适用发动机性能预测的先进机器学习方法

作者：万涛鸣; 陈桂薪; 何冠璋; 梁建国; 雷柏钧; 黄豪中^*

来源：广西大学学报(自然科学版), 2023, 48(03): 594-604.

DOI：10.13624/j.cnki.issn.1001-7445.2023.0594

• 反馈神经网络
• 支持向量机
• 高斯处理
• 柴油-天然气双燃料发动机

为了提高六缸重型柴油-天然气双燃料发动机的性能、减少污染物排放，使用反馈神经网络、支持向量机和高斯处理3种先进的机器学习方法来建立以发动机的转速、扭矩、柴油预喷提前角、柴油预喷比例和天然气替代率作为输入，以NOx、CO2和比油耗作为输出的预测模型，对比3种机器学习模型的预测结果。结果表明：高斯处理(Gaussian processing, GP)模型的预测精度最高，其输出变量的总体决定系数分别为0.960 1、0.991 9和0.993 5,相比于反馈神经网络(feedback neural network, FNN)和支持向量机(support vector machine, SVM),NOx预测精度分别提高3.7%和2.6%,CO2排放预测精度提高约3%,比油耗(brake specific fuel consumption, BSFC)预测精度分别约提高4%和8%;GP模型预测NOx、CO2和BSFC的总体均方相对误差均小于0.13,总体平均绝对百分比误差均小于0.1%。

• 单位
  广西玉柴机器股份有限公司; 广西大学