典型文献
基于机器学习的柴油机碳烟颗粒质量排放预测模型
文献摘要：
基于SC7H涡轮增压柴油机试验台架,开展了非道路瞬态试验循环下的柴油机排放试验,研究了瞬态循环的工况对碳烟颗粒质量浓度的影响.收集与碳烟颗粒质量浓度相关的各类传感器数据,构建一个大型的柴油机碳烟排放数据集.构建LGB梯度树模型和循环神经网络模型,采用数据集对它们进行训练,然后采用自学习算法对两种模型进行融合,获得一个更高准确度的预测碳烟质量排放融合模型.预测与实测结果的比较表明,构建的融合模型能较为准确地预测柴油机排放的即DPF入口的碳烟质量浓度实时变化,为柴油机后处理过程中碳载量的准确计算以及控制策略的开发提供参考.
文献关键词：
柴油机;非道路瞬态试验循环;机器学习;碳烟质量
中图分类号：
作者姓名：
陈文凯;庄健;凌建群;乔信起
作者机构：
上海交通大学动力机械及工程教育部重点实验室,上海200240;上海柴油机股份有限公司,上海200090
文献出处：
引用格式：
[1]陈文凯;庄健;凌建群;乔信起-.基于机器学习的柴油机碳烟颗粒质量排放预测模型)[J].汽车工程学报,2022(02):213-220
A类：
SC7H,非道路瞬态试验循环,碳烟质量
B类：
基于机器学习,碳烟颗粒,质量排放,排放预测,涡轮增压柴油机,试验台架,瞬态循环,颗粒质量浓度,类传,传感器数据,碳烟排放,排放数据,LGB,树模型,循环神经网络模型,自学习算法,高准确度,融合模型,实测结果,DPF,实时变化,中碳,碳载量
AB值：
0.252427
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
