[发明专利]柴油机瞬态NOx排放预测方法、系统、存储介质及设备

说明书

本发明涉及柴油机瞬态NOx排放预测方法、系统、存储介质及设备，包括以下步骤：基于优化后的BP神经网络模型对完整的WHTC循环进行NOx排放预测；其中，BP神经网络模型的优化过程为：以BP神经网络输入层节点到隐含层节点的权值、隐含层节点的阈值、隐含层节点到输出层节点的权值、以及输出层节点的阈值作为待优化参数；所有待优化参数组成的种群作为鹈鹕优化算法的输入，每个待优化参数视为种群中的一个成员，以每个候选解情况下，利用BP神经网络模型得到的最低平均绝对误差作为目标函数，最小平均绝对误差对应的种群作为输出，利用该种群中的成员对应的最佳权值和阈值更新BP神经网络模型中对应的参数。

技术领域

本发明涉及柴油发动机排放预测技术领域，具体为柴油机瞬态NOx排放预测方法、系统、存储介质及设备。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

柴油发动机的主要污染排放物氮氧化物(NOx)和颗粒物(PMs)能够对环境和人员造成危害。目前减少NOx排放的方法通常采用废气再循环(EGR)和选择性催化还原技术(SCR)，可以极大程度减少NOx排放。

NOx具有较为复杂的生成机理，在发动机性能开发过程中需要利用模型对NOx排放进行预测，而现有技术建立的模型仅仅考虑某种生成现象或者简化NOx的生成过程，都会不可避免地降低NOx的预测精度，从而不利于NOx减排技术的优化。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供柴油机瞬态NOx排放预测方法、系统、存储介质及设备，模拟鹈鹕在捕猎时的行为和策略，并将其应用到BP神经网络模型中使BP神经网络被优化，从而对瞬态循环下的柴油机NOx排放有较高的预测精度。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供柴油机瞬态NOx排放预测方法，包括以下步骤：

获取柴油发动机冷启动瞬态循环WHTC实验数据，并预处理；

基于优化后的BP神经网络模型对完整的WHTC循环进行NOx排放预测；

其中，BP神经网络模型的优化过程为：

以BP神经网络输入层节点到隐含层节点的权值、隐含层节点的阈值、隐含层节点到输出层节点的权值、以及输出层节点的阈值作为待优化参数；

所有待优化参数组成的种群作为鹈鹕优化算法的输入，每个待优化参数视为种群中的一个成员，以每个候选解情况下，利用BP神经网络模型得到的最低平均绝对误差作为目标函数，最小平均绝对误差对应的种群作为输出，利用该种群中的成员对应的最佳权值和阈值更新BP神经网络模型中对应的参数。

BP神经网络模型以喷油质量、发动机转速、EGR率、喷油正时、轨压、进气温度、进气压力和排气温度作为输入。

本发明的第二个方面提供实现上述方法所需的系统，包括：

预处理模块，被配置为：获取柴油发动机冷启动瞬态循环WHT C实验数据，并预处理；

预测模块，被配置为：基于优化后的BP神经网络模型对完整的WHTC循环进行NOx排放预测；

其中，BP神经网络模型的优化过程为：

以BP神经网络输入层节点到隐含层节点的权值、隐含层节点的阈值、隐含层节点到输出层节点的权值、以及输出层节点的阈值作为待优化参数；

所有待优化参数组成的种群作为鹈鹕优化算法的输入，每个待优化参数视为种群中的一个成员，以每个候选解情况下，利用BP神经网络模型得到的最低平均绝对误差作为目标函数，最小平均绝对误差对应的种群作为输出，利用该种群中的成员对应的最佳权值和阈值更新BP神经网络模型中对应的参数。