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

1、學位論文獨創(chuàng)性聲明學位論文獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進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均已在論文中作了明確的說明并表示謝意。學位論文作者簽名(手寫)：關(guān)奴簽字同期：伽陟年多月／同學位論文版權(quán)使用授權(quán)書本學位論文作者完全了

2、解南昌大學有關(guān)保留、使用學位論文的規(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)直昌盔堂可以將學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存、匯編本學位論文。同時授權(quán)中國科學技術(shù)信息研究所和中國學術(shù)期刊(光盤版)電子雜志社將本學位論文收錄到《中國學位論文全文數(shù)據(jù)庫》和《中國優(yōu)秀博碩士學位論文全文數(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、的學位論文在解密后適用本授權(quán)書)學位論文作者簽名(手寫)吳敘簽字同期：認m年彩月／同導師簽名(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)排放預測模型將對NOx瞬態(tài)排放試驗研究有很好的指導作用。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)，建立并驗證預測模型，進行NOx瞬態(tài)排放預測。

4、尋求最優(yōu)方法并利用有限個試驗數(shù)據(jù)樣本進行有效的預測是建立預測模型的主要工作。隨著人工智能的廣泛應用，機器學習廣泛應用于預測研究。機器學習中較為成熟的理論為統(tǒng)計學習理論。支持向量機(SupportVectorMachine，SVM)是統(tǒng)計學習理論(StatisticalLearningTheory，SLT)中最實用的應用，是借助最優(yōu)化方法解決機器學習問題的新工具。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)建立回歸模型進行預測。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)分別進行優(yōu)化，然后對模型預測效果進行比較，選取最佳預測模型。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)排放預測并且模型輸入?yún)?shù)多為控制參數(shù)，有利于對模型進行深入研究。最后利用得到的最佳模型，適當改變輸入中有關(guān)供油和進氣的參數(shù)，對NOx排放進行預測，最終得到降低NOx瞬態(tài)排放的最優(yōu)標定。關(guān)鍵詞：柴油機；瞬