基于神经网络的天然气双燃料发动机性能预测

基于柴油/天然气双燃料发动机测试台架试验数据,以发动机扭矩、转速、喷油时刻、喷油压力和天然气替代率、过量空气系数为模型输入参数,以发动机燃油消耗率和CO、NO_(x)、总烃(THC)排放体积分数和碳烟排放量为模型输出,构建了基于逆向传播(BP)神经网络和遗传算法(GA)优化的GA-BP神经网络的预测模型,并将预测结果与试验值进行对比验证。研究结果表明:GA-BP神经网络模型相比BP神经网络模型具有更好的预测性能;GA-BP神经网络模型对5个输出参数预测的平均绝对百分比误差M_(APE)均小于6%,并且决定系数R^(2)均大于0.97,模型具有较高的预测精度和泛化能力。