文献

J-GLOBAL ID：201702276185241140   整理番号：17A0832270

人工神経回路網を用いたHCCIエンジンにおけるリンギングの実時間モデル化【Powered by NICT】

Real-time modeling of ringing in HCCI engines using artificial neural networks

著者 (3件)： Bahri Bahram (Automotive, Fuel and Emission Research Center (AFERC), Department of Automotive Engineering, Shahreza Branch, Islamic Azad University, Shahreza, Iran) ,  Shahbakhti Mahdi (Department of Mechanical Engineering-Engineering Mechanics, Michigan Technological University, 1400 Townsend Drive, Houghton, MI, USA) ,  Aziz Azhar Abdul (Faculty of Mechanical Engineering, Universiti Teknologi Malaysia, Automotive Development Centre (ADC), Johor Bahru, Malaysia)
資料名： Energy  (Energy)
巻： 125  ページ： 509-518  発行年： 2017年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  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)

抄録/ポイント： 強いリンギング操作はHCCI運転範囲を制限し,エンジン部品を損傷する高負荷条件での予混合圧縮着火(HCCI)エンジンに関係する主な欠点の一つである。本研究では,HCCI実験データは0.3L変換ディーゼルH CCIエンジンにおける燃焼雑音とリンギング動作を調べるために用いた。噴射燃料量の周期的変動によるリンギング領域におけるHCCIエンジンを運転するのに役立つ新しい方法。燃焼騒音レベル(CNL)は主要なHCCI燃焼パラメータと排ガスとともに調べた。10 15 20CAD aTDC(10,P15およびP20)と最大シリンダ内圧力(P m a x)でシリンダ内圧力のCNLと変動との間に強い相関を見つけた。これらの実験的発見は,正常およびリンギング領域を同定するためのCNLを予測する人工神経回路網(ANN)モデルを設計した。サイクリック・ボルタンメトリー,定常運転条件での実験データの大量はANN騒音レベル(ANL)モデルを評価した。結果はリアルタイムANLモデルは,HCCIエンジンのための0.5%未満の誤差でCNLを予測することができることを示した。ANLモデルはリンギング手術を避けるためにエンジン運転限界を同定するのに有効である。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 雑音 ,  *モデリング ,  騒音レベル ,  *ニューラルネットワーク ,  *モデル ,  噴射 ,  排ガス ,  周期変化 ,  シリンダ ,  燃焼騒音 ,  内圧
準シソーラス用語： 予混合圧縮着火燃焼 ,  *予混合圧縮着火 ,  *リンギング ,  *HCCIエンジン , 【Automatic Indexing@JST】

著者キーワード (4件)： HCCI ,  リンギング ,  燃焼騒音 ,  人工ニューラルネットワーク

分類 (1件)： 圧縮点火機関  (PB02030N)

タイトルに関連する用語 (5件)： 人工神経回路網 ,  HCCIエンジン ,  リンギング ,  実時間 ,  モデル化