【作者】

牛庆仁; 董光宇; 陈韵; 李理光

【单位】

同济大学

【摘要】

内燃机标定工作是其设计制造过程中的关键环节。为了降低内燃机标定过程中的人力、试验资源投入，达到了降本增效的技术效果，本文将深度学习神经网络引入内燃机标定所需的排放预测模型当中，探索了将神经网络应用在发动机实时排放预测的可行性。利用NO快速分析仪，设置了稳态和瞬态两个实验，并构建了基于NI-PXI硬件平台的实时数据采集及标定系统，实现了深度学习排放预测模型在FPGA系统上的实时可靠运行。在稳态实验中，神经网络在中高节气门开度、中低转速区预测效果较好，但由于稳态下相同时间内获取样本较少，平均误差率仅能控制在20%以内。基于CLD500 NO快速分析仪，编写了配套高速采集程序，采用了逐燃烧循环的排放检测数据和神经网络输入数据，大幅提高单位时间内获取的训练数据量，进而有效提升了模型预测的实时性与准确性，在瞬态实验中，排放预测模型平均误差可以达到11.34%。

【关键词】

智能标定;FPGA;深度学习;排放预测;实时

【论文集名称】

数字化设计与仿真技术

【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】

8

返回