1、“.....以验证模型。通过使用实验数据对网络进行试验后，经过约个周期，总结平方误差可达。于图所示。而隐层节点数还证实，其中隐层节点数为。鹿猛大功率天然气发动机双燃烧室系统设计模型验证该模型也验证了个双燃料发动机规格，额定功率转速转分。图显示，模拟结果和氧化碳测试结果，第个操作条件较好排放量也分别表示，该模型也可以用于预测二氧化碳排放基于模型，排放预测发展这模型目是用它来预测均衡器氧化碳，氮氧化物排放量。以下是由该模型对几种主要操作参数对二氧化碳，氮氧化物排放量变化影响。旋转速度影响图中在特定情况下因为它出色识别和预测能力。径向基函数神经网络基础上，通常是个非线性径向对称函数。高斯函数径向基函数核心功能，拥有两个向量参数和是自变量向量这个函数，为核心径向基函数。越野形成个与为中心，是椭圆半径椭圆函数。基于神经网络神经元功能是作为神经网络调用。神经网络包括三个层次......”。

2、“.....其元素组，形式输入参数数量，第二层是隐层径向基函数许多神经元组成隐层节点计算欧几里德之间中心和网络输入向量，然后距离结果传递到径向基函数，最后层是输出层组成共同线性神经元。神经网络工作结构如图所示。这种模式有输入和输出，与输入和输出之间关系，这是模型如下基于神经网络工作原理该网络结构见其中输入向量，理想输出系列，，实际输出系列和重量在输出层值可以得到神经网络，具有输入和隐藏节点和输出。选择高斯函数径向基函数，实际输出系列是由下列公式计算然后，权值调整，以满足下面公式，从其中神经网络可以得到最终结果。基于神经网络排放模型开发模式发展由于有限试验单位，该部分甲烷数量无法获得，因此该模型只包括二氧化碳，排放。该模型结构图所示。在这个模型中输入输出关系如下输入层节点数被选择作为与输入参数相同参数输出层节点数目是作为与输出参数相同参数被设置为。试验数据是根据测试得出......”。

3、“.....有组以上数据是在轻载低转速到高负载高转速下得出，这是为了试验神经网络，还有组数据是在大范围工况试验下得出，以验证模型。通过使用实验数据对网络进行试验后，经过约个周期，总结平方误差可达。于图所示。而隐层节点数还证实，其中隐层节点数为。鹿猛大功率天然气发动机双燃烧室系统设计模型验证该模型也验证了个双燃料发动机规格，额定功率转速转分。图显示，模拟结果和氧化碳测试结果，第个操作条件较好排放量也分别表示，该模型也可以用于预测二氧化碳排放基于模型，排放预测发展这模型目是用它来预测均衡器氧化碳，氮氧化物排放量。以下是由该模型对几种主要操作参数对二氧化碳，氮氧化物排放量变化影响。旋转速度影响图中在特定情况下，输出层节点数目是作为与输出参数相同参数被设置为。试验数据是根据测试得出，测试发动机规格在表中已经给出。有组以上数据是在轻载低转速到高负载高转速下得出，这是为了试验神经网络......”。

4、“.....以验证模型。通过使用实验数据对网络进行试验后，经过约个周期，总结平方误差可达。于图所示。而隐层节点数还证实，其中隐层节点数为。鹿猛大功率天然气发动机双燃烧室系统设计模型验证该模型也验证了个双燃料发动机规格，额定功率转速转分。图显示，模拟结果和氧化碳测试结果，第个操作条件较好排放量也分别表示，该模型也可以用于预测二氧化碳排放基于模型，排放预测发展这模型目是用它来预测均衡器氧化碳，氮氧化物排放量。以下是由该模型对几种主要操作参数对二氧化碳，氮氧化物排放量变化影响。旋转速度影响图中在特定情况下旋转速度和排放量变化表明排放随转速增加。这种情况发生是因为与燃烧时间缩短，提高转速情况下氧化碳不能完全氧化。然而，氮氧化物排放量随转速减少。这是因为在早期减少热量输出和在汽缸因增加旋转速度减少。因此，时间和氮在它缩短，降低温度，因此氮氧化物排放量减少......”。

5、“.....数量对和排放影响如图所示。天然气数量影响同该引擎负荷有相同效果，所以这里发动机负荷是用来显示天然气数量所引起效果。增加天然气数量增加了热输出和汽缸最高温度。因此，它在燃烧过程中充分完成，因此二氧化碳排放量减少和氮氧化物排放量增加。试点影响在轻载状态下，试点数量对和排放影响效果如图。可以看出，氮氧化物排放量变化并不明显，甚至增加试点数量也是如此。但二氧化碳排放量减少，因为在轻载状态下气缸中天然气数量变小，因此，即使是试点数量，早期热输出和在气缸内最高温度升高，氮氧化物排放量变化也不大，但由于氮氧化物由于激烈氧化使排放量减少。在重载状态下，试点数量对和排放影响效果如图。可以看出，排放量相对于轻载状态下要少，排放量要相对于轻载状态下要高得多。随着试点数量增加和气缸内天然气增加，二氧化碳排放量减少，氮氧化物排放量由于点火能量和总热量增加而增加......”。

6、“.....氮氧化物排放量影响如图所示，表明与喷油定时增加，二氧化碳排放量和氮氧化物排放量不同时增加或重新下降。这意味着在轻载状态下有最佳喷射时间以使二氧化碳，氮氧化物排放量最少。在图可以看到在重载情况下有同样结果。模拟结果表明图和图是在这个均衡器最佳注射时间。结论在天然气柴油双燃料发动机排放预测模型神经网络工作基础上，建立以供分析氧化碳，氮氧化物排放主要参数影响。模型模拟传统排放量相致结果表明，该模型具有定应用价值。该模型验证也证明，模拟结果与试验数据吻合。因此，该模型可以做为理论基础，鹿猛大功率天然气发动机双燃烧室系统设计以提出预测性能和排放量。在实践中，该模型可以被用来作为提高和优化均衡器参数重要方法。该模型仍然有它局限性，因为它是以高度实验样本数据数量为基础......”。

7、“.....径向基函数神经网络基础上，通常是个非线性径向对称函数。高斯函数径向基函数核心功能，拥有两个向量参数和是自变量向量这个函数，为核心径向基函数。越野形成个与为中心，是椭圆半径椭圆函数。基于神经网络神经元功能是作为神经网络调用。神经网络包括三个层次，第层是输入层，其元素组，形式输入参数数量，第二层是隐层径向基函数许多神经元组成隐层节点计算欧几里德之间中心和网络输入向量，然后距离结果传递到径向基函数，最后层是输出层组成共同线性神经元。神经网络工作结构如图所示。这种模式有输入和输出，与输入和输出之间关系，这是模型如下基于神经网络工作原理该网络结构见其中输入向量，理想输出系列，，实际输出系列和重量在输出层值可以得到神经网络......”。

8、“.....各国都已作出巨大努力。中国的燃料储备和发动机技术的现状表明，压缩天然气柴油双燃料发动机是解决上述问题的最佳方案之。为了研究和提高天然气柴油发动机，均衡器发射模型是基于径向基函数的排放性能神经网络。这附录译文压缩天然气柴油双燃料发动机排放物神经网络研究摘要为了解决严重环境污染和能源资源急剧下降，各国都已作出巨大努力。中国燃料储备和发动机技术现状表明，压缩天然气柴油双燃料发动机是解决上述问题最佳方案之。为了研究和提高天然气柴油发动机，均衡器发射模型是基于径向基函数排放性能神经网络。这是个黑盒子输入输出数据模型，不需要先验条件。中心和连接可自动选择，根据测试数据分布和投入产出给定空间以及近似误差。研究表明，预测结果都符合了个在低负荷运行条件下，大范围，高负荷实验数据。发达国家排放量模型神经网络可以用来成功地预测和优化排放量。同时，该均衡器主要性能参数，如转速，负荷......”。

9、“.....效果也符合模型预测方法。在天然气柴油发动机排放预测模型基于神经网络分析中，主要分析了对二氧化碳主要性能参数影响和内置排放量。预测结果比较符合传统排放模式，这表明该模型具有定应用价值，但由于其对实验样本数据量高度依赖，因此还有定局限性。关键词双燃料发动机，排放性能，神经网络引言由于严重环境污染和世界各地能源危机，开发降低能源消耗汽车成为主要研究目标。天然气发动机采用压缩空气为燃料，具有更高效率和降低污染突出优势。该天然气柴油均衡器专门为城市公交车也可明显降低城市空气污染，尤其是大城市。因此，对均衡器燃烧过程研究，特别是排放性能，是非常重要和宝贵，在般情况下，燃烧过程和发动机机制所涉及物理和化学合成过程。由于其复杂性和即时性，没有鹿猛大功率天然气发动机双燃烧室系统设计合适解析函数来描述它燃烧过程，特别是对均衡器。在这个新排放模型径向基函数中提出了天然气柴油均衡器......”。