首页|GA-ACO算法优化BP神经网络的重型车排放预测

GA-ACO算法优化BP神经网络的重型车排放预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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.
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

展开 >

北京理工大学 机械与车辆学院, 北京 100081

中国汽车工程研究院股份有限公司, 重庆 401122

潍柴动力股份有限公司OBD标定室, 山东 潍坊 261001

重型车 实际行驶排放试验 排放预测 GA-ACO-BP

国家自然科学基金面上项目中国汽车工程研究院股份有限公司创新课题

52172337JCCXKT-2021-002

2022

10.3969/j.issn.1674-8425(z).2022.12.026

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
年,卷(期)：2022.36(12)
  • 2
  • 11