本技术属于柴油机排放物智能控制技术领域,公开了一种基于柴油机后处理系统排放物的智能控制方法及系统,包括构建多头感知器神经网络模型,模型的隐藏层设有多层,且自第二个隐藏层起,神经网络被分成了多个通道,多个通道分别对不同的参数进行预测;将训练数据输入模型中,获得柴油机后处理系统排放物的预测结果;定义损失函数,优化模型参数,利用训练好的模型进行预测;根据预测的结果调节后处理系统的相关输入,实现柴油机后处理系统排放物的智能控制。本发明采用神经网络和反馈控制相结合的方法,对柴油机后处理系统排放物进行预测,然后根据预测的数据信息调节后处理系统的相关输入,实现柴油机后处理系统排放物的智能控制。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
柴油机具有功率密度高和油耗低等优点,在中重型道路用车、工程机械、船舶等领域应用广泛。NOx
是柴油机排气中主要的污染物,不仅会造成酸雨、雾霾等,还会对人体造成严重危害(参考文献:Deepak Singh, Amit Kumar, Krishan Kumar et al. Statisticalmodeling of O3, NOx, CO, PM2.5, VOCs and noise levels in commercial complexand associated health risk assessment in an academic institution [J]. Scienceof The Total Environment, 2016, 572:586-594.)。目前尾气排放的标准在不断变得严格:欧洲后续的排放标准中NOx
的排放限值降低,还增加了N2
O的排放限值,N2
O俗称“笑气”,是公认的强温室气体,其产生的温室效应是等量CO2
的298倍(参考文献:Ashok Kumar,Krishna Kamasamudram, Neal Currier et al. SCR Architectures for Low N2OEmissions[R], SAE International, 2015.),同时N2
O可在大气中留存150年左右,并可扩散至平流层破坏大气臭氧层,被认为是21世纪重要的大气平流层臭氧消耗物质(参考文献:A. R. Ravishankara, John S. Daniel, and Robert W. Portmann. Nitrous Oxide(N2O): The Dominant Ozone-Depleting Substance Emitted in the 21st Century[J]. science, 2009, 326 (5949):123-125.)。因此,需要对NOx
和N2
O的排放进行控制。
目前一般的NOx
排放控制方法为采用闭环控制,通过监测后处理器后NOx
浓度信号和NH3
浓度信号来进行反馈调节尿素的喷射量,反馈信号具有延时性,不利于实时精确调节。这种单一的控制方法无法满足日益严格的排放标准,对于新出现的N2
O气体的排放控制难以满足标准的需要,缺乏自适应机制。现阶段下柴油机车后处理系统中NOx
气体传感器的准确度不足,而N2
O气体的传感器尚在起步研发阶段,目前只有在实验室条件下采用气体分析仪等设备才能保证后处理系统NOx
气体和N2
O气体高的精确度。
如何实现柴油机后处理系统NOx
和N2
O气体更精确的控制,满足日益严格的排放标准,是相关技术人员目前亟待解决的问题。
实现思路