[发明专利]柴油机NOx排放实时估计系统

权利要求书

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，p_im进气歧管压强、F₁废气残余分数、Q_v喷油量、N_e发动机转速、w_EGREGR阀流量；

需要从行驶数据集中提取的数据矩阵X_in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c_NOx；

步骤三、训练集与测试集的选取

提取数据集X_in中的前80％为训练数据X_train，用于训练NOx的LSTM循环神经网络预测模型；

后20％为测试数据X_test，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c_NOx(i)和分别为i时刻NOx排放的测量值和LSTM-RNN模型估计值。