基于lstm神经网络的柴油机nox排放预测参考.pdf

万方数据
．咖基于神经网络的柴油机欧旁げ眦玳隕刑缒蚷刎伽撕岘啪档琘通信作者：资新运，博士，教授，订：硼戴金池雍Ａ，俞妍方ü，资新运羍仃娜啪肮聅盯鋎·舯，緄，妇；甅町鯿嘞呐：鷌恤咖，嗽锄鴓协╥一，选择性催化还原技术侵兄匦筒裼突鶱感器直接测量发动机的排放受到传感器的成了多种预测方法，包括基于成涞姆椒ā⒒第卷第窬缒芄患且涫奔湫蛄邢惹暗氖淙氩⒔溆糜诘鼻暗脑げ猓忍た鲇胨蔡た稣铣尚碌幕旌瞎，術锄，簓∞娼时，删郴时，皿閐縠豁．譺：∞；∞排放是柴油机排放控制面临的主要问题之排放控制的主流技术路线，而准确测量柴油机的排放是低晨刂坪驼锒系幕　緇】．使用传本、精度和信号漂移方面的影响【浚页翟卮ǜ衅鞫薪徊婷舾行浴】．因此，通常采用模型预测柴油机的排放．为此国内外学者做了大量研究，提出物理模型的方法和基于数据驱动模型的方法．基于成涞姆椒ㄒD芄蛔既菲ヅ浞⒍诓煌跫下的排放，需要大量的标定试验，时间成本较高，而且静态条件下校准的纪ǔＲ材岩宰既映射瞬态条件下的生成．基于物理模型的方法甤【畆．内燃机学报．陆军军事交通学院研究生队，天津；骄陆煌ㄑг壕贸盗竟こ滔担旖摘要：柴油机排放是机动车排放污染物的主要来源，有效的排放预测模型是选择性催化还原技术控制和车载诊断系统瓿蒘监测的基础．利用长短期记忆神经网络预测某柴油机的排放，况，并在划分的测试集和全球统一瞬态试验循环℃た錾涎橹つＰ途ǘ龋峁砻鳎篖窬缒Ｐ能够同时在稳态过程与瞬态过程取得较高的预测精度和稳定性，整合工况测试集的预测误差均方根为．×螅⑶揖弑附锨康姆夯芰Γ关键词：柴油机；排放；预测模型；长短期记忆神经网络中图分类号：．文献标志码：文章编号：．．．虮瑆彻瑆鮒嘶簅∞籶璐磑．．，∞珹，觟鷗钉で鷈璐甌觇謘作者简介：戴金池，博士研究生，甿簓．．恤齮阰甌瑃餌琲．×巧．籰巧琽收稿日期：．．；修回日期：．．．基金项目：国家重点研发计划资助项目．甧
万方数据
掣和趜理论型的建立．姐擞肂窬缭げ獠裼突稳态工况的排放，傅短岢隼匆恢指慕淖通常建模过程复杂，需要很强的计算能力和较长的开发周期，部分模型还会用到实车上难以获取的参数，信号作为输入，由于缸内压力传感器的高昂价格限制了其在实车上的应用．数据驱动模型的方法因在开发成本和开发时间上的优越性，被广泛应用于柴油机排放预测模优支持向量机琒赡型，用于稳态和瞬态工况的预测，拥有比传统龆┖虰窬绺叩木ǘ龋艿取】通过偏最小二乘法进行特征提取，用神经网络拟合预测柴油机况下的排放分开考虑并建模的，而实际道路条件下的工况变化过程十分复杂，不仅取决于驾驶员的区分稳态和瞬态工况，并应用不同的模型预测际道路条件应用的需求．的时间序列预测问题．基于此，笔者采用处理时间序模型在两种工况下均有着很高的预测精度．神网络，能够记忆时间序列之前的信息并用于预测当前莼袢〖霸ご欧挪馐韵低常⒍6ǚ缒承缸增压、中冷商用国裼头⒍匝橛糜臀B愎鶹标准的柴油．根据《车用压燃式、气体燃料点燃式发动机与汽车排气污染物排放限值及测量方法泄Ⅲ、Ⅳ、锥》中附件“虴试验循环”和“匝檠贰钡墓娑ǎ辛伺分尬忍团分匏蔡试验，逐秒采集数据，作为研究分析的依据．测试并记录的参数共有个，排放为需要预测的参数，转速、转矩、喷油量、进气流量、机油压力、机油温度、进气阻力、进气温度、进气湿度、冷却水温度、大气压力和大气温度个参数作为待定的输入参数．获得的部分泛虴循环数据如表⒈所示．初步