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！

申请/专利权人：张家港保税区达安进口汽车检验有限公司

摘要：本发明涉及车辆尾气排放技术领域，且公开了一种整车工况尾气排放测试系统，包括采集模块、读取模块、排放因子计算模块、排放预测模块、修正因子计算模块以及结果输出模块，通过设有神经网络预测模型与修正因子计算模块，有利于通过对排放因子进行预测，通过构建神经网络预测模型，提高了对数据预测的精准度，同时通过修正因子计算模块计算出修正因子后反馈至排放因子计算模块，对测试系统进行修正，防止尾气排放测试系统随着测试次数与系统使用时长的增加导致在测试过程中数据出现偏差，及时对数据进行修正，提高尾气排放测试系统的准确度。

主权项：1.一种整车工况尾气排放测试系统，其特征在于：包括采集模块、读取模块、排放因子计算模块、排放预测模块、修正因子计算模块以及结果输出模块；所述采集模块用于通过采集装置采集目标数据并传输至排放因子计算模块；所述读取模块用于读取电脑控制模组中的工况数据并传输至排放因子计算模块；所述排放因子计算模块用于通过排放因子计算公式计算排放因子，并传输至排放预测模块与结果输出模块；所述排放预测模块用于将排放因子数据输入构建的神经网络预测模型中，预测出未来t个时刻的排放因子并传输至修正因子计算模块；所述修正因子计算模块基于实时测试的排放因子与预测出的排放因子，计算出修正因子并传输至结果输出模块与排放因子计算模块；所述结果输出模块用于输出数据后进行人机交互；所述排放因子计算公式为：，其中，pfi为第i种污染物气体的燃油排放因子，Ci为第i种污染物气体的质量浓度，Ai为第i种污染物气体的实时质量流量，Ti为第i种污染物气体的测试循环工况时间，为第i种污染物气体的修正因子，B为实时燃油消耗量；所述神经网络模型构建的具体方式为：初始化神经网络模型的基本架构，基本架构包括输入层、2个LSTM单元、Dropout层、全连接层、可学习激活函数、整体损失函数、优化器、正则化器以及输出层，输出层包括n个节点；每个LSTM单元包括一个记忆单元与3个控制门，所述3个控制门分别为输入门、遗忘门以及输出门，在LSTM单元之间加入全连接层；Dropout层随机将一定比例的节点暂时从神经网络模型中丢弃，可以有效防止过拟合；所述可学习激活函数公式为：，其中，j为输入数据，g1为可学习的斜率参数，控制j的线性变换的斜率，g2是可学习的偏移参数，控制Siogmoid函数的偏移；在损失函数中引入不确定性建模，得到整体损失函数LOSS：，其中，u是分位数，表示在损失计算中的分位数水平；u∈（0，1），εtrue为真实的目标值，表示实际的综合性能指数，是预测分布的下分位数，是预测分布的上分位数，||+为正部函数；所述优化器采用自适应调整学习率的自适应优化器，优化公式为：，其中，为训练迭代轮数为λ+1时LSTM神经网络模型第层的参数，为训练迭代轮数为λ时LSTM神经网络模型第层的参数，是LSTM神经网络模型第层的学习率，vλ为训练迭代轮数为λ的梯度平方的指数移动平均，θ是防止分母为零的小常数，为训练迭代轮数为λ的参数梯度；所述，则，其中，为训练迭代轮数为λ时的整体损失函数的值，为训练迭代轮数为λ-1时的整体损失函数的值，X为缩小参数；所述正则化器采用L2范数正则化控制神经网络模型的复杂度并防止过度拟合；n个输出层用于输出n种污染物在未来t个时刻的排放因子；所述修正因子的计算公式为：，其中，Ypi为第i种污染物气体预测的排放因子；pfi与Ypi均为同一时刻的数据。

全文数据：

权利要求：

百度查询： 张家港保税区达安进口汽车检验有限公司 一种整车工况尾气排放测试系统