第2期（总第235期） 2018年4月
车用发动机 VEHICLE ENGINE
基于多因素神经网络模型的柴油机
NO排放预测及试验研究
No 2(Serial No 235 )
Apr2018
冀树德，高华伟“，邪旭宏，刘志刚，张伟，郝冀雁”，陈东峰，季全，梁玉明
(1.中国北方发动机研究所（天津），天津300400;2北方通用动力集团有限公司，山西大同037036）
摘要：以发动机转速、进气量、循环油量、发动机出水温度、中冷后进气温度、进气湿度、排气背压、柴油温度作为输入,NO，排放质量流量为输出，优化隐层节点和选代次数，并经过样本训练，构建了NO，排放预测模型。结合台架试验数据，验证了模型的泛化能力，其预测值与试验值间误差小于15%。在此基础上，利用模型进一步分析了试验因素的重要度和试验控制性。结果表明：发动机转速、循环油耗、中冷后进气温度、排气背压对柴油机 NO：排放的影响相对较高进气湿度控制范围过宽，对NO。排放测试结果影响高于其他固素，
关键词：柴油机；氮氧化物；神经网络模型；排放测量；预测 DOI: 10 3969 /j issn 1001-2222 2018 02 007
中图分类号：TK4215
文献标志码：B
文章编号：1001-2222(2018)02-0041-05
柴油机因压缩比和热效率较高被广泛应用，但尾气排放对环境的污染亦是不可忽视的问题。随者人们对环境间题的目益重视，柴油机排放法规越来越严格,其中NO，排放是重要的控制指标。然而，柴油机NO的生成机理十分复杂，影响因素众多，以试验方式开展排放特性分析和优化，试验一致性标准不是很理想。曾有研发机构以同一台标准发动机在不同试验台架上进行相同排放试验，但没有任何两个台架能得到令人满意的相近或一致结果
为了减少试验次数、降低试验成本，增加试验重复一致性，本研究以发动机转速、进气量、循环油量等作为输人参数，NO排放作为输出参数，构建果油机NO排放的预测模型，根据实际台架试验数据进行NO，排放预测，在此基础上分析试验因素对NO，排放控制的影响。
1NO排放分析模型设计 1.1神经网络模型
人工神经网络是由大量神经元相互连接形成的复杂网络系统，虽然每个神经元结构、功能简单，但多个神经元的组合使得网络系统具有非线性、高维性、并行性、分布性等特征。
根据不同神经网络的特征、特点，本研究采用BP 神经网络。BP神经网络由输人层、隐层、输出层组
收稿日期：2017-07-24；修回日期：2018-01-03
成，各层节点可根据需要自由选择，学习过程由信号正传播与误差反向传播两个过程组成。图1示出典型的BP神经网络，一旦网络的结构和节点转移函数确定，整个网络特性就取决于各节点连接权值和隐层节点阅值。柴油机NO，排放神经网络模型采用多输人、单输出的结构（见图1）,这是由NO，排放多影响因素的特征决定的
食 Q
聪含层
图1多输人单输出BP神经网络
作者简介：冀树德（1979—），男，研究员，硕士，主要研究方向为柴油机试验与测试研究：shudiane@126eom，