基于在線學習的柴油機起動過程NO_x排放預測模型

打開文本圖片集

摘要：為了構(gòu)建準確的柴油機起動過程NOx排放預測模型，分析起動過程瞬態(tài)運行特點，基于非線性自回歸神經(jīng)網(wǎng)絡，結(jié)合起動試驗數(shù)據(jù)選取模型特征，對比自注意力機制模型與標準反向傳播神經(jīng)網(wǎng)絡模型NOx排放預測效果，發(fā)現(xiàn)自注意力機制模型預測效果良好，且均方根誤差較?。粚Ρ茸宰⒁饬C制模型在在線梯度下降算法和FTRL算法2種在線學習的預測效果，發(fā)現(xiàn)采用FTRL算法可以使模型在未知工況下獲得更好的預測性能；對比自注意力機制模型學習前、后的預測效果，發(fā)現(xiàn)學習后的模型均方根誤差增大，但預測結(jié)果能力良好；對比在線學習模型與全數(shù)據(jù)訓練集離線學習模型預測效果，發(fā)現(xiàn)兩者的決定系數(shù)與均方根誤差相差不大，預測效果都較好，但在線學習所用數(shù)據(jù)量和訓練時間分別減少了68.7%和73.6%，大幅降低了存儲和訓練成本。（剩余12634字）