文献

J-GLOBAL ID：202202259009620330   整理番号：22A0805221

直接噴射火花点火エンジンの燃焼相を予測するための機械学習応用【JST・京大機械翻訳】

Machine Learning Application to Predict Combustion Phase of a Direct Injection Spark Ignition Engine

著者 (7件)： Asakawa Rio (Graduate School of Creative Science and Engineering, Waseda University, Tokyo, Japan) ,  Yokota Keisuke (Graduate School of Creative Science and Engineering, Waseda University, Tokyo, Japan) ,  Tanabe Iku (Graduate School of Creative Science and Engineering, Waseda University, Tokyo, Japan) ,  Yamaguchi Kyohei (Faculty of Science and Engineering, Waseda University, Tokyo, Japan) ,  Sok Ratnak (Research Organization for Next-Generation Vehicles, Waseda University, Tokyo, Japan) ,  Ishii Hiroyuki (Faculty of Science and Engineering, Waseda University, Tokyo, Japan) ,  Kusaka Jin (Faculty of Science and Engineering, Waseda University, Tokyo, Japan)
資料名： International Journal of Automotive Technology  (International Journal of Automotive Technology)
巻： 23  号： 1  ページ： 265-272  発行年： 2022年 
JST資料番号： W1274A  ISSN： 1229-9138  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 希薄希釈燃焼は熱効率を高め,火花点火(SI)ガソリンエンジンからの排気ガス放出を低減することができる。しかし,外部希釈による過剰な希薄混合物は,高いサイクルサイクル変動(CCV)による燃焼不安定性をもたらす。CCVは,安定した燃焼,高いエンジン性能,および低い排出量を達成するためにできるだけ低く制御されるべきである。したがって,低い計算負荷で燃焼相を予測するために,安定した燃焼制御機能が必要である。本研究では,50%質量分率燃焼位置(MFB50)を予測するために,機械学習ベース関数を開発した。機械学習モデルに対する入力パラメータは,3気筒生産ベースガソリンエンジンから希薄燃焼混合物に化学量論的に運転した1,2,3,および4サイクルから成る。結果は,MFB50予測モデルが,2サイクルデータが1サイクルデータに対して使用されるとき,高精度を達成して,それは,以前のサイクルデータが次のサイクルの予測MFB50に影響を及ぼすことを意味した。その結果,ニューラルネットワークモデルは,それぞれ70%と90%の精度で±3°CA CCVと±5°CA CCV内の周期的MFB50誤差を予測することができた。しかし,サイクルデータの数の増加は,モデル過剰学習による予測精度を悪化させる。Copyright KSAE 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *燃焼 ,  熱効率 ,  燃焼制御 ,  ガソリン機関 ,  希釈 ,  排気 ,  希薄燃焼 ,  排出量 ,  4サイクル ,  2サイクル ,  *直接噴射 ,  *機械学習 ,  予測モデル
準シソーラス用語： 予測精度 ,  *スパーク着火 , 【Automatic Indexing@JST】

著者キーワード (6件)： MFB50 ,  人工ニューラルネットワーク ,  制御機能 ,  DISIエンジン ,  希薄熱傷 ,  CCV

分類 (1件)： 火花点火機関  (PB02020C)

タイトルに関連する用語 (6件)： 直接噴射 ,  火花点火エンジン ,  燃焼 ,  予測 ,  機械学習 ,  応用