外文翻译--压缩天然气柴油双燃料发动机的排放物rbf神经网络的研究(编辑修改稿)内容摘要：
甲烷数量无法获得，因此该模型只包括二氧化碳， NOz排放。 该模型的结构图 1所示。 在这个模型中的输入输出关系如下 : 输入层节点数被选择作为与输入参数相同的参数， R=4，输出层节点的数目是作为与输出参数相同的参数， P=2， E0 被 设置为 %。 试验数据是根据测试得出的，测试发动机的规格在表 1中已经给出。 有 100组以上的数据是在轻载低转速到高负载高转速下得出的，这是为了试验 RBF神经网络，还有 20组数据是在大范围工况试验下得出的，以验证模型。 通过使用实验数据对网络进行试验后，经过约 15000 个周期，总结平方误差可达%。 于图 2所示。 而隐层节点数 M还证实，其中隐层节点数为 11。 鹿猛：大功率天然气发动机双燃烧室系统设计 4 模型的验证 该模型也验证了一个双燃料发动机的规格： DxS=108mmx125mm，额定功率 /转速 = 112kW/2800转 /分。 图 3显示，模拟结果和一 氧化碳的测试结果，第 13个操作条件较好的排放量也分别表示，该模型也可以用于预测 DFE的二氧化碳排放 基于模型的 CO, NOx的排放预测 发展这一模型的目的是用它来预测均衡器的一氧化碳，氮氧化物排放量。 以下是由该模型对几种主要操作参数对二氧化碳，氮氧化物的排放量变化的影响。 旋转速度的影响 图 4中在特定情况下旋转速度 CO和 NOx排放量的变化表明 CO排放随转速增加。 这种情况发生是因为与燃烧时间缩短，提高转速情况下一氧化碳不能完全氧化。 然而，氮氧化物排放量随转速减少。 这是因为在早期减少热量输出和在汽缸因增加旋转速 度减少。 因此，时间和氮在它缩短，降低温度，因此氮氧化物排放量减少。 CNG 数量的影响 在特定工况下， CNG 数量对 CO。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。