✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥内容介绍 为充分发挥F-T煤制油的优良理化特性,改善柴油机SOOT和NOX之间的"Trade-off"关系,以一台四缸柴油机为研究对象,将SOOT和NOX作为优化目标.通过台架试验获得柴油机燃用F-T煤制油时SOOT和NOX随喷油参数变化的性能试验数据,采用支持向量机SVM建立喷油参数与SOOT、NOX间的预测模型,并将其作为带精英策略的非支配排序遗传算法的适应度评价模型,在样本空间内获得SOOT和NOX的Pareto前沿.赋予SOOT和NOX不同的权重,通过Topsis对Pareto前沿进行决策分析,与原机工况点相比,SOOT下降幅度为 3.7%～7.1%,NOX下降幅度为 1.2%～2.6%.经试验验证,SOOT的Pareto前沿与试验验证值之间的相对误差不超过8%,NOX不超过5%,各工况下的R2均大于0.95.该方法改善了柴油机SOOT和NOX之间的"Trade-off"关系,使柴油机排放性能得到提高.
⛳️ 运行结果
========== TOPSIS决策结果 ==========
最优解索引：3
SOOT排放：141.32
NOx排放：810.13
最优喷油参数（原始值）：
预喷正时：10.51 °CA
主喷正时：8.33 °CA
喷射压力：60.10 MPa
预喷油量：1.54 mg
========== 验证结果 ==========
预测值：SOOT=141.32, NOx=810.13
试验值：SOOT=139.66, NOx=823.67
相对误差：SOOT=1.19%, NOx=1.64%
📣 部分代码
🔗 参考文献
[1]孟源 闫飞.基于多目标分析的F-T柴油机SOOT和NOX排放物优化研究[J].中国农机化学报, 2024, 45(11):119-124.DOI:10.13733/j.jcam.issn.2095.
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
