?

混合燃料輕型車用柴油機響應的人工神經(jīng)網(wǎng)絡模型

汽車廢氣排放對環(huán)境和健康的影響已經(jīng)引起公眾的廣泛關(guān)注，因此世界各國實施了更加嚴格的排放法規(guī)。人工神經(jīng)網(wǎng)絡（ANN）已經(jīng)逐步被應用于汽車行業(yè)，其作為一種預測工具可以快速預測發(fā)動機各種參數(shù)，是目前被視為一種有前途的工具，其能夠準確快速地預測柴油機控制參數(shù)和輸出響應之間復雜的相互關(guān)系。本研究的主要目的是開發(fā)一個神經(jīng)網(wǎng)絡模型，該模型能夠預測燃用不同類型生物柴油混合燃料輕型柴油機的輸入和輸出之間關(guān)系。所研究發(fā)動機的4個主要控制參數(shù)有發(fā)動機轉(zhuǎn)速、輸出扭矩、燃油量和燃料類型，9個預定義的發(fā)動機輸出參數(shù)有CO2、CO、HC、N、NO、最大壓力Pmax、最大壓力時的曲柄角度、最大熱釋放速率、最大熱釋放速率時的曲柄角度和累積熱釋放速率。

ANN模擬了發(fā)動機控制變量和用最小輸入?yún)?shù)表示的發(fā)動機響應之間的復雜關(guān)系。利用均方誤差和相關(guān)系數(shù)評價標準對優(yōu)化方法和ANN的性能進行了評價。結(jié)果表明，所設計的ANN能夠高精確度地預測9個發(fā)動機響應中的7個。ANN是一種具有高經(jīng)濟效益、低仿真運行時間的模型工具。當ANN模型應用在發(fā)動機的測試階段時，試驗的數(shù)量明顯減少。模型一旦被建立，不同輸入或操作條件下的燃燒和排放特性就可以通過該模型進行預測分析。該方法同樣適用于其它具有不同輸入-輸出關(guān)系的燃燒系統(tǒng)，這在發(fā)動機的設計和開發(fā)周期內(nèi)可大大減少時間和成本。

刊名：Applied Energy（英）

刊期：2012年第92期

作者：Harun Mohamed Ismail et al

編譯：王維