稀燃汽油机LNT神经网络模型的建立与应用
建立了关于稀燃汽油机LNT(lean-NOx trap)催化器的NOx排放量、比油耗和NOx转化效率的人工神经网络(ANN)预测模型。模型所需的训练及测试样本通过一台改制的 CA3GA2三缸12气门电控稀燃汽油机的台架试验获得。采用标准的误差反向传播(back propagation,BP)神经网络。网络经过训练,再由测试样本进行测试。测试结果表明,其绝对分数方差(absolute fraction of variance)R2均接近于1,且均方根误差(root mean squared error, RMSE)及平均相对误差(mean relative error,MRE)均在可接受范围内。以确定最佳稀燃时间为例,说明了利用神经网络的泛化能力可对稀燃汽油机进行优化和控制。
人工神经网络、稀燃汽油机、lean-NOxtrap、催化转化效率
TK411.5(内燃机)
国家高技术研究发展计划863计划资助项目2008AA06Z322;国家自然科学基金资助项目50276042,50776062,51276128
2015-04-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
234-239