面向轻量化部署的发动机空气流量虚拟传感器开发

苏欣; 李明; 侯方; 王诗淳; 孙鹏; 王鹏

doi:10.16236/j.cnki.nrjxb.202603030

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

面向轻量化部署的发动机空气流量虚拟传感器开发

更新时间：2026-05-27

- 面向轻量化部署的发动机空气流量虚拟传感器开发
- Vol. 44, Issue 3, Pages: 278-287(2026)
- 作者机构：
  
  1. 一汽解放大连柴油机有限公司
  2. 大连理工大学控制科学与工程学院
- 作者简介：
- 基金信息：
- DOI：10.16236/j.cnki.nrjxb.202603030
  CLC： TK421;TP212
- Published：2026
- 稿件说明：
移动端阅览
苏欣, 李明, 侯方, et al. 面向轻量化部署的发动机空气流量虚拟传感器开发[J]. 2026, 44(3): 278-287.
DOI：

苏欣, 李明, 侯方, et al. 面向轻量化部署的发动机空气流量虚拟传感器开发[J]. 2026, 44(3): 278-287. DOI： 10.16236/j.cnki.nrjxb.202603030.

摘要

为解决发动机在恶劣工况下因传感器故障导致的可靠性下降与维护成本增加问题，提出并验证了一种基于数据驱动的轻量化空气流量虚拟传感器方案．该方案首先评估了回归树、集成树、支持向量机和神经网络4类机器学习模型在空气流量预测任务上的性能，选取性能表现较好且在算法原理上具有典型差异的集成树与神经网络作为重点优化对象，采用贝叶斯优化算法对其参数进行调优，并针对存储资源与预测精度之间的平衡提出了一种面向资源约束的混合优化策略．在五折交叉验证基础上，神经网络模型文件大小仅为0.062 5 MB，在56种工况下均表现出良好的建模能力与部署优势，在测试集上平均相对误差为0.56%，预测时间小于1 ms；集成树虽相对在未压缩状态下性能最好，但其对结构压缩更为敏感，压缩后损失的性能较大．最后实现了模型核心逻辑通过统一的参数解析格式在不同硬件平台与不同机型之间的快速移植和验证，增强了模型部署的可解释性．

Abstract

关键词

Keywords

references

Chao Shang,Fan Yang,Dexian Huang,Wenxiang Lyu.Data-driven soft sensor development based on deep learning technique[J].Journal of Process Control,2014.

胡杰,林峰,王天田,刘博,黎业辉,张泽阳.基于神经网络偏最小二乘法的柴油机NO_x排放预测模型[J].内燃机学报,2015(06).

戴金池,庞海龙,俞妍,卜建国,资新运.基于LSTM神经网络的柴油机NO_x排放预测[J].内燃机学报,2020(05).

王利民,何冠璋,王辉,李明星,王天友.基于虚拟标定技术研究柴油机燃油消耗率和NO_x排放的鲁棒性[J].内燃机学报,2020(05).

袁志玲,耿磊,张建华,卞增涛,张希杰.国Ⅵ排放后处理器下游NO_x测量准确度研究[J].内燃机学报,2021(02).

雷蕾,於永华,申立忠,万明定,黄粉莲,王正江.不同海拔下柴油机瞬态排放试验[J].内燃机学报,2023(05).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

柴油机双级SCR系统实现超低NOx排放试验

一种基于分解重构和MMoE-LSTM的柴油机NOx排放预测方法

基于MFE-MCFS-SVM的高压共轨系统故障诊断方法

柴油机多工况综合有效燃油消耗率预测与活塞结构优化

两种典型燃烧室对柴油机缸内燃烧过程的影响

Related Author

王凤滨

霍永占

卫海桥

周磊

卓涛声

邱斌

潘明章

余永华

Related Institution

中汽研汽车检验中心(天津)有限公司

天津大学先进内燃动力全国重点实验室

广西大学机械工程学院

桂林理工大学计算机科学与工程学院

先进船舶发动机技术全国重点实验室

AI问答

⁰