分会场

后处理技术

摘要

对于柴油发动机来说，在实际道路行驶的情况下，准确预测NOx(氮氧化物)的排放对虚拟NOx传感器的开发和发动机的设计起着至关重要的作用。然而，由于柴油车在行驶过程中的随机性和不确定性，在NOx排放方面很难进行预测。为了解决这一问题，本文提出了NOx排放降噪的深度学习模型。第一，根据时间序列的内部波动情况，利用SSA(Singular Spectrum Analysis，奇异频谱分析)对原时间序列进行降噪；第二，利用ICEEMDAN(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，改进的完全集合经验模式分解，将降噪数据分解成几个相对稳定的子序列。第三，利用样本熵计算每个子序列的复杂度，并将序列分为高频序列和低频序列；最后，利用GRU(Gated Recurrent Unit)完成高频序列的预测，SVR(Support Vector Regression)完成低频序列的预测。为了得到最终的模型，将各子序列的预测结果进行整合。与5个单模型、SSA单处理模型和ICEEMDAN单处理模型进行比较。实验结果表明，所提出的模型对柴油机瞬时氮氧化物排放的预测效果优于单一模型和SSA处理的模型，差异化模型能有效提高模型的执行速度。

关键词

柴油车;氮氧化物瞬态预测;深度学习;信号处理

电子U盘全文仅限大会已缴费参会代表下载。

您还没有登录，请您先 点击这里登录