基于BP神经网络的船用柴油机NO_x排放特性预测

论文摘要

随着世界航运业的迅速发展,大量船舶投入运营,但因船用柴油机排出的有害气体造成的空气污染也越来越严重。针对这一情况,国际海事组织制订了相关公约来限制这些有害气体的排放。因此掌握其排放特性从而有效控制其排放具有非常重要的意义。本文将人工神经网络理论引入到船用柴油机NOx的排放特性预测研究上,利用MATLAB软件建立BP神经网络模型对NOx的排放特性进行预测、分析。BP神经网络模型依据的是普通试验设备、少量试验数据,与发动机的数学模型无关。这种研究方法所需试验规模较小,可减少试验成本,是一种快速、准确、有效的方法。主要工作有：第一,本文论述了针对船用柴油机排放特性研究的方法以及国内外研究现状。详细讲述了BP神经网络建模的有关基础知识。第二,进行学习样本选取试验方案设计,用均匀设计法选取具有代表性的样本工况点。通过W6L20C型柴油机进行相关数据的测试,利用碳／氧平衡法计算出各工况点下NOx的质量流量,得出建模所需的训练与测试用样本。通过网络误差与性能的比较确认BP神经网络模型的隐层神经元数、网络训练次数、学习率等相关结构与训练参数。利用MATLAB软件编程对网络进行训练并进行泛化能力分析,最终确定船用柴油机NOx排放特性预测模型。第三,利用建立好的BP神经网络模型对W6L20C船用柴油机NOx的排放特性进行预测、分析。该模型预测精度较高,其仿真输出数据与样本的输出数据吻合良好。对训练样本仿真输出的相对误差在0.4%以内；对测试样本的仿真输出的相对误差在5%以内,能有效预测船用柴油机NOx的排放特性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及意义
• 1.2 国内外研究现状
• 1.3 本文研究的内容和方法
• 1.3.1 研究内容
• 1.3.2 研究方法
• 1.4 本章小结
• 第2章 理论基础
• 2.1 人工神经网络（ANN）基础知识
• 2.1.1 人工神经网络简介
• 2.1.2 生物神经元模型
• 2.1.3 人工神经网络模型
• 2.1.4 人工神经网络建模原理
• 2.2 BP误差反传神经网络
• 2.2.1 BP网络的基本结构和数学描述
• 2.2.2 BP算法的基本思想
• 2.2.3 BP的学习算法
• 2.2.4 BP网络的主要能力
• 2.2.5 BP算法的缺点与改进
• 2.3 MATLAB神经网络工具箱介绍
• 2.3.1 MATLAB语言简介
• 2.3.2 神经网络工具箱
• 2.4 本章小结
• x排放特性试验'>第3章 船用柴油机NO_x排放特性试验
• 3.1 测试系统
• 3.2 训练样本集的设计原则
• x排放特性对样本的要求'>3.3 船用柴油机NO_x排放特性对样本的要求
• 3.4 均匀设计法原理
• 3.5 船用柴油机试验运行工况范围的确定
• 3.6 变边界均匀试验设计
• 3.7 试验工况点的确定
• 3.8 碳/氧平衡法
• 3.9 试验工况和测试结果
• 3.10 本章小结
• x排放特性预测与分析'>第4章 船用柴油机NO_x排放特性预测与分析
• 4.1 模型结构的确定
• 4.1.1 输入、输出层神经元数的确定
• 4.1.2 隐层数目的确定
• 4.1.3 隐层神经元数的确定
• 4.1.4 训练与测试用样本归一化
• 4.1.5 初始权值的选择
• 4.1.6 训练次数的确定
• 4.1.7 学习率的确定
• 4.1.8 BP神经网络结构的确定
• 4.1.9 BP神经网络的训练
• 4.1.10 泛化能力分析
• x排放特性预测与分析'>4.2 NO_x排放特性预测与分析
• 4.3 本章小结
• 第5章 结论及展望
• 参考文献
• 致谢