稀燃汽油机lnt神经网络模型的建立与应用

建立了关于稀燃汽油机lnt(lean-noxtrap)催化器的nox排放量、比油耗和nox转化效率的人工神经网络(ann)预测模型．模型所需的训练及测试样本通过一台改制的ca3ga2三缸12气门电控稀燃汽油机的台架试验获得．采用标准的误差反向传播(backpropagation，bp)神经网络．网络经过训练，再由测试样本进行测试．测试结果表明，其绝对分数方差(absolutefractionofvariance)r2均接近于1，且均方根误差(rootmeansquarederror，rmse)及平均相对误差(meanrelativeerror，mre)均在可接受范围内．以确定最佳稀燃时间为例，说明了利用神经网络的泛化能力可对稀燃汽油机进行优化和控制．