CN110131017B - 一种汽车微粒捕集器灰烬沉积量预测方法及再生系统 - Google Patents
一种汽车微粒捕集器灰烬沉积量预测方法及再生系统 Download PDFInfo
- Publication number
- CN110131017B CN110131017B CN201910515990.5A CN201910515990A CN110131017B CN 110131017 B CN110131017 B CN 110131017B CN 201910515990 A CN201910515990 A CN 201910515990A CN 110131017 B CN110131017 B CN 110131017B
- Authority
- CN
- China
- Prior art keywords
- ash deposition
- deposition amount
- trap
- particle
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N3/00—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust
- F01N3/02—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for cooling, or for removing solid constituents of, exhaust
- F01N3/021—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for cooling, or for removing solid constituents of, exhaust by means of filters
- F01N3/023—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for cooling, or for removing solid constituents of, exhaust by means of filters using means for regenerating the filters, e.g. by burning trapped particles
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N9/00—Electrical control of exhaust gas treating apparatus
- F01N9/002—Electrical control of exhaust gas treating apparatus of filter regeneration, e.g. detection of clogging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供了一种汽车微粒捕集器灰烬沉积量预测方法及再生系统,包括以下步骤:首先获取若干已知的微粒捕集器的灰烬沉积量测试数据样本,经数据处理模块处理后送至模型构建模块训练微粒捕集器灰烬沉积量预测系统,训练完毕后,待微粒捕集器再生结束完成,通过数据采集模块实时采集影响微粒捕集器灰烬沉积量的各评价指标数据导入微粒捕集器灰烬沉积量预测系统,获取微粒捕集器灰烬沉积量预测结果,最后由数据判断模块判断是否进行微粒捕集器的再生。本发明克服了现有的微粒捕集器灰烬沉积量预测方法单一,容易误检,且现有微粒捕集器使用一段时间后因灰烬沉积量较多而并不是含碳微粒过多而导致再生频繁的问题,可广泛适用于不同工况。
Description
技术领域
本发明涉及车辆尾气排放技术领域,具体为一种汽车微粒捕集器灰烬量预测方法及再生系统。
背景技术
目前,对于汽车尾气中微粒排放物质的处理,一般都是采用微粒捕集器,微粒捕集器在使用过程中会沉积含碳微粒和灰烬物质,含碳微粒可以通过燃烧实现再生,而灰烬物质是指排气微粒中的不可燃物质,其随着再生过程的循环不断累积在过滤体孔道内并堵塞微粒捕集器,是限制微粒捕集器使用寿命的主要影响因素。除此之外,不断累积的灰烬会在过滤体进口孔道壁面和末端形成致密的灰烬层,恶化微粒捕集器和发动机的工作性能,如增加微粒捕集器压力损失、降低发动机的动力性和经济性等,且现有的微粒捕集器灰烬沉积量检测装置检测方法单一,容易出现误检,并且忽略了各影响变量之间存在的内在关系。当某一影响指标超过阈值时即判断灰烬沉积量已满,导致预测灰烬量与真实值存在较大差异,并且现有微粒捕集器使用一定时间后会因灰烬沉积量较多而并不是含碳微粒过多而导致再生频繁,故本发明设计一种汽车微粒捕集器灰烬沉积量预测方法及再生系统来解决上述问题。
发明内容
本发明主要提供了一种汽车微粒捕集器灰烬量预测方法及再生系统,用以解决上述背景技术中提出的现有的微粒捕集器灰烬沉积量预测方法单一,当某一影响指标超过阈值时即判断灰烬沉积量已满,导致预测灰烬量与真实值存在较大差异的问题,且克服现有微粒捕集器使用一段时间后因灰烬沉积量较多而并不是含碳微粒过多而导致再生频繁的问题。
本发明解决上述技术问题采用的技术方案为:
一种汽车微粒捕集器灰烬沉积量预测方法及再生系统,包括以下步骤:(1)数据获取步骤:获取若干已知的微粒捕集器的灰烬沉积量测试数据样本,所述微粒捕集器的灰烬沉积量测试数据样本包括影响微粒捕集器灰烬沉积量的各个评价指标数值以及微粒捕集器在该工况下的灰烬沉积量数值;
(2)数据预处理步骤:将所述若干已知的微粒捕集器的灰烬沉积量测试数据样本中的影响微粒捕集器灰烬沉积量的各个评价指标数值进行标准化处理;
(3)数据分析步骤:采用主成分分析法,将所述标准化后的影响微粒捕集器灰烬沉积量的各个评价指标合成为少数几个相互无关的综合特征指标,代入所述综合特征指标数值,导入神经网络预测模型中,作为神经网络的输入,将所述微粒捕集器在该工况下的灰烬沉积量数值作为神经网络的输出,对神经网络模型进行学习训练;
(4)微粒捕集器再生结束后,进行数据预测步骤:将通过数据采集模块实时采集得到的影响微粒捕集器灰烬沉积量的各评价指标经由上述数据分析步骤相同的处理方式合成为综合特征指标,代入所述综合特征指标数值,导入神经网络预测模型,获取微粒捕集器灰烬沉积量预测结果;
(5)再生判断步骤,具体为:
A1.将微粒捕集器灰烬沉积量预测结果与该工况下微粒捕集器灰烬沉积量阈值作比较,若预测结果超过阈值,则通过报警器报警,提醒驾驶员进行微粒捕集器过滤体的更换或清洗,若预测结果不超过阈值,进行步骤A2;
A2.将测得的微粒捕集器进出口的压差与该工况下的微粒捕集器进出口的压差阈值作比较,若压差测量结果超过压差阈值,则进行新一轮的微粒捕集器再生,若压差测量结果不超过压差阈值,则继续进行微粒捕集并重复数据预测步骤以及再生判断步骤。
进一步的,所述数据获取步骤中的灰烬沉积量数值通过将微粒捕集器进行离线处理并烧掉其中含碳微粒后计算其相对于微粒捕集器原有质量的增值得到,所述数据获取步骤以及数据采集步骤中的影响微粒捕集器灰烬沉积量的各个评价指标数值均由数据采集模块采集得到。
进一步的,所述影响微粒捕集器灰烬沉积量的各评价指标包括微粒捕集器前后温度、前后压差、前后氧气浓度、微粒捕集器进口端碳的质量流量等多项评价指标。
进一步的,所述系统包括用于采集影响所述微粒捕集器灰烬沉积量各评价指标数值的数据采集模块;用于将所述数据采集模块采集的数据进行标准化处理的数据处理模块;用于搭建主成分分析模型和神经网络预测模型的模型构建模块;用于执行再生判断步骤的数据判断模块;进行数据传输的数据传输模块。
进一步的,所述数据采集模块包括安装于微粒捕集器进气端和排气端,用以获取流经微粒捕集器的尾气进出口温差指标的温度传感器;安装于微粒捕集器进气端和排气端,用以获取流经微粒捕集器的尾气进出口压差指标的压差传感器;安装于汽车排气歧管附近的烟度计;安装于微粒捕集器进气端和排气端,用以获取流经微粒捕集器的尾气进出口氧气浓度的氧气浓度测试仪。
进一步的,所述微粒捕集器进口碳的质量流量由以下步骤获得:
B1.通过汽车排气歧管附近的烟度计获得碳产生的速率;
B2.将碳产生的速率对时间积分即得到所述微粒捕集器进口端碳的质量流量。进一步的,所述数据处理模块、模型构建模块及数据判断模块均集成于汽车ECU单元上。
本发明的有益效果是:1、本发明采用主成分分析法,将得到的影响微粒捕集器灰烬沉积量的各评价指标合成为少数几个相互无关的综合特征指标,该特征指标是一个更抗干扰、更全面、更有效的判断微粒捕集器灰烬沉积量的综合指标,避免了以往预测方法判断指标单一,当某一影响指标超过阈值时即判断灰烬沉积量已满,导致预测灰烬量与真实值存在较大差异的问题;2、本发明采用神经网络模型作为预测微粒捕集器灰烬沉积量的预测模型,通过结合大量已知的实验数据样本对模型进行训练,可以使得预测结果更加准确且更加反映实际情况,解决了微粒捕集器是因灰烬沉积量较多而并不是含碳微粒过多而导致再生频繁的问题,可以广泛应用于各种类型微粒捕集器的灰烬沉积量预测。
附图说明
图1为本发明方法的整体流程图;
图2为本发明方法的微粒捕集器灰烬沉积量预测系统训练示意图;
图3为本发明方法的再生判断系统流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1-图3,本发明提供一种技术方案:
一种汽车微粒捕集器灰烬沉积量预测方法及再生系统,包括以下步骤:(1)数据获取步骤:获取若干已知的微粒捕集器的灰烬沉积量测试数据样本,所述微粒捕集器的灰烬沉积量测试数据样本包括影响微粒捕集器灰烬沉积量的各个评价指标数值以及微粒捕集器在该工况下的灰烬沉积量数值。
(2)数据预处理步骤:将所述若干已知的微粒捕集器的灰烬沉积量测试数据样本中的影响微粒捕集器灰烬沉积量的各个评价指标数值进行标准化处理,具体步骤为:
测试数据样本共有n个,每一测试数据样本评价指标共有p个,各测试数据样本分别设为X1,X2,X3,…,Xn,则测试数据样本的样本集为可以表示为矩阵形式:
其中,Xi表示第i个测试数据样本的评价指标集,xij表示第i个测试数据样本的第j个评价指标,对xij做变换:
得到标准化的数据矩阵Y=(yij)n×p,
(3)数据分析步骤,构建主成分分析模型:
将所述标准化后的影响微粒捕集器灰烬沉积量的各个评价指标合成为少数几个相互无关的综合特征指标,具体步骤为:
步骤1,在标准化数据矩阵Y=(yij)n×p的基础上计算p个原始指标相关系数矩阵R=(rij)p×p,其中
步骤2,求相关系数矩阵R的特征值并排序λ1≥λ2≥…≥λp≥0,再求出R的特征值的相应的单位正交化特征向量u1,u2,…,up,其中uj=(u1j,u2j,…,upj)T,则第i个综合特征指标Zi表示为各个指标Ak的线性组合,其中Ak表示影响微粒捕集器灰烬沉积量的第k个评价指标:
(4)构建神经网络预测模型:
步骤1,搭建神经网络的结构,神经网络的层数L1=3,输入神经元数目U1和综合特征指标个数m一致,隐层神经元设为U2=7个,输出神经元为U3=1个。
步骤2,将得到的n个测试样本的各综合特征指标采用最大-最小标准进行归一化处理,即:
其中,Zimax为样本集中综合特征指标Zi(x)中的最大值,Zimin为样本集中综合特征指标Zi(x)中的最小值,Zi(x)表示第i个综合特征指标。
步骤3,定义神经网络的激活函数、输出函数以及代价函数。
所述步骤3中,激活函数选择单曲正切S形函数,示意为:
所述步骤3中,输出函数采用线性函数,示意为:
ho(M(x))=M(x) (3-3)其中,M(x)为输出神经元的输入,ho(M(x))为输出神经元的输出。
所述步骤3中,代价函数示意为:
第i层神经元代价函数的偏导数为:
可得到神经网络每个节点(第i层第j个)的权重的更新公式为:
wij=wij+ηΔwij (3-6)
其中,Δwij=ηgibj,bj是隐层第j个神经元的输出,η为神经网络预设的学习率,本发明中设为0.01。
步骤4,代入所述综合特征指标数值,导入神经网络预测模型中,作为神经网络的输入,将所述微粒捕集器在该工况下的灰烬沉积量数值作为神经网络的输出,利用模型期望输出和实际输出,采用公式(3-4)-(3-6)对权值和阈值进行修正,至期望输出与实际输出误差小于限定值,完成模型的学习训练。
(5)微粒捕集器再生结束后,进行数据预测步骤:
将通过数据采集模块实时采集到的影响微粒捕集器灰烬沉积量的各评价指标经由上述数据分析步骤相同的处理方式合成为综合特征指标,代入所述综合特征指标数值,导入神经网络预测模型,获取微粒捕集器灰烬沉积量预测结果;
(6)再生判断步骤,具体如以下步骤所示:
A1.将微粒捕集器灰烬沉积量预测结果与该工况下微粒捕集器灰烬沉积量阈值作比较,若预测结果超过阈值,则通过报警器报警,提醒驾驶员进行微粒捕集器过滤体的更换或清洗,若预测结果不超过阈值,进行步骤A2;
A2.将测得的微粒捕集器进出口的压差与该工况下的微粒捕集器进出口的压差阈值作比较,若压差测量结果超过压差阈值,则进行新一轮的微粒捕集器再生,若压差测量结果不超过压差阈值,则继续进行微粒捕集并重复数据预测步骤以及再生判断步骤。
进一步的,所述数据获取步骤中的灰烬沉积量数值通过将微粒捕集器进行离线处理并烧掉其中含碳微粒后计算其相对于微粒捕集器原有质量的增值得到,所述数据获取步骤以及数据采集步骤中的影响微粒捕集器灰烬沉积量的各个评价指标数值均由数据采集模块采集得到。
进一步的,所述影响微粒捕集器灰烬沉积量的各评价指标包括微粒捕集器前后温度、前后压差、前后氧气浓度、微粒捕集器进口端碳的质量流量等多项评价指标。
进一步的,所述系统包括用于采集影响所述微粒捕集器灰烬沉积量各评价指标数值的数据采集模块;用于将所述数据采集模块采集的数据进行标准化处理的数据处理模块;用于搭建主成分分析模型和神经网络预测模型的模型构建模块;用于执行再生判断步骤的数据判断模块;进行数据传输的数据传输模块。
进一步的,所述数据采集模块包括安装于微粒捕集器进气端和排气端,用以获取流经微粒捕集器的尾气进出口温差指标的温度传感器;安装于微粒捕集器进气端和排气端,用以获取流经微粒捕集器的尾气进出口压差指标的压差传感器;安装于汽车排气歧管附近的烟度计;安装于微粒捕集器进气端和排气端,用以获取流经微粒捕集器的尾气进出口氧气浓度的氧气浓度测试仪。
进一步的,微粒捕集器进口碳的质量流量由以下步骤获得:
B1.通过汽车排气歧管附近的烟度计获得碳产生的速率;
B2.将碳产生的速率对时间积分即得到微粒捕集器进口端碳的质量流量。
进一步的,所述数据处理模块、模型构建模块及数据判断模块均集成于汽车ECU单元上。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,但均应落入本发明的保护范围之内。
Claims (7)
1.一种汽车微粒捕集器灰烬沉积量预测方法,其特征在于:包括以下步骤:
(1)数据获取步骤:在不同的汽车微粒捕集器运行工况下,即不同的微粒捕集器前后温度、前后压差、前后氧气浓度、进口端碳的质量流量,获取若干已知的微粒捕集器的灰烬沉积量测试数据样本,所述微粒捕集器的灰烬沉积量测试数据样本包括影响微粒捕集器灰烬沉积量的各个评价指标数值以及微粒捕集器在对应工况下的灰烬沉积量数值;
(2)数据预处理步骤:将所述若干已知的微粒捕集器的灰烬沉积量测试数据样本中的影响微粒捕集器灰烬沉积量的各个评价指标数值进行标准化处理;
(3)数据分析步骤:采用主成分分析法,将标准化后的所述影响微粒捕集器灰烬沉积量的各个评价指标合成为少数几个相互无关的综合特征指标,代入所述综合特征指标数值,导入神经网络预测模型中,作为神经网络的输入,将所述微粒捕集器在对应工况下的灰烬沉积量数值作为神经网络的输出,对神经网络模型进行学习训练;
(4)微粒捕集器再生结束后,进行数据预测步骤:将通过数据采集模块实时采集得到的影响微粒捕集器灰烬沉积量的各评价指标经由上述数据分析步骤相同的处理方式合成为综合特征指标,代入所述综合特征指标数值,导入神经网络预测模型,获取微粒捕集器灰烬沉积量预测结果;
(5)再生判断步骤:具体如以下步骤所示:
A1.将微粒捕集器灰烬沉积量预测结果与对应工况下微粒捕集器灰烬沉积量阈值作比较,若预测结果超过阈值,则通过报警器报警,提醒驾驶员进行微粒捕集器过滤体的更换或清洗,若预测结果不超过阈值,进行步骤A2;
A2.将测得的微粒捕集器进出口的压差与对应工况下的微粒捕集器进出口的压差阈值作比较,若压差测量结果超过压差阈值,则进行新一轮的微粒捕集器再生,若压差测量结果不超过压差阈值,则继续进行微粒捕集并重复数据预测步骤以及再生判断步骤。
2.根据权利要求1所述的一种汽车微粒捕集器灰烬沉积量预测方法,其特征在于:所述数据获取步骤中的灰烬沉积量数值通过将微粒捕集器进行离线处理并烧掉其中含碳微粒后计算其相对于微粒捕集器原有质量的增值得到,所述数据获取步骤以及数据采集步骤中的影响微粒捕集器灰烬沉积量的各个评价指标数值均由数据采集模块采集得到。
3.根据权利要求1所述的一种汽车微粒捕集器灰烬沉积量预测方法,其特征在于:所述影响微粒捕集器灰烬沉积量的各评价指标包括微粒捕集器前后温度、前后压差、前后氧气浓度、微粒捕集器进口端碳的质量流量。
4.根据权利要求1所述的一种汽车微粒捕集器灰烬沉积量预测方法,其特征在于:微粒捕集器进口碳的质量流量由以下步骤获得:
B1.通过汽车排气歧管附近的烟度计获得碳产生的速率;
B2.将碳产生的速率对时间积分即得到微粒捕集器进口端碳的质量流量。
5.权利要求1所述的一种汽车微粒捕集器灰烬沉积量预测方法所对应的再生系统,其特征在于:所述系统包括用于采集影响所述微粒捕集器灰烬沉积量各评价指标数值的数据采集模块;用于将所述数据采集模块采集的数据进行标准化处理的数据处理模块;用于搭建主成分分析模型和神经网络预测模型的模型构建模块;用于执行再生判断步骤的数据判断模块;进行数据传输的数据传输模块。
6.根据权利要求5所述的再生系统,其特征在于:所述数据采集模块包括安装于微粒捕集器进气端和排气端,用以获取流经微粒捕集器的尾气进出口温差指标的温度传感器;安装于微粒捕集器进气端和排气端,用以获取流经微粒捕集器的尾气进出口压差指标的压差传感器;安装于汽车排气歧管附近的烟度计;安装于微粒捕集器进气端和排气端,用以获取流经微粒捕集器的尾气进出口氧气浓度的氧气浓度测试仪。
7.根据权利要求5所述的再生系统,其特征在于:所述数据处理模块、模型构建模块及数据判断模块均集成于汽车ECU单元上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515990.5A CN110131017B (zh) | 2019-06-14 | 2019-06-14 | 一种汽车微粒捕集器灰烬沉积量预测方法及再生系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515990.5A CN110131017B (zh) | 2019-06-14 | 2019-06-14 | 一种汽车微粒捕集器灰烬沉积量预测方法及再生系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110131017A CN110131017A (zh) | 2019-08-16 |
CN110131017B true CN110131017B (zh) | 2020-11-13 |
Family
ID=67577286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910515990.5A Active CN110131017B (zh) | 2019-06-14 | 2019-06-14 | 一种汽车微粒捕集器灰烬沉积量预测方法及再生系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110131017B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210056220A1 (en) * | 2019-08-22 | 2021-02-25 | Mediatek Inc. | Method for improving confidentiality protection of neural network model |
CN112983608A (zh) * | 2021-02-09 | 2021-06-18 | 联合汽车电子有限公司 | 颗粒捕集器碳载量计算方法、系统、控制器和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3801135B2 (ja) * | 2003-01-08 | 2006-07-26 | 日産自動車株式会社 | エンジンの排気ガス浄化装置 |
US8612115B2 (en) * | 2010-08-30 | 2013-12-17 | Corning Incorporated | Methods for controlling the operation of a particulate filter |
WO2012088426A2 (en) * | 2010-12-23 | 2012-06-28 | Caterpillar Inc. | Method and apparatus for measuring ash deposit levels in a particulate filter |
CN104832258B (zh) * | 2015-04-30 | 2017-03-15 | 西南交通大学 | 一种柴油机微粒捕集器dpf碳累积量估计方法 |
CN105298602B (zh) * | 2015-11-05 | 2018-03-20 | 武汉华威专用汽车检测有限责任公司 | 一种微粒捕集器实时在线更新再生控制方法 |
CN109356698B (zh) * | 2018-09-07 | 2022-05-10 | 清华大学 | 一种dpf自适应主动再生控制方法、装置和系统 |
-
2019
- 2019-06-14 CN CN201910515990.5A patent/CN110131017B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110131017A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960426B (zh) | 基于bp神经网络的道路坡度综合估计系统 | |
CN110131017B (zh) | 一种汽车微粒捕集器灰烬沉积量预测方法及再生系统 | |
CN109828089B (zh) | 一种基于dbn-bp的水质参数亚硝酸氮的在线预测方法 | |
CN111639683B (zh) | 基于obd技术评价柴油车氮氧化物排放等级的方法 | |
CN102124190B (zh) | 提高碳粒负荷估测准确性的方法 | |
CN102313796B (zh) | 一种污水处理生化需氧量软测量方法 | |
CN112949930B (zh) | 基于pa-lstm网络的道路机动车尾气高排放预警方法 | |
CN111177939B (zh) | 一种基于深度学习的列车空气制动系统制动缸压力预测方法 | |
CN112964476B (zh) | 一种重型柴油车实际道路颗粒物排放在线预测方法 | |
CN110610209A (zh) | 一种基于数据挖掘的空气质量预测方法及系统 | |
CN115324698B (zh) | 基于神经网络的柴油机尾气分析传感方法 | |
JP2023511478A (ja) | 列車車両用空気調和方法、装置、記憶媒体及びプログラム製品 | |
CN112983608A (zh) | 颗粒捕集器碳载量计算方法、系统、控制器和存储介质 | |
CN114037064A (zh) | 一种船舶大气污染物监测方法及系统 | |
CN111693667A (zh) | 一种基于门控递归阵列水质检测系统及方法 | |
CN113669142B (zh) | 一种发动机原排碳烟质量流量估算方法及装置 | |
CN110827444B (zh) | 适用于obd远程排放监控数据的重型车排放因子获取方法 | |
DE102006048730A1 (de) | Verfahren und Vorrichtung zur Bestimmung der Messgenauigkeit einer Messeinrichtung | |
CN112597658A (zh) | 一种基于工况识别的船用柴油机多模型故障诊断方法 | |
JP2008516141A (ja) | 改良された排気ガスの温度推定方法及び装置並びに排気ガスの温度推定装置が装備された内燃エンジン | |
CN111814976B (zh) | 一种空调系统传感器故障误差再学习方法及系统 | |
CN117115637A (zh) | 一种基于大数据技术的水质监测预警方法及系统 | |
CN108194168A (zh) | 一种微粒捕集器微粒加载量计算方法及其装置 | |
CN105224730A (zh) | 一种高压共轨电控柴油机原始no2排放量预测方法 | |
CN112036079A (zh) | 一种基于anfis的柴油机多信息融合诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |