| 基于双隐含层GA-BP神经网络的重型柴油车排放预测 |
| |
| 引用本文： | 王志红,秦可,尹冬冬,卢梦成.基于双隐含层GA-BP神经网络的重型柴油车排放预测[J].合肥工业大学学报(自然科学版),2019,42(6). |
| |
| 作者姓名： | 王志红 秦可 尹冬冬 卢梦成 |
| |
| 作者单位： | 武汉理工大学 现代汽车零部件技术湖北省重点实验室 ,湖北 武汉 430070;武汉理工大学 汽车零部件技术湖北省协同创新中心 ,湖北 武汉 430070;武汉理工大学 现代汽车零部件技术湖北省重点实验室 ,湖北 武汉 430070;武汉理工大学 汽车零部件技术湖北省协同创新中心 ,湖北 武汉 430070;武汉理工大学 现代汽车零部件技术湖北省重点实验室 ,湖北 武汉 430070;武汉理工大学 汽车零部件技术湖北省协同创新中心 ,湖北 武汉 430070;武汉理工大学 现代汽车零部件技术湖北省重点实验室 ,湖北 武汉 430070;武汉理工大学 汽车零部件技术湖北省协同创新中心 ,湖北 武汉 430070 |
| |
| 摘 要： | 为了建立一种能够预测柴油车道路排放特性的模型,文章采用便携式车载(汽车尾气)排放测量系统(portable emission measurement system, PEMS),对某重型柴油车进行道路污染物排放特性测试;利用测得的试验数据,在双隐含层反向传播(back propagation,BP)神经网络的基础上,引入Levenberg-Marquardt(LM)优化算法,用遗传算法(genetic algorithm,GA)优化网络的权值与阈值;以车辆比功率(vehicle specific power,VSP)为输入,搭建CO、NO_x排放预测模型,并用试验数据对模型进行训练、验证。结果表明,CO、NO_x的预测结果与样本数据之间的皮尔逊相关系数分别为0.855 3、0.851 2,线性高度相关;在整体误差水平上,CO、NO_x排放因子的相对误差分别为2.61%、6.71%。该方法对车辆CO、NO_x的瞬时排放和整体排放特性的预测准确性较好,具有一定的理论意义和工程应用价值。
|
| 关 键 词： | 车载排放测量系统(PEMS) 双隐含层 遗传算法-反向传播(GA-BP)神经网络 LM算法 排放预测 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
