外文翻譯--壓縮天然氣柴油雙燃料發(fā)動機(jī)的排放物rbf神經(jīng)網(wǎng)絡(luò)的研究

1、<p><b>　　附錄B 譯文</b></p><p>　　壓縮天然氣/柴油雙燃料發(fā)動機(jī)的排放物RBF神經(jīng)網(wǎng)絡(luò)的研究</p><p>　　Liuzhentao Feishaomei</p><p>　　摘要：為了解決嚴(yán)重的環(huán)境污染和能源資源的急劇下降，各國都已作出巨大努力。中國的燃料儲備和發(fā)動機(jī)技術(shù)的現(xiàn)狀表明，壓縮天然氣（CNG）

2、/柴油雙燃料發(fā)動機(jī)是解決上述問題的最佳方案之一。為了研究和提高天然氣/柴油發(fā)動機(jī)，均衡器發(fā)射模型是基于徑向基函數(shù)的排放性能（RBF）神經(jīng)網(wǎng)絡(luò)。這是一個黑盒子輸入輸出數(shù)據(jù)模型，不需要先驗條件。RBF的中心和連接可自動選擇，根據(jù)測試數(shù)據(jù)的分布和投入產(chǎn)出給定的空間以及近似誤差。研究表明，預(yù)測結(jié)果都符合了一個在低負(fù)荷運行條件下，大范圍，高負(fù)荷的實驗數(shù)據(jù)。發(fā)達(dá)國家的排放量模型的RBF神經(jīng)網(wǎng)絡(luò)可以用來成功地預(yù)測和優(yōu)化DFE排放量。同時，該均衡器的主

3、要性能參數(shù)，如轉(zhuǎn)速，負(fù)荷，試點數(shù)量和噴射時間，效果也符合模型的預(yù)測方法。在天然氣/柴油發(fā)動機(jī)排放預(yù)測模型基于RBF神經(jīng)網(wǎng)絡(luò)的分析中，主要分析了對二氧化碳的主要性能參數(shù)的影響和內(nèi)置的DFE-NO的排放量。預(yù)測結(jié)果比較符合傳統(tǒng)的排放模式，這表明該模型具有一定的應(yīng)用價值，但由于其對實驗樣本數(shù)據(jù)量高度依賴，因此還有一定的局限性。 </p><p>　　關(guān)鍵詞：雙燃料發(fā)動機(jī)，排放性能，RBF神經(jīng)網(wǎng)絡(luò)</p>

4、<p><b>　　引言</b></p><p>　　由于嚴(yán)重的環(huán)境污染和世界各地的能源危機(jī)，開發(fā)降低能源消耗的汽車成為主要的研究目標(biāo)。天然氣（CNG）發(fā)動機(jī)采用壓縮空氣為燃料，具有更高的效率和降低污染的突出優(yōu)勢。該天然氣/柴油均衡器專門為城市公交車也可明顯降低城市空氣污染，尤其是大城市。因此，對均衡器燃燒過程的研究，特別是排放性能，是非常重要和寶貴的，在一般情況下，燃燒過程和發(fā)動

5、機(jī)的機(jī)制所涉及的物理和化學(xué)合成的過程。由于其復(fù)雜性和即時性，沒有合適的解析函數(shù)來描述它的燃燒過程，特別是對均衡器。在這個新的排放模型徑向基函數(shù)中提出了天然氣/柴油均衡器。</p><p><b>　　RBF神經(jīng)網(wǎng)絡(luò)理論</b></p><p>　　RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)</p><p>　　特別是在神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)，已成為近年來受歡迎因為它

6、出色的識別和預(yù)測能力。徑向基函數(shù)的RBF神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，通常是一個非線性徑向?qū)ΨQ函數(shù)。高斯函數(shù)的徑向基函數(shù)的核心功能，擁有兩個向量參數(shù)x和C; X是自變量向量這個函數(shù)，C為核心徑向基函數(shù)。越野形成一個與C為中心，是橢圓的半徑橢圓函數(shù)?；赗BF神經(jīng)網(wǎng)絡(luò)的神經(jīng)元的功能是作為RBF神經(jīng)網(wǎng)絡(luò)調(diào)用。 RBF神經(jīng)網(wǎng)絡(luò)包括三個層次，第一層是輸入層，其元素CON組，形式的輸入?yún)?shù)的數(shù)量，第二層是隱層徑向基函數(shù)的許多神經(jīng)元組成;隱層節(jié)點的計

7、算歐幾里德之間的中心和網(wǎng)絡(luò)的輸入向量，然后距離的結(jié)果傳遞到徑向基函數(shù)，最后一層是輸出層組成的共同線性神經(jīng)元。 RBF神經(jīng)網(wǎng)絡(luò)的工作結(jié)構(gòu)如圖1所示。這種模式有R輸入和P輸出，與輸入和輸出之間的關(guān)系，這是模型如下：</p><p>　　基于RBF神經(jīng)網(wǎng)絡(luò)的工作原理</p><p>　　該網(wǎng)絡(luò)結(jié)構(gòu)見Fig.l;其中輸入向量X = [ab a2,..., aN],理想輸出系列Yj（j=1,2 ..

8、... P）,實際輸出系列Yj和重量在輸出層Wij值可以得到的RBF神經(jīng)網(wǎng)絡(luò)，具有輸入R和M隱藏節(jié)點和P輸出。選擇高斯函數(shù)，Φ（x）=exp（-λx2），λ= 3的徑向基函數(shù)，實際輸出系列Yj是由下列公式計算：</p><p>　　然后，Wii的權(quán)值調(diào)整，以滿足下面的公式，從其中的RBF神經(jīng)網(wǎng)絡(luò)可以得到最終結(jié)果。</p><p>　　基于RBF神經(jīng)網(wǎng)絡(luò)的排放模型開發(fā)</p>

9、<p><b>　　模式的發(fā)展</b></p><p>　　由于有限的試驗單位，該部分的甲烷數(shù)量無法獲得，因此該模型只包括二氧化碳，NOz排放。該模型的結(jié)構(gòu)圖1所示。在這個模型中的輸入輸出關(guān)系如下:</p><p>　　輸入層節(jié)點數(shù)被選擇作為與輸入?yún)?shù)相同的參數(shù)，R=4，輸出層節(jié)點的數(shù)目是作為與輸出參數(shù)相同的參數(shù)，P=2，E0被設(shè)置為0.15%。試驗數(shù)據(jù)是根

10、據(jù)測試得出的，測試發(fā)動機(jī)的規(guī)格在表1中已經(jīng)給出。有100組以上的數(shù)據(jù)是在輕載低轉(zhuǎn)速到高負(fù)載高轉(zhuǎn)速下得出的，這是為了試驗RBF神經(jīng)網(wǎng)絡(luò)，還有20組數(shù)據(jù)是在大范圍工況試驗下得出的，以驗證模型。通過使用實驗數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行試驗后，經(jīng)過約15000個周期，總結(jié)平方誤差可達(dá)0.15%。于圖2所示。而隱層節(jié)點數(shù)M還證實，其中隱層節(jié)點數(shù)為11。</p><p><b>　　模型的驗證</b></p&g

11、t;<p>　　該模型也驗證了一個雙燃料發(fā)動機(jī)的規(guī)格：DxS=108mmx125mm，額定功率/轉(zhuǎn)速= 112kW/2800轉(zhuǎn)/分。圖3顯示，模擬結(jié)果和一氧化碳的測試結(jié)果，第13個操作條件較好的排放量也分別表示，該模型也可以用于預(yù)測DFE的二氧化碳排放</p><p>　　基于模型的CO, NOx的排放預(yù)測</p><p>　　發(fā)展這一模型的目的是用它來預(yù)測均衡器的一氧化碳，

12、氮氧化物排放量。以下是由該模型對幾種主要操作參數(shù)對二氧化碳，氮氧化物的排放量變化的影響。</p><p><b>　　旋轉(zhuǎn)速度的影響</b></p><p>　　圖4中在特定情況下旋轉(zhuǎn)速度CO和NOx排放量的變化表明CO排放隨轉(zhuǎn)速增加。這種情況發(fā)生是因為與燃燒時間縮短，提高轉(zhuǎn)速情況下一氧化碳不能完全氧化。然而，氮氧化物排放量隨轉(zhuǎn)速減少。這是因為在早期減少熱量輸出和在汽

13、缸因增加旋轉(zhuǎn)速度減少。因此，時間和氮在它縮短，降低溫度，因此氮氧化物排放量減少。</p><p><b>　　CNG數(shù)量的影響</b></p><p>　　在特定工況下，CNG數(shù)量對CO和NOx排放影響如圖5所示。天然氣的數(shù)量的影響同該引擎負(fù)荷有相同的效果，所以這里的發(fā)動機(jī)負(fù)荷是用來顯示天然氣的數(shù)量所引起的效果。增加天然氣數(shù)量增加了熱輸出和汽缸的最高溫度。因此，它在燃

14、燒過程中充分完成，因此二氧化碳排放量減少和氮氧化物排放量增加。</p><p><b>　　試點的影響</b></p><p>　　在輕載狀態(tài)下，試點數(shù)量對CO和NOx排放影響的效果如圖6?？梢钥闯?，氮氧化物排放量的變化并不明顯，甚至增加試點的數(shù)量也是如此。</p><p>　　但二氧化碳排放量減少，因為在輕載狀態(tài)下氣缸中的天然氣數(shù)量變小，因此

15、，即使是試點數(shù)量，早期熱輸出和在氣缸內(nèi)的最高溫度的升高，氮氧化物排放量的變化也不大，但由于氮氧化物由于激烈的氧化使CO的排放量減少。</p><p>　　在重載狀態(tài)下，試點數(shù)量對CO和NOx排放影響的效果如圖7?？梢钥闯?，CO排放量相對于輕載狀態(tài)下要少，NOx的排放量要相對于輕載狀態(tài)下要高得多。隨著試點數(shù)量的增加和氣缸內(nèi)天然氣的增加，二氧化碳排放量減少，氮氧化物排放量由于點火能量和總熱量的增加而增加。</p

16、><p><b>　　噴油定時的影響</b></p><p>　　在輕載荷狀態(tài)下噴油定時對二氧化碳，氮氧化物排放量的影響如圖8所示，表明與噴油定時的增加，二氧化碳排放量和氮氧化物排放量不同時增加或重新下降。這意味著在輕載狀態(tài)下有最佳噴射時間以使二氧化碳，氮氧化物排放量最少。在圖9可以看到在重載情況下有同樣的結(jié)果。模擬的結(jié)果表明（圖8和圖9）16 ° CA是在這個

17、均衡器的最佳注射時間。</p><p><b>　　結(jié)論</b></p><p>　　在天然氣/柴油雙燃料發(fā)動機(jī)排放預(yù)測模型RBF神經(jīng)網(wǎng)絡(luò)工作的基礎(chǔ)上，建立以供分析的一氧化碳，氮氧化物排放的DFE主要參數(shù)的影響。模型模擬傳統(tǒng)的排放量相一致的結(jié)果表明，該模型具有一定的應(yīng)用價值。</p><p>　　該模型的驗證也證明，模擬結(jié)果與試驗數(shù)據(jù)吻合。因此