文献

J-GLOBAL ID：201702261849232131   整理番号：17A0320227

ディーゼル機関のNOx排出を予測するための線形および非線形自己回帰モデルの改良【Powered by NICT】

Improvement on the linear and nonlinear auto-regressive model for predicting the NOx emission of diesel engine

著者 (4件)： Ma Jiaxin (School of Mechanical Engineering, Southeast University, Nanjing 211189, China) ,  Xu Feiyun (School of Mechanical Engineering, Southeast University, Nanjing 211189, China) ,  Huang Kai (Special Equipment Safety Supervision Inspection Institute of Jiangsu Province, Nanjing 210036, China) ,  Huang Ren (School of Mechanical Engineering, Southeast University, Nanjing 211189, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 207  ページ： 150-164  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  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： ますます厳しくなる排出規制を考えると,排出予測の正確なモデルは,ディーゼルエンジンの後処理システムに必要である。例えば,窒素酸化物(NOx)の質量が既知ならば,選択的接触還元システムはより高い精度放出制御を実現することができる。その簡便性,利便性,および有効性を考慮すると,ディーゼルエンジンの後処理装置に到達する前にデータ駆動モデリングの方法が広く研究され,NO生成量を推定するための主要な方法と考えられてきた。完全に知られているエンジン運転データを用いて,予測精度を改善するために,本研究は,NOx予測のための外因性入力(GNARX)を用いた一般的な線形および非線形自己回帰モデルを提案し,開発した。忘却因子を持つ再帰的最小二乗アルゴリズムはモデルパラメータを推定するために与え,モデル構造を同定するために開発された新しいシミュレーテッドアニーリングベースの枝刈りアルゴリズム。提案した方法は最初に従来の方法と比較してその有効性と優位性を検証するためにシミュレーションと工学データをモデル化した。グレイ関係解析に基づき,NOx生成に影響を及ぼす主な因子,正味エンジントルク,ターボ速度,アクセルペダル位置のような,ディーゼル機関のNOx排出モデリングのための入力として決定した。結果はGNARXモデルのモデル化と予測精度は他のモデル,GNARXモデルはNOx排出を予測することが可能であることを示しているより高いことを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *自己回帰モデル ,  *ディーゼル機関 ,  モデリング ,  最小二乗法 ,  後処理 ,  *線形性 ,  酸化窒素
準シソーラス用語： 枝刈りアルゴリズム ,  モデルパラメータ ,  予測精度 ,  データ駆動 ,  後処理装置 ,  SCR【触媒】 ,  *NOx排出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 線形および非線形自己回帰モデル ,  NOx排出予測 ,  ディーゼルエンジン ,  パラメータ推定 ,  構造同定

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： ディーゼル ,  NOx排出 ,  予測 ,  線形 ,  非線形 ,  自己回帰モデル