为实现柴油机排放预测,利用试验设计(design of experiment,DoE)试验获取满足柴油机工作范围的稳态试验数据,利用反向传播(back propagation,BP)神经网络搭建柴油机气缸模型,使用GT-Power软件搭建柴油机的进排气系统模型,将两者耦合搭...为实现柴油机排放预测,利用试验设计(design of experiment,DoE)试验获取满足柴油机工作范围的稳态试验数据,利用反向传播(back propagation,BP)神经网络搭建柴油机气缸模型,使用GT-Power软件搭建柴油机的进排气系统模型,将两者耦合搭建柴油机整机模型,并通过试验验证模型在稳态及瞬态工况下的预测精度。结果表明:稳态工况下模型的NO_(x)排放预测相对误差为4.1%,瞬态循环工况下模型的NO_(x)排放预测相对误差为1.2%;该模型可以较准确地预测柴油机的排放。展开更多
文摘针对选择性催化还原(selective catalytic reduction,SCR)脱硝系统反应过程复杂,在工况变化时存在非线性、大惯性和强干扰性的特点,难以建立准确的出口NO_x排放浓度模型。利用核偏最小二乘法具有解决变量众多且存在严重相关的非线性工业过程建模的优点,首先引入正交信号校正(orthogonal signal correction,OSC)对相空间重构后的样本进行预处理,剔除与建模无关的信息;然后利用组合核偏最小二乘法(combination kernel partial least squares,CKPLS)具有较好的学习能力和泛化能力的特点,提出OSC-CKPLS方法提高模型性能;最后采用滑动窗口更新,并反馈补偿修正模型。对2个标准数据集进行仿真,分别验证CKPLS、OSC和OSC-CKPLS能够提高模型性能;并对SCR脱硝系统现场数据验证了本文方法的有效性。
文摘为实现柴油机排放预测,利用试验设计(design of experiment,DoE)试验获取满足柴油机工作范围的稳态试验数据,利用反向传播(back propagation,BP)神经网络搭建柴油机气缸模型,使用GT-Power软件搭建柴油机的进排气系统模型,将两者耦合搭建柴油机整机模型,并通过试验验证模型在稳态及瞬态工况下的预测精度。结果表明:稳态工况下模型的NO_(x)排放预测相对误差为4.1%,瞬态循环工况下模型的NO_(x)排放预测相对误差为1.2%;该模型可以较准确地预测柴油机的排放。