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:
为了准确预测汽油机尾气污染物的排放量,基于BP神经网络模型进行了排放预测.针对汽油机尾气排放预测非线性、特征参数多、样本数据量大等特点,以特征参数的数据流信息作为输入,以车辆排放水平为输出;以BP神经网络为基础,分别建立了汽油机CO,HC,NOx排放预测模型;并完成了正常状态、燃油压力异常、进气压力传感器异常3种模式下的实车验证,将汽车排气分析仪的检测结果与预测结果相比较.结果表明:该预测系统能够对3种气体进行预测,具有较高的预测精度,收敛速度较快,可以达到预期结果,且具有较好的可靠性.
推荐文章
基于神经网络的车用汽油机稳态排放特性建模研究
废气排放
车用汽油机
神经网络
建模
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
基于神经网络的车用汽油机稳态排放特性建模研究
废气排放
车用汽油机
神经网络
建模
基于BP神经网络的汽油机排气温度的标定
BP神经网络
汽油机
排气温度
标定
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BP神经网络的汽油机尾气排放预测
来源期刊 江苏大学学报(自然科学版) 学科 交通运输
关键词 汽油机 尾气排放 BP神经网络 预测模型 试验验证
年,卷(期) 2020,(3) 所属期刊栏目
研究方向 页码范围 307-313
页数 7页 分类号 U464.171
字数 6452字 语种 中文
DOI 10.3969/j.issn.1671-7775.2020.03.010
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 左付山 南京林业大学汽车与交通工程学院 30 84 5.0 8.0
2 张营 南京林业大学汽车与交通工程学院 12 19 2.0 4.0
3 吕晓 南京林业大学汽车与交通工程学院 3 1 1.0 1.0
4 李政原 南京林业大学汽车与交通工程学院 6 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (115)
共引文献  (34)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1952(1)
  • 参考文献(0)
  • 二级参考文献(1)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(13)
  • 参考文献(0)
  • 二级参考文献(13)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(10)
  • 参考文献(0)
  • 二级参考文献(10)
2012(10)
  • 参考文献(0)
  • 二级参考文献(10)
2013(11)
  • 参考文献(0)
  • 二级参考文献(11)
2014(15)
  • 参考文献(0)
  • 二级参考文献(15)
2015(14)
  • 参考文献(3)
  • 二级参考文献(11)
2016(4)
  • 参考文献(2)
  • 二级参考文献(2)
2017(5)
  • 参考文献(4)
  • 二级参考文献(1)
2018(6)
  • 参考文献(1)
  • 二级参考文献(5)
2019(3)
  • 参考文献(1)
  • 二级参考文献(2)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
汽油机
尾气排放
BP神经网络
预测模型
试验验证
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
江苏大学学报(自然科学版)
双月刊
1671-7775
32-1668/N
大16开
江苏省镇江市梦溪园巷30号
28-83
1980
chi
出版文献量(篇)
2980
总下载数(次)
2
总被引数(次)
31026
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导