重庆理工大学学报2022，Vol.36Issue(12) ：202-209.DOI:10.3969/j.issn.1674-8425(z).2022.12.026

GA-ACO算法优化BP神经网络的重型车排放预测

Emission prediction for heavy-duty vehicles through BP neural network optimized by GA-ACO algorithm

闻增佳 谭建伟 王怀宇 余浩 常虹 孙文强
重庆理工大学学报2022，Vol.36Issue(12) ：202-209.DOI:10.3969/j.issn.1674-8425(z).2022.12.026
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

GA-ACO算法优化BP神经网络的重型车排放预测

Emission prediction for heavy-duty vehicles through BP neural network optimized by GA-ACO algorithm

闻增佳 1谭建伟 1王怀宇 1余浩 2常虹 2孙文强3
扫码查看

作者信息

  • 1. 北京理工大学 机械与车辆学院, 北京 100081
  • 2. 中国汽车工程研究院股份有限公司, 重庆 401122
  • 3. 潍柴动力股份有限公司OBD标定室, 山东 潍坊 261001
  • 折叠

摘要

为了减少实际行驶排放试验(real driving emission,RDE)受到驾驶行为、车型等干扰的情况,降低试验耗时和测试成本,基于BP神经网络建立了重型车的排放预测模型,引入遗传算法(genetic algorithm,GA)和蚁群算法(ant colony optimization,ACO)进行优化.使用便携式排放测试系统(portable emissions measurement system,PEMS)对某重型车进行RDE试验,并将试验数据划分为训练集、测试集、验证集,通过B型关联度算法提取数据主要成分用于训练与预测.结果表明:瞬时排放水平上,NOx预测结果与样本数据的皮尔逊相关系数为0.9686,线性高度相关;整体误差水平上,NOx排放因子的最大相对误差为2.36％.该模型对重型车的瞬时排放和整体排放特性预测准确性较好,对辅助RDE试验具有参考意义.

关键词

重型车/实际行驶排放试验/排放预测/GA-ACO-BP

引用本文复制引用

基金项目

国家自然科学基金面上项目(52172337)

中国汽车工程研究院股份有限公司创新课题(JCCXKT-2021-002)

出版年

2022
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量2
参考文献量11
段落导航相关论文