[发明专利]颗粒捕集器碳载量计算方法、系统、控制器和存储介质

权利要求书

1.一种颗粒捕集器碳载量计算方法，其特征在于，包括以下步骤：

S1，采集发动机不同工作温度的全工况实测数据，并将数据划分为第一训练集和第一验证集；

采集发动机不同启动环境温度的全工况实测数据，并将数据划分为第二训练集和第二验证集；

S2，建立第一碳载量自学习模型和第二碳载量自学习模型；

S3，通过第一训练集训练第一碳载量自学习模型，通过第二训练集训练第二碳载量自学习模型；

S4，通过第一验证集验证第一碳载量自学习模型，通过第二验证集验证第二碳载量自学习模型，直至符合设计精度要求，否则重新训练模型；

S5，向完成训练的第一碳载量自学习模型输入发动机不同工作温度的全工况实测数据计算获得碳烟流量；

S6，根据发动机不同启动环境温度的全工况实测数据计算获得烧炭速率；

S7，根据碳烟流量和烧炭速率计算获得颗粒捕集器碳载量。

2.如权利要求1所述的颗粒捕集器碳载量计算方法，其特征在于：发动机不同工作温度至少包括发动机冷启动工况工作温度和发动机高负荷运动工况工作温度；其中，发动机冷启动工况和发动机高负荷运动工况根据不同发动机的实际性能指定。

3.如权利要求1所述的颗粒捕集器碳载量计算方法，其特征在于：

发动机不同工作温度的全工况实测数据，包括发动机转速、发动机负荷、发动机空燃比、发动机工作温度、发动机运行时间、环境温度以及实测的发动机碳烟流量；

发动机不同启动环境温度的全工况实测数据，包括发动机转速、发动机负荷、发动机燃烧效率以及实测的颗粒捕集器内部温度。

4.如权利要求1所述的颗粒捕集器碳载量计算方法，其特征在于：将采集到实测数据中的60％-80％划分为训练集,剩余的数据划分为验证集。

5.如权利要求1所述的颗粒捕集器碳载量计算方法，其特征在于：

第一碳载量自学习模型是基于决策树回归算法的集成学习算法，根据发动机不同工作温度的全工况实测数据分别进行训练得到至少两个子模型融合建立的累碳自学习模型；

第二碳载量自学习模型是基于长短期记忆算法的集成学习算法，根据发动机不同启动环境温度的全工况实测数据建立的颗粒捕集器内部温度自学习模型。

6.如权利要求5所述的颗粒捕集器碳载量计算方法，其特征在于：

集成学习算法是提升方法(Boosting)，其用于对第一碳载量自学习模型残差进行拟合。

7.如权利要求1所述的颗粒捕集器碳载量计算方法，其特征在于：

计算训练后第一碳载量自学习模型和第二碳载量自学习模型的均方误差，得到模型平均误差，通过模型平均误差与模型设计阈值比较判断模型是否符合设计精度要求。

8.如权利要求1所述的颗粒捕集器碳载量计算方法，其特征在于：

碳烟流量是向第一碳载量自学习模型输入发动机不同工作温度的全工况实测数据获得；

烧炭速率是根据颗粒捕集器内部温度、颗粒捕集器内部氧流量和当前颗粒捕集器内部碳载量，通过查询标定数据表获得。

9.如权利要求1所述的颗粒捕集器碳载量计算方法，其特征在于：通过积分器对碳烟流量和烧炭速率差值进行积分计算获得颗粒捕集器碳载量。

10.如权利要求1所述的颗粒捕集器碳载量计算方法，其特征在于：以发动机全工况预测数据作为输入数据时，其计算获得的碳载量能用于积碳预测。

11.一种发动机管理控制器，其特征在于：其用于执行权利要求1-10任意一项所述的颗粒捕集器碳载量计算方法。

12.一种计算机可读存储介质，其特征在于：其被发动机管理控制器执行时，实现权利要求1-10任意一项所述颗粒捕集器碳载量计算方法中的步骤。