相关实验视频
Updated: May 28, 2025
09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
672
神经网络预测机车发动机参数基于灰虫优化算法和发动机操作参数的多目标优化
Aiqi Dong1, Lijuan Liu1, Chunce Zhao2
1School of Railway Intelligent Engineering, Dalian Jiaotong University, Dalian 116000, China.
Sensors (Basel, Switzerland)
|February 13, 2025
概括
这项研究利用人工智能优化了柴油发动机在高海拔地区的性能. 人工智能算法显著提高发动机功率,并减少高原机车的排放.
科学领域:
- 机械工程 机械工程
- 人工智能的人工智能
- 燃烧发动机的使用情况
背景情况:
- 高度显著影响柴油发动机功率和排放,特别是在高原双源机车上.
- 在不同高度下优化发动机性能对于效率和环境影响至关重要.
- 现有的优化方法可能无法完全解决高海拔发动机操作的复杂性.
研究的目的:
- 分析和优化用于不同高度运行的高原机车的柴油发动机的性能.
- 开发一个智能优化框架,结合神经网络和多目标算法.
- 验证人工智能在提高柴油发动机在高海拔条件下的性能方面的有效性.
主要方法:
- 模拟使用GT-Power生成数据集的柴油发动机性能.
- 采用随机抽样方法创建400个模型培训操作点.
- 利用DBO (海豚湾优化) 算法来优化神经网络预测模型.
- 应用了NSGA-II (非主导排序遗传算法II) 进行多目标优化.
主要成果:
- 通过DBO算法优化的神经网络预测模型实现了超过95%的相关系数.
- 该NSGA-II算法成功执行了发动机参数的多目标优化.
- 智能优化方法在各种高度上显示出柴油发动机性能的显著改进.
结论:
- 人工智能优化算法可以有效地提高柴油发动机在不同高度的性能.
- 提出的方法为优化高原机车发动机提供了一个可行的解决方案.
- 这项研究强调了人工智能在解决内燃机性能优化的挑战方面的潜力.
