[发明专利]柴油机排放性能的BP神经网络预测模型优化方法

说明书

本发明涉及生物柴油技术领域，具体地说，涉及一种柴油机排放性能的BP神经网络预测模型优化方法，其包括：一、建立BP神经网络预测模型；二、通过遗传算法来优化权值和阈值，包括：(1)种群初始化；(2)适应度函数计算；(3)选择操作；(4)交叉操作；(5)变异操作；(6)计算适应度函数。本发明准确性高，稳定性好，泛化能力强，通过优化所获得的BP神经网络预测模型能够对柴油机燃用生物柴油时产生的NOx和颗粒物排放进行准确的预测。

技术领域

本发明涉及生物柴油技术领域，具体地说，涉及一种柴油机燃用生物柴油排放性能的BP神经网络预测模型优化方法。

背景技术

柴油机因热效率高、油耗低、可靠性高、寿命长等优点，已被广泛应用于交通运输、船舶、工程机械、发电机组等领域。柴油机作为一种动力输出装置，化石能源是其动力来源，因此化石能源的消耗量随着柴油机的广泛应用而日益增加，除此之外，化石能源在燃烧过程中还会释放大量对大气环境和人体健康有害的物质，对能源安全和环境保护都带来了严峻的挑战。

生物柴油是一种清洁的可再生碳中性能源，因其理化性质与石化柴油相似度高，所以是替代石化柴油的最优选择。同时大力推广生物柴油在柴油机上的应用将是内燃机领域实现“碳达峰、碳中和”目标的有力手段之一。生物柴油是以各种天然的植物油、动物油、食品工业的废油及工程微藻等为原料，通过与醇类发生酯交换反应制备，它是由多种脂肪酸甲酯或乙酯(fatty acid esters，FAE)组合而成的混合物。脂肪酸甲酯或乙酯分子式可简写为R1–COO–R2，其中，R1代表烃基，R2代表甲基或乙基(简称醇链)。R1的碳链长度、双键数量和位置以及R2的类型与燃料的粘度、十六烷值、热值和密度等理化性质密切相关。因此，因组分改变而引起的生物柴油基本理化性质的变化必将影响柴油机的混合气形成以及燃烧过程，进而影响排放。所以，国内外学者就柴油机燃用生物柴油的排放性能这一课题已经开展了大量的基础研究工作。在柴油机的研究过程中，随着科技的不断发展，基于计算机软件建立数值仿真模型(多数的模型是基于物理、化学的热力学模型及统计学方法)的方法已逐渐应用于柴油机燃烧与排放性能研究中，虽然数值仿真模型相较于之前的传统实验方法具有一定的优势，但是在涉及较为复杂的工程问题时，基于计算机软件建立的传统数值仿真模型仍具有局限性。近年来，随着机器学习在工程领域的不断应用，使其应用于内燃机领域进行性能响应预测成为了可能。机器学习是人工智能的核心，它是一种重要的知识发现方法，能够通过对已知数据样本进行训练提取出蕴藏在数据内部的抽象映射关系，从而对未知数据进行准确预测。目前，国内外学者已针对机器学习在柴油机性能预测方面开展了大量的研究工作，为机器学习在柴油机性能预测领域的应用和发展提供了可行的途径。生物柴油作为柴油机的优质替代燃料,可在全生命周期内实现净零温室气体排放，已成为实现柴油机领域碳达峰、碳中和目标的有力手段之一。并且，随着公众对环境安全和身体健康关注程度的提高以及排放法规的日益严格，柴油机排放的有效控制受到了格外的关注。由于生物柴油理化性质对柴油机的NOx和颗粒物排放的影响不是相互独立的，而存在一定的内在关系，因此需要对生物柴油理化性质进行优化，探究理化性质对柴油机排放的影响。

发明内容

本发明的内容是提供一种柴油机燃用生物柴油排放性能的BP神经网络预测模型优化方法，其能够克服现有技术的某种或某些缺陷。

根据本发明的柴油机排放性能的BP神经网络预测模型优化方法，其包括以下步骤：

一、建立BP神经网络预测模型；

二、通过遗传算法来优化权值和阈值，包括：

(1)种群初始化

生成初始种群，并采用实数编码对个体进行编码，编码包括以下部分：隐含层和输入层之间的权值、隐含层的阈值、输出层和隐含层之间的权值、输出层的阈值；

(2)适应度函数计算