基于机器学习的柴油机性能预测

作者：王威; 吴春玲; 韩松; 许博雅

来源：汽车实用技术, 2022, 47(19): 123-129.

DOI：10.16638/j.cnki.1671-7988.2022.019.023

• 柴油机性能
• 有效燃油消耗率
• NOx
• 机器学习
• 预测模型
• 反向传播神经网络
• 遗传算法-反向传播神经网络

随着愈发严峻的能源形势和日趋严格的排放法规，柴油机的经济和排放性能研究已成为近年来国内外的重要课题。目前柴油机性能研究主要基于各种试验和仿真方法，但各种新技术的开发应用不断提高柴油机系统的非线性复杂程度，试验和仿真方法越来越难以满足研究需求，同时研究成本也大幅攀升。因此，基于实际台架试验数据，利用机器学习方法对柴油机的有效燃油消耗率和NOx排放进行预测研究，对支持向量回归、决策树、随机森林及反向传播神经网络算法进行测试，确定合适的算法参数，建立了四种不同的预测模型，并通过对比筛选出预测效果较好的反向传播神经网络模型，利用遗传算法对其进一步改进得到遗传算法-反向传播神经网络模型。预测结果表明，遗传算法-反向传播神经网络模型对柴油机有效燃油消耗率和NOx的预测误差分别为1.78%,1.86%，较反向传播神经网络模型预测效果提升了15%左右，具有较好的预测精度和泛化能力。