科研之友
微信
新浪微博
Facebook
分享链接
摘要
柴油机具有更高的燃油热效率,但过高的氮氧化物(NOx)排放限制了其发展,准确预测柴油车在实际道路上工作的排放状态,有助于柴油机的开发和设计。瞬态NOx排放序列具有非线性、非平稳性和非正态分布的特点,直接使用机器学习算法进行预测变得困难。为准确预测柴油机瞬时NOx排放,本研究将自适应噪声完备集合经验模态分解(CEEMDAN)应用到柴油NOx瞬态排放模型中,结合支持向量回归机(SVR)对复杂时间序列的高效建模能力,提出一种柴油机NOx瞬态预测模型CEEMDAN-SVR。运用CEEMDAN对NOx排放序列进行分解,获取不同采样频率下的子序列,对各个子序列使用SVR建模预测,然后通过集成各个子序列的预测值获得最终的预测结果。结果表明:CEEMDAN算法能有效降低NOx序列的非平稳性,通过SVR机器学习模型更容易提取出数据局部特征信息,具有更低的预测误差。
- 单位
