| 제목 |
딥러닝을 사용한 엔진의 질소 산화물 예측 속도 개선 |
| 분야 |
디젤엔진 |
| 언어 |
Korean |
| 저자 |
김종명(명지대학교), 김민재(명지대학교), 민경덕(서울대학교), 박지환(서울대학교), 이상열(호서대학교), 신승협(서울대학교), 조석원(서울대학교) |
| Key Words |
NOx(질소 산화물), Deep learning(딥러닝), Genetic algorithm(유전 알고리즘), Response Suerface Methodology(반응표면법) |
| 초록 |
자동차 엔진에서 연소실의 다양한 조건들을 통해 질소산화물이 빈번히 발생한다. 이러한 질소 산화물의 발생은 환경적으로 심각한 부정적 영향을 미치므로, 이를 저감하기 위한 노력은 다 방면으로 세계적으로 진행되고 있다. 특히 Carlifornia Air Resource Board(CARB)를 통해 2019년 의 NMOG+NOx를 0.09(g/mi)이하로 배출하는 승용 차량을 생산하기를 요구하고 있는 실정이다. 이 러한 환경적, 제도적 필요에 따라서, 본 논문에서는 기존 연구에서 질소 산화물의 발생량 및 해당 데이터를 기반으로 딥러닝을 통해 효율적으로 질소산화물의 발생량을 예측하는 것을 기반으로 하 되, 추가로 최적화 기법을 추가로 결합하여 딥러닝 연산의 기본이 되는 스텝사이즈, 노드수 등의 데이터 자동 최적화의 속도를 크게 향상시켜 기존보다 정확하면서도 빠르게 질소산화물의 발생을 예측하여, 더 능동적으로 대처할 수 있도록 도모하게 하였다.
|
| 원문(PDF) |
다운로드
|
