【作者】

沈千乔; 王贵勇

【单位】

昆明理工大学; 昆明理工大学交通工程学院

【摘要】

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。

【关键词】

柴油机；NOx预测；索博尔空间填充；梯度提升决策树；海鸥优化算法

【论文集名称】

智能动力

【会议名称】

2023交通能源与智能动力大会

【会议时间】

2023-11-10至2023-11-12

【会议地点】

天津

【下载次数】

4

返回