.png){kind=icon}
返回
ANN-Based Modeling of Engine Performance from Dynamometer Sensor Data
.png){kind=icon}
OA
AI
DOI：10.3390/s26010120.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确预测内燃机性能是实现效率提升和符合排放标准的关键步骤。本研究提出了一种人工神经网络（ANN）模型，该模型利用传感器获取的参数（如设计功率、轮上功率、扭矩和转速）来预测发动机负荷。数据通过测功机和硬件在环（HiL）测试台采集，以确保基于传感器的真实测量。所提出的ANN架构在多分类任务中达到了高精度（99%），并在回归性能上表现优异（R2≈0.98），证明了其能够模拟正常工况下复杂的发动机负荷关系。通过5折分层交叉验证对性能进行验证，平均精度为0.988±0.011，宏F1为0.984±0.011，回归R2为0.962±0.052，证实了其良好的泛化能力和鲁棒性。该模型可扩展以包含更多传感器输入，并适配于其他动力总成系统，使其能够在多种汽车和工业应用中使用。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
暂无机构信息
引用论文
Implementation and Analyses of an Eco-Driving Algorithm for Different Battery Electric Powertrain Topologies Based on a Split Loss Integration Approach.png)
ENERGIES
OAAI
ENERGIESIF3.2
OAAI分享收藏Hardware-in-the-Loop Simulations: A Historical Overview of Engineering Challenges硬件在环仿真: 工程挑战的历史概述ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏Multi-objective optimization for combustion, thermodynamic and emission characteristics of Atkinson cycle engine using tree-based machine learning and the NSGA II algorithm基于树的机器学习和NSGA II算法的阿特金森循环发动机燃烧，热力学和排放特性的多目标优化FUEL
FUELIF7.5
PREAI
分享收藏Application of Machine Learning to Classify the Technical Condition of Marine Engine Injectors Based on Experimental Vibration Displacement ParametersMonieta, J.; Kasyk, L. 基于实验振动位移参数，应用机器学习对船舶发动机喷油器技术状况进行分类。Energies 2023, 16, 6898. [Google Scholar] [CrossRef]Energies
EnergiesIF0
PREAI
分享收藏A Review of machine learning techniques for wind turbine's fault detection, diagnosis, and prognosis用于风力发电机故障检测，诊断和预测的机器学习技术综述
PREAI
分享收藏
查看更多内容