买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉青岛科技大学;青岛淄柴博洋柴油机股份有限公司申请的专利一种数字孪生驱动的船用柴油发动机排放预测及优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119878357B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411931410.8，技术领域涉及：F02B77/08；该发明授权一种数字孪生驱动的船用柴油发动机排放预测及优化方法是由赵振;马杰;李良;范崇华;赵书健;刘扬;孙培涛;付雨桐;陈锌;黄晓通;孟晓磊设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种数字孪生驱动的船用柴油发动机排放预测及优化方法在说明书摘要公布了：本发明公开了一种数字孪生驱动的船用柴油发动机排放预测与优化方法，包括以下步骤：1构建综合性能机理模型，通过综合性能机理模型的表征与验证，以获取孪生数据；2基于深度学习算法设计校准模块，以真实数据与孪生数据为输入，通过模型的训练，输出校准后的数据；3构建燃烧阶段机理模块，通过燃烧机理模型对油气混合特性与燃烧效率的模拟，优化进气管道结构、提升混合均匀性；4构建数据驱动模型，拟合湍动能指标与排放之间的关系；5将以上述构建的综合性能机理模型、校准模块、燃烧阶段机理模型及数据驱动模型融合技术体系作为适应度函数，基于粒子群寻优算法寻找最优喷油控制参数，制定适应不同工况的优化控制策略。

本发明授权一种数字孪生驱动的船用柴油发动机排放预测及优化方法在权利要求书中公布了：1.一种数字孪生驱动的船用柴油发动机排放预测及优化方法，其特征在于，包括以下步骤： 1构建综合性能机理模型，描述柴油发动机的工作原理和内部运作机制，获取柴油发动机的运行参数，采用分解和组合的思想，将柴油发动机系统分解为一系列独立又相互联系的子系统，考虑不同子系统之间的交互及影响； 2构建校准模块，提出基于深度学习优化校准综合性能机理模型的融合技术体系，使用深度学习算法对综合性能机理模型进行校准，提高综合性能机理模型的泛化能力，解决传统传感器监测方法存在成本高昂、经济性不足及使用寿命短的问题； 3构建燃烧阶段机理模型，将经校准的综合性能机理模型的输出作为燃烧阶段机理模型的进出口条件、壁面条件及初始条件，使用湍动能作为油气混合均匀程度的指标，对进气管道进行结构优化，以改善油气混合的均匀性和流动特性； 4建立数据驱动模型，为进一步理解燃烧阶段高保真推演与排放之间的内在关系，基于燃烧过程机理模型，使用深度学习算法拟合湍动能指标与排放之间的关系； 5从优化控制策略的角度，寻找最优策略，使燃烧更充分，污染物排放更低，以所构建的综合性能机理模型、校准模块、燃烧阶段机理模型和数据驱动模型融合技术体系作为适应度函数，以排放最少为目标，设计人工智能寻优算法，优化喷油控制参数，确定不同工况下的最优喷油控制策略； 所述步骤2中校准模块构建包括以下步骤： 2-1对步骤2中综合性能机理模型的输出及历史数据进行预处理，包括清洗数据以删除异常数据和重复数据、补全缺失数据；使用方差过滤法去掉方差为0的数据，并划分训练集、测试集和验证集； 2-2建立CNN模块，将划分好的数据集输入卷积神经网络进行特征提取，通过卷积层提取数据并利用激活函数处理后传递给池化层，使用池化层中的神经元对首次提取特征的数据进行二次局部特征提取与简化，并对输入数据进行层次提取，整合提取的局部信息，为利用BiLSTM提取深层时间特征奠定基础； 2-3建立BiLSTM模块，处理和分析数据以捕捉时序数据中的长期依赖关系，采用双向长短期记忆网络模型提取数据的时间序列信息，并分析其中的模式和规律； 2-4引入Attention机制，将CNN提取的信息作为新输入变量传入LSTM，通过深度学习的正向传播和反向传播利用Attention机制计算LSTM隐含层的权重，对各时间序列点的隐藏层状态相应的门权重和偏置矩阵进行传播，根据预测值与实际值之间的误差调整优化，并通过误差更新Attention机制优化的门权重值和偏置值，在BiLSTM的隐藏层中加入Attention机制以深入学习时序变化规律、精准捕获关键信息并防止数据泛化，最终获得适合且稳定的深度学习模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人青岛科技大学;青岛淄柴博洋柴油机股份有限公司，其通讯地址为：266100 山东省青岛市崂山区松岭路99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。