-
公开(公告)号：CN116663704A
公开(公告)日：2023-08-29
申请号：CN202310454481.2
申请日：2023-04-25
Applicant: 哈尔滨工业大学(威海) , 一汽解放汽车有限公司
IPC: G06Q10/04 , G16C20/20 , G16C20/70 , G06Q50/26 , G06N3/0442 , G06N3/0985
Abstract: 对柴油机SCR系统尾排NOx浓度预测的方法，属于发动机排放控制领域。解决了现有缺少后处理开发中对SCR的尾排进行预测、以及现有尾气排放预测方法中，采用预实验确定模型的超参数，缺少对预测模型超参数进行优化的过程，导致预测结果准确度低的问题。本发明先构建数据集，确定数据集中每个样本由8个参数构成、以及对每个样本加注浓度输出标签；采用LSTM神经网络搭建SCR系统浓度预测模型；确定SCR系统浓度预测模型中待优化的超参数，并进行寻优，获得最优的SCR系统浓度预测模型，并利用该模型对位于柴油机下游的SCR系统尾排NOx浓度进行预测。本发明主要用于对排放至空气中的尾排NOx浓度预测。
-
公开(公告)号：CN115455800A
公开(公告)日：2022-12-09
申请号：CN202110645925.1
申请日：2021-06-09
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/27 , G06F17/16 , G06N3/08 , G06F119/02
Abstract: 本发明涉及一种基AdaLMBP神经网络模型的航空发动机性能状态预测方法，其特征在于，获取航空发动机燃油流量数据，并对航空发动机的燃油流量数据进行预处理，得到数据；将数据整理成数据集，将数据集{X，Y}拆分为训练集{Xtrain,Ytrain}和测试集{Xtest,Ytest}，搭建AdaLM‑BP神经网络模型，使用训练集训练模型，完成模型训练后，测试并应用模型，还包括首先从发动机采集数据，然后经过预处理得到模型可用的数据，此后上述三层AdaLM‑BP神经网络模型进行数据训练，用于预测未来的趋势，本发明针对航空发动机性能预测方法存在的问题，使模型的优化算法改变误差下降方向，收敛到“好”的局部最小；通过实验使用CFM56‑5B型发动机采集的燃油流量数据验证了该性能预测方法的有效性。
-
公开(公告)号：CN114856811A
公开(公告)日：2022-08-05
申请号：CN202210577551.9
申请日：2022-05-25
Applicant: 哈尔滨工业大学(威海) , 一汽解放汽车有限公司
Abstract: 柴油发动机空气系统健康评估方法，涉及发动机故障诊断领域。解决了现有技术中缺少根据柴油机在各复杂工况下的运行参数特征来表征空气系统健康状态的问题。本发明方法通过构建的训练样本集对CNN模型进行训练，利用训练后的CNN模型对实际样本进行健康识别；构建训练样本集的过程中，先对采集的参数进行预处理后，再确定预处理后的各时刻所采集的柴油机空气系统的特征参数，确定各时刻柴油机空气系统的健康状态类别并进行类别标记，再利用工况划分，使每个终选样本中包含3种工况，丰富样本使CNN模型感受视野更加丰富，提高训练精度及分类准确度。针对于柴油机工况进行划分后输入模型，更方便提取不同工况的运行参数特征，从而更为精确的表征空气系统的健康状态。
-
Patent Agency Ranking
公开(公告)号：CN116741304A
公开(公告)日：2023-09-12
申请号：CN202310711090.4
申请日：2023-06-15
Applicant: 哈尔滨工业大学(威海) , 一汽解放汽车有限公司
IPC: G16C20/30 , G16C20/70 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 基于车联网大数据的柴油机原排氮氧化物预测方法，涉及发动机原排氮氧化物预测领域。解决了现有技术中原排NOx排放预测方法NOx预测精度低和模型泛化性能差的问题。本发明预测方法依赖于对实车运行数据进行预处理后，提取发动机有效运行信息，再利用数据结构融合重组的方式处理发动机有效运行信息，使其获得的训练样本为二维的矩阵，将其作为输入，训练样本最后时刻下NOx浓度作为输出，对CNN‑LSTM模型进行训练，通过训练后的模型对柴油机原排氮氧化物预测。本发明主要用于预测发动机原排的氮氧化物。
-
公开(公告)号：CN114856811B
公开(公告)日：2023-04-07
申请号：CN202210577551.9
申请日：2022-05-25
Applicant: 哈尔滨工业大学(威海) , 一汽解放汽车有限公司
Abstract: 柴油发动机空气系统健康评估方法，涉及发动机故障诊断领域。解决了现有技术中缺少根据柴油机在各复杂工况下的运行参数特征来表征空气系统健康状态的问题。本发明方法通过构建的训练样本集对CNN模型进行训练，利用训练后的CNN模型对实际样本进行健康识别；构建训练样本集的过程中，先对采集的参数进行预处理后，再确定预处理后的各时刻所采集的柴油机空气系统的特征参数，确定各时刻柴油机空气系统的健康状态类别并进行类别标记，再利用工况划分，使每个终选样本中包含3种工况，丰富样本使CNN模型感受视野更加丰富，提高训练精度及分类准确度。针对于柴油机工况进行划分后输入模型，更方便提取不同工况的运行参数特征，从而更为精确的表征空气系统的健康状态。
-
公开(公告)号：CN105806624A
公开(公告)日：2016-07-27
申请号：CN201610104431.1
申请日：2016-02-25
Applicant: 哈尔滨工业大学(威海)
IPC: G01M15/04
CPC classification number: G01M15/04
Abstract: 本发明涉及航空发动机性能监控技术领域，具体地说是一种基于气路参数衰退基线的航空发动机水洗后节油量算法，其特征在于，包括以下内容：对整个航段与巡航阶段燃油流量的映射关系进行处理；航空发动机燃油流量偏差值衰退基线概念的提出与该基线挖掘方法研究；对水洗节油效果持续循环计算方法研究；基于燃油流量偏差值衰退基线的节油量模型推导，本发明相对于现有技术，能够根据发动机水洗相关数据，来获得发动机燃油节省结果，从而为选择合理水洗基地提供主要参考指标，具有准确、可靠等显著的优点。
-
公开(公告)号：CN115310189A
公开(公告)日：2022-11-08
申请号：CN202110500076.0
申请日：2021-05-08
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明涉及一种迁移过程神经网络预测发动机清洗后排气温度的方法，设有TPNN模型，TPNN包括变量与EGTM的映射方法以及变量之间的映射方法，其特征在于，对于数据参数与EGTM的映射方法，采用线性拟合的方式，建立所有变量与EGTM数据对应关系，实现正向和逆向求解，其中将水洗前数据进行了线性拟合，取线性函数的ti处值作为VBW，提前水洗时间CSN和水洗周期ΔCSN；将水洗后数据进行了线性拟合，取线性函数的ti处值与VBW的差值作为INC，取线性函数的斜率为DR；利用迁移过程神经网络作为水洗前后变量的映射模型，模型采用迁移技术从同类型发动机的数据中学习到初始框架，迁移到目标发动机数据中进行训练。
-
公开(公告)号：CN105806624B
公开(公告)日：2021-03-30
申请号：CN201610104431.1
申请日：2016-02-25
Applicant: 哈尔滨工业大学(威海)
IPC: G01M15/04
Abstract: 本发明涉及航空发动机性能监控技术领域，具体地说是一种基于气路参数衰退基线的航空发动机水洗后节油量算法，其特征在于，包括以下内容：对整个航段与巡航阶段燃油流量的映射关系进行处理；航空发动机燃油流量偏差值衰退基线概念的提出与该基线挖掘方法研究；对水洗节油效果持续循环计算方法研究；基于燃油流量偏差值衰退基线的节油量模型推导，本发明相对于现有技术，能够根据发动机水洗相关数据，来获得发动机燃油节省结果，从而为选择合理水洗基地提供主要参考指标，具有准确、可靠等显著的优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
