Transient NOx emission modeling of a hydrogen-diesel engine using hybrid machine learning methods
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
One promising approach to reduce carbon foot print of internal combustion engines (ICEs) is using alternative fuels like hydrogen, particularly by converting medium and heavy-duty diesel engines to dual-fuel hydrogen-diesel engines. To minimize elevated NOx emissions from hydrogen-fueled engine, fast and accurate emission models are essential for engine model-based control and for engine calibration and optimization using hardware-in-the-loop (HIL) setups. In this study, a fast-response NOx emissions sensor is used to measure the transient NOx emissions from a dual-fuel hydrogen-diesel engine. Subsequently, steady-state models (SSMs), quasi steady-state models (QSSMs), and transient sequential models (TSMs) in the form of black-box (BB) and gray-box (GB) models are developed for transient NOx emissions prediction. GB models utilize both information from a one dimensional (1D) physical engine model and experimental data for training, while BB models only use experimental data. SSMs are optimized artificial neural networks (ANNs) trained using steady-state data, QSSMs are optimized ANNs trained using transient data, and TSMs are time-series networks trained using transient data. Long short-term memory (LSTM) and gated recurrent unit (GRU) networks are used as the time-series deep learning networks. The results showed that the 1D physical model has the poorest performance with successive model performance improvement from SSM to QSSM and from QSSM to TSM. The developed BB TSM model in this study can predict transient NOx emissions with an R 2 value greater than 0.96 at 89,000 predictions per second which makes this model suitable for real-time engine model-based control where computational efficiency is crucial. The developed GB TSM model can predict transient NOx emissions with an R 2 value greater than 0.97 but it is computationally more expensive. The extra accuracy of the GB TSM models makes them the best choice for HIL setups where more computational power is available, and accuracy is more crucial.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle