伦智梅,张振京,宋业栋,谢熙,顾昕岑
(1.内燃机可靠性国家重点实验室,山东 潍坊261061;2.潍柴动力股份有限公司,山东 潍坊 261061)
国六排放标准的发布对柴油发动机NOx排放有了更高的限制要求。因此,研究如何准确估计发动机NOx排放值并识别其关键影响因素,对掌握发动机燃烧过程的复杂影响机理、有效采取优化设计是至关重要的。文献[1]基于柴油机台架的重复性试验,分析各参数变化趋势及NOx排放量的相关性;文献[2]探讨了发动机ETC测试时NOx比排放的预测方法,以减少SCR系统标定试验的工作量;文献[3]基于三输入参数的RBF神经网络模型实现了NOx排放预测,为控制柴油机NOx质量流量的排放水平提供了一定的参考。
计算柴油发动机原机NOx质量流量值的传统方法是通过查询标定好的MAP图,获取到某一工况对应的NOx质量流量排放值,该方法具有标定MAP过程相对复杂、计算精度低的局限性,且当发动机工况运行状态发生变化时需重新标定MAP,可能导致台架试验的标定工作量增加;此外,用于标定MAP的参数之间可能存在强耦合的关系。因此,该方法不能准确地表征发动机NOx排放的实际水平,可能无法达到国六排放标准对NOx排放限值的检测要求。神经网络预测方法可以不断学习训练样本特征,具有良好的数据容错性、鲁棒性和泛化能力,目前已广泛应用于各类非线性回归问题[4-5]。本文构建多输入单输出的神经网络回归模型,通过大量试验样本数据特征进行权值训练,从而建立多参数输入的非线性回归映射关系,以实现对NOx质量流量值的精确预测;……