分会场

内燃机碳中和与排放控制

摘要

由于人们对环境尤其是空气质量的要求越来越高，发动机排放的法规变得更加严格。氮氧化物（NOx）的排放在非道路移动机械的排放研究中占有重要地位。本研究采用长短期记忆网络（LSTM）来预测非道路移动机械的瞬态NOx排放。基于柴油机试验台架开展非道路瞬态试验循环（NRTC）下的排放试验获得排放数据，使用LSTM网络来建立深度预测模型，来确保模型的稳定性和准确性。结果表明LSTM对比其他4种常用的基准模型，拥有最高的准确度。同时得出以下结论：（1）与发动机NOx排放最相关的4个因素分别是：转速，转矩，排气温度，燃油流量（2）LSTM对时序问题有着优秀的预测能力，能够减少瞬态变化对模型准确度的影响。（3）LSTM与随机森林（RF），支持向量回归（SVR），极限梯度提升（XGB）和反向传播神经网络（BPNN）相比，LSTM的MSE分别降低了 79.89%，82.13%，73.56%和85.48%。

关键词

神经网络;NOx预测;瞬态循环;非道路移动柴油机

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