基于BP神经网络的内燃机排放性能建模与应用研究

摘要

随着内燃机应用领域的不断扩大、内燃机数量的急剧增加(以汽车保有量剧增为代表)以及对大气污染控制的日益严格,内燃机排放及控制问题的研究成为一个热点.该文针对内燃机排放研究手段存在的问题——试验研究所需设备复杂、昂贵;数学建模研究影响因素多而复杂,且无明确的规则可遵循(因内燃机燃烧及排放形成机理尚未完全探明),提出利用神经网络理论建立基于普通试验设备、少量排放试验数据、不用复杂的数学建模与计算即可预测内燃机稳态排放性能、汽车工况法排放以及进气成分对排放的控制作用模型的设想,并进行了实施.

目录

文摘

英文文摘

西南交通大学学位论文版权使用授权书

西南交通大学学位论文创新性声明

第1章绪论

1.1内燃机排放性能研究进展

1.1.1内燃机排放性能研究的目的和方法

1.1.2内燃机排放性能预测模型进展

1.2人工神经网络建模研究进展

1.2.1人工神经网络的特点及应用

1.2.2人工神经网络建模原理及进展

1.3研究课题的提出

1.4论文的内容及章节安排

本章小结

第2章BP神经网络与内燃机排放性能建模

2.1 BP网络的结构及数学描述

2.2 BP网络的非线性映射能力

2.3 BP网络的泛化能力

2.4 BP网络存在的问题及改进

2.5神经网络建模的局限性

2.6 BP网络内燃机系统建模进展

本章小结

第3章内燃机排放性能试验

3.1 6135ZG柴油机排放性能试验

3.1.1测试系统

3.1.2试验方案及试验结果

3.2富士柴油机进气成分对排放的影响试验

3.2.1测试系统

3.2.2试验方案及试验结果

本章小结

第4章 内燃机稳态排放特性的神经网络预测

4.1内燃机稳态排放的特点

4.2模型结构的确定

4.2.1输入、输出层神经元数的确定

4.2.2隐层数目的确定

4.2.3隐层神经元数的确定

4.3学习样本的确定及获取

4.3.1神经网络学习样本的选择原则

4.3.2内燃机稳态排放性能模型学习样本的确定

4.3.3新正交设计法的效果

4.4网络的训练

4.4.1训练次数的确定

4.4.2初始权值的选择

4.4.3样本的归一化

4.5模型的确认

4.5.1模型输出与学习样本的对比

4.5.2泛化能力验证

4.6内燃机排放特性预测

4.7十三工况循环排放预测

4.7.1十三工况循环排放预测原理

4.7.2十三工况循环排放指标计算

4.7.3十三工况循环排放预测与对比

4.8结论

本章小结

第5章汽车工况法排放的神经网络预测

5.1概述

5.2我国轻型汽车排放测试规范简介

5.3汽车工况与发动机工况的关系

5.3.1计算公式

5.3.2汽车行驶模式建模

5.3.3 ECE-15循环对应的发动机工况

5.4基于BP神经网络的汽车工况法排放模型

5.4.1内燃机过渡过程排放的特点

5.4.2模型输入、输出变量的确定

5.4.3学习样本的确定

5.4.4内燃机变工况排放模型

5.5 BP神经网络模型在ECE-15循环排放预测中的应用

5.5.1 ECE-15第1循环各成分排放浓度的时间分布

5.5.2 ECE-15第2～4循环各成分排放浓度的时间分布

5.6结论

本章小结

第6章神经网络模型在排放控制研究中的应用

6.1基于BP神经网络的进气成分影响建模

6.1.1模型结构的确定

6.1.2学习样本的确定

6.1.3模型的确认

6.2进气成分对排放的控制作用预测

6.2.1 O2+CO2的排放控制效果预测

6.2.2 O2+Ar的排放控制效果预测

6.3结论

本章小结

结论及展望

致谢

参考文献

攻读博士学位期间发表的论文及参加的科研项目