柴油机氮氧化物排放预测研究

摘要：

采用误差反向传播(Error Back Propagation,BP)神经网络预测柴油机氮氧化物(NOx)排放浓度,选取柴油机转速和捧气温度作为网络输入量,将试验数据分为训练数据和测试数据,得到预测模型最佳网络结构为8-17-1。对BP网络预测模型进行试验,预测绝对误差为7.9”％”,优于绝对误差为27.0”％”的回归分析预测模型。考虑选择性催化还原(SelectiveCatalytic Reduction,SCR)催化器对还原剂的存贮能力,该模型预测误差可降低到3”％”以下。将BP神经网络预测模型应用于嵌入式系统中,采用ATmega128单片机,运算时间为25ms,能够满足SCR还原剂喷射实时控制要求。

关键词： 柴油机 BP神经网络 选择性催化还原 排放浓度 氮氧化物 预测模型

作者: 邓成林 杨福源 资新运 欧阳明高

作者单位: 清华大学 汽车安全与节能国家重点实验室,北京 100084 军事交通学院 汽车工程系,天津 300161 清华大学 汽车安全与节能国家重点实验室,北京 100084 军事交通学院 汽车工程系,天津 300161

会议类型: 国内会议

会议名称: 2009年APC联合学术年会

会议地点: 北京

会议语种:中文

页码: 241-245

在线出版日期: 2009-10-01（万方平台首次上网日期，不代表论文的发表时间）