基于LSTM神经网络的混合燃料HCCI发动机复杂工况下燃烧正时估计

• 作者: 郑太雄 贺吉 张良斌
• 来源期刊: 仪器仪表学报
• 关键词: 均质充气压缩点燃发动机 燃烧正时 长短期记忆神经网络 黑箱模型
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 信息处理技术|Information Processing Technology
• 页码范围: 100-110
• 页数: 11页
• 分类号: TP273
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J2006376

摘要

均质充气压缩点燃(HCCI)发动机可以通过喷射混合燃料来拓宽工作范围,但也增加了复杂工况下燃烧正时估计的难度.为此,基于长短期记忆(LSTM)神经网络,建立了黑箱模型,用以复杂工况下使用混合燃料的HCCI发动机燃烧正时估计.首先,对多输入数据变量进行Z-Score标准化,使输入数据变换到同一数量级.其次,通过主成分分析法(PCA)对多输入数据变量进行筛选,降低数据维度.最后,用LSTM神经网络对选出的燃烧正时影响相关因素和实际燃烧正时之间的非线性关系进行建模.FTP工况下与其他方法对比验证表明,LSTM模型的各项评价指标均优于SVR和BP模型,其决定系数R2达到了0.989 78.