为实现柴油机排放预测,利用试验设计(design of experiment,DoE)试验获取满足柴油机工作范围的稳态试验数据,利用反向传播(back propagation,BP)神经网络搭建柴油机气缸模型,使用GT-Power软件搭建柴油机的进排气系统模型,将两者耦合搭...为实现柴油机排放预测,利用试验设计(design of experiment,DoE)试验获取满足柴油机工作范围的稳态试验数据,利用反向传播(back propagation,BP)神经网络搭建柴油机气缸模型,使用GT-Power软件搭建柴油机的进排气系统模型,将两者耦合搭建柴油机整机模型,并通过试验验证模型在稳态及瞬态工况下的预测精度。结果表明:稳态工况下模型的NO_(x)排放预测相对误差为4.1%,瞬态循环工况下模型的NO_(x)排放预测相对误差为1.2%;该模型可以较准确地预测柴油机的排放。展开更多
文摘为实现柴油机排放预测,利用试验设计(design of experiment,DoE)试验获取满足柴油机工作范围的稳态试验数据,利用反向传播(back propagation,BP)神经网络搭建柴油机气缸模型,使用GT-Power软件搭建柴油机的进排气系统模型,将两者耦合搭建柴油机整机模型,并通过试验验证模型在稳态及瞬态工况下的预测精度。结果表明:稳态工况下模型的NO_(x)排放预测相对误差为4.1%,瞬态循环工况下模型的NO_(x)排放预测相对误差为1.2%;该模型可以较准确地预测柴油机的排放。
