基于AM-CNN-LSTM模型的柴油机NOx排放预测
刘星1
周圣凯1
田淋瑕1
邓小超1
林鹏慧1
刘泽都2
雷艳2
1.广西玉柴机器股份有限公司,广西 玉林 5370002.北京工业大学机械与能源工程学部汽车系,北京 100124
摘要：为精确控制选择性催化还原(selective catalytic reduction,SCR)系统的尿素喷射,提出一种基于注意力机制(attention mechanism,AM)的卷积神经网络(convolutional neural networks,CNN)-长短时记忆网络(long shortterm memory,LSTM)模型预测柴油机NO,排放的方法,根据柴油机NOx生成机理和车辆实际道路测试采集的数据选取相关变量;使用AM-CNN模型提取特征,利用LSTM模型对提取的特征进行分析预测NO,排放.结果表明:该混合模型对NOx排放的预测精度较高,计算时间较少,平均绝对误差为5.307×10-6,决定系数为0.932.根据预测模型中输入参数权重分析影响NOx生成的关键因素,可以为优化柴油机燃烧过程提供参考.
关键词：NO排放预测模型AM-CNN-LSTM深度学习柴油机
分类号：TK421.5(内燃机)
资助基金：国家自然科学基金(52371302)
论文发表日期：2024-04-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：10( 1-10 )
英文信息