文献

J-GLOBAL ID：202102239258804702   整理番号：21A1774891

ガソリン火花点火エンジンにおけるサイクル-サイクル変動に影響する要因の機械学習解析【JST・京大機械翻訳】

Machine Learning Analysis of Factors Impacting Cycle-to-Cycle Variation in a Gasoline Spark-Ignited Engine

著者 (4件)： Kodavasal Janardhan (Argonne National Laboratory, Argonne, IL) ,  Moiz Ahmed Abdul (Argonne National Laboratory, Argonne, IL) ,  Ameen Muhsin (Argonne National Laboratory, Argonne, IL) ,  Som Sibendu (Argonne National Laboratory, Argonne, IL)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： ICEF2017  ページ： Null  発行年： 2017年 
JST資料番号： A0478C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,ガソリン火花点火(SI)エンジンにおけるサイクル-サイクル変動(CCV)の根底にある原因への洞察を提供するために,機械学習(ML)技術を適用した。解析は,4気筒ポート燃料SIエンジンの単一シリンダのラージエディシミュレーション(LES)計算のセットで行った。研究した操作条件は,有意なノッキングなしで,化学量論的であり,16barブレーキ平均有効圧力(BMEP)の負荷を,1分当たり2500回転のエンジン速度で示した。合計123サイクルをシミュレートした。これらのうち,49は配列で実行され,一方,74は平行して走った。並列アプローチでは,各サイクルをそれ自身の合成乱流場(基底場の摂動を通して)で初期化し,著者らが行った別の研究の一部としてCCVを生成した。本研究では,全ての123サイクルから3次元情報を後処理し,種々の火炎トポロジーと事前着火流れ場計量を計算した。次に,これらの計算メトリックとピークシリンダ圧力(PCP)間の相関を,PCPとこれらの火炎トポロジーと前着火流れ場計量の間の相関を学習するために用いるランダムフォレストと呼ばれるML技術を使用して評価した。計算した計量は,開発したランダム森林モデルに入力を形成し,PCPは予測出力である。ランダムフォレストモデルは,その決定木構造のため,それらの間の相互作用と同様に,すべての入力の影響を本質的に捉える。本研究の目標は,MLモデルが事前着火流れ場,火炎形状,およびサイクルの最終結果(サイクルが高または低サイクルになる)の間の複雑な関係を暗黙的に学習できる(第一段階として)ことを実証することである。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  相互作用 ,  シリンダ ,  ブレーキ ,  *ガソリン ,  ノッキング ,  化学量論 ,  *火花点火機関 ,  ポート ,  平均有効圧 ,  流れ場 ,  *機械学習 ,  ラージエディシミュレーション
準シソーラス用語： 操作条件 ,  *サイクル変動 , 【Automatic Indexing@JST】

分類 (1件)： 火花点火機関  (PB02020C)

タイトルに関連する用語 (7件)： ガソリン ,  火花点火エンジン ,  サイクル ,  サイクル変動 ,  要因 ,  機械学習 ,  解析