车用发动机

作者：喻洋，王艳艳，李加强，刘学渊，何超，魏恒，吉江林

单位：1.西南林业大学机械与交通学院，云南昆明650224；2.云南省高校高原山区机动车环保与安全重点实验室，云南昆明650224

关键词：柴油车；氮氧化物；瞬时排放；支持向量回归；自适应噪声；经验模态分解

柴油机具有更高的燃油热效率，但过高的氮氧化物（NOx）排放限制了其发展，准确预测柴油车在实际道路上工作的排放状态，有助于柴油机的开发和设计。瞬态NOx排放序列具有非线性、非平稳性和非正态分布的特点，直接使用机器学习算法进行预测变得困难。为准确预测柴油机瞬时NOx排放，本研究将自适应噪声完备集合经验模态分解（CEEMDAN）应用到柴油NOx瞬态排放模型中，结合支持向量回归机（SVR）对复杂时间序列的高效建模能力，提出一种柴油机NOx瞬态预测模型CEEMDAN-SVR。运用CEEMDAN对NOx排放序列进行分解，获取不同采样频率下的子序列，对各个子序列使用SVR建模预测，然后通过集成各个子序列的预测值获得最终的预测结果。结果表明：CEEMDAN算法能有效降低NOx序列的非平稳性，通过SVR机器学习模型更容易提取出数据局部特征信息，具有更低的预测误差。

来源：2021年第2期

《车用发动机》期刊编辑部

查看车用发动机杂志2021年第2期