基于NSGA-Ⅱ与RBF神经网络的DPF结构参数优化

作     者：贾德文 郭岩琦 雷基林 毕玉华 聂学选 JIA Dewen;GUO Yanqi;LEI Jilin;BI Yuhua;NIE Xuexuan

作者机构：昆明理工大学云南省内燃机重点实验室云南昆明650500 

出 版 物：《中国工程机械学报》 (Chinese Journal of Construction Machinery)

年 卷 期：2024年第22卷第1期

页      面：1-6页

学科分类：080703[工学-动力机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：云南省科技厅重大科技专项计划资助项目(202102AB080007) 

主　　题：柴油机颗粒捕集器 多目标优化 捕集性能 RBF神经网络 NSGA-Ⅱ遗传算法 

摘      要：为降低某型号柴油机颗粒捕集器(DPF)在运行过程中的流动阻力,并使其保持较高的捕集效率。采用试验设计方法抽取代表性样本集,并分析影响因素对DPF捕集性能影响的显著性。利用径向基函数(RBF)神经网络构建所选变量与目标函数映射关系代理模型,并结合第二代非劣排序遗传算法(NSGA-Ⅱ)与结合熵权的优劣解距离排序法(TOPSIS)得到关于目标函数的一组最优解。结果表明:该型号DPF平均压降降低了14.58%,且DPF平均捕集效率保持99%以上。