基于在线学习的柴油机起动过程NOx排放预测模型
杜征宇1
李华杰2
郭志坤3
梁永森3
石磊1
1.上海交通大学动力机械及工程教育部重点试验室,上海 2002402.中国人民解放军92118部队,浙江舟山 3160003.中国北方发动机研究所,天津 300400
摘要：为了构建准确的柴油机起动过程NOx排放预测模型,分析起动过程瞬态运行特点,基于非线性自回归神经网络,结合起动试验数据选取模型特征,对比自注意力机制模型与标准反向传播神经网络模型NOx排放预测效果,发现自注意力机制模型预测效果良好,且均方根误差较小;对比自注意力机制模型在在线梯度下降算法和FTRL算法2种在线学习的预测效果,发现采用FTRL算法可以使模型在未知工况下获得更好的预测性能;对比自注意力机制模型学习前、后的预测效果,发现学习后的模型均方根误差增大,但预测结果能力良好;对比在线学习模型与全数据训练集离线学习模型预测效果,发现两者的决定系数与均方根误差相差不大,预测效果都较好,但在线学习所用数据量和训练时间分别减少了 68.7％和73.6％,大幅降低了存储和训练成本.采用FTRL算法的自注意力机制模型可减少数据存储和训练资源成本,并实时反馈预测需求.
关键词：柴油机起动过程NOx预测自注意力机制在线学习
分类号：TK421(内燃机)
资助基金：基础产品创新计划(2023027)
论文发表日期：2024-10-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 8-16 )
英文信息