稀燃汽油机LNT神经网络模型的建立与应用

摘要

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.