全文总字数：6559字
1. 研究目的与意义（文献综述）
1.1 研究目的及意义
随着全球人口和工业的增长，能源需求不断增长，以石油为基础的燃料储备正在迅速枯竭。由于不完全燃烧，柴油机产生的各种颗粒被归类为柴油机微粒物质(PM)。近年来，人工神经网络在柴油机各种用途中的应用有了很大的增加。由于不完全燃烧，柴油机产生的各种颗粒被归类为柴油机微粒物质(PM)。日益严格的排放法规要求发动机制造商必须继续降低PM。一种用于监测中、重型柴油机稳态和瞬态PM排放的虚拟传感器的预测技术。该预测结构在广泛的发动机操作点上是稳定的。输入参数是根据PM的形成机制、过程的物理知识和对基本物理的洞察力。采用主成分分析(PCA)方法，将具有外生输入的非线性模型的输入量从9个降为5个。
2. 研究的基本内容与方案
神经网络的优点在于它可以在不了解复杂的底层过程的情况下被用作任意函数的逼近机制；这是一种经济的测量方法。例如：随机行走试验、恒速负荷验收试验、从空转(零扭矩)到最大扭矩(最小时间)变化的试验，以及非道路试验。循环试验都是为了确定PM生产的所有特性而设计的。该模型是根据发动机运行过程中容易得到的传感器建立的，用于估计发动机运行过程中的PM值。该模型可用于指示发动机再生时间、优化发动机运行和控制动作。这样的模型必须易于实现，必须易于训练或评估，并且必须对数据产生良好的预测性能。此外，为了能够用于不同的柴油操作，该模型还应传递丰富的系统信息。一般来说，开发PM模型必须解决一些独特的问题。
问题 1:基本的PM方程不能直接使用，因为许多变量要么是算不出来的的，要么是不可靠的；这种模式的结构选择将是非常困难的。
问题2：捕获PM稳态和瞬态的模型具有挑战性。因为需要处理在瞬态操作过程中发生的不同的物理和化学过程。
3. 研究计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
第6－9周：编程实现各算法，并进行仿真调试。
4. 参考文献（12篇以上）
[1] B.Maass, J. Deng, and R. Stobart,Diesel Emission Prediction with Parallel Neural Networks, American Control Conference, 2009
[2] J. Deng, B. Maass, R. Stobart,Single NLARX Model for Particulate Matters Prediction of Diesel Engines[c], The 18th IFAC World Congress, 2011, Milan, Italy
[3] B. Maass, J. Deng, and R. Stobart, Prediction of NOx Emissions of a Heavy Duty Diesel Engine with a NLARX Model, SAE 2009-01-2796.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
