分会场

后处理技术

摘要

现今日益严格的排放法规要求三元催化转化器（three-way catalyst，TWC）具备应对一定时间加浓工况的能力，在应对加浓工况时，TWC需要消耗自身的储氧量。因此，需要对TWC内部的储氧量进行观测，进而对喷油量进行控制，使TWC内部的储氧量始终处于合适范围。基于TWC详细机理的传统储氧量模型计算复杂，参数标定工作量大，建模困难。因此，本文采用长短期记忆（LSTM）神经网络，构建了TWC储氧量观测模型。选取TWC上游废气的lambda、TWC上游排气压力、TWC前端载体温度、末端载体温度四组参数作为模型的输入，据此预测TWC下游的lambda变动以及其内部的储氧量变化。结果表明，所建立的LSTM神经网络模型能较为准确的预测下游的lambda变动与TWC内部的储氧量，选取的工况点储氧量最大预测均方根误差为0.0506，且仿真耗时为0.43秒，约为传统机理模型的10%。

关键词

长短期记忆网络;三元催化转化器;储氧量

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