【作者】

陈韵; 董光宇; 牛庆仁; 王泽; 李理光

【单位】

同济大学

【摘要】

性能标定是内燃机生产制造的关键环节，而内燃机污染物排放标定本质上是多维度发动机工作参数与排放物之间非线性对应关系的回归及预测。长期以来，该环节一直依赖于标定工程师的经验，耗时耗力、投入成本巨大。本研究使用自我注意力机制对瞬态工况下的发动机多维工作参数构建了特征网络，使用Engineformer来实现内燃机的NOx排放预测功能。首先对比评估了LSTM网络、GRU网络、Transformer网络的NOx瞬态排放预测能力，进而针对该排放预测，提出了角度编码机制嵌入Transformer自注意力机制，改进为Engineformer后，相较于过去被用于序列预测的LSTM和GRU网络而言，在长序列预测需求中，精度更高、训练成本更低。本研究结果有助于未来内燃机排放智能标定系统的研发及规模应用。

【关键词】

神经网络;瞬态排放;Engineformer;自注意力机制

【论文集名称】

高强化材料与结构技术

【会议名称】

设计与智能制造2022学术年会

【会议时间】

2022-11-24至2022-11-27

【会议地点】

长沙

【下载次数】

1

返回