基于在線學(xué)習(xí)的柴油機(jī)起動過程N(yùn)O_x排放預(yù)測模型

打開文本圖片集

摘要：為了構(gòu)建準(zhǔn)確的柴油機(jī)起動過程N(yùn)Ox排放預(yù)測模型，分析起動過程瞬態(tài)運(yùn)行特點(diǎn)，基于非線性自回歸神經(jīng)網(wǎng)絡(luò)，結(jié)合起動試驗數(shù)據(jù)選取模型特征，對比自注意力機(jī)制模型與標(biāo)準(zhǔn)反向傳播神經(jīng)網(wǎng)絡(luò)模型NOx排放預(yù)測效果，發(fā)現(xiàn)自注意力機(jī)制模型預(yù)測效果良好，且均方根誤差較小；對比自注意力機(jī)制模型在在線梯度下降算法和FTRL算法2種在線學(xué)習(xí)的預(yù)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(yù)測性能；對比自注意力機(jī)制模型學(xué)習(xí)前、后的預(yù)測效果，發(fā)現(xiàn)學(xué)習(xí)后的模型均方根誤差增大，但預(yù)測結(jié)果能力良好；對比在線學(xué)習(xí)模型與全數(shù)據(jù)訓(xùn)練集離線學(xué)習(xí)模型預(yù)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(yù)測效果都較好，但在線學(xué)習(xí)所用數(shù)據(jù)量和訓(xùn)練時間分別減少了68.7%和73.6%，大幅降低了存儲和訓(xùn)練成本。（剩余12634字）