期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习的正庚烷燃料两阶段着火延迟时间预测
1
作者
刘昌文
李中淼
+3 位作者
李卫
吕顺
潘家营
王磊
《天津大学学报(自然科学与工程技术版)》
EI
CAS
CSCD
北大核心
2023年第5期443-451,共9页
燃料着火延迟时间对燃烧过程和发动机性能至关重要.传统上对燃料着火时刻的试验测量和模拟计算代价昂贵,基于人工智能的神经网络技术有望解决这一难题.针对正庚烷两阶段着火延迟时间,本文采用深度机器学习算法进行特征提取和训练,利用...
燃料着火延迟时间对燃烧过程和发动机性能至关重要.传统上对燃料着火时刻的试验测量和模拟计算代价昂贵,基于人工智能的神经网络技术有望解决这一难题.针对正庚烷两阶段着火延迟时间,本文采用深度机器学习算法进行特征提取和训练,利用遗传算法(GA)优化神经网络结构,结合粒子群优化(particle swarm optimization,PSO)算法训练优化模型,实现了宽工况范围内(温度600~1200 K,压力1~5MPa,当量比0.3~3.0)正庚烷着火延迟时间的准确预测.研究结果表明:与一般神经网络模型相比,基于GA优化后的模型可以大幅提高相关系数,降低平均绝对误差;同时,PSO优化后的GA模型可将相关系数提升到0.9999,进一步减小平均绝对误差和均方误差.所提出的预测模型表现出很高的准确性和稳定性.该研究对于发动机湍流燃烧高效数值模拟具有重要参考价值.
展开更多
关键词
深度机器学习
两阶段着火延迟时间
遗传算法
粒子群优化算法
正庚烷
在线阅读
下载PDF
职称材料
题名
基于机器学习的正庚烷燃料两阶段着火延迟时间预测
1
作者
刘昌文
李中淼
李卫
吕顺
潘家营
王磊
机构
天津大学机械工程学院
潍柴动力股份有限公司
出处
《天津大学学报(自然科学与工程技术版)》
EI
CAS
CSCD
北大核心
2023年第5期443-451,共9页
基金
国家自然科学基金资助项目(52076149,51825603).
文摘
燃料着火延迟时间对燃烧过程和发动机性能至关重要.传统上对燃料着火时刻的试验测量和模拟计算代价昂贵,基于人工智能的神经网络技术有望解决这一难题.针对正庚烷两阶段着火延迟时间,本文采用深度机器学习算法进行特征提取和训练,利用遗传算法(GA)优化神经网络结构,结合粒子群优化(particle swarm optimization,PSO)算法训练优化模型,实现了宽工况范围内(温度600~1200 K,压力1~5MPa,当量比0.3~3.0)正庚烷着火延迟时间的准确预测.研究结果表明:与一般神经网络模型相比,基于GA优化后的模型可以大幅提高相关系数,降低平均绝对误差;同时,PSO优化后的GA模型可将相关系数提升到0.9999,进一步减小平均绝对误差和均方误差.所提出的预测模型表现出很高的准确性和稳定性.该研究对于发动机湍流燃烧高效数值模拟具有重要参考价值.
关键词
深度机器学习
两阶段着火延迟时间
遗传算法
粒子群优化算法
正庚烷
Keywords
deep machine learning
two-stage ignition delay time
genetic algorithm
particle swarm optimization(PSO)algorithm
n-heptane
分类号
TK448.21 [动力工程及工程热物理—动力机械及工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的正庚烷燃料两阶段着火延迟时间预测
刘昌文
李中淼
李卫
吕顺
潘家营
王磊
《天津大学学报(自然科学与工程技术版)》
EI
CAS
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部