【作者】

王明正; 黄粉莲

【单位】

昆明理工大学

【摘要】

低碳环保的发展理念与日益严苛的排放法规对柴油机节能减排提出了更高的要求，由于在采集双燃料发动机排放物的实际工作过程中，传统的人工标定方法需要耗费大量的时间与经济成本。运用神经网络模型预测发动机排放浓度为解决这一繁琐工作提供了新的思路，而为了解决BP神经网络模型在预测中出现的收敛速度慢和容易陷入局部最优等问题，提出采用遗传算法全局搜索最优的特性来优化BP神经网络模型（GA-BP模型），使模型具有更好的适应性和收敛性。以甲醇/柴油双燃料发动机排放数据作为样本，选取负荷率、替代率、EGR率、预喷角度和主喷角度5个影响因素作为输入向量，以污染物NOx排放浓度作为输出向量，建立GA-BP预测模型。采用GA-BP模型和BP模型对测试样本进行仿真预测，把预测结果与实际值进行对比，并分析误差情况。结果表明：GA-BP模型有效地提高了BP模型的网络性能、收敛速度以及预测精度，在双燃料发动机排放预测中具有一定的应用前景。

【关键词】

BP神经网络;遗传算法;双燃料发动机;排放预测

【论文集名称】

高原内燃机分会（第二分会场）

【会议名称】

2023 内燃机“高效、低碳、清洁燃烧”学术年会

【会议时间】

2023-8-3至2023-8-6

【会议地点】

哈尔滨

【下载次数】

5

返回