【作者】

马飞; 李耀鹏; 赵修贤; 贾明; 肖钢

【单位】

大连理工大学; 广西玉柴机器股份有限公司

【摘要】

为了指导低碳节能发动机开发，进一步缩短开发周期，建立高精度的发动机模型实现对全循环准确模拟至关重要。基于韦伯方程的发动机一维仿真具有耗时较短和参数匹配的天然优势，但模型的参数校准及参数标识问题尚未解决。为此，作者提出了一种基于混合神经网络的发动机模型参数标定方法，采用卷积神经网络和门控循环单元搭建了一种混合神经网络，标识了发动机运行参数和一维模型参数的映射关系。为了验证该方法的准确性，对比该方法与三维仿真计算的结果，可以发现两者在缸压、放热率和氮氧化物排放的趋势上有较高的一致性，从而表明了基于神经网络的全循环模拟的准确性和合理性。

【关键词】

混合神经网络;韦伯方程;柴油机全循环模拟;参数标识

【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】

7

返回