基于DBSCAN和CNN算法的重型车辆NO_(x)排放预测模型

摘要

重型车辆的排放后处理系统,包含复杂的尾气处理单元和配套传感器。为精简后处理系统,基于改进的密度聚类算法和神经网络模型,构建氮氧化物NO_(x)的排放预测模型,此预测模型可部署于重型车辆后处理系统的控制器中以精简系统的传感器,实现NO_(x)的浓度预测功能,保证后处理系统的正常运转,并针对不同应用场景,通过评价指标:NO_(x)排放浓度、Urea喷射量、NO_(x)比排放值,来分析模型的预测精度。研究结果表明:精简后的NO_(x)排放预测浓度与传感器测量浓度误差低于3%,精简后的后处理系统的尿素(Urea)喷射量的变化小于2.08%;NO_(x)的比排放变化保持在0.75%以内,精简后的车辆原机比排放值为7.53g/k Wh(未精简为7.59g/k Wh);嵌入算法模型的后处理系统的预测满足精度要求。