彭先萌

摘要：出于對以往研究手段不足的考慮，結(jié)合BP神經(jīng)網(wǎng)絡(luò)優(yōu)勢，針對內(nèi)燃機(jī)穩(wěn)態(tài)排放建立BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)分析模型，對排放性能展開研究，發(fā)現(xiàn)負(fù)荷較大時(shí)，內(nèi)燃機(jī)NOX與碳煙排放水平比較高。進(jìn)一步地，為了降低對大氣的污染，提出相應(yīng)內(nèi)燃機(jī)排放控制建議，本文研究可以為相關(guān)人員采取有效措施控制內(nèi)燃機(jī)排放污染提供一定借鑒與參考。

Abstract： Considering the lack of previous research methods， combined with the advantages of BP neural network， a mathematical analysis model of BP neural network was established for the steady-state emission of internal combustion engines， and the emission performance was studied. relatively high. Further， in order to reduce the pollution to the atmosphere， the corresponding suggestions on the emission control of internal combustion engines are put forward. The research in this paper can provide some reference for relevant personnel to take effective measures to control the emission pollution of internal combustion engines.

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);內(nèi)燃機(jī);排放性能;污染控制

Key words： BP neural network;internal combustion engine;emission performance;pollution control

中圖分類號(hào)：TK401.5 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1674-957X（2022）04-0103-03

0 ?引言

自出現(xiàn)之日起，內(nèi)燃機(jī)排放污染便造成了人們的困擾，且與自身在汽車、火車、工程機(jī)械等諸多領(lǐng)域應(yīng)用的愈發(fā)增加相伴隨，內(nèi)燃機(jī)排放引發(fā)的大氣污染問題呈現(xiàn)出越來越嚴(yán)重的發(fā)展態(tài)勢。實(shí)際上，內(nèi)燃機(jī)排放既受到自身類型、結(jié)構(gòu)、產(chǎn)品技術(shù)以及所用燃料品質(zhì)等因素的影響，與其運(yùn)轉(zhuǎn)條件亦有密切聯(lián)系。正是因?yàn)橛绊懸蛩氐腻e(cuò)綜復(fù)雜性，要想將內(nèi)燃機(jī)排放機(jī)理明確下來、對其排放進(jìn)行有效控制、確定改進(jìn)之后的產(chǎn)品排放達(dá)標(biāo)與否，必須先對內(nèi)燃機(jī)的實(shí)際排放性能作相應(yīng)研究，也就是明確在各種條件下內(nèi)燃機(jī)的具體排放情況。為此，學(xué)者提出了多種研究方法，主要包括實(shí)驗(yàn)法以及模擬法兩種類型，其中，前者直觀且準(zhǔn)確，但對人力與物力的消耗比較大，且實(shí)驗(yàn)工作的開展亦受到一些條件的限制而難以進(jìn)行;后者可基于計(jì)算機(jī)的支持對內(nèi)燃機(jī)燃燒與排放情況進(jìn)行很好的預(yù)測，不過由于傳統(tǒng)模擬法建立于內(nèi)燃機(jī)缸內(nèi)工作環(huán)節(jié)數(shù)學(xué)模型的基礎(chǔ)之上，而其工作環(huán)節(jié)與工質(zhì)交換、化學(xué)反應(yīng)等諸多現(xiàn)象相伴隨，這會(huì)在很大程度上增加數(shù)學(xué)模型的建立難度，進(jìn)而會(huì)對其排放預(yù)測精度產(chǎn)生不利影響，加之受到復(fù)雜非線性關(guān)系的影響，建模和工作量亦非常大。在此背景下，采用一種結(jié)構(gòu)上較為簡單，但可以很好地將非線性本質(zhì)特點(diǎn)體現(xiàn)出來的數(shù)學(xué)模型進(jìn)行內(nèi)燃機(jī)排放性能的研究成為學(xué)者們的關(guān)注重點(diǎn)。神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型由具有非線性作用函數(shù)的神經(jīng)元構(gòu)成，可以對大規(guī)模信息進(jìn)行并行處理，不僅結(jié)構(gòu)簡單，非線性映射能力也很強(qiáng)，基于這一優(yōu)勢，本文以內(nèi)燃機(jī)穩(wěn)態(tài)排放為例，借助BP神經(jīng)網(wǎng)絡(luò)模型對其排放性能進(jìn)行預(yù)測。

1 ?BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)的全稱為誤差反向傳播算法（Error Back-propagation Training），屬于一種前反饋網(wǎng)絡(luò)結(jié)構(gòu)，信號(hào)會(huì)在神經(jīng)元之間進(jìn)行正向傳輸，待獲取網(wǎng)絡(luò)輸出之后，對其與期望輸出進(jìn)行比較，確定誤差值，進(jìn)一步地，執(zhí)行對誤差值的反向傳播任務(wù)，用以將初始權(quán)值及閾值改變，經(jīng)過持續(xù)的迭代，一直到輸出誤差和達(dá)到最小值。整個(gè)過程中，神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值會(huì)在誤差反向傳播過程中持續(xù)調(diào)整。用X1，X2，…，Xn表示神經(jīng)網(wǎng)絡(luò)預(yù)先設(shè)定好的輸入特征值，對應(yīng)的，Y1，Y2，…，Yn表示輸出值，中間有若干隱含層存在，它們被稱作神經(jīng)網(wǎng)絡(luò)間連接權(quán)值。

2 ?內(nèi)燃機(jī)穩(wěn)態(tài)排放特性神經(jīng)網(wǎng)絡(luò)預(yù)測數(shù)學(xué)模型結(jié)構(gòu)

2.1 確定輸入、輸出層神經(jīng)元數(shù)目

BP神經(jīng)網(wǎng)絡(luò)的非線性映射能力非常強(qiáng)，可以將其用在非線性系統(tǒng)建模上。在確定BP神經(jīng)網(wǎng)絡(luò)輸入與輸出層神經(jīng)元數(shù)目時(shí)，需要明確其問題類別與應(yīng)用要求，最大限度地減小系統(tǒng)規(guī)模，以此降低系統(tǒng)復(fù)雜程度，同時(shí)，縮短學(xué)習(xí)時(shí)間。

本文對內(nèi)燃機(jī)穩(wěn)態(tài)排放性能進(jìn)行分析，為了讓神經(jīng)網(wǎng)絡(luò)模型將其性能準(zhǔn)確映射出來，將轉(zhuǎn)速與功率2個(gè)可以體現(xiàn)內(nèi)燃機(jī)工況的參數(shù)作為輸入神經(jīng)元，排放指標(biāo)（碳煙、NOX、CO、HC與CO2）、性能指標(biāo)（油耗率、排氣溫度）和過量空氣系數(shù)（可以反應(yīng)混合氣濃度）等8個(gè)參數(shù)作為輸出神經(jīng)元。

2.2 確定隱層數(shù)目

隱層可以從輸入層提取特征，神經(jīng)網(wǎng)絡(luò)處理能力會(huì)隨著隱層數(shù)目的增加而逐漸增強(qiáng)，不過訓(xùn)練會(huì)由此而變得復(fù)雜，導(dǎo)致網(wǎng)絡(luò)訓(xùn)練時(shí)間的增加。學(xué)者研究顯示，隱層數(shù)最多以兩層為宜。結(jié)合BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)原則（針對任意一個(gè)實(shí)際問題，可先設(shè)定一個(gè)隱層，如果無法做到對要求的滿足，將其增加到兩層），本文對一個(gè)隱層予以采用，可實(shí)現(xiàn)對要求的滿足。

2.3 確定隱層神經(jīng)元數(shù)目

問題要求、輸入輸出神經(jīng)元數(shù)目會(huì)從直接層面上影響隱層神經(jīng)元數(shù)目。隱層神經(jīng)元的功能并不唯一，部分用于對輸入特征的提取，部分則用以實(shí)現(xiàn)一些特殊功能。在確定隱層神經(jīng)元數(shù)目時(shí)，本文對試湊法加以采用，其目的在于為神經(jīng)網(wǎng)絡(luò)泛化能力的良好性提供保證，亦即在最大程度上確保網(wǎng)絡(luò)訓(xùn)練精度與預(yù)測精度。試湊法確定隱層神經(jīng)元數(shù)目的步驟如下：

①首次試選時(shí)，將隱層神經(jīng)元數(shù)目設(shè)定為1;

②借助學(xué)習(xí)樣本執(zhí)行對網(wǎng)絡(luò)的訓(xùn)練任務(wù)，待訓(xùn)練結(jié)束以后，進(jìn)一步運(yùn)用測試樣本進(jìn)行測試。為了明確隱層神經(jīng)元數(shù)目會(huì)對訓(xùn)練與預(yù)測精度產(chǎn)生何種影響，此處對公式（1）所示誤差表達(dá)式加以采用：

?式中各字母表示含義為：

P—樣本數(shù);m—輸出層神經(jīng)元數(shù);t—樣本輸出;y—模型輸出。

③將隱層神經(jīng)元數(shù)目增加，重復(fù)執(zhí)行第②步操作，對網(wǎng)絡(luò)訓(xùn)練誤差以及預(yù)測誤差的變化情況進(jìn)行觀察，一直到訓(xùn)練誤差達(dá)到最小值并最終趨于穩(wěn)定，同時(shí)，預(yù)測誤差亦達(dá)到最小值，結(jié)束此項(xiàng)作業(yè);

④將訓(xùn)練與預(yù)測誤差都取得最小值的最少隱層神經(jīng)元數(shù)作為BP神經(jīng)網(wǎng)絡(luò)模型的隱層神經(jīng)元數(shù)。

圖1所示為BP神經(jīng)網(wǎng)絡(luò)模型中隱層神經(jīng)元數(shù)對網(wǎng)絡(luò)訓(xùn)練以及預(yù)測誤差產(chǎn)生的影響。

根據(jù)圖1可知：①訓(xùn)練精度會(huì)始終比預(yù)測精度高，究其原因，在于用于檢測的樣本并非網(wǎng)絡(luò)之前見過的樣本;②對于BP神經(jīng)網(wǎng)絡(luò)模型來說，如果隱層神經(jīng)元數(shù)目超過5，訓(xùn)練精度會(huì)很高并且達(dá)到相對穩(wěn)定的狀態(tài);而若是隱層神經(jīng)元數(shù)目未超過13，預(yù)測精度會(huì)呈現(xiàn)出逐漸增加之勢，超過13，便會(huì)有波動(dòng)情況出現(xiàn)?；谏鲜鲞x取辦法的指導(dǎo)，最終確定隱層神經(jīng)元數(shù)目為13，BP網(wǎng)絡(luò)結(jié)構(gòu)為2-13-8。

3 ?學(xué)習(xí)樣本獲取

以某柴油機(jī)為例，對其穩(wěn)態(tài)工況下的排放性能數(shù)學(xué)建模進(jìn)行分析。設(shè)定模型的輸入變量為轉(zhuǎn)速與功率，輸出變量為CO、HC、NOX的體積濃度與煙度值。采用正交設(shè)計(jì)法確定模型學(xué)習(xí)樣本，在該方法中，研究對象對因素?cái)?shù)量有決定性作用，而樣本的致密性則由各因素位級(jí)決定。為確定工況對柴油機(jī)排放產(chǎn)生的影響，因素（亦即模型輸入變量）取為轉(zhuǎn)速與功率，另外，設(shè)定位級(jí)為3、4、5、6級(jí)，對應(yīng)實(shí)驗(yàn)次數(shù)設(shè)定為9、16、25與36次。根據(jù)轉(zhuǎn)速與功率兩個(gè)因素在3、4、5級(jí)正交設(shè)計(jì)法的取點(diǎn)分布情況可以知道，不管是幾位級(jí)，都在內(nèi)燃機(jī)工作范圍內(nèi)取點(diǎn)，對應(yīng)取點(diǎn)數(shù)目分別為9、16與25。樣本獲取實(shí)驗(yàn)進(jìn)行于柴油機(jī)試驗(yàn)臺(tái)之上。實(shí)驗(yàn)過程中可以將不同轉(zhuǎn)速下的負(fù)荷排放特性確定下來，為了保證不同位級(jí)樣本獲取上的便捷性，此處對內(nèi)插法加以采用。根據(jù)采用不同位級(jí)進(jìn)行學(xué)習(xí)樣本設(shè)計(jì)時(shí)NOX的預(yù)測結(jié)果可以發(fā)現(xiàn)，與位級(jí)的逐漸增加相伴隨，預(yù)測值與實(shí)測值之間的吻合度會(huì)越來越高，不過總的差別并不明顯，就算是3位級(jí)誤差也在5.7%以下。其他輸出變量的預(yù)測結(jié)果規(guī)律與之相似。因?yàn)楫?dāng)位級(jí)越高之時(shí)，需要的實(shí)驗(yàn)次數(shù)也會(huì)越多，出于對這一實(shí)際情況的考慮，一般選擇3-4位級(jí)便可滿足要求，故而此次研究針對內(nèi)燃機(jī)穩(wěn)態(tài)排放性能進(jìn)行的模型構(gòu)建選定為3位級(jí)。

4 ?內(nèi)燃機(jī)排放性能預(yù)測

在上述分析的基礎(chǔ)上，對內(nèi)燃機(jī)穩(wěn)態(tài)排放性能模型作如下設(shè)定：拓?fù)浣Y(jié)構(gòu)為2-13-8;學(xué)習(xí)率？濁=1.2;網(wǎng)絡(luò)訓(xùn)練次數(shù)與精度分別為30000次與0.0001;對Sigmoid激活函數(shù)加以運(yùn)用。基于對3位級(jí)樣本的選用，可得到如圖2所示模型預(yù)測結(jié)果與實(shí)測結(jié)果的比較情況（以NOX為例）。

篇幅所限，不再列示碳煙、CO和CO2排放特性模型預(yù)測結(jié)果與實(shí)測結(jié)果的比較圖，不過從整體層面上來看，各類參數(shù)排放特性模型預(yù)測結(jié)果與實(shí)測結(jié)果都比較接近，意味著3位級(jí)訓(xùn)練樣本構(gòu)建的模型已經(jīng)可以從基本層面上將內(nèi)燃機(jī)穩(wěn)態(tài)排放性能體現(xiàn)出來，模型具有比較理想的映射能力以及泛化能力。

另外，據(jù)圖可知，當(dāng)負(fù)荷比較大時(shí)，此柴油機(jī)內(nèi)燃機(jī)排放出來的NOX有比較高的水平，不僅如此，其對于碳煙的排放水平同樣比較高。因?yàn)椴裼蜋C(jī)中對于這兩種成分有著比較大的排放量，為了達(dá)到將污染降低的目的，需要盡可能地縮短發(fā)動(dòng)機(jī)在此工況范圍內(nèi)的運(yùn)行時(shí)間。

5 ?內(nèi)燃機(jī)排放污染控制措施

在分析內(nèi)燃機(jī)排放性能的基礎(chǔ)之上，為了達(dá)到降低污染的目的，應(yīng)對技術(shù)性與非技術(shù)性手段加以采用，對內(nèi)燃機(jī)排放污染進(jìn)行控制。

5.1 技術(shù)性手段

5.1.1 進(jìn)行機(jī)前處理

主要可進(jìn)行以下操作：其一，做好能源替代工作。為了達(dá)到有效降低內(nèi)燃機(jī)排放污染的目的，應(yīng)首先進(jìn)行能源替代。舉例而言，可以對天然氣、液化石油氣、氫氣等具有清潔優(yōu)勢的新能源材料加以運(yùn)用，由其將傳統(tǒng)內(nèi)燃機(jī)燃料替代，相對而言，這些清潔能源不會(huì)污染大氣，就算有，對大氣的污染程度也比較低。其二，提高燃料質(zhì)量。燃料質(zhì)量會(huì)對內(nèi)燃機(jī)排放污染產(chǎn)生直接影響，對此，煉油廠應(yīng)對先進(jìn)技術(shù)加以運(yùn)用，通過對燃料質(zhì)量的優(yōu)化最大限度地將燃料中混合雜志去除。例如，柴油中硫的含量會(huì)對硫化物的排放量產(chǎn)生影響，對此，可以基于脫硫技術(shù)的支持將燃料含硫量降低，進(jìn)而實(shí)現(xiàn)降低硫化物排放污染風(fēng)險(xiǎn)的目的。

5.1.2 實(shí)施機(jī)內(nèi)凈化

亦即對有害污染物在內(nèi)燃機(jī)內(nèi)部的生成進(jìn)行控制，主要操作為將增壓中冷技術(shù)、廢氣再循環(huán)裝置、高壓噴射技術(shù)以及可變配氣正時(shí)技術(shù)等應(yīng)用于傳統(tǒng)的內(nèi)燃機(jī)結(jié)構(gòu)中。

5.1.3 實(shí)施機(jī)外凈化

當(dāng)內(nèi)燃機(jī)已經(jīng)生成污染物并由排氣管道排出發(fā)動(dòng)機(jī)之后，對排出的污染物進(jìn)行控制，此即機(jī)外凈化。主要用到的裝置或技術(shù)有顆粒捕集器、熱反應(yīng)器、曲軸箱強(qiáng)制通風(fēng)裝置以及吸附凈化技術(shù)等。

5.2 非技術(shù)性手段

5.2.1 做好預(yù)防性維修及保養(yǎng)工作

內(nèi)燃機(jī)工作狀態(tài)的良好性會(huì)從直接層面上影響其排放污染情況，所以，應(yīng)對其施以預(yù)防性維修與保養(yǎng)，例如，應(yīng)對各種工作油液進(jìn)行及時(shí)的更換、做好對零件緊固性的檢查工作，同時(shí)，對零件磨損以及老化程度施以細(xì)致檢查等。

5.2.2 建立健全相關(guān)制度，強(qiáng)化監(jiān)管工作的開展

從政策層面上，主管部門需要持續(xù)改進(jìn)與完善各領(lǐng)域內(nèi)燃機(jī)排放標(biāo)準(zhǔn)以及管理制度，加強(qiáng)監(jiān)管，以此達(dá)到對藍(lán)天的有效維護(hù)目的。

6 結(jié)語

本文基于對BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型的設(shè)定，對內(nèi)燃機(jī)穩(wěn)態(tài)排放性能進(jìn)行分析，發(fā)現(xiàn)負(fù)荷較大時(shí)，內(nèi)燃機(jī)NOX與碳煙排放水平比較高，在此基礎(chǔ)上，從技術(shù)與非技術(shù)兩個(gè)層面提出建議，通過機(jī)前處理、機(jī)內(nèi)凈化、機(jī)外凈化、預(yù)防性維修與保養(yǎng)以及安全監(jiān)管的強(qiáng)化等手段，可以相對有效地達(dá)到降低內(nèi)燃機(jī)排放污染的目的。

參考文獻(xiàn)：

[1]孔令文.內(nèi)燃機(jī)排放法規(guī)綜述[J].中國電子商務(wù)，2014（13）：239.

[2]任福民，舒星，尹靜，等.柴油燃料性質(zhì)對內(nèi)燃機(jī)排放的影響及機(jī)動(dòng)車燃料的發(fā)展趨勢[J].北京交通大學(xué)學(xué)報(bào)，2016，40（1）：56-60.

[3]朱庚富，黃椹，沈凡卉.固定式燃?xì)鈨?nèi)燃機(jī)排放特性與大氣環(huán)境影響研究[J].環(huán)境科學(xué)與管理，2016，41（6）：188-191.

[4]左付山，李政原，呂曉，等.基于BP神經(jīng)網(wǎng)絡(luò)的汽油機(jī)尾氣排放預(yù)測[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，41（3）：307-313.