利用类别不平衡学习建模部分稳定燃烧发动机的稳定运行包络
神经与进化计算
2013-06-25 v1
摘要
均质压燃 (HCCI) 发动机等先进燃烧技术具有狭窄的稳定运行区域，其由废气再循环 (EGR) 和可变气门正时等复杂的控制策略所定义。对于此类系统，出于诊断和控制目的，识别稳定运行包络或稳定运行边界至关重要。由于发动机瞬态效应的影响，利用物理方法获取良好的运行包络模型变得难以处理。本文采用一种基于机器学习的方法，直接从实验数据中识别 HCCI 燃烧的稳定运行边界。鉴于数据中类别比例的不平衡，我们考虑了两种方法：一种是基于重采样（欠采样、过采样）的方法，利用现有算法开发模型；另一种是代价敏感方法，在不修改数据集的情况下改进学习算法。我们使用支持向量机 (SVM) 和最近开发的极限学习机 (ELM) 进行模型开发，并与线性分类方法进行比较，结果表明 ELM 和 SVM 算法的代价敏感版本非常适合建模 HCCI 运行包络。预测结果表明，这些模型具有基于传感器测量历史预测 HCCI 不稳定性的潜力。
引用
@article{arxiv.1306.5702,
title = {Modeling The Stable Operating Envelope For Partially Stable Combustion Engines Using Class Imbalance Learning},
author = {Vijay Manikandan Janakiraman and XuanLong Nguyen and Jeff Sterniak and Dennis Assanis},
journal= {arXiv preprint arXiv:1306.5702},
year = {2013}
}
备注
In a Journal review