[发明专利]NOx排放预测方法、装置、电子设备及计算机存储介质

说明书

本发明涉及一种NOx排放预测方法、装置、电子设备及计算机存储介质，其方法包括：获取包括训练集、验证集和测试集的样本数据，其中，输出样本数据包括NOx排放量；将训练集输入初始SVR模型中进行训练，生成第一NOx排放预测模型，并获取影响第一NOx排放预测模型性能的参数；将验证集输入第一NOx排放预测模型中，并基于PSO算法对参数进行优化，得到优化参数，基于所述优化参数得到第二NOx排放预测模型；将测试集输入第二NOx排放预测模型进行预测，输出NOx排放预测结果。本发明得到准确的预测结果以及时诊断NOx传感器是否故障。

技术领域

本发明涉及模型预测技术领域，尤其涉及一种NOx排放预测方法、装置、电子设备及计算机存储介质。

背景技术

汽车是污染物排放总量的主要贡献者，其排放的CO(一氧化碳)、HC(总烃，包含烷烃、烯烃、芳烃等)、NOx(氮氧化合物，包含一氧化氮和二氧化氮)和PM(颗粒物)超过90％，其中重型货车NOx排放占汽车NOx排放量的83.5％，因此加强重型柴油车排放的监管就显得尤为重要。

现有技术中通常采用SCR(选择性催化还原)技术对柴油车尾气排放中NOx的进行处理，其中，重型柴油车的SCR系统中所用的NOx传感器主要为电化学式，存在NH3(氨气)交叉敏感问题，一旦出现NH3泄漏的情况，下游NOx传感器得测量结果将高于实际值，因此亟需一种排放预测模型预测NOx排放，以诊断车载NOx传感器是否故障，保障了运行安全。

发明内容

有鉴于此，有必要提供一种NOx排放预测方法、装置、电子设备及计算机存储介质，用于解决NOx排放量的预测问题。

为了解决上述问题，第一方面，本发明提供一种NOx排放预测方法，包括：

获取包括训练集、验证集和测试集的样本数据，其中，样本数据包括NOx排放量；

将训练集输入初始SVR模型中进行训练，生成第一NOx排放预测模型，并获取影响第一NOx排放预测模型性能的影响参数；

将验证集输入第一NOx排放预测模型中，并基于PSO算法对影响参数进行优化，得到优化参数，基于优化参数得到第二NOx排放预测模型；

将测试集输入第二NOx排放预测模型进行预测，输出NOx排放预测结果。

进一步的，样本数据的获取步骤，包括：

获取试验数据；

对试验数据依次进行数据对齐、无效数据去除及数据降维处理，并将处理后的试验数据确定为样本数据。

进一步的，将训练集输入初始SVR模型中进行训练，生成第一NOx排放预测模型，包括：

初始SVR模型通过非线性映射函数把训练集中的每一列训练样本映射到高维特征空间，建立线性回归函数：f(x)＝wφ(x)+b (1)，其中，f(x)为预测值，φ(x)为非线性映射函数，w为权向量系数，b为偏差量；

引用松弛变量ξ_i，对式(1)中w，b进行求解转化成第一数学模型：

其中，C为惩罚因子，ξ_i，为松弛变量上下限，l为训练样本个数，i＝1，2…l，s.t.为约束条件，x_i是第i个训练样本的输入列向量，y_i为对应的输出值，ε为不敏感损失函数阈值；

引入拉格朗日函数，对式(2)不等式约束条件优化问题进行求解转化成第二数学模型：

其中，