柴油机排放预测方法、设备和存储介质与流程

本发明涉及数据处理，尤其涉及一种柴油机排放预测方法、设备和存储介质。

背景技术：

1、柴油机具有热效率高，燃油经济好等优点，被广泛应用为非道路移动机械和道路车辆的动力源。但柴油机也会带来大量的污染物排放。随着相关法规的不断加严，对nox排放控制技术提出了更高的要求。但控制技术的提高离不开准确的柴油机nox排放估计。传统的nox排放估计主要由nox传感器直接测量和基于map图进行拟合两种方法为主，但nox传感器存在易受环境干扰，成本昂贵，对nh3存在交叉敏感特性等缺点，而基于map图进行拟合的方式需要进行大量的标定工作以确定柴油机状态参数和排放之间的映射关系，其过程耗时耗力，并且柴油机实际运行时工况多变，基于map图的方式无法有效满足实时性和瞬态预测。

2、随着人工智能等技术的快速发展，基于机器学习的预测方法在各个领域得到了广泛应用。但研究表明神经网络模型由于结构简单，无法有效在所有排放特性参数上都保持最佳的预测性能。

3、有鉴于此，特提出本发明。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种柴油机排放预测方法、设备和存储介质，解决现有技术中神经网络模型无法在所有排放特性参数上都保持较佳的预测性能的缺陷，提升了柴油机排放特性的预测性能。

2、本发明实施例提供了一种柴油机排放预测方法，该方法包括：

3、获取待预测柴油机的各当前状态数据，并从所有当前状态数据中确定每个排放特性参数对应的输入数据；

4、针对每一个排放特性参数，将所述排放特性参数对应的输入参数输入至预先训练的混合模糊神经网络模型中，其中，所述混合模糊神经网络模型包括多个深度学习网络层和模糊推理层，所述深度学习网络层基于各排放特性参数对应的训练数据集训练得到，在各深度学习网络层训练完成后，在所述模糊推理层中基于各所述训练数据集和各深度学习网络层的预测相关性训练得到各排放特性参数对应的模糊规则，所述模糊规则包括各深度学习网络层的影响权重；

5、通过各个深度学习网络层，分别对所述输入参数进行预测，得到多个当前预测结果；

6、通过所述模糊推理层，基于所述排放特性参数对应的模糊规则对所有当前预测结果进行融合，得到所述排放特性参数对应的当前预测输出数据。

7、本发明实施例提供了一种电子设备，所述电子设备包括：

8、处理器和存储器；

9、所述处理器通过调用所述存储器存储的程序或指令，用于执行任一实施例所述的柴油机排放预测方法的步骤。

10、本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行任一实施例所述的柴油机排放预测方法的步骤。

11、本发明实施例具有以下技术效果：

12、通过获取待预测柴油机的各当前状态数据，并从所有当前状态数据中确定每个排放特性参数对应的输入数据，进而针对每一个排放特性参数，将对应的输入参数输入至预先训练的混合模糊神经网络模型中，通过其中的各个深度学习网络层分别对输入参数进行预测，得到多个当前预测结果，进而通过其中的模糊推理层，基于预先训练得到的对应的模糊规则对所有当前预测结果进行融合，得到排放特性参数对应的当前预测输出数据，该方法通过多个深度学习网络层有效解决单一算法无法在所有排放特性参数上都保持较佳预测效果的缺陷，同时，通过模糊推理层所建立的强大的模糊规则进一步修正预测结果，提升了柴油机排放特性的预测性能，并且，通过从所有当前状态数据中确定每个排放特性参数对应的输入数据，可以去掉与排放特性参数相关性较低的状态数据，以在保证预测性能的同时，降低模型数据维度。

技术特征：

1.一种柴油机排放预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述混合模糊神经网络模型的训练包括：

3.根据权利要求2所述的方法，其特征在于，所述在所述模糊推理层中，根据各深度学习网络层的预测相关性以及所述训练数据集，训练所述排放特性参数对应的模糊规则，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据各深度学习网络层的预测相关性，于规则库中匹配各深度学习网络层的初始规则，包括：

5.根据权利要求3所述的方法，其特征在于，所述按照排序结果对各深度学习网络层的初始规则进行调整，包括：

6.根据权利要求2所述的方法，其特征在于，所述根据相关性构建各排放特性参数对应的训练数据集，包括：

7.根据权利要求2所述的方法，其特征在于，所述获取柴油机的各状态特征参数对应的历史状态数据，以及各排放特性参数对应的历史真实排放数据，包括：

8.根据权利要求1所述的方法，其特征在于，所述模糊推理层包括模糊化子层、模糊推理子层以及反模糊化子层，所述通过所述模糊推理层，基于所述排放特性参数对应的模糊规则对所有当前预测结果进行融合，得到所述排放特性参数对应的当前预测输出数据，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述的柴油机排放预测方法的步骤。

技术总结
本发明涉及数据处理技术领域，公开了一种柴油机排放预测方法、设备和存储介质。该方法通过获取待预测柴油机的各当前状态数据，并从中确定每个排放特性参数对应的输入数据，进而针对每一个排放特性参数，将对应的输入参数输入至预先训练的混合模糊神经网络模型中，通过各个深度学习网络层分别对输入参数进行预测，得到多个当前预测结果，进而通过模糊推理层，基于预先训练得到的对应的模糊规则对所有当前预测结果进行融合，得到排放特性参数对应的当前预测输出数据，有效解决单一算法无法在所有排放特性参数上都保持较佳预测效果的缺陷，通过模糊规则进一步修正预测结果，提升了柴油机排放特性的预测性能。

技术研发人员：邵元凯,廖健雄,王懋譞,吴撼明,李振国,张旺,刘强,胡杰,颜伏伍
受保护的技术使用者：中国汽车技术研究中心有限公司
技术研发日：
技术公布日：2024/1/15