神经网络在大功率船用柴油机NOx排放预测中应用

通过计算研究,考察了BP神经网络在大功率船用柴油机NOx排放预测上应用的可行性,选用适当的NOx排放模型。将发动机不同工况下的缸内最高爆压pmax,最高燃烧温度Tmax和纯度R作为神经网络的输入数据,并且使用试验数据对神经网络进行了检验,结果表明,BP神经网络可以有效和准确地对大功率船用柴油机NOx的排放进行预测。     

基于GMDH网络的船用增压柴油机性能预测及仿真

采用数据分组处理（Group Method of Data Handing,GMDH）的神经网络分类方法,建立4190ZLC船用四冲程增压柴油机性能预测的数学模型.针对船用中速柴油机运行状况,考虑到其影响运行状态的因素,结合实验数据进行4190ZLC船用柴油机性能的预测及仿真分析.该模型解决了神经网络结构较大,计算耗时较长的问题.将该模型与BP（Back-Propagation,BP）前馈神经网络仿真结果进行比较,结果表明其仿真效果好于BP神经网络模型,并且该神经网络能较好地满足柴油机性能预测仿真的需求     

4190船用增压四冲程柴油机进排气系统建模

基于MATLAB/Simulink仿真平台,构建4190型船用增压四冲程柴油机的非线性仿真模型,进行进、排气系统的仿真计算.以4190 ZLC-2型船舶中速柴油机为例,并将仿真结果与实验结果进行对比,验证了柴油机仿真模型的正确性.利用该仿真模型进一步研究进、排气系统对4190ZLC-2型柴油机功率、扭矩、燃油消耗率、充气效率等参数的影响.结果表明:柴油机进气总管直径偏移+20mm与排气歧管直径为65mm时,4190型柴油机经济性和排放性达到最优,为190系列船用中速柴油机性能优化设计提供了依据.     

RBF网络在柴油机故障诊断领域中的应用与实现

阐述了神经网络的模型、算法和分类,主要分析径向基传递函数、径向基函数分布常数以及高斯函数的宽度系数,探讨MATLAB环境下采用径向基函数网络实现对柴油机故障诊断的方法,并与BP网络性能进行比较,表明RBF网络学习速度快,适于在线实时监测与诊断。     

船用柴油机NOx排放的试验研究

在保证柴油机的经济性前提下,寻找降低柴油机ＮＯｘ排放率的途径,根据ＬＭＯ《船用柴油发动机氮氧化物释放控制技术规则》推荐的试验程序,对一台４１３５Ｇ柴油机在发电机工况下进行改变喷油正时和压缩比的试验研究,结果表明：在喷油正时延后４＾ｏ和压缩比提高５．５％时,可使柴油机在发电机工况下的ＮＯｘ平均排放率减少１７．７％,柴油机的油耗率稍有降低,但烟度则稍有增加。     

有效降低船用柴油NOx排放技术

本文简要介绍了现阶段国外柴油机降低NOx排放的最新技术及其应用情况,重点阐述了HAM和SCR两种技术的原理、特点以及有待改进的方面,并对满足未来超低排放法规的船用柴油机NOx排放控制技术进行了展望.     

船用柴油机有害排放控制技术

阐述了船用柴油机有害排放的危害以及国内外排放法规的走向,重点介绍国内外船用柴油机ＮＯｘ排放的控制技术。     

喷油提前角对船用柴油机NOx排放特性的影响

为更方便地研究船用柴油机喷油提前角对NOx排放特性的影响,利用软件模拟方式代替实验,建立柴油机数学模型,模拟计算了6210ZLD-5型柴油机喷油提前角的改变对柴油机NOx排放、功率和燃油消耗率的影响.结果表明,减小喷油提前角可以降低NOx排放,但同时也造成柴油机功率的降低和燃油消耗率的增加.该研究对柴油机喷油参数的优化具有一定的参考价值.     

船用低速柴油机排放控制与对策

从柴油机排放物生成机理出发，为满足IMO的控制要求，探讨了柴油机运行管理中控制排放的实用控制技术。     

基于神经网络的柴油机NOx排放预测模型研究

传统的基于MAP图查表方式得到柴油机NOx排放的方法需要做大量标定实验,本文采用BP神经网络构建柴油机NOx排放预测模型．论文选取进气压力、进气温度、排气温度和发动机转速这4个量作为预测模型的输入量．考虑到柴油机NOx生成与其工作参数之间有时间迟滞,模型的输入量包含当前值和历史值．对输入数据做了归一化处理．在模型后处理模块对输出数据做反归一化处理．所提出的模型具有较高的预测精度．     

基于径向基函数神经网络的海南省社会经济数据分析

本文提出了基于径向基函数神经网络的预测方法,综合分析了近年来海南省经济数据的特点,考虑了决策变量之间的耦合和不确定关系,并解释了变量构建决策因子矩阵,同时将预测函数作为目标矩阵,使用神经网络方法训练权重,仿真结果证明:分析可行有效,可对经济走向做出合理的预测.     

矿井瓦斯涌出量的径向基函数网络预测模型

为进一步研究瓦斯涌出量与影响因素之间的映射关系,建立了径向基函数网络预测模型,并基于瓦斯涌出量与影响因素关系的实际收集数据,对其本构关系进行了函数逼近,通过网络所建立的映射关系对矿井瓦斯涌出量进行了预测。实例分析表明,利用RBF网络预测矿井瓦斯涌出量,拟舍精度较高,与BP网络相比较,具有较高的预测效率和精度。     

基于径向基函数网络的能源消费量预测模型

采用径向基函数(RBF)神经网络方法进行能源消费量预测,建立了基于RBF神经网络的能源消费量预测模型。以我国1978~1997年的实际数据作为学习样本,对网络进行训练,拟合效果良好;以1998~2002年的实际数据检验网络,预测精度较高。并通过实例与BP网络进行比较,表明RBF网络预测模型优于BP网络预测模型。     

基于径向基函数神经网络的功率器件集总参数热模型

功率器件易发生热击穿故障,为准确估计其运行温度,需建立器件的热分析模型。然而,当多个功率器件排布距离较近时,器件间的热耦合作用会导致模型中的热参数难以获取。为此,引入导热时间常数τ和温升变化率k两个热参数,建立了功率器件集总参数热模型;并提出通过径向基函数神经网络,对参数τ和k进行估计,克服模型热参数难以获取的问题。以单相全桥电路为对象,通过温升实验,对所提功率器件热模型的有效性进行了验证。     

应用Elman神经网络的混沌时间序列预测

利用改进的 Elman神经网络对 3个典型的混沌时间序列在不同的噪声水平下进行预测 ,探讨了神经网络学习与泛化之间的关系 ,通过试凑法给出了 Elman最优的隐节点个数。并利用3种指标对预测结果进行了评估 ,结果显示 Elman网络对混沌时间序列预测的良好特性     

一种基于蚁群聚类的径向基神经网络

提出了一种基于蚁群聚类算法的径向基神经网络．利用蚁群算法的并行寻优特征和挥发系数方法的自适应更改信息量的能力，并以球面聚类的方式确定了径向基神经网络中基函数的位置，同时通过比较隐层神经元的相似性、合并相似性较为接近的2个神经元来约简隐含层的神经元，以达到简化径向基神经网络结构的目的．实验比较了几种不同聚类算法的径向基神经网络，结果表明，所提神经网络的整体训练时间至少可缩短40％，学习的准确率可提高1%以上，而且网络结构更加精简．