[發明專利]一種基于卷積神經網絡的柴油機性能預測方法

在審

• 申請號: 202010529178.0
• 申請日: 2020-06-11
• 公開（公告）號: CN113804446A
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 劉釗;李山嶺;張亢;蔡哲敏
• 申請（專利權）人: 卓品智能科技無錫有限公司
• 主分類號: G01M15/05
• 分類號: G01M15/05;G06N3/04;G06N3/08
• 代理公司: 無錫智麥知識產權代理事務所(普通合伙) 32492
• 代理人: 王普慧

1.一種基于卷積神經網絡的柴油機性能預測方法，其特征在于，包括有以下工序：

步驟S1：為卷積神經網絡提供60組實驗數據，其中40組作為訓練樣本，20組作為測驗樣本；

步驟S2：卷積神經網絡的輸入層先將輸入信號需要將輸入信號歸一化處理；

步驟S3：卷積神經網絡的卷積層包含32個神經元，每個神經元包含一個卷積核，卷積核長度選定為3，應小于向量長度，步長為1；

步驟S4：卷積神經網絡的池化層采用的池化方式為平均池化，長度為2，步長為1；

步驟S5：卷積神經網絡的全連接層，該層存在的神經元個數和輸出相等為6個。其中全連接層不存在卷積，所以每一個神經元包含的權重個數為池化后的輸出參數個數，為10個。將上一層的每一個輸出乘上對應的權重W2相加，加上一個偏移量B得到輸出。最終的輸出還需要經過一個激活函數g(x)，該專利中主要解決的是一個回歸問題，所以采用identity函數作為輸出的激活函數，即輸入等于輸出；

步驟S6：卷積神經網絡的損失函數，選擇均方誤差函數MSE作為損失函數，采用BP后向傳播算法將誤差后向傳播來更新每個神經元的權重值，通過采用及時終止的方法防止神經網絡出現過擬合的現象。

2.根據權利要求1所述的基于卷積神經網絡的柴油機性能預測方法，其特征在于：所述輸入參數共11個，包括轉速、功率、進氣溫度及壓力、排氣背壓、冷卻水溫、噴油正時及噴油壓力、燃油溫度、環境壓力及溫度。輸出參數共6個，分別為油耗率、最大爆發壓力、爆壓角、增壓器轉速、渦前排溫以及煙度。

3.根據權利要求2所述的基于卷積神經網絡的柴油機性能預測方法，其特征在于：所述步驟S2中對信號歸一化處理的信號進行太沖，采用zero-padding方式，最后端補充2個0。

4.根據權利要求3所述的基于卷積神經網絡的柴油機性能預測方法，其特征在于：所述步驟S3中卷積層利用卷積使得該層中每個卷積核的存在一個權重W1之外，設定一個公用的偏移量b，激活函數采用sigmoid函數作為激活函數f(x)。

5.根據權利要求4所述的基于卷積神經網絡的柴油機性能預測方法，其特征在于：所述步驟S4只存在一個卷積層及對應的池化層。