【技术实现步骤摘要】
本专利技术涉及柴油机控制，特别是涉及一种基于长短期记忆(lstm)神经网络模型卡尔曼滤波(kf)结合的柴油机轨压预测方法，旨在实现对柴油机轨压的精确实时监控与预测。
技术介绍
1、柴油机的高效和环保运行状态很大程度上依赖于燃油供给系统的精准控制，其中轨压的稳定性是关键因素之一，直接影响到柴油喷射系统的工作性能，进而影响到发动机的燃烧效率、动力性能和排放等方面。
2、传统的轨压监测依赖于物理传感器，但这些传感器可能因长期使用、环境影响等因素导致测量误差增大或故障发生，影响整个系统的可靠性和稳定性。为了解决成本高、安装复杂、易受环境干扰等问题，学术界和工业界开始研究利用机器学习和人工智能等技术，通过虚拟感知的方式来预测和估计柴油机轨压，也可借此与实际轨压数据进行对比实现诊断功能。因此，研究一种不依赖于物理传感器直接测量、能够实现精准预测和监控的轨压虚拟感知算法具有重要意义。
3、目前国内外在柴油机轨压虚拟感知方面的研究现状主要集中在以下几个方面：过去，大部分的研究采用基于物理模型的方法，通过建立柴油机的数学模型来预测...
【技术保护点】
1.一种基于LSTM神经网络模型卡尔曼滤波的柴油机轨压预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于LSTM神经网络模型卡尔曼滤波的柴油机轨压预测方法，其特征在于，所述步骤1中，数据清洗时，清洗掉异常值、缺失值、重复值、不相关的特征和不具有一致性的数据。
3.如权利要求1所述的基于LSTM神经网络模型卡尔曼滤波的柴油机轨压预测方法，其特征在于，所述步骤1中，预处理包括归一化或标准化操作。
4.如权利要求1所述的基于LSTM神经网络模型卡尔曼滤波的柴油机轨压预测方法，其特征在于，所述步骤2中，LSTM神经网络模型包括...
【技术特征摘要】
1.一种基于lstm神经网络模型卡尔曼滤波的柴油机轨压预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于lstm神经网络模型卡尔曼滤波的柴油机轨压预测方法，其特征在于，所述步骤1中，数据清洗时，清洗掉异常值、缺失值、重复值、不相关的特征和不具有一致性的数据。
3.如权利要求1所述的基于lstm神经网络模型卡尔曼滤波的柴油机轨压预测方法，其特征在于，所述步骤1中，预处理包括归一化或标准化操作。
4.如权利要求1所述的基于lstm神经网络模型卡尔曼滤波的柴油机轨压预测方法，其特征在于，所述步骤2中，lstm神经网络模型包括一个或多个lstm层以及一个输出层，输入层的节点数量与输入特征的维度相匹配，输入特征包括转速n、燃油消耗量mfuel和/或进气温度tin，输出层的节点数量为1，只预测柴油机轨压一个数值。
5.如权利要求1所述的基于lstm神经网络模型卡尔曼滤波的柴油机轨压预测方法，其特征在于，所述步骤3中，编译lstm神经网络模型时，选择均方误差作为损失函数，选择adam优...
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。