一种基于LSTM算法的柴油车NO制造技术

本发明专利技术是一种基于LSTM算法的柴油车NO

【技术实现步骤摘要】
一种基于LSTM算法的柴油车NO
x
排放预测方法


[0001]本专利技术涉及柴油车排放预测的
，尤其涉及一种基于LSTM算法的柴油车NO
x
排放预测方法。

技术介绍

[0002]随着社会经济快速发展，汽车保有量也经历了爆发式的增长，由此带来的汽车尾气污染问题已成为空气污染的重要来源。柴油车是NO
x
的主要贡献者。因此柴油车NO
x
排放的控制是机动车污染物监管和治理的关键所在，构建柴油车NO
x
排放模型可以提供较准确的实际道路排放预测数据，为国家节能减排政策的指定和相关措施的实施提供科学的依据。
[0003]目前NO
x
排放检测主要采用台架测试以及道路测试两种方式。台架测试一般在实验室台架上通过工况循环进行排放水平检测，根据不同国家、地区范围内行驶的车辆构建出的工况循环，与实际工况循环仍存在一定差异，用来评价不同地区运营车辆的排放会造成结果的偏差。道路测试需要车辆在真实道路上行驶，通过PEMS设备实时采集车辆的实际工况和排放数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LSTM算法的柴油车NO
x
排放预测方法，其特征在于，包括数据处理的第一模块、模型训练的第二模块以及模型预测的第三模块；在第一模块中，基于使用车辆产生的每秒一次的离线数据，从排放相关数据中选取模型所需特征，构造相关的数据预处理方法，使第二模块、第三模块中的训练与预测拥有理想的输入数据；在第二模块中，采用基于LSTM的深度学习网络进行模型训练，得到可用于预测的LSTM模型；在第三模块中，使用第二模块训练所得的模型进行目标预测与MAE值计算。2.根据权利要求1所述的一种基于LSTM算法的柴油车NO
x
排放预测方法，其特征在于，数据处理的第一模块中，特征值的选择基于数据分析的方式，采取灰色关联度分析的方法，将NO
x
排放浓度设为目标字段，分析其它所有数字原始字段对NO
x
排放浓度的关联权重，具体包括以下步骤：S1：确立母序列和子序列，其中，母序列为NO
x
排放浓度，子序列为发动机排放相关的所有信号数据；S2：数据归一化，采用处置化方法，将每种信号数据与其初值作商，从而将所有值整定至1附近；S3：计算灰色关联系数，得到关联系数矩阵从而选取合适的特征值，矩阵中每个元素的计算方法如下：；其中，为分辨系数，取，为参考序列的第个指标，为比较序列的第个指标。3.根据权利要求2所述的一种基于LSTM算法的柴油车NO
x
排放预测方法，其特征在于，步骤S3中，基于灰色关联度分析的特征选择结果为：车辆行驶速度、发动机转速、发动机燃油流量、废气温度、SCR出口温度、发动机扭矩、发动机负荷系数、发动机进气量、SCR前氮氧浓度、SCR后氮氧浓度、怠速进气量调节值和进气密度。4.根据权利要求1所述的一种基于LSTM算法的柴油车NOx排放预测方法，其特征在于，模型训练的第二模块中，在构建基于LSTM的深度学习模型时，添加了Dropout层用以减小模型过拟合的情况，从而达到了理想的预测效果，具体包括以下步骤：P1、数据预处理，...

【专利技术属性】
技术研发人员：闫方超，唐志诚，毕道坤，
申请(专利权)人：天津布尔科技有限公司，
类型：发明
国别省市：