实验室,天津,300072;3.广州汽车集团股份有限公司汽车工程研究院,广东广州,511434)
随着人们对环境问题的日益重视,汽车排放法规越来越严格。汽车的排放问题被越来越多的学者所关注,一个有效的预测模型能够在发动机研发阶段节约大量的人力物力,具有一定的理论意义和工程应用价值。为此,国内外学者进行了大量的研究。在稳态工况预测方面,冀树德等[1-2]构建了BP神经网络预测模型用来预测稳态工况下的柴油机的NOx排放,其预测结果与实际测量值相关系数在99%以上。LI 等[3-4]使用多隐含层神经网络对NOx排放进行预测,发现多隐含层神经网络的预测值与实测值吻合较好。在瞬态工况预测方面,ASHER 等[5-6]采用神经网络对NOx的排放进行预测,预测值与实际值的相关系数达到了85%以上。
然而,在特征选取上,大多数模型的输入参数基于经验或使用线性分析方法选取。根据经验选取输入参数因个人主观因素容易产生误判。发动机控制及排放研究多数属于非线性问题,使用线性分析亦容易导致分析错误。基于此,本文作者对BP神经网络进行改良,对发动机稳态万有数据及瞬态WLTC 数据进行预测。并提出基于组合神经网络的模型输入参数特征选取方法,探寻影响排放的具体参数,最终得到精确的发动机排放预测模型,为发动机的开发提供便利。
1 试验
1.1 试验设备
文中使用的数据源于国内某一上市汽油车的试验结果,其发动机主要参数如表1所示。……
登录APP查看全文