ANN(人工ニューラルネットワーク)メタモデルは水素ディーゼルEGR二重燃料運転のEPAティア4束縛された放出性能トレードオフキャリブレーション問題における支援MOPSO応用【Powered by NICT】

Banerjee Rahul; Mikulski Maciej; Chakraborty Amitav; Roy Sumit; Bose Probir K.

文献

J-GLOBAL ID：201702267289856040 整理番号：17A1453126

ANN(人工ニューラルネットワーク)メタモデルは水素ディーゼルEGR二重燃料運転のEPAティア4束縛された放出性能トレードオフキャリブレーション問題における支援MOPSO応用【Powered by NICT】

ANN meta-model assisted MOPSO application in an EPA-Tier 4 constrained emission-performance trade-off calibration problem of a hydrogen-diesel-EGR dual fuel operation

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1453126&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1453126&from=J-GLOBAL&jstjournalNo=C0023A") }}

著者 (5件)： , , , ,
資料名：
巻： 208 ページ： 746-778 発行年： 2017年
JST資料番号： C0023A ISSN： 0016-2361 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：イギリス (GBR) 言語：英語 (EN)

本研究では,現在は人工知能に基づくメタモデリング戦略は,内燃機関システム同定パラダイム,特にその多目的キャリブレーションドメインにおけるもたらすユニークな機会に関する包括的な展望を提供する。なAIベースのメタモデリング戦略の利点と群最適化戦略の可能性の妥当性は,ディーゼル機関の現代の必要性の経時的成長を合理的に説明した。研究は1日のディーゼルエンジンのエミッション性能トレードオフの課題を解決する必要性に見合った真の多目的最適化戦略を精読の中心的重要性を明確に立証した。内燃機関ドメインにおけるそのようなメタモデルベース多目的最適化機会の信頼性とスケーラビリティを明らかにするために,本研究は,既存のディーゼルエンジンにおける計算コスト効果的でcommendably正確なメタモデルに基づくキャリブレーション努力の相乗的可能性を利用する明確な可能性を示すユニークな事例研究を示した。研究は,最初のa種進出EGR応用変化する熱特性の下での水素-ディーゼル二元燃料運転の複雑さにに沿った最適化ワークフローにおけるトレードオフ性能指数の導入であった。MOPSOアルゴリズムを用いて,二重燃料運転の発光性能のトレードオフ特性を改善するためにしたアーキテクチャは,ANNシステム同定プラットフォームに基づいた。さらに,多目的最適化努力の現状の妥当性を確証するために,EPAティア4ディーゼルエミッション規制指令の付加的拘束を,事例研究に課した。それぞれ20%,40%,60%及び80%全負荷段階で対応する実験二重燃料EGR運転と比較して,最適化結果の検証が性能-排気トレードオフフットプリントの10.2%,30.6%,25.4%及び9.4%改善を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

圧縮点火機関

, , , , , , , , , , , , ,

前のページに戻る