內(nèi)燃機性能是油品與內(nèi)燃機協(xié)同作用的結果,以油機協(xié)同角度入手,以優(yōu)化內(nèi)燃機性能為目的進行研究具有重大意義。數(shù)據(jù)挖掘是當今數(shù)據(jù)時代十分高效的一種數(shù)據(jù)處理分析方法。內(nèi)燃機領域試驗及仿真數(shù)據(jù)量龐大,將數(shù)據(jù)挖掘的方法與內(nèi)燃機領域的研究相結合,建立內(nèi)燃機試驗及仿真數(shù)據(jù)庫,并運用數(shù)據(jù)挖掘的方法對數(shù)據(jù)庫中的數(shù)據(jù)進行深度挖掘,具有一定的探索價值和潛在的推廣前景。本文以數(shù)據(jù)挖掘流程為基礎,以MATLAB為平臺,結合神經(jīng)網(wǎng)絡、曲線擬合等算法構建模型,分析油品參數(shù)數(shù)據(jù)集與內(nèi)燃機性能之間的關聯(lián)性。對模型可靠性進行驗證并進行應用分析,從燃燒的角度對模型結果進行了根源分析,分析結論印證了模型的結果,為后續(xù)研究提供參考。本文研究主要內(nèi)容如下:（1）數(shù)據(jù)集獲取及完整性驗證。數(shù)據(jù)集的完整性由數(shù)據(jù)集的可靠性與數(shù)據(jù)集的有效性共同體現(xiàn)。在動力性、經(jīng)濟性及排放特性角度,三種油品的內(nèi)燃機性能參數(shù)隨工況變化的趨勢一致;均在中間轉速中大負荷工況區(qū)域內(nèi)出現(xiàn)最佳燃油經(jīng)濟性工況區(qū)域;均在中低轉速,中小負荷下,NO_x排放水平有明顯降低,低轉速大負荷區(qū)域存在NO_x排放峰值;低轉速區(qū)域內(nèi),存在THC排放... 

【文章來源】：吉林大學吉林省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：101 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 引言
        1.1.1 全球能源與環(huán)境現(xiàn)狀
        1.1.2 國內(nèi)外排放和油耗法規(guī)的發(fā)展及現(xiàn)狀
    1.2 油品對內(nèi)燃機性能影響國內(nèi)外研究現(xiàn)狀
        1.2.1 汽油典型烴類組分對內(nèi)燃機性能影響研究現(xiàn)狀
        1.2.2 汽油典型含氧組分對內(nèi)燃機性能影響研究現(xiàn)狀
    1.3 數(shù)據(jù)挖掘算法研究現(xiàn)狀
        1.3.1 數(shù)據(jù)挖掘技術的應用
        1.3.3 神經(jīng)網(wǎng)絡算法及其改進算法的應用
    1.4 研究意義與研究內(nèi)容
        1.4.1 研究意義
        1.4.2 本文研究內(nèi)容
第2章 內(nèi)燃機臺架試驗與數(shù)據(jù)集獲取
    2.1 試驗臺架設計及設備選型
        2.1.1 試驗臺架
        2.1.2 測控平臺及設備
    2.2 所用燃料及試驗方法
        2.2.1 試驗燃料
        2.2.2 試驗方法
第3章 數(shù)據(jù)集預處理及完整性驗證
    3.1 動力性數(shù)據(jù)集
    3.2 燃油經(jīng)濟性數(shù)據(jù)集
    3.3 排放特性數(shù)據(jù)集
    3.4 本章小結
第4章 基于神經(jīng)網(wǎng)絡的關聯(lián)模型構建及驗證
    4.1 關聯(lián)模型基本架構
    4.2 算法選取
        4.2.1 人工神經(jīng)網(wǎng)絡結構
        4.2.2 BP神經(jīng)網(wǎng)絡學習規(guī)則
    4.3 數(shù)據(jù)清洗
    4.4 關聯(lián)模型的構建
        4.4.1 基于神經(jīng)網(wǎng)絡的數(shù)據(jù)關聯(lián)模型
        4.4.2 基于二分法模型的復篩模型
        4.4.3 基于曲線擬合算法的擬合函數(shù)模型
    4.5 模型復驗及評估
        4.5.1 一次函數(shù)關系模型驗證
        4.5.2 二次函數(shù)關系模型驗證
    4.6 本章小結
第5章 基于神經(jīng)網(wǎng)絡的關聯(lián)分析模型的應用
    5.1 模型應用分析基本框架
    5.2 面向試驗數(shù)據(jù)集的關聯(lián)模型應用分析
        5.2.1 數(shù)據(jù)清洗
        5.2.2 基于神經(jīng)網(wǎng)絡關聯(lián)模型構建
        5.2.3 油品參數(shù)一次量與二次量關聯(lián)分析
        5.2.4 基于曲線擬合關聯(lián)模型的構建與應用
    5.3 面向燃燒特性的模型擬合結果根源分析
    5.4 本章小結
第6章 總結與展望
    6.1 全文總結
    6.2 未來研究展望
參考文獻
作者簡介
致謝


【參考文獻】：
期刊論文
[1]乙醇/汽油雙燃料雙直噴模式下分層稀薄燃燒試驗研究[J]. 衛(wèi)海橋,歐陽康佳,宮雨,梁俊潔,康瑞,周磊.  內(nèi)燃機工程. 2019(05)
[2]碳酸二甲酯對烷基化汽油燃燒性能的影響[J]. 楊鶴,王鵬飛,王俊,徐辰,韓永強,張建榮.  石油學報(石油加工). 2019(03)
[3]基于Bagging神經(jīng)網(wǎng)絡集成的燃料電池性能預測方法[J]. 閆飛宇,李偉卓,楊衛(wèi)衛(wèi),何雅玲.  中國科學:技術科學. 2019(04)
[4]乙醇DI/汽油PFI發(fā)動機性能與排放特性[J]. 康瑞,馮登全,衛(wèi)海橋,華劍雄,周磊.  內(nèi)燃機學報. 2019(01)
[5]世界油耗法規(guī)升級及汽車行業(yè)的應對策略(下)[J]. 王建萍.  汽車與配件. 2018(30)
[6]世界油耗法規(guī)升級及汽車行業(yè)的應對策略(上)[J]. 王建萍.  汽車與配件. 2018(27)
[7]汽油車國六尾氣排放法規(guī)淺析及應對措施[J]. 吳燕.  機電技術. 2018(01)
[8]基于數(shù)據(jù)挖掘的電動汽車充電設施配置與兩階段充電優(yōu)化調(diào)度[J]. 張程嘉,劉俊勇,向月,劉友波,李蘊,劉定乾.  中國電機工程學報. 2018(04)
[9]基于新的改進粒子群算法的BP神經(jīng)網(wǎng)絡在擬合非線性函數(shù)中的應用[J]. 林宇鋒,鄧洪敏,史興宇.  計算機科學. 2017(S2)
[10]美國聯(lián)邦政府與加州機動車排放監(jiān)管工作比對分析[J]. 李文昭,尹彥,張曉瑞.  標準科學. 2017(09)

博士論文
[1]汽油組分對直噴汽油機一次和二次顆粒物生成影響的研究[D]. 王銀輝.清華大學 2016
[2]基于數(shù)據(jù)挖掘理論的發(fā)動機停機行為研究[D]. 許楠.吉林大學 2012
[3]汽油品質對發(fā)動機性能影響的試驗研究與數(shù)值模擬[D]. 沈義濤.清華大學 2009

碩士論文
[1]面向發(fā)動機性能優(yōu)化的汽油構型試驗研究[D]. 胡世城.吉林大學 2019
[2]鏈烷烴燃料主要反應特征及影響參數(shù)分析[D]. 柴嘉鴻.吉林大學 2018
[3]面向汽車輕量化設計的數(shù)據(jù)挖掘技術研究[D]. 胡宸.重慶大學 2018
[4]多組分汽油模型燃料燃燒與排放特性的試驗研究[D]. 王小樂.上海交通大學 2017
[5]電動汽車駕駛信息的數(shù)據(jù)挖掘及動力優(yōu)化控制研究[D]. 陳宇.湖南大學 2015
[6]汽油機烯烴組分燃燒機理和排放生成規(guī)律的研究[D]. 孟祥豐.中國石油大學 2011
[7]基于數(shù)據(jù)挖掘技術的液體火箭發(fā)動機故障檢測和診斷研究[D]. 李京浩.國防科學技術大學 2007



本文編號：3629193