原文传递
基于神经网络的汽车排放模拟方法研究
| 论文题名： | 基于神经网络的汽车排放模拟方法研究 |
| 关键词： | 汽车;尾气排放;工况法;神经网络 |
| 摘要： | 随着汽车排放对环境的污染越来越严重，各国相继出台了一系列限车、限排措施，排放法规也越来越严苛，以达到控制汽车排放的目的。 轻型汽车尾气排放的测量方法主要以整车工况法测试为主，尾气取样以定容取样法(CVS)为主。但汽车排放的改进主要集中在内燃机上，而内燃机的测试和改进主要通过内燃机台架试验来进行。这样不可避免地造成对研发汽车的内燃机反复拆装的问题。在台架试验的过程中，试验工况点繁多，且每次整车和台架之间的改装费时费力。应用数学建模的方法精确计算内燃机排放虽然可行，但实际上影响内燃机排放的原因繁多，十分复杂，所以计算建模的难度很大。本文基于以上几种手段存在的问题提出基于少量试验，不用详细数学建模预测内燃机排放性能的方法，并且基于此种方法以及简单的物理计算推算出汽车工况法排放。本文主要工作为: 1.详细分析内燃机台架试验的过程和结果，根据测试的数据，应用GT-power软件，建立对应机型的GT-power模型。 2.在仔细研究和分析神经网络理论以及内燃机的排放理论的基础上，提出应用BP神经网络进行内燃机排放台架试验模拟的模型。并应用遗传变异方法增加BP神经网络的容错性和精确度。 3.研究轻型汽车在10-15工况法标准下测试循环中的汽车以及内燃机的受力情况，建立轻型汽车工况法下对应内燃机工况数学模型。 4.应用神经网络演算轻型汽车工况法下的排放。 5.在ADVISOR中对汽车建模，验证神经网络模型的正确性。 本文基于人工神经网络的泛化能力，通过建立基于遗传算法的以内燃机扭矩和转速为输入端，内燃机的排放、油耗数据为输出端的神经网络模型，计算出内燃机尾气排放的数值。本文应用生物遗传算法对传统的BP神经网络进行了优化，提升了人工神经网络的泛化能力。再将建立的网络应用于整车工况法排放中，演算了汽车在10-15工况法下排放的过程。综合本文研究，该方法为汽车排放的研究初期提出了一种新的手段，通过此种方法可以在一定程度上减少内燃机和汽车排放研究时间，具有一定的理论意义和工程应用价值。 |
| 作者： | 胡豪 |
| 专业： | 车辆工程 |
| 导师： | 周斌 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
