买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】柴油机NOx排放实时估计系统_吉林大学_202011101762.2 

申请/专利权人:吉林大学

申请日:2020-10-15

公开(公告)日:2021-01-19

公开(公告)号:CN112241609A

主分类号:G06F30/27(20200101)

分类号:G06F30/27(20200101);G06N3/04(20060101);G06N3/08(20060101)

优先权:

专利状态码:失效-发明专利申请公布后的视为撤回

法律状态:2023.03.10#发明专利申请公布后的视为撤回;2021.02.05#实质审查的生效;2021.01.19#公开

摘要:一种柴油机NOx排放实时估计系统,属于柴油机控制技术领域。本发明的目的是选取了进气歧管压强、废气残余分数、喷油量、发动机转速及EGR阀流量作为LSTM‑RNN循环神经网络输入变量,训练LSTM‑RNN神经网络的柴油机NOx排放实时估计系统。本发明步骤是:获取柴油机运行工况相关数据集、选取NOx实时估计模型输入数据、训练集与测试集的选取、选取数据预处理、确定循环神经网络结构参数、建立LSTM循环神经网络NOx预测模型。本发明实现对柴油机NOx的实时精确估计,经过柴油机台架的验证,本发明提出的柴油机NOx实时估计系统相对于传统的BP神经网络建模,估计精度在稳态工况、瞬态工况和综合工况分别有17.82%、50.35%、32.34%的提升。

主权项:1.一种柴油机NOx排放实时估计系统,其步骤是:步骤一、获取柴油机运行工况相关数据集;其特征在于:步骤二、选取NOx实时估计模型输入数据,选取了五个指标用于预测NOx排放,pim进气歧管压强、F1废气残余分数、Qv喷油量、Ne发动机转速、wEGREGR阀流量;需要从行驶数据集中提取的数据矩阵Xin为 其中前五项为用于预测的输入量,第六项是模型预测量NOx排放cNOx;步骤三、训练集与测试集的选取提取数据集Xin中的前80%为训练数据Xtrain,用于训练NOx的LSTM循环神经网络预测模型;后20%为测试数据Xtest,在模型建立之后,对模型的预测精度进行验证;步骤四、选取数据预处理为了提高NOx预测模型的预测精度,需要对选取的数据做归一化处理;步骤五、确定循环神经网络结构参数,在TensorFlow平台上确定LSTM循环神经网络输入层、隐含层及输出层的参数,选取的循环神经网络结构参数输入特征数量5、隐含层层数1、隐含层神经元个数2、输出特征数量1、时间步长1~2;步骤六:建立LSTM循环神经网络NOx预测模型,在TensorFlow平台进行LSTM-RNN神经网络训练有以下步骤:1读取训练数据并进行归一化处理2设置LSTM-RNN神经网络结构参数:输入维度、输出维度、LSTM中的隐藏层单元个数,时间步长,输入维度为5;输出维度为1;LSTM中包含1个隐含层,隐含层单元个数为2,时间步长为1个采样步长,即可对当前时刻的NOx排放数据进行估计;3设置深度学习参数:学习率、序列段批次大小,设置学习率为0.01,序列段批次大小为100;4对神经网络参数进行训练,在循环神经网络结构中,输出层的激活函数采用tanh函数而非sigmoid函数,sigmoid函数表达式为 其导函数为 训练过程中的损失函数采用平方损失的标准形式,其表达形式为 其中cNOxi和分别为i时刻NOx排放的测量值和LSTM-RNN模型估计值。

全文数据:

权利要求:

百度查询: 吉林大学 柴油机NOx排放实时估计系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术