基于机器学习的柴油机纳米级微粒预测模型

摘要

cqvip:预测柴油机燃烧产生的纳米级微粒是减少空气污染的有效方法之一,为车辆颗粒物(particulate matter,PM)的排放监管与控制提供支持,协助标定工程师制定严格的排放法规。采用气缸压力传感器测量柴油机在不同行驶工况下的气缸压力,利用主成分分析(principal component analysis,PCA)方法提取前4、7、10主成分作为神经网络的训练输入,粒径为7~990 nm的颗粒物浓度作为模型的输出,分析不同工况下气缸压力主成分贡献率对纳米颗粒的预测效果。结果表明:利用较少的主成分即可代表不同工况下的缸压燃烧特性;当主成分贡献率达到91.57%时,粒径为7~990 nm的颗粒物浓度试验数据与模型预测的平均绝对误差为90.74 cm^3,均方根误差为1.612×10^4 cm^3,回归系数R^2达到0.95,预测精度较高。因此,利用气缸压力预测柴油机PM的排放是一种可行方案。