雷诺汽车正正在主动开荒用于零排放汽车 (ZEV) 的下一代手艺。与此同时，咱们正正在勤恳使内燃机 (ICE) 车辆变得更明净、更高效。

闭怀点之一是削减无益排放。ICE 会出现氮氧化物 (NOx)，从而导致烟雾、酸雨和温室气体的出现。

为了削减 NOx 排放，咱们需求切实推测分歧发起机工况点下的排放量，比如正在分歧的扭矩和转速组合下的排放量。

正在确凿发起机上运转测试本钱昂贵且平时很耗时，因而古代做法是应用查找表或燃烧模子推算 NOx 推测值。

NOx 的物理模子卓殊繁杂，很难正在发起机的全豹工况范畴内应用；其它，它们不行正在 ECU 上及时运转。

前不久，咱们起源应用是非期追思 (LSTM) 收集对发起机排出的 NOx（直接从发起机排出而不是从后管制体系排放）修模。

LSTM 是一种神经收集，擅长对程序数据实行研习、管制和分类。LSTM 远比燃烧模子容易创修。

尽量咱们不是深度研习方面的专家，但应用 MATLAB® 和 Deep Learning Toolbox™，咱们得以创修和演练了一个收集，该收集也许以近 90% 的切实率预测 NOx 排放量。

正在这些测试中，发起机体验了各样常睹行驶工况，搜罗环球团结轻型车辆测试轮回 (WLTC) 和新欧洲行驶工况 (NEDC)，以及本质行驶排放 (RDE) 测试。

然后，咱们应用 MATLAB 剧本创修了一个纯洁的 LSTM 收集。尽量这个初始收集只包括一个 LSTM 层、一个订正线性单位 (ReLU) 层、一个全毗邻 (FC) 层和一个回归输出层，但它的显示却出奇地好。

不外，咱们感到可能还能够增添更众层来升高其切实性。咱们庄重地把握收集巨细，免得收集过大导致过拟合或正在 ECU 上占用太众内存。

咱们更新了 MATLAB 剧本以增进层，并寻觅了几种收集修设。由于收集很小，最佳收集修设和架构的选拔是手动实践的。

通过试错，咱们宽裕行使了体系的物理特色。比如，对待非线性度高的体系，咱们会选拔众个 ReLU 层；对待热体系，众个 LSTM 层会更相宜。

咱们最终确定的收集包括一个 LSTM 层、三个 ReLU 层、三个 FC 层和一个回归输出层。该 LSTM 收集预测 NOX 程度的切实率抵达了 85%-90%，而应用查找表的切实率仅为 60%-70%（图 1）。

图 1.确凿发起机的实测 NOX 排放量（蓝色）和 LSTM 收集的模仿 NOx 排放量（橙色）。

取得演练好的 LSTM 收集后，咱们将其分享给雷诺其他团队，以便他们实行 Simulink® 仿真。有团队将该收集整合到一个模子中，该模子应用收集供应的发起机排出 NOx 程度动作后管制体系的输入。

雷诺各团队还正在仿真中应用 LSTM 神经收集来评估车载诊断 (OBD) 体系的本能，以及估算新的行驶工况下发起机的排放量。

正在一个项目中，咱们应用由 MathWorks 照应专为咱们策画的器械，从 LSTM 收集天生 C 代码以用于观念验证演示。

借助由此天生的代码，咱们也许正在 ECU 上安顿 NOX 排放推测器。正在 OBD 体系专用仿真平台中集成 LSTM，即可遵从排放规范条件，全天及时检测不强健或阻碍状况。

深度神经收集往往难以完成 ECU 嵌入，深度 LSTM 收集加倍如斯。咱们的 ECU 并欠好坏常强壮的推算机，这意味着咱们需求正在 LSTM 的繁杂度（以及预测质料）与 ECU 运转各项推算的才干之间实行量度。咱们利用中的收集相对较小，要是需求，能够轻松集成到卡尔曼滤波器。

汽车测试网-树立于2008年，报道汽车测试手艺与产物、趋向、动态等 相闭邮箱 marketing#auto-testing.net (把#改成@)