文献

J-GLOBAL ID：201802250278054719   整理番号：18A0044767

Atkinsonサイクルエンジンに基づく燃料消費率最適化法の比較研究【JST・京大機械翻訳】

Comparative Study on Optimization Methods Based on FuelConsumption Rate of Atkinson Cycle Engine

著者 (6件)： Yang Jing (湖南大学 汽車車身先進設計制造国家重点実験室,湖南 長沙,410082) ,  Xue Chuan (湖南大学 汽車車身先進設計制造国家重点実験室,湖南 長沙,410082) ,  Liu Kaimin (湖南大学 汽車車身先進設計制造国家重点実験室,湖南 長沙,410082) ,  Jiang Wu (湖南大学 汽車車身先進設計制造国家重点実験室,湖南 長沙,410082) ,  Zhang Chunbiao (湖南大学 汽車車身先進設計制造国家重点実験室,湖南 長沙,410082) ,  Feng Renhua (重慶理工大学 汽車零部件先進制造技術教育部重点実験室,重慶,400054)
資料名： Hunan Daxue Xuebao. Ziran Kexue Ban  (Hunan Daxue Xuebao. Ziran Kexue Ban)
巻： 44  号： 8  ページ： 15-22  発行年： 2017年 
JST資料番号： W0616A  ISSN： 1674-2974  CODEN： HDAXE3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： GT-Power詳細モデル結合遺伝的アルゴリズム(1)を用いることによって,Atkinsonサイクルエンジンの燃料消費率を最適化するとき,公認が容易でなく,計算が遅いという問題がある。本論文は,ニューラルネットワーク簡素化モデル結合遺伝的アルゴリズム(方式2)を提案して,全体的最適化を行い,方式1と比較した。方式1はGT-Powerを用いてあるAtkinsonサイクルエンジンの詳細なシミュレーションモデルを構築し、Heywoodの式を用いてノック予測モデルを構築し、遺伝的アルゴリズムを結合してAtkinsonサイクルエンジンの燃料消費率を最適化した。方式2は,ラテン超立方体アルゴリズムを用いて4500の実験点を収集し,GT-Powerの詳細モデルとノックモデルをニューラルネットワークモデルに簡素化し,モデル結合遺伝的アルゴリズムを簡素化することによって最適化した。研究結果は以下を示す。方式2を用いることにより,Atkinsonサイクルエンジンの実際の燃料消費率を最大4.6%減少させ,シミュレーション最適化結果の最大誤差率は7.3%であり,同時に,シミュレーション1の最適化時間と比較して322倍節約されたことが示されたことが示されたことが示されたことが示されたことが示されたことが示された。そのため、プラン2代替案1を用いて、Atkinsonサイクルエンジンの燃料消費率の迅速なグローバル最適化を行うことは、実行可能な方法である。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  予測モデル ,  *最適化 ,  シミュレーションモデル ,  簡素化 ,  モデル ,  遺伝的アルゴリズム ,  *燃料消費率 ,  ニューラルネットワーク ,  シミュレーション ,  ノッキング
準シソーラス用語： 大域的最適化 ,  神経回路網モデル ,  モデル結合 ,  *Atkinsonサイクル , 【Automatic Indexing@JST】

著者キーワード (4件)： Atkinson cycle ,  optimization method of fuel consumption rate ,  artificial neural network model ,  genetic algorithm

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： Atkinsonサイクル ,  燃料消費率 ,  最適化 ,  研究