车用发动机

作者：钱枫，马骋，祝能，王明达，王继广，许小伟

单位：1.武汉科技大学汽车与交通工程学院，湖北武汉430081；2.中国环境科学研究院，北京100012；3.中国汽车技术研究中心，天津300300

关键词：神经网络；遗传算法；粒子群算法；氮氧化物；预测模型

为了降低重型车NOx排放速率监测控制中OBD设备异常采集数据和数据耦合问题的影响，基于BP神经网络建立了排放预测模型。为了提高预测模型的准确性，引入了遗传粒子群组合算法，并对其进行动态改进，同时利用PCA分析提取数据特征。结果表明：对比传统遗传算法和粒子群算法，动态改进的遗传粒子群组合算法在适应度函数上提升了5.75%和3.37%；与其他9种预测模型相比，动态改进后的遗传粒子群-BP网络在评价指标MASE、RMSE和R2上表现最优，MASE、RMSE分别为0.024和0.033 6，R2为0.951，预测结果与原始数据基本吻合，所建预测模型具有较高的预测准确性。

来源：2023年第5期

《车用发动机》期刊编辑部

查看车用发动机杂志2023年第5期