汽车尾气在自组织特征映射下的排放水平评估方法

摘要：

针对汽车尾气的非线性数据聚类问题,提出一种在自组织特征映射(Self-Organizing Map,SOM)下的聚类方法来评估汽车的排放水平.根据汽车在城区真实环境中的行驶速度设置SOM神经网络中的神经元个数,通过神经元之间拓扑相关的学习方式,自动形成具有数据原始属性的有序映射,实现不同排放水平的尾气数据聚类.为避免网络训练过程中出现训练死区的现象,竞争学习采用弹性邻域半径代替固定邻域半径,自适应地缩放学习区域.以某轻型车的THC和CO2排放数据为对象的数值试验结果表明,采用弹性邻域半径的SOM神经网络的聚类准确性优于采用固定邻域半径的SOM神经网络,能有效评估汽车尾气排放水平.

关键词：汽车尾气、自组织特征映射(SOM)、竞争学习、聚类分析

所属期刊栏目：3

分类号：U467.5+21(汽车工程)

资助基金：车辆排放与节能重庆市市级重点实验室资助项目34.8-9.1

在线出版日期：2013-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：354-360