利用改进BP网络的船舶尾气检测精度提升方法
DOI:
CSTR:
作者:
作者单位:

重庆川仪分析仪器有限公司 重庆 400060

作者简介:

通讯作者:

中图分类号:

TP212.2; TN911.72

基金项目:


Application ofimproved BP neural network in the detection of Ship tail gas
Author:
Affiliation:

Chongqing Chuanyi Analyzer Co.Ltd., Chongqing 400060, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    船舶实际工况环境中的尾气浓度排放是排放因子设定的关键因素,是船舶污染监测以及排放清单计算等重要基础。由于受到燃油品质、水含量以及氧气饱和度、燃油实际燃烧情况、柴油机组以及净化设备实际工况等影响,其尾气排放波动较大。采用数据融合思想引入改进BP神经网络对检测结果进行校正,以弥补检测环境中存在多种不确定因素对检测精度的影响。用内河航道船舶实际工况氮氧化物排放数据进行计算机仿真实验及分析,说明了该方法的有效性。

    Abstract:

    Ship tail gas detection precision is an important basis for emission factors and ship pollution detection.Due to the influence of fuel quality, water content and oxygen saturation, fuel combustion,diesel engine unit and the actual operating conditions of the purification equipment, the emission of the exhaust gas fluctuates greatly. In order to make up for all kinds of Interference factor of the detection accuracy, an improved BP neural network which in data fusion algorithms be accepted. On the basis of real data which NOX emission under actual working conditions of inland waterway ships, the computer simulation and analysis show that this method can improve the accuracy effectively.

    参考文献
    相似文献
    引证文献
引用本文

严实.利用改进BP网络的船舶尾气检测精度提升方法[J].电子测量技术,2017,40(11):221-225

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2018-01-02
  • 出版日期:
文章二维码