【作者】

王煜华; 王贵勇; 姚国仲; 杨璐; 李进龙; 何述超

【单位】

昆明理工大学;

【摘要】

为降低柴油机排放，提高柴油机标定效率，精确预测柴油机性能，提出改进的粒子群（PSO）优化算法和RBF神经网络结合的柴油机性能预测模型。通过空间填充试验设计并结合柴油机实际运行工况在台架采集训练数据，建立RBF神经网络预测模型，利用改进的PSO算法优化模型以提高预测精度，构建柴油机比油耗（BSFC）、NOx、HC、CO预测模型，对模型性能进行评估并与优化前的模型进行比较。结果表明：在有限的实验数据下，PSO-RBF可以在训练过程中找到全局解，具有很好的预测精度和泛化能力。预测模型收敛速度快仅1.312s, NOx、CO、HC、比油耗(BSFC)、拟合程度分别为0.9820、0.9952、0.9910、0.9870。MRE分别3.02%、2.78%、1.39%、2.01%。能够满足电控高压共轨柴油机燃油消耗率和排放性能建模的要求，为高压共轨柴油机基于模型标定提供一种可行方法。

【关键词】

柴油机;柴油机模型;性能预测;RBF神经网络;PSO

【论文集名称】

智能动力

【会议名称】

交通能源与智能动力大会

【会议时间】

2022-11-24至2022-11-29

【会议地点】

上海

【下载次数】

3

返回