文献

J-GLOBAL ID：202202274992953327   整理番号：22A0991482

遺伝的アルゴリズム-最適化長短期記憶ニューラルネットワークに基づくディーゼル機関過渡NOx排出予測モデル研究【JST・京大機械翻訳】

Prediction Model for Transient NOx Emission of Diesel Engine Based on GA-Long Short Term Memory(LSTM)Neural Network

著者 (6件)： Yang Rong (广西大学 机械工程学院 广西制造系統与先進制造技術重点実験室,南寧 530004) ,  Yang Lin (广西大学 机械工程学院 广西制造系統与先進制造技術重点実験室,南寧 530004) ,  Tan Shenglan (广西大学 机械工程学院 广西制造系統与先進制造技術重点実験室,南寧 530004) ,  Zhang Song (广西玉柴机器股fen有限公司,玉林 537005) ,  Huang Wei (广西大学 机械工程学院 广西制造系統与先進制造技術重点実験室,南寧 530004) ,  Huang Junming (广西大学 机械工程学院 广西制造系統与先進制造技術重点実験室,南寧 530004)
資料名： Neiranjigongcheng  (Neiranjigongcheng)
巻： 43  号： 1  ページ： 10-17  発行年： 2022年 
JST資料番号： C2711A  ISSN： 1000-0925  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： 選択的接触還元システム(selectivecatalyticreduction,SCR)尿素噴射量の正確な制御を実現するため、遺伝アルゴリズム(geneticalgorithm)を構築し、評価した。GA)は,長い短期記憶(LSTM)ニューラルネットワークのディーゼル機関の過渡的NOx排出予測モデルを最適化する。ディーゼル機関の過渡運転特性に従って,ディーゼル機関のNOx排出に影響する主な影響因子を選択し,モデルの入力変数を決定した。ニューラルネットワーク予測性能に対する人為的選択パラメータの影響を避けるために,LSTMニューラルネットワークのパラメータを遺伝的アルゴリズムによって最適化し,ディーゼル機関の過渡的NOx放出を予測するGA-LSTMモデルを確立した。最後に,予測モデルの性能を試験した。結果は,モデルが良好な予測能力を持つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  噴射 ,  *ディーゼル機関 ,  研究 ,  *ニューラルネットワーク ,  因子 ,  パラメータ ,  *遺伝的アルゴリズム ,  *予測モデル
準シソーラス用語： 短期記憶 ,  SCR【触媒】 ,  影響因子 ,  予測性能 ,  予測能力 ,  *NOx排出 ,  過渡運転 , 【Automatic Indexing@JST】

分類 (4件)： ニューロコンピュータ  (JC06010Q) ,  数値計算  (JE02000J) ,  人工知能  (JE08000Z) ,  システムモデル  (IB02000Z)

タイトルに関連する用語 (8件)： 遺伝的アルゴリズム ,  最適化 ,  長短期記憶 ,  ニューラルネットワーク ,  ディーゼル ,  NOx排出 ,  予測モデル ,  研究