论文全文 - 2023交通能源与智能动力大会 智能动力
NOx是柴油机最主要的排放物之一,准确高效的对柴油机排放物中NOx预测能够实现对后处理系统中的选择性催化还原系统(selective catalytic reduction, SCR)尿素喷射量的精准控制。为了准确预测出柴油机排放中的NOx量,在一台高压共轨柴油机上进行索博尔空间填充试验,收集与NOx相关的各类传感器数据,构建出一个柴油机排放数据集。采用反向传播(Back Propagation, BP)神经网络模型梯度提升决策树(Gradient Boosting Decision Tree, GBDT)模型进行对比验证,并利用改进后的海鸥优化算法(Seagull
optimization algorithm, SOA)对GBDT预测模型进行超参数优化。结果表明:相较于BP神经网络模型,GSOA-GBDT模型有较高的预测精度和稳定性,对NOx拟合程度R2
为0.972,平均绝对误差MAE和均方根误差RMSE分别为51.860和77.444。表明GSOA-GBDT模型有较高的适应度和泛化性,为柴油机排放数据预测提供了新思路和方法。
查看