GA-ACO算法优化BP神经网络的重型车排放预测

作者：闻增佳; 谭建伟^*; 王怀宇; 余浩; 常虹; 孙文强

来源：重庆理工大学学报：自然科学, 2022, 36(12): 202-209.

• 重型车
• 实际行驶排放试验
• 排放预测
• GA-ACO-BP

为了减少实际行驶排放试验(real driving emission, RDE)受到驾驶行为、车型等干扰的情况，降低试验耗时和测试成本，基于BP神经网络建立了重型车的排放预测模型，引入遗传算法(genetic algorithm, GA)和蚁群算法(ant colony optimization, ACO)进行优化。使用便携式排放测试系统(portable emissions measurement system, PEMS)对某重型车进行RDE试验，并将试验数据划分为训练集、测试集、验证集，通过B型关联度算法提取数据主要成分用于训练与预测。结果表明：瞬时排放水平上，NOx预测结果与样本数据的皮尔逊相关系数为0.968 6,线性高度相关；整体误差水平上，NOx排放因子的最大相对误差为2.36%。该模型对重型车的瞬时排放和整体排放特性预测准确性较好，对辅助RDE试验具有参考意义。

• 单位
  中国汽车工程研究院股份有限公司; 潍柴动力股份有限公司; 北京理工大学