基于人工神經網絡的汽油機性能預測

基于人工神經網絡的汽油機性能預測

內燃機中使用的汽油和柴油很容易從自然界中獲取，并且方便儲存和運輸。石油作為發動機的主要燃料已有一個多世紀了。近年來，嚴格的廢氣（CO、HC、積碳、PM、NOx、SOx）排放法規使世界各地的研究人員不斷地研究減少排放的措施。

人工神經網絡（ANN）來源于對人類大腦的模擬，其能夠學習用例和解決非線性問題，常常用于解決建立數學模型很困難或者根本無法建模的問題。人工神經元的非線性特性使得人工神經網絡能解決自然界的許多問題。

本研究采用人工神經網絡建模，預測汽油機的比油耗、有效功率和發動機的排氣溫度。為了獲取用于訓練和測試上述人工神經網絡的數據，采用4缸、4沖程汽油機，使其工作在不同的發動機轉速和扭矩下。使用一些訓練試驗數據，開發了基于標準反向傳播算法的發動機人工神經網絡模型。然后，通過預測結果和試驗結果的對比，測試了人工神經網絡的預測性能。將發動機轉速、發動機扭矩、燃料流率、進氣歧管的平均溫度和冷卻水入口溫度作為輸入層，而輸出層則分別是比油耗、有效功率和排氣溫度。采用Matlab程序優化了由輸出層獲得的參數方程組。結果顯示，用于訓練和測試的數據的R2（絕對方差）值約為0.99，RMS（均方根）值小于0.02，MEP（平均誤差百分比）小于2.7%。研究表明，作為一種可替代經典建模技術的方法，人工神經網絡能用于精確地預測內燃機性能、溫度和其它參數。

刊名：Fuel（英）

刊期：2013年第111卷

作者：Yusuf Cay

編譯：張振偉