特色应用
在不久的将来，所开发的神经模型计划被集成到神经模糊控制器中，该控制器旨在根据生物燃料进料速率优化发动机控制设置。随后，该模型和控制器将被纳入面向车辆操作人员的软件决策支持系统。
摘要
由于全球原油储备的枯竭以及主要产油地区不稳定的社会政治局势，减少石油消耗的需求日益迫切，其中超过50%与交通领域相关。降低石油需求的一种方法是在石油基燃料中加入生物添加剂。然而，燃料成分的修改不可避免地会改变发动机的运行特性。因此，需要对控制系统的设置进行调整，以维持发动机的最佳性能。本研究探讨了人工神经网络在建模生物添加剂浓度对火花点火发动机在不同控制系统配置下运行参数影响方面的应用。测量在1200至6000 rpm的发动机转速范围内进行。确定了关键的发动机运行参数，选择了需要校正的相关控制设置，并在发动机试验台上进行了实验测量。对所获得的数据集进行了精度和统计相关性评估。随后利用该数据集设计、训练并优化了一个人工神经网络模型。作为对比，还构建了基于多项式逼近和偏最小二乘法（PLS）的替代模型。在留一条件法（LOCO）中，神经模型的相对均方根误差变异系数（CVRMSE）为7.04%，而多项式模型和PLS模型分别为8.52%和7.39%。本研究的结果证明了人工智能方法在解决上述运行问题方面的适用性和有效性。
