基于人工神經(jīng)網(wǎng)絡(luò)模型對(duì)帶EGR的CRDI柴油機(jī)性能與排放的預(yù)測(cè)

?

基于人工神經(jīng)網(wǎng)絡(luò)模型對(duì)帶EGR的CRDI柴油機(jī)性能與排放的預(yù)測(cè)

與傳統(tǒng)柴油機(jī)相比，CRDI（高壓共軌柴油直噴）柴油機(jī)使得燃油消耗率和煙塵排放顯著降低，但NOx生成的傾向增加。因此，對(duì)于CRDI柴油機(jī)，需要在煙塵排放和燃油消耗率與NOx排放之間做出一種權(quán)衡方案。EGR（廢氣再循環(huán)）已經(jīng)被證明為在控制NOx方面是一種性價(jià)比很高的方案。由于與NOx后處理系統(tǒng)的運(yùn)行和開(kāi)發(fā)相比，EGR操作簡(jiǎn)單且效率高而被廣泛采用。基于AI（人工智能）平臺(tái)的人工神經(jīng)網(wǎng)絡(luò)模型因其固有的優(yōu)勢(shì)而在內(nèi)燃機(jī)控制模式方面成為穩(wěn)定的系統(tǒng)識(shí)別和映射工具。

研究了基于人工神經(jīng)網(wǎng)絡(luò)模型的不同EGR策略下CRDI柴油機(jī)性能和排放。人工神經(jīng)網(wǎng)絡(luò)模型采用了1個(gè)有4個(gè)隱藏神經(jīng)元的輸入層、2個(gè)每層有10個(gè)隱藏神經(jīng)元的隱藏層，1個(gè)有5個(gè)隱藏神經(jīng)元的輸出層。在誤差和性能指標(biāo)統(tǒng)計(jì)平臺(tái)上，對(duì)所提出的人工神經(jīng)元模型進(jìn)行了分析比較。從誤差分析來(lái)看，人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的數(shù)據(jù)與試驗(yàn)數(shù)據(jù)相比總體精度高，相關(guān)系數(shù)的值為0.987～0.999，平均絕對(duì)百分誤差在1.1%～4.57%范圍內(nèi)，RMSE（均方根誤差）很低。

已開(kāi)發(fā)的人工神經(jīng)網(wǎng)絡(luò)模型有助于將其本身建立為一個(gè)有效的預(yù)測(cè)工具，可用來(lái)模擬發(fā)動(dòng)機(jī)運(yùn)行所需的輸出。

利用該人工神經(jīng)網(wǎng)絡(luò)模型對(duì)帶EGR的CRDI柴油機(jī)在不同模式下運(yùn)行的參數(shù)進(jìn)行模擬，從而為該發(fā)動(dòng)機(jī)運(yùn)行時(shí)所用到的虛擬傳感器實(shí)時(shí)優(yōu)化策略提供一個(gè)全面穩(wěn)定的預(yù)測(cè)平臺(tái)。

刊名：Applied Energy（英）

刊期：2014年第119期

作者：Sumit Roy et al

編譯：王欣欣