【技术实现步骤摘要】
基于神经网络的车辆二氧化碳实时排放预测方法及系统
[0001]本专利技术涉及车辆排放领域，具体涉及一种基于神经网络的车辆二 氧化碳实时排放预测方法及系统。
技术介绍
[0002]随着车辆保有量的持续增加，来自车辆尾气中的二氧化碳排放也 急剧增加，给环境造成了严峻的影响。
[0003]由于目前的油耗测试均在试验室进行，而实际道路复杂的环境以 及试验室测试所采用的工况曲线并不能很好的反映实际工况，导致最 终的油耗测试结果会远小于车辆实际油耗。即，试验室测试结果并不 能真实反映车辆的二氧化碳实际排放情况。此外，对车辆的二氧化碳 排放实行全生命周期监管的呼声日益高涨，但是仅依靠目前的油耗认 证测试、生产一致性检查以及在用符合性检查并不能有效实现上述目 标。
[0004]随着深度学习技术的发展，大量研究人员对基于深度学习技术的 车辆排放预测模型开展了大量的研究。在一篇车辆二氧化碳排放预测 相关论文中，提到了一种LSTM车辆二氧化碳排放预测模型模型， 该模型能够实现较高精度的二氧化碳排放预测，但是该论文在数据预 处理阶段
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的车辆二氧化碳实时排放预测方法，其特征在于，具体包括以下步骤：基于对样车所进行的排放测试，收集得到样车的实际道路排放测试数据；基于收集的实际道路排放测试数据，计算得到样车的瞬时加速度和二氧化碳瞬时排放速率；将样车的车速、加速度和发动机转速作为输入特征数据，并对输入特征数据进行窗口划分，构成训练集；搭建LSTM深度学习的二氧化碳实时排放预测模型，采用所述训练集进行训练；基于训练完成的二氧化碳实时排放预测模型，实现对与样车同型号的车辆的二氧化碳瞬时排放速率预测。2.如权利要求1所述的一种基于神经网络的车辆二氧化碳实时排放预测方法，其特征在于，所述基于对样车所进行的排放测试，收集得到样车的实际道路排放测试数据，具体步骤包括：基于样车所搭载的车载排放测试设备对样车进行排放测试，收集得到样车的实际道路排放测试数据。3.如权利要求1所述的一种基于神经网络的车辆二氧化碳实时排放预测方法，其特征在于，当将样车的车速、加速度和发动机转速作为输入特征数据之后，还包括：对输入特征数据中样车的车速和发动机转速进行转换处理，然后再对输入特征数据进行窗口划分。4.如权利要求3所述的一种基于神经网络的车辆二氧化碳实时排放预测方法，其特征在于：对样车的车速进行转化处理，具体为：V1＝log(V)其中，V1表示转化处理后的车速，V表示转化处理前的车速，log表示对数计算；对样车的发动机转速进行转换处理，具体为：RPM1＝RPM/100其中，RPM1表示转化处理后的发动机转速，RPM表示转化处理前的发动机转速。5.如权利要求1所述的一种基于神经网络的...
【专利技术属性】
技术研发人员：李岳兵，杜红云，何媛媛，李峰，
申请(专利权)人：襄阳达安汽车检测中心有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。