基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对氧传感器对汽油机排放和催化转化器效率的影响,建立了径向基函数网络(RBFNN)和自适应神经网络模糊系统(ANFIS)相结合的汽油机排放模型.利用RBFNN的非线性逼近能力,对不考虑氧传感器劣化的汽油机排放性能进行了预测.根据汽油机排放受氧传感器劣化的影响,应用ANFIS系统对RBFNN的汽油机排放预测结果进行了修正,并预测了氧传感器劣化曲线.基于RBF-ANFIS融合预测策略,进行了汽油机负荷性能和催化转化器转化效率试验.结果表明:所设计的汽油机排放模型合理,验证了该融合预测策略具有较好的分辨率,可用于氧传感器在线劣化预测.
推荐文章
基于BP神经网络的汽油机尾气排放预测
汽油机
尾气排放
BP神经网络
预测模型
试验验证
基于混沌RBF神经网络的汽油机点火提前角预测
汽油机
点火提前角
混沌算法
RBF神经网络
基于混沌RBF神经网络的汽油机进气流量预测研究
混沌RBF神经网络
进气流量
预测
汽油机
基于多传感器融合的电喷汽油机过渡工况进气流速预测模型
发动机
过渡工况
进气流速
神经网络
多传感器融合
预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于RBF-ANFIS的汽油机排放及氧传感器劣化预测
来源期刊 内燃机工程 学科 工学
关键词 内燃机 氧传感器 径向基函数网络 自适应神经网络模糊系统 劣化预测 转化效率
年,卷(期) 2009,(5) 所属期刊栏目
研究方向 页码范围 78-82
页数 5页 分类号 TK413.7
字数 2989字 语种 中文
DOI 10.3969/j.issn.1000-0925.2009.05.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王忠 江苏大学汽车与交通工程学院 280 1991 20.0 31.0
2 魏长河 江苏大学汽车与交通工程学院 9 29 4.0 5.0
3 胡明江 江苏大学汽车与交通工程学院 45 128 5.0 8.0
5 祁利巧 5 16 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (7)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (14)
二级引证文献  (14)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(5)
  • 引证文献(0)
  • 二级引证文献(5)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
内燃机
氧传感器
径向基函数网络
自适应神经网络模糊系统
劣化预测
转化效率
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
内燃机工程
双月刊
1000-0925
31-1255/TK
大16开
上海市闵行区华宁路3111号
4-257
1979
chi
出版文献量(篇)
2410
总下载数(次)
7
总被引数(次)
24896
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导