基于人工神经网络的汽油机性能预测

基于人工神经网络的汽油机性能预测

内燃机中使用的汽油和柴油很容易从自然界中获取，并且方便储存和运输。石油作为发动机的主要燃料已有一个多世纪了。近年来，严格的废气（CO、HC、积碳、PM、NOx、SOx）排放法规使世界各地的研究人员不断地研究减少排放的措施。

人工神经网络（ANN）来源于对人类大脑的模拟，其能够学习用例和解决非线性问题，常常用于解决建立数学模型很困难或者根本无法建模的问题。人工神经元的非线性特性使得人工神经网络能解决自然界的许多问题。

本研究采用人工神经网络建模，预测汽油机的比油耗、有效功率和发动机的排气温度。为了获取用于训练和测试上述人工神经网络的数据，采用4缸、4冲程汽油机，使其工作在不同的发动机转速和扭矩下。使用一些训练试验数据，开发了基于标准反向传播算法的发动机人工神经网络模型。然后，通过预测结果和试验结果的对比，测试了人工神经网络的预测性能。将发动机转速、发动机扭矩、燃料流率、进气歧管的平均温度和冷却水入口温度作为输入层，而输出层则分别是比油耗、有效功率和排气温度。采用Matlab程序优化了由输出层获得的参数方程组。结果显示，用于训练和测试的数据的R2（绝对方差）值约为0.99，RMS（均方根）值小于0.02，MEP（平均误差百分比）小于2.7%。研究表明，作为一种可替代经典建模技术的方法，人工神经网络能用于精确地预测内燃机性能、温度和其它参数。

刊名：Fuel（英）

刊期：2013年第111卷

作者：Yusuf Cay

编译：张振伟