论文部分内容阅读
采用误差反向传播(Error Back Propagation，BP)神经网络预测柴油机氮氧化物(NOx)排放浓度，选取柴油机转速和排气温度作为网络输入量，将试验数据分为训练数据和测试数据，得到预测模型最佳网络结构为8-17-1。对BP网络预测模型进行试验，预测绝对误差为7.9[％]，优于绝对误差为27.0[％]的回归分析预测模型。考虑选择性催化还原(Selective Catalytic Reduction，SCR)催化器对还原剂的存贮能力，该模型预测误差可降低到3[％]以下。将BP神经网络预测模型应用于嵌入式系统中，采用ATmega128单片机，运算时间为25ms，能够满足SCR还原剂喷射实时控制要求。