汽车尾气在自组织特征映射下的排放水平评估方法

• 作者: 刘鸿淼 孟凡迪 李鹏华 罗德超
• 来源期刊: 汽车工程学报
• 学科: 交通运输
• 关键词: 汽车尾气 自组织特征映射(SOM) 竞争学习 聚类分析
• 年，卷（期）: 2013,（5）
• 页码范围: 354-360
• 页数: 7页
• 分类号: U467.5+21
• 字数: 5480字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1469.2013.05.06

摘要

针对汽车尾气的非线性数据聚类问题,提出一种在自组织特征映射(Self-Organizing Map,SOM)下的聚类方法来评估汽车的排放水平.根据汽车在城区真实环境中的行驶速度设置SOM神经网络中的神经元个数,通过神经元之间拓扑相关的学习方式,自动形成具有数据原始属性的有序映射,实现不同排放水平的尾气数据聚类.为避免网络训练过程中出现训练死区的现象,竞争学习采用弹性邻域半径代替固定邻域半径,自适应地缩放学习区域.以某轻型车的THC和CO2排放数据为对象的数值试验结果表明,采用弹性邻域半径的SOM神经网络的聚类准确性优于采用固定邻域半径的SOM神经网络,能有效评估汽车尾气排放水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗德超	中国汽车工程研究院重庆市车辆排放与节能重点实验室	5	20	2.0	4.0
2	刘鸿淼	中国汽车工程研究院重庆市车辆排放与节能重点实验室	3	1	1.0	1.0
3	李鹏华	重庆市汽车电子工程研究中心重庆邮电大学自动化学院	1	1	1.0	1.0
4	孟凡迪	重庆市汽车电子工程研究中心重庆邮电大学自动化学院	1	1	1.0	1.0