基于人工神經網絡虛擬傳感器技術的車輛性能及排放優化
2014-02-03 11:55:06
汽車文摘 2014年2期
基于人工神經網絡虛擬傳感器技術的車輛性能及排放優化
采用人工神經網絡虛擬傳感器技術優化氫氣發動機的工作過程參數，以改善發動機的排放特性。通常人工神經網絡可分為3層，分別為輸入層、輸出層和隱含層。輸入層每個節點對應預測變量；輸出層的節點對應目標變量；隱含層的層數和節點數決定神經網絡的復雜程度。人工神經網絡虛擬傳感器工作過程中需要一系列參數作為邊界條件，如發動機工作過程參數（節氣門位置、過量空氣系數和點火提前角等）和排放變量參數（CO、CO2等）。圖1為虛擬傳感器模型結構圖。虛擬傳感器模型分為2類：虛擬傳感器排放模型和虛擬傳感器發動機模型。這2個模型的準確度顯著影響虛擬傳感器模型的準確性。
虛擬傳感器模型建立后再建控制模型。控制模型采用迭代法則，通過把虛擬傳感器模型植入控制模型中，優化發動機工作過程參數來控制發動機的排放。除排放特性的優化外，進一步的工作就是駕駛性能的分析，通過數據可以觀察出車輛的動力性能輸出有輕微的變化，這會直接影響車輛的穩定性。車輛性能和排放特性的平衡問題有待進一步研究。
網址：http://www.elsevier. com/locate/he
作者：Wai Kean Yap et al
編譯：張自雷
猜你喜歡
童話王國·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38
房地產導刊(2022年5期)2022-06-01 06:20:14
建材發展導向(2021年12期)2021-07-22 08:06:48
建材發展導向(2021年7期)2021-07-16 07:07:52
中學生數理化(高中版.高二數學)(2021年12期)2021-04-26 07:43:48
中學生數理化·七年級數學人教版(2020年10期)2020-11-26 08:24:50
數學物理學報(2020年2期)2020-06-02 11:29:24
民用飛機設計與研究(2019年2期)2019-08-05 01:33:40
光學精密工程(2016年6期)2016-11-07 09:07:19
汽車與新動力(2015年1期)2015-02-27 12:11:01
