基于LSTM神经网络的柴油机NOx排放预测

作者：戴金池; 庞海龙; 俞妍; 卜建国; 资新运^*

来源：内燃机学报, 2020, 38(05): 457-463.

DOI：10.16236/j.cnki.nrjxb.202005059

• 柴油机
• NOx排放
• 预测模型
• 长短期记忆(LSTM)神经网络

柴油机NOx排放是机动车排放污染物的主要来源,有效的NOx排放预测模型是选择性催化还原技术(SCR)控制和车载诊断系统(OBD)完成SCR监测的基础.利用长短期记忆(LSTM)神经网络预测某柴油机的NOx排放,LSTM神经网络能够记忆时间序列先前的输入并将其用于当前的预测.将稳态工况与瞬态工况整合成新的混合工况,并在划分的测试集和全球统一瞬态试验循环(WHTC)工况上验证模型精度,结果表明:LSTM神经网络模型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55.33×10-6,并且具备较强的泛化能力.

• 单位
  中国人民解放军军事交通学院