[发明专利]一种基于神经网络的车辆气体排放物的模拟仿真系统

权利要求书

1.一种基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于，包括：依次连接的基础仿真模型建立模块、神经网络输入数据处理模块、神经网络模型模块和排放物计算输出模块；所述神经网络模型模块还独立连接神经网络训练模块；

所述基础仿真模型建立模块用于发动机、传动系统及整车的基本数据的输入，建立整车与发动机的动力传动关系，并与神经网络输入数据处理模块和排放物计算输出模块传递数据；

所述神经网络输入数据处理模块对所述基础仿真模型建立模块中的基础数据和动力传动关系进行模拟仿真，得到原始排放数据；并将原始排放数据、催化器参数和排放影响条件相结合，进而得到神经网络模型模块的输入数据；

所述神经网络训练模块用于建立和训练神经网络数学模型，并将训练完成的神经网络数学模型输出到神经网络模型模块；

所述神经网络模型模块对神经网络输入数据处理模块的输入数据完成模拟计算，进而得到整车的最终排放数据；

所述排放物计算输出模块接受基础仿真模型建立模块和神经网络输入数据处理模块的数据传递，并应用神经网络训练模块的训练结果，加入特殊工况时对排放值的规定，对最终排放数据进行修正。

2.根据权利要求1所述的基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于，所述原始排放数据包括：排放物浓度、排气的体积流量、由整车测试循环决定的发动机运行工况。

3.根据权利要求1所述的基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于，所述催化器参数包括：催化器的目数、截面积、长度、贵金属含量。

4.根据权利要求1所述的基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于，所述排放影响条件包括：不同运行阶段的排放特性差别、发动机混合气浓度偏离理论空燃比的程度、整车运行时，加速或减速时油门踏板变化率、排气温度对催化器中化学反应的影响、载体温度、排气与催化器的接触面积、催化剂含量。

5.根据权利要求1所述的基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于，所述神经网络训练模块独立于仿真模型的软件环境，通过实测参数对神经网络数学模型进行训练，训练的过程中，决定神经网络结构-即神经网络层数、每层神经元个数，同时还要决定神经网络基本参数和训练方法。

6.根据权利要求1或5所述的基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于，所述神经网络训练模块中训练并得到神经网络数学模型并输出到神经网络模型模块的具体处理过程为：

步骤一、在神经网络训练模块中确定训练算法，设置神经网络基本参数，确定神经网络数学模型；

步骤二、对神经网络数学模型输入实测参数，并通过神经网络数学模型计算得到模拟排放结果；

步骤三、将模拟排放结果与实测参数对应的经验排放结果进行校验和误差分析，并评价神经网络训练模块的稳定性；

步骤四、验证神经网络数学模型的泛化能力是否合格；若不合格，则调整神经网络基本参数值，重复步骤一到步骤四；若合格，确定神经网络数学模型并输出到神经网络模型模块中。

7.权利要求6所述的基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于，所述神经网络训练模块的实测参数包括：运行时间、油门踏板、时间、燃油流量、空气流量、理论空燃比、发动机转速和扭矩、稳态排气温度、排气温度修正和催化器的载体截面积、长度、目数、起燃因子、载体目数、截面积、排气流量、贵金属含量、排气体积流量。

8.根据权利要求1所述的基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于：所述特殊工况包括发动机减速断油工况和怠速工况。

9.根据权利要求1所述的基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于：所述神经网络模型模块的输入数据作归一化处理。

10.根据权利要求6所述的基于神经网络的车辆气体排放物的模拟仿真系统，其特征在于：所述泛化能力是否合格是根据两个条件进行判断：一是模拟排放结果与实测参数对应的历史经验排放结果的拟合精度是否达标；二是模拟排放结果是否符合正确排放规律。