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！

龙图腾网获悉天津大学申请的专利一种基于物理神经网络集成学习的NOx排放预测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：CN119338043B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411270263.4，技术领域涉及：G06Q10/04；该发明授权一种基于物理神经网络集成学习的NOx排放预测方法是由宋康;丁鹏;李前;谢辉设计研发完成，并于2024-09-11向国家知识产权局提交的专利申请。

本一种基于物理神经网络集成学习的NOx排放预测方法在说明书摘要公布了：本发明公开了一种基于物理神经网络集成学习的NOx排放预测方法，包括以下步骤：步骤1，根据柴油机NOx生成的物理规律建立物理预测模型；步骤2，利用柴油机台架采集试验数据；将采集的数据进行数据归一化；使用归一化数据采用反向传播方法训练前馈神经网络，得到神经网络预测模型；步骤3，通过构建融合损失函数的方法融合步骤1的物理预测模型和步骤2的神经网络预测模型，构建物理神经网络预测模型，并采用反向传播方法训练物理神经网络预测模型；步骤4，采用集成学习的结合策略将步骤1‑步骤3的模型进行融合，得到集成学习模型，利用所述集成学习模型对NOx的排放量进行预测。本发明具有较高的预测准确性，降低了数据收集的成本和难度。

本发明授权一种基于物理神经网络集成学习的NOx排放预测方法在权利要求书中公布了：1.一种基于物理神经网络集成学习的NOx排放预测方法，其特征在于，包括以下步骤： 步骤1，根据柴油机NOx生成的物理规律建立物理预测模型； 步骤2，利用柴油机台架采集试验数据；将采集的数据进行数据归一化；使用归一化数据采用反向传播方法训练前馈神经网络，得到神经网络预测模型； 步骤3，通过构建融合损失函数的方法融合步骤1的物理预测模型和步骤2的神经网络预测模型，构建物理神经网络预测模型，并采用反向传播方法训练物理神经网络预测模型； 步骤4，采用集成学习的结合策略将步骤1的物理预测模型，步骤2的神经网络预测模型和步骤3得到的物理神经网络预测模型进行融合，得到集成学习模型，利用所述集成学习模型对NOx的排放量进行预测； 所述步骤1中，所述物理预测模型的表达式如下： 式中，Xegr表示EGR率，Tcoolant表示冷却液温度，SOI表示主喷开始时刻，表示喷油质量流量，表示空气质量流量，表示EGR质量流量，表示氧气质量流量，Ea表示反应活化能，R表示摩尔气体常数，Tcomb表示缸内燃烧温度，c1,c2,c,c,c,c表示待识别的参数； 所述步骤3中，所述融合损失函数的表达式如下： Loss＝1-λ·Ldata+λ·Lphysics 式中，Ldata代表所述物理神经网络预测模型输出的NOx排放预测值与真实的NOx排放值之间计算的均方误差；Lphysics代表所述物理神经网络预测模型预测得到的NOx排放预测值与步骤1的物理预测模型输出的NOx排放预测值之间计算的均方差误差，λ代表权重因子，取值范围0～1。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。