基于支持向量機的柴油機NOx瞬態(tài)排放預(yù)測及優(yōu)化研究.pdf

1、學(xué)位論文獨創(chuàng)性聲明學(xué)位論文獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得直昌太堂或其他教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名(手寫)：關(guān)奴簽字同期：伽陟年多月／同學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了

2、解南昌大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)直昌盔堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。同時授權(quán)中國科學(xué)技術(shù)信息研究所和中國學(xué)術(shù)期刊(光盤版)電子雜志社將本學(xué)位論文收錄到《中國學(xué)位論文全文數(shù)據(jù)庫》和《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫》中全文發(fā)表，并通過網(wǎng)絡(luò)向社會公眾提供信息服務(wù)。(保密

3、的學(xué)位論文在解密后適用本授權(quán)書)學(xué)位論文作者簽名(手寫)吳敘簽字同期：認(rèn)m年彩月／同導(dǎo)師簽名(手寫)：簽字同期：砂／湃∥月／同摘要摘要隨著環(huán)保意識的加強，汽車排放法規(guī)愈加嚴(yán)格，發(fā)動機瞬態(tài)排放研究亦成為發(fā)動機排放研究的重點。建立NOx瞬態(tài)排放預(yù)測模型將對NOx瞬態(tài)排放試驗研究有很好的指導(dǎo)作用。然而發(fā)動機瞬態(tài)工況下NOx排放規(guī)律尚沒有明確的理論。本文應(yīng)用支持向量機技術(shù)，利用試驗測得的瞬態(tài)排放數(shù)據(jù)，建立并驗證預(yù)測模型，進(jìn)行NOx瞬態(tài)排放預(yù)測。

4、尋求最優(yōu)方法并利用有限個試驗數(shù)據(jù)樣本進(jìn)行有效的預(yù)測是建立預(yù)測模型的主要工作。隨著人工智能的廣泛應(yīng)用，機器學(xué)習(xí)廣泛應(yīng)用于預(yù)測研究。機器學(xué)習(xí)中較為成熟的理論為統(tǒng)計學(xué)習(xí)理論。支持向量機(SupportVectorMachine，SVM)是統(tǒng)計學(xué)習(xí)理論(StatisticalLearningTheory，SLT)中最實用的應(yīng)用，是借助最優(yōu)化方法解決機器學(xué)習(xí)問題的新工具。支持向量機主要用于分類問題和回歸問題。本文主要是通過試驗測得的發(fā)動機瞬態(tài)排放

5、數(shù)據(jù)，選定合適的核函數(shù)建立回歸模型進(jìn)行預(yù)測。建模采用網(wǎng)格搜索法、遺傳算法、粒子群算法對模型主要參數(shù)分別進(jìn)行優(yōu)化，然后對模型預(yù)測效果進(jìn)行比較，選取最佳預(yù)測模型。瞬態(tài)工況時的NOx排放誤差都較小，沒有超過3％，可以滿足試驗要求，用于NOx瞬態(tài)排放預(yù)測并且模型輸入?yún)?shù)多為控制參數(shù)，有利于對模型進(jìn)行深入研究。最后利用得到的最佳模型，適當(dāng)改變輸入中有關(guān)供油和進(jìn)氣的參數(shù)，對NOx排放進(jìn)行預(yù)測，最終得到降低NOx瞬態(tài)排放的最優(yōu)標(biāo)定。關(guān)鍵詞：柴油機；瞬