文献
J-GLOBAL ID:202202262095082416   整理番号:22A0834718

専用ハイブリッドエンジンの容積効率のためのファジィツリー構築データ効率的モデリング方法論【JST・京大機械翻訳】

Fuzzy-tree-constructed data-efficient modelling methodology for volumetric efficiency of dedicated hybrid engines
著者 (6件):
資料名:
巻: 310  ページ: Null  発行年: 2022年 
JST資料番号: A0097A  ISSN: 0306-2619  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
容積効率の正確なキャラクタリゼーションは,より良い性能,低い排出量,および燃料消費の削減を達成するために,現代の燃焼エンジンにとって不可欠である。サンプル収集に関する実験的努力を最小化し,高精度体積効率特性化を維持するため,本論文では,エンジンを通る空気質量流量を正確に定量化するためのファジィツリー構成データ効率的モデリングの新しい方法論を提案した。従来のデータ駆動モデリングと異なり,この方法は,いくつかの低次元ファジィ推論システムを結合することによって,単純性に順応する3つのオリジナルトポロジーを有する階層的ファジィ推論ツリー(HFIT)を導入した。2つの導関数フリー最適化アルゴリズムによって駆動して,HFITパラメータを横断するとき,収束プロセスをスピードアップするために2段階調整プロセスを導入した。Gauss分布再サンプリング技法を開発し,サンプル多様性を維持するための多様なエンジン操作で少数のサンプルをスクリーニングする。実験データセットは,ハイブリッドパワートレイン用に特別に作られたBYD 1.5Lガソリンエンジンで行った定常状態試験から得られた。結果は,提案したファジィツリー構成データ効率的モデリング方法論が,ファジィ推論システム,ニューラルネットワーク,または適応ニューロファジー推論システムのものより,体積効率特性化に関して優れた学習効率で実行することを実証した。データセット分割比が0.2まで下がるときでさえ,相対平均絶対誤差は,Gauss分布再サンプリング技術の助けを借りて,3.18%に制限することができた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
火力発電 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る