基于RBF神经网络的CNG/柴油双燃料发动机排放研究。

大力解决严重的环境污染和不可避免的能源枯竭问题。回顾我国燃料储量和发动机技术，压缩天然气(CNG)/柴油双燃料发动机(DFE)是目前解决上述问题的最佳方案之一。为了研究和提高CNG/diesel DFE的排放性能，提出了一种基于径向基函数(RBF)神经网络的DFE排放模型，该模型是一种不需要先验知识的黑盒输入输出训练数据模型。根据训练数据在输入输出空间的分布和给定的近似误差，自动选择RBF中心和连接权值。研究表明，在从低负荷到高负荷的大范围工况下，预测结果与实验数据吻合较好。所建立的基于RBF神经网络的排放模型可以成功地预测和优化DFE的排放性能。并利用该模型预测了DFEmain性能参数(转速、负载、先导量和喷射时机)对DFEmain性能的影响。在此基础上，建立了基于RBF神经网络的CNG/柴油DFE排放预测模型，分析了主要性能参数对DFE CO、NOx排放的影响。预测结果与传统的排放模型吻合较好，表明该模型对实验样本数据的依赖程度较高，但仍有一定的局限性，具有一定的应用价值。