基于神经网络的汽车排放模拟方法研究-车辆工程专业论文.docx

西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：本文主要工作内容为：1．详细分析内燃机台架试验的过程和结果，根据测试的数据，应用GT-power软件，建立对应机型的GT-power模型。2．在仔细研究和分析神经网络理论以及内燃机的排放理论的基础上，提出应用BP神经网络进行内燃机排放台架试验模拟的模型。并应用遗传变异方法增加BP神经网络的容错性和精确度。3．研究轻型汽车在10．15工况法标准测试循环中，汽车以及内燃机受力情况，建立轻型汽车工况法下对应内燃机工况数学模型。4．应用神经网络演算轻型汽车工况法下的排放。5．在ADVISOR中对汽车建模，验证神经网络模型的正确性。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担靴做储獬：唯日期：矽J1．．J万方数据西南交通大学硕士研究生学位论文第1页摘要随着汽车排放对环境的污染越来越严重，各国相继出台了一系列限车、限排措施，排放法规也越来越严苛，以达到控制汽车排放的目的。轻型汽车尾气排放的测量方法主要以整车工况法测试为主，尾气取样以定容取样法(CVS)为主。但汽车排放的改进主要集中在内燃机上，而内燃机的测试和改进主要通过内燃机台架试验来进行。这样不可避免地造成对研发汽车的内燃机反复拆装的问题。在台架试验的过程中，试验工况点繁多，且每次整车和台架之间的改装费时费力。应用数学建模的方法精确计算内燃机排放虽然可行，但实际上影响内燃机排放的原因繁多，十分复杂，所以计算建模的难度很大。本文基于以上几种手段存在的问题提出基于少量试验，不用详细数学建模预测内燃机排放性能的方法，并且基于此种方法以及简单的物理计算推算出汽车工况法排放。本文主要工作为：1．详细分析内燃机台架试验的过程和结果，根据测试的数据，应用GT-power软件，建立对应机型的GT-power模型。2．在仔细研究和分析神经网络理论以及内燃机的排放理论的基础上，提出应用BP神经网络进行内燃机排放台架试验模拟的模型。并应用遗传变异方法增加BP神经网络的容错性和精确度。3．研究轻型汽车在lO．15工况法标准下测试循环中的汽车以及内燃机的受力情况，建立轻型汽车工况法下对应内燃机工况数学模型。4．应用神经网络演算轻型汽车工况法下的排放。5．在ADVISOR中对汽车建模，验证神经网络模型的正确性。本文基于人工神经网络的泛化能力，通过建立基于遗传算法的以内燃机扭矩和转速为输入端，内燃机的排放、油耗数据为输出端的神经网络模型，计算出内燃机尾气排放的数值。本文应用生物遗传算法对传统的BP神经网络进行了优化，提升了人工神经网络的泛化能力。再将建立的网络应用于整车工况法排放中，演算了汽车在10-15工况法下排放的过程。综合本文研究，该方法为汽车排放的研究初期提出了一种新的手段，通过此种方法可以在一定程度上减少内燃机和汽车排放研究时间，具有一定的理论意义和工程应用价值。关键词汽车；工况法；排放；神经网络万方数据西南交通大学硕士研究生学位论文第1I页ABSTRACTRecently，somecountrieshaveintroducedpoliciesontrafficcontrolandcarbonemissionduetothedeteriorationoftheenvironmentcausedbyautomobileemissionandthestandardofemissionlimitationisrisinggradually．Inordertocontroltheautomobileemission,theruleself-adjustingprocessisadoptedthemainmeasuringmethodwhileCVSplaysasubsidiaryrole．Buttheimprovememonautomobileemissionisprimarilyfocusedontheinternalcombustionenginewhilethetestingandenhancementarenormallyachievedthroughtheenginetest—bedexperiment．Thismayunavoidablycausethetroubleofdismountingrepeatedly．Intheprocessofenginetest—bedexperiment,therewoddbeamultitudeofexperimentaloperatingpo缸．Thu