为了对柴油机的经济性和排放参数进行高效、准确的预测,根据4190型船用柴油机实验数据与边界参数,建立AVL-BOOST甲醇/柴油混合燃料柴油机仿真模型;利用模型进行仿真实验,并建立甲醇掺混比、废气再循环(exhaust gas recirculation,EGR)...为了对柴油机的经济性和排放参数进行高效、准确的预测,根据4190型船用柴油机实验数据与边界参数,建立AVL-BOOST甲醇/柴油混合燃料柴油机仿真模型;利用模型进行仿真实验,并建立甲醇掺混比、废气再循环(exhaust gas recirculation,EGR)率、喷油提前角和进气压力4个控制参数对有效油耗率和NO x排放预测数据集;利用该数据集对5种不同核函数的高斯过程回归(Gaussian process regression,GPR)模型进行训练;最后将最优的平方指数高斯过程回归(squared exponential-Gaussian process regression,SE-GPR)模型、AVL-BOOST仿真数据和柴油机实验数据进行对比。结果表明:在数据量为180组时,SE-GPR模型对有效油耗率和NO x排放均取得拟合关联度99%以上,均方根误差(root mean square error,RMSE)分别为1.859,0.3445,平均绝对误差(mean absolute error,MAE)分别为0.954,0.2489;并且,相较于AVL-BOOST仿真实验,SE-GPR模型对实验数据具有更好的拟合性。展开更多
文摘为了对柴油机的经济性和排放参数进行高效、准确的预测,根据4190型船用柴油机实验数据与边界参数,建立AVL-BOOST甲醇/柴油混合燃料柴油机仿真模型;利用模型进行仿真实验,并建立甲醇掺混比、废气再循环(exhaust gas recirculation,EGR)率、喷油提前角和进气压力4个控制参数对有效油耗率和NO x排放预测数据集;利用该数据集对5种不同核函数的高斯过程回归(Gaussian process regression,GPR)模型进行训练;最后将最优的平方指数高斯过程回归(squared exponential-Gaussian process regression,SE-GPR)模型、AVL-BOOST仿真数据和柴油机实验数据进行对比。结果表明:在数据量为180组时,SE-GPR模型对有效油耗率和NO x排放均取得拟合关联度99%以上,均方根误差(root mean square error,RMSE)分别为1.859,0.3445,平均绝对误差(mean absolute error,MAE)分别为0.954,0.2489;并且,相较于AVL-BOOST仿真实验,SE-GPR模型对实验数据具有更好的拟合性。
