【作者】

阳若淼; 严宇超; 刘震涛

【单位】

浙江大学

【摘要】

随着经济的快速发展，我国汽车数量急剧增加，城市车辆排放迅速增加，导致尾气污染问题日益突出。氮氧化物（NOx）是主要排放物之一，可以形成酸雨和光化学烟雾，对环境造成严重污染。因此，构建用于NOx预测的机器学习（ML）模型具有一定的意义，可以加快发动机优化和减排工作。然而，不同的机器学习算法适用于不同的情况和指标，因为发动机指标之间的内在关系并不相同。此外，NOx存在两种单位，即g/kw·h和ppm。本研究旨在比较不同机器学习模型在预测两种单位的NOx时的性能。建立了经校准的单缸汽油发动机模型，为机器学习算法提供了足够的训练、验证和测试数据集，以学习发动机的内在规律。结果表明，人工神经网络（ANN）和支持向量回归（SVR）在预测NOx方面具有良好的准确性和优异的性能。尽管随机森林（RF）的预测结果存在较大误差，但总体准确性可接受。总的来说，在本研究调查的工况条件下，SVR和ANN方法适用于以转速、点火提前角和进气压力为输入参数的NOx预测。

【关键词】

汽油机;机器学习;氮氧化物;g/kw•h;ppm；

【论文集名称】

数字孪生与智能制造技术

【会议名称】

设计智能制造2023学术年会

【会议时间】

2023-10-20至2023-10-23

【会议地点】

湖北十堰

【下载次数】

6

返回