一种氨氢燃料内燃机燃烧和排放系统的控制方法

1.本发明涉及一种氨氢燃料内燃机，具体涉及一种氨氢燃料内燃机燃烧和排放系统的控制方法。


背景技术：

2.氨氢融合燃料作为一种零碳清洁燃料，已经在重型汽车、船舶和化工行业得到研发人员的重视。氨氢融合燃料集成了氨和氢燃料单独的优点，弥补了单一燃料的不足，具有方便存储、燃烧速度较快和清洁环保等优点。氨氢融合燃料的应用已经变成交通领域的研究热点。
3.目前针对氨氢融合燃料内燃机系统已有相关的专利及系统构想，但是由于氨氢燃料物理特性特殊，作为燃料的氨氢融合燃料具有火灾危害性、爆炸性，并且氨燃料具有毒害性、腐蚀性；在结构上，氨氢融合燃料内燃机系统需要放置较大体积的液氨，以及放置在排气管内的氨裂解器及混合气气瓶，大大增加了氨氢内燃机风险区域面积；此外，在控制方面，氨氢融合燃料内燃机缸内及其尾气后处理系统需要通过多种不同类型的传感器的联用进行监测调控，而不同传感器之间各自的响应时间不同(目前氨气传感器响应时间范围为：10-100s，与常规传感器响应时间差距较大)，增大了氨氢内燃机系统的监测和控制难度，并且由于在行车过程中，发动机始终处于运行过程，前后每一个运行循环相互关联，因而检测和控制还在时间序列上相关。故需要一种可以提前预测系统燃烧和排放的预测方法来保证系统的正常运转以及乘坐人员的安全和功能实现。
4.中国专利cn114776417a公开了一种氢-氨燃料发动机排气后处理系统，该系统主要基于系统结构进行考量，但对于控制部分未提供合适的方案，由于未设置氨气传感器，对于尾气中氨气含量仅能依靠理论计算，实际应用能力较弱。
5.中国专利cn115111031a公开了一种基于氨氢燃料动力系统的污染物排放处理系统，但该系统无法忽略由于氨气传感器的响应时间长而带来的监测信息滞后的问题，导致当氨气流通部分存在问题时无法及时发现进而可能引起安全事故。
6.由此可见，对于氨氢燃料内燃机系统而言，除合理的整体的系统结构设置外，还需要建立一套良好的控制方案，使设置的多种传感器的信号可以反映同一发动机运行循环，或者缩小相互之间的响应时间差距。


技术实现要素：

7.本发明的目的就是为了解决上述问题至少其一而提供一种氨氢燃料内燃机燃烧和排放系统的控制方法，以解决现有技术中多种传感器响应时间差异较大，使得应用于氨氢燃料内燃机系统中时存在难以同步的问题，本发明基于cn115111031a进行结构改进的控制方案的设定，通过长短期记忆网络(lstm)实现了对氨气传感器以及整个排放系统的预测控制，极大地弱化了各个传感器之间存在的响应时间差异问题，保证排放系统的正常运行和控制。
8.本发明的目的通过以下技术方案实现：
9.一种氨氢燃料内燃机燃烧和排放系统的控制方法，采用lstm神经网络进行预测调控，包括泄漏安全检测、燃烧及管路检测和后处理检测；
10.所述的泄漏安全检测，用于检测储气装置是否存在泄漏；
11.所述的燃烧及管路检测，用于检测燃烧是否出现爆震以及管路是否存在泄漏；
12.所述的后处理检测，用于检测处理后的尾气中氨气含量与氮氧化物含量是否超标。
13.优选地，所述的排放系统包括控制器、发动机、裂解气储气罐、氨气燃料罐、电加热催化转化器、选择性催化还原装置、氨气氧化催化器和氨裂解器；
14.所述的电加热催化转化器、选择性催化还原装置和氨气氧化催化器依次连接于发动机的排气管上，所述的氨气燃料罐向位于选择性催化还原装置上游的排气管提供氨气，用于处理发动机排出的尾气；
15.所述的氨裂解器套设于发动机的排气管外，并分别连接氨气燃料罐和裂解气储气罐，所述的裂解气储气罐连接发动机的进气管，用于回收尾气热量以裂解氨气为裂解气并将裂解气作为发动机的燃料；
16.所述的控制器，用于实现排放系统的控制。
17.电加热催化转化器为后续催化反应提供反应能量，选择性催化还原装置将氮氧化物还原为氮气，氨气氧化催化器将多余的氨气氧化为氮气，处理后的尾气中主要为氮气和水蒸气。
18.优选地，所述的排放系统还包括：
19.设置于氨气燃料罐内的第一氨气传感器、
20.设置于裂解气储气罐内的第二氨气传感器和氢气传感器，
21.所述的控制器分别与第一氨气传感器、第二氨气传感器和氢气传感器电气连接，用于实现泄漏安全检测。
22.优选地，所述的泄漏安全检测包括如下步骤：
23.s11：通过第一氨气传感器采集氨气燃料罐内氨气的浓度数据，通过第二氨气传感器和氢气传感器分别采集裂解气储气罐内氨气和氢气的浓度数据；
24.s12：lstm神经网络基于步骤s11采集的数据预测发动机后续循环中氨气燃料罐和/或裂解气储气罐是否存在泄漏；
25.若预测存在泄漏，控制器报警并指令切断与存在泄漏的储罐相连的管路，以实现早于故障发生的提前进行报警和控制。
26.根据实际测试，该lstm神经网络可预测约10个循环后的运行状态，具有良好的预测性能，对报警、修正等操作均能够提供充足的缓冲时间。
27.优选地，所述的排放系统还包括：
28.设置于发动机内的离子电流传感器、
29.设置于裂解气储气罐与进气管之间的第一连接管路(裂解气喷射管路)上的第一压力传感器、
30.设置于氨气燃料罐与排气管之间的第二连接管路(氨气喷射管路)上的第二压力传感器，
31.所述的控制器分别与离子电流传感器、第一压力传感器和第二压力传感器电气连接，用于实现燃烧及管路检测。
32.优选地，所述的第一连接管路端部设有第一喷嘴，通过第一喷嘴将裂解气注入进气管；所述的第二连接管路端部设有第二喷嘴，通过第二喷嘴将氨气注入排气管。
33.优选地，所述的燃烧及管路检测中爆震的检测包括如下步骤：
34.s21：通过离子电流传感器采集当前发动机缸内反映燃烧状态的离子电流数据；
35.s22：lstm神经网络基于步骤s21采集的数据预测发动机后续循环中发动机内的燃烧状态；
36.若预测后续循环中发动机有发生爆震的倾向，控制器指令调节输入发动机的裂解气和空气的当量比，减少后续发动机爆震倾向，同时减少氮氧化物的生成。
37.优选地，所述的燃烧及管路检测中管路泄漏的检测包括如下步骤：
38.s31：通过第一压力传感器采集第一连接管路的压力数据，通过第二压力传感器采集第二连接管路的压力数据；
39.s32：控制器基于步骤s31采集的数据判断第一连接管路和/或第二连接管路是否存在泄漏。
40.泄漏判断条件可为：压力传感器采集的压力数据波动较大，明显超出合理范围；或，压力传感器采集的压力数据明显低于设计压力及正常运行的范围。
41.优选地，所述的排放系统还包括：
42.设置于排气管上位于电加热催化转化器上游的第一氮氧化物传感器和第一温度传感器、
43.设置于电加热催化转化器入口端的第二温度传感器、
44.设置于电加热催化转化器出口端的第三温度传感器、
45.设置于选择性催化还原装置入口端的第三氨气传感器、
46.设置于排气管末端的第四氨气传感器和第二氮氧化物传感器，
47.所述的控制器分别与第一氮氧化物传感器、第一温度传感器、第二温度传感器、第三温度传感器、第三氨气传感器、第四氨气传感器和第二氮氧化物传感器电气连接，用于实现后处理检测。
48.优选地，所述的后处理检测包括如下步骤：
49.s45：通过第一氮氧化物传感器采集排气管上游的氮氧化物的浓度数据；
50.s46：控制器基于步骤s45采集的数据计算氨气燃料罐向排气管中输入的氨气用量；
51.s47：通过第三氨气传感器、第四氨气传感器和第二氮氧化物传感器采集排气管下游的氨气和氮氧化物的浓度数据；
52.s48：lstm神经网络基于步骤s45、s47采集的数据预测发动机后续循环中尾气中氨气和/或氮氧化物含量是否超标；
53.若预测含量超标，控制器指令调节输入排气管的氨气的用量、电加热催化转化器的加热功率等等。
54.lstm神经网络基于步骤s45采集的数据判断发动机的no
x
排放是否正常、燃烧烟气中氨气和/或氮氧化物含量是否超标，如检测值超过后续选择性催化还原装置和氨气氧化
催化器的最大处理值，则意味着发动机缸内燃烧出现问题，可能存在失火、火花塞损坏等特殊情况导致未燃烧等问题，控制器指令报警。
55.优选地，所述的后处理检测还包括如下步骤：
56.s41：通过第一温度传感器采集排气管上游的温度数据；
57.s42：控制器基于步骤s41采集的数据判断排放系统是否为冷启动；
58.s43：若为冷启动，继续步骤s44；若非冷启动，继续步骤s45；
59.s44：控制器指令电加热催化转化器加热，并基于第二温度传感器和第三温度传感器分别采集的温度数据指令调整电加热催化转化器的加热量，继续步骤s45。
60.长短期记忆网络(lstm)是一种用于人工智能和深度学习领域的人工神经网络。在实际训练过程中，每一层循环神经网络都由若干个记忆体构成.当前时刻记忆体的输出会对下一时刻的记忆体产生影响，在具有多层循环神经网络时，前一层循环神经网络的输出会作为下一层循环神经网络的输入，在训练过程中，损失函数在迭代过程中不断地减小，待训练项也在迭代中不断更新，最终求解出适用于解决特定问题的神经网络模型。本文所提出的控制方法是基于一个已训练的lstm模型，已训练意味着模型训练参数集合中含有大量的正常运行循环的压力、温度和排放参数，同时训练集中也有大量典型的功能失效循环的参数；如上数据均可来源于已知系统和现有技术。已训练的lstm模型被写入控制器中进行预测和控制。同样，如果后续排放法规更改，也可以通过lstm模型的训练集及各项参数的修改来实现控制阈值的改变。
61.本发明的工作原理为：
62.基于氨氢内燃机及后处理系统构型，从存储安全和功能保障两个角度出发，基于氨、氢、氮氧化物、温度、压力、离子电流传感器信号的实时数据，利用lstm时序深层神经网络，在发生故障之前预测和控制发动机运行状态并给出安全警报。
63.与现有技术相比，本发明具有以下有益效果：
64.本发明基于lstm神经网络提出一种预测和控制方法，lstm本身是一种成熟的方法，其优点在于其控制和预测是和时间序列有关的。lstm模型考虑前一个输入对后一个输入的影响，因而这个模型十分符合持续运转的发动机的预测，这是因为发动机运行也是呈周期性，周期与周期之间存在交互联系。lstm神经网络可以对发动机下一个循环进行预测，预测对象是所有传感器的后续输出值，使所有传感器反应同一循环的数据。
65.本发明增设了多种类的传感器来检测该排放系统的状态，提高运行安全性的同时还能够为lstm神经网络提供足够的数据支持，保证lstm神经网络的训练量充足，提升lstm神经网络的预测准确性及可靠性。
66.本发明基于cn115111031a所提出的系统进行了进一步的结构改进和控制方法的设立，提供了一种具有实用性、多功能的排放系统及控制方法。
附图说明
67.图1为排放系统的结构示意图；
68.图2为控制方法的流程示意图；
69.图3为泄漏安全检测的流程示意图；
70.图4为燃烧及管路检测的流程示意图；
71.图5为后处理检测的流程示意图，其中，ehc为电加热催化转化器，scr为选择性催化还原装置，asc为氨气氧化催化器；
72.图中：1-离子电流传感器；2-第一喷嘴；3-第三氨气传感器；4-裂解气储气罐；5-第四氨气传感器；6-控制器；7-发动机；8-氨气燃料罐；9-电加热催化转化器；10-选择性催化还原装置；11-氨气氧化催化器；12-氨裂解器；13-第二喷嘴；14-第一氮氧化物传感器；15-第一压力传感器；16-第二氨气传感器；17-氢气传感器；18-第二压力传感器；19-第一氨气传感器；20-第一温度传感器；21-第二温度传感器；22-第三温度传感器。
具体实施方式
73.下面结合附图和具体实施例对本发明进行详细说明。
74.实施例1
75.一种氨氢燃料内燃机燃烧和排放系统，如图1所示，主要包括发动机7、氨气燃料罐8、裂解气储气罐4、氨裂解器12、电加热催化转化器9、选择性催化还原装置10、氨气氧化催化器11和控制器6。
76.电加热催化转化器9、选择性催化还原装置10和氨气氧化催化器11依次连接于发动机7的排气管上，氨气燃料罐8连接至排气管的上游位置，通过第二连接管路(氨气燃料罐8至排气管之间的管路)末端第一喷嘴2向排气管内注入氨气，用于对发动机7燃烧产生的尾气进行后处理。氨裂解器12套设于排气管上且位于电加热催化转化器9之前、第一喷嘴2之后，氨裂解器12连接氨气燃料罐8与裂解气储气罐4，氨裂解器12通过回收排气管中尾气含有的热量将氨气燃料罐8输入氨裂解器12的氨气进行裂解，裂解产生的氮气、氢气以及未反应的氨气导入裂解气储气罐4进行储存。裂解气储气罐4进一步与发动机7的进气管连接，通过第一连接管路(裂解气储气罐4与进气管之间的管路)末端第二喷嘴13向进气管内注入作为燃料的裂解气。电加热催化转化器9对经过氨裂解器12换热的尾气(包括燃烧产生的烟气以及来源于氨气燃料罐8的氨气)进行升温，随后在选择性催化还原装置10中将尾气中的氮氧化物还原为氮气，最后在氨气氧化催化器11中进一步将多余的氨气氧化为氮气，使得最终处理后排出排放系统的尾气中主要为氮气和水蒸气。
77.上述发动机7、氨裂解器12、选择性催化还原装置10以及氨气氧化催化器11中发生的反应为：
78.发动机7：nh3+h2+o2+n2→
n2+h2o+no
x
(未配平)；
79.氨裂解器12：2nh3→
n2+3h2；
80.选择性催化还原装置10：
81.标准scr：4nh3+4no+o2→
4n2+6h2o；
82.快速scr：2nh3+no+no2→
2n2+3h2o；
83.慢速scr：8nh3+6no2→
7n2+12h2o；
84.氨气氧化催化器11：4nh3+3o2→
2n2+6h2o。
85.该氨氢燃料内燃机燃烧和排放系统还设置有多种与控制器6构成电气连接的传感器，包括离子电流传感器1、氨气传感器、氢气传感器17、氮氧化物传感器、压力传感器和温度传感器，分别通过i/o接口形式与控制器6连接。该控制器6可采用如计算机等控制设备。控制器6可选用英飞凌mcu-aurix tc397系列，该控制器6高度集成化，降低了复杂性，大大
节省了成本，多用于自动驾驶和adas系统控制。
86.离子电流传感器1设置于发动机7内，用于检测离子电流的数值以监控发动机7内是否发生爆震；
87.氨气传感器设有四个，第一氨气传感器19设置于氨气燃料罐8内、第二氨气传感器16设置于裂解气储气罐4内、第三氨气传感器3设置于选择性催化还原装置10的入口端、第四氨气传感器5设置于排气管的尾端(位于氨气氧化催化器11之后)，用于监控对应位置的氨气浓度；
88.氢气传感器17设置于裂解气储气罐4内，用于监控裂解气储气罐4内的氢气浓度；
89.氮氧化物传感器设有两个，第一氮氧化物传感器14设置于发动机7的排气管上、位于第一喷嘴2之前，第二氮氧化物传感器设置于排气管的尾端(位于氨气氧化催化器11之后)，用于监控排气管上游处氮氧化物浓度，即发动机7燃烧生成的烟气中氮氧化物浓度；
90.压力传感器设有两个，第一压力传感器15设置于第一连接管路上，第二压力传感器18设置于第二连接管路上，用于监控连接管路内的气流压力以判断是否存在泄漏；
91.温度传感器设有三个，第一温度传感器20设置于发动机7的排气管上、位于第一喷嘴2之前，第二温度传感器21设置于电加热催化转化器9的入口端，第三温度传感器22设置于电加热催化转化器9的出口端，用于监控对应位置的温度。
92.控制器6内采用lstm神经网络进行监控、预测、控制，通过统筹个传感器获取的数值对发动机7后续循环中的状态进行预测而实现提前调整和/或报警，充分发挥前馈和反馈相结合的调节效果，实现安全、稳定的运行和控制。
93.除上述传感器外，在驾驶室内可进一步设置氨气传感器和氢气传感器17，并可接入控制器6中作为数据来源。
94.lstm神经网络主要实现三方面的功能：1.基于离子电流的缸内燃烧状态的预测和监控，由于在发生爆震等不正常燃烧时会产生一个离子电流峰，所以通过获得每个循环的离子电流数值，预测后续循环的离子电流变化趋势，如监测到离子电流在后续循环中将产生离子电流峰，则发出警报和调整燃料注入比例，实现后续循环正常燃烧。2.基于压力传感器的管道泄漏状态的预测和监控，由于氨和氢气的腐蚀性和爆炸危险性，若存在氨和氢的泄漏，对氨氢燃烧内燃机系统的使用产生风险，为了可以在氨氢燃料大量泄漏之前进行处理和控制，运用神经网络对当前的压力状态和后续压力波动进行预测，如果压力波动较大或者持续产生压力下降，则报警检查氨、氢管路。3.基于氮氧化物传感器和氨气传感器的内燃机排放预测和监控，针对缸外氨污染物排放，传统是基于固定的数学模型进行离线模拟和计算，本发明提出运用lstm神经网络进行在线预测和监控，其区别在于模型可以在发动机7运行状态实时更新数据，适用于更宽广运行工况；其次，多种传感器响应时间不同，很难反应同一时刻的发动机7燃烧和排放状态，通过lstm神经网络，对已发生的传感器数据进行记录和收集，对后续循环进行预测，可以一定程度弥补因为响应时间不同的产生的误差，以实现对每一循环进行精准预测和控制。
95.实施例2
96.一种氨氢燃料内燃机燃烧和排放系统的控制方法，如图2-5所示，采用lstm神经网络进行预测调控，包括三部分检测：泄漏安全检测、燃烧及管路检测和后处理检测，检测和调控顺序如图2所示，依序进行。
97.泄漏安全检测，如图3所示，在排放系统运行时，第一氨气传感器19、第二氨气传感器16和氢气传感器17分别采集各自位置的氨气/氢气的浓度数据以及第一压力传感器15、第二压力传感器18分别采集各自位置的管路压力数据并汇集至控制器6中，基于实时获取的数据以及lstm神经网络内储存的之前轮次的数据对氢气燃料罐和裂解气储气罐4是否泄漏进行预测。lstm神经网络将该组数据继续迭代计算以预测发动机7后续循环时的数据，若预测存在泄漏，控制器6于后续循环之前提前发出报警信号同时指令相关联的管路进行切断和报警。
98.燃烧及管路检测，如图4所示，在排放系统运行时，1)爆震检测：离子电流传感器1采集发动机7内(缸内)的离子电流数据(反映燃烧状态)并传输至控制器6中，基于实时获取的数据以及lstm神经网络内储存的之前轮次的数据对发动机7内是否会发生爆震进行预测。lstm神经网络将该组数据迭代计算以预测发动机7后续循环时的数据，若预测会发生爆震或存在发生爆震的倾向，则调整输入的裂解气与空气的用量比，保证发动机正常运行，提高发动机可靠性，降低发动机发生爆震的倾向，同时减少氮氧化物的生成。2)管路泄漏检测：第一压力传感器15以及第二压力传感器18采集各自位置的压力数据并传输至控制器6中，控制器6将实时获取的数据对比设计压力或计算一定时间内的压力波动，若其中之一超出设定范围则表示连接管路存在泄漏，控制器6发出报警信号同时指令相关联的管路进行切断。
99.后处理检测，如图5所示，在排放系统运行时，第一温度传感器20和第一氮氧化物传感器14分别采集各自位置的数据并反馈至控制器6中，控制器6通过第一温度传感器20的温度数据判断是否为冷启动，并根据第一氮氧化物传感器14测得的氮氧化物浓度数据计算需要向排气管内输入的氨气的用量。若判定为冷启动，则控制器6指令电加热催化转化器9运行，对排气管中的尾气进行升温使其中流过尾气的温度达到催化氧化的反应温度，通常设置为200℃以上，第二温度传感器21测定尾气在电加热催化转化器9的出口温度，并将温度数据反馈至控制器6判断是否达到设定值/设定范围，若未达标则加大电加热催化转化器9的加热功率(在其他实施例中，可以进一步结合lstm神经网络对加热效果进行预测，以提前调控加热功率)，若达标则保持实时监测温度的情况下，调控加热功率以控制电加热催化转化器9内温度恒温。预热后的尾气进入选择性催化还原装置10，第三氨气传感器3监测入口处氨气浓度，控制器6根据实时数据与计算值的差异调整氨气燃料罐8注入排气管中的氨气用量。尾气依次经过选择性催化还原装置10和氨气氧化催化器11，将氮氧化物还原为氮气并将多余的氨气氧化为氮气，处理后的尾气通过设置于排气管尾端的第四氨气传感器5和第二氮氧化物传感器测定其中氨气以及氮氧化物含量，以判断尾气是否超标，若尾气中氨气排放不合格，则通过提升氨气氧化催化器11的效率或减少注入排气管的氨气用量进行改善，若尾气中氮氧化物排放不合格，则通过增加注入排气管的氨气用量和/或调整电加热催化转化器9的加热功率以调节尾气温度进行改善。同时第四氨气传感器5和第二氮氧化物传感器测定的浓度数据还由lstm神经网络纳入计算并用于预测后续循环的尾气排放是否超标，并根据结论提前进行调整。如若各传感器的检测值超出选择性催化还原装置10和氨气氧化催化器11的最大可处理极限，则意味着发动机7缸内燃烧出现问题，可能存在失火、火花塞损坏等特殊情况进而导致未燃烧等问题，控制器6指令报警。
100.若判定为非冷启动，则控制器6指令维持电加热催化转化器9内温度恒温，并继续
进行后续步骤。
101.本发明针对氨氢融合燃料内燃机系统结构复杂；氨燃料污染物排放控制复杂；氨氢燃料储存、泄漏安全风险高；多种传感器响应时间差异较大，难以同步等问题，提出了一种用于氨氢动力内燃机的检测、预测和控制方法。该发明基于氨氢内燃机及后处理系统构型，从存储安全和功能保障两个角度出发，基于氨、氢、氮氧化物、温度、压力、离子电流传感器1信号实时数据，利用lstm时序深层神经网络，在发生故障之前预测和控制发动机7运行状态并给出安全警报。
102.目前国内氨气传感器的响应时间基本上是在10-100s，并且温度、湿度等条件需求苛刻，但是该系统中的其他传感器的响应时间会远远小于氨气传感器的响应时间，考虑到尾气在排气管中的运动，布置在不同位置的不同传感器无法反应同一时刻的燃烧和排放状态。并且，由于氨气有毒性，其泄漏和排放限额极低，故需要有一种方法使多种传感器的信号可以反映同一循环，或者缩小其响应时间差距。
103.由于氨氢燃料中含有氢气，氢气发动机爆震问题始终是一个影响发动机可靠性和排放的重要问题，本专利通过氨气裂解出大量氢气，故氨氢发动机爆震风险也依然存在。本系统中设置了离子电流传感器，通过离子电流传感器数据并基于lstm预测缸内是否出现爆震倾向并控制。
104.该系统针对氨传感器响应时间较长，与其他传感器有较大时间差；氨气具有毒性；氨氢燃料具有爆炸性和燃烧污染物(no
x
和nh3)排放控制。提出使用长短期记忆(lstm)来对氨气传感器系统进行预测控制以及针对氨氢燃料内燃机的控制策略，以实现该系统安全低排放低能耗的目标。
105.需要额外说明的是，本方法中的lstm神经网络是将其应用于氨氢燃料内燃机燃烧和排放系统控制中，而对其本身的实现方法、运算逻辑等仅是做适应性修改。
106.该系统中增加了更多的传感器来检测氨氢内燃机的状态，例如：如果氨气泄漏，压力传感器和氨气传感器都会有所变化，提高安全性的同时也能为lstm神经网络提供数据采集支持，通过多轮次迭代可提高预测准确性，提升了系统的可靠性。此外，该系统还增设裂解气储气罐4，并安装了相应的传感器，可以单独调控裂解气这一条气路的参数。
107.该系统除对常规排放物——氮氧化物的检测外，还设置了对氨气和氢气等易燃易爆气体的泄漏、排放检测，有效提高系统运行时的安全性，结合lstm神经网络的预测有效提升报警的提前性和有效性。
108.上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和使用发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。

技术特征：
1.一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，采用lstm神经网络进行预测调控，包括泄漏安全检测、燃烧及管路检测和后处理检测；所述的泄漏安全检测，用于检测储气装置是否存在泄漏；所述的燃烧及管路检测，用于检测燃烧是否出现爆震以及管路是否存在泄漏；所述的后处理检测，用于检测处理后的尾气中氨气含量与氮氧化物含量是否超标。2.根据权利要求1所述的一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，所述的系统包括控制器(6)、发动机(7)、裂解气储气罐(4)、氨气燃料罐(8)、电加热催化转化器(9)、选择性催化还原装置(10)、氨气氧化催化器(11)和氨裂解器(12)；所述的电加热催化转化器(9)、选择性催化还原装置(10)和氨气氧化催化器(11)依次连接于发动机(7)的排气管上，所述的氨气燃料罐(8)向位于选择性催化还原装置(10)上游的排气管提供氨气，用于处理发动机(7)排出的尾气；所述的氨裂解器(12)套设于发动机(7)的排气管外，并分别连接氨气燃料罐(8)和裂解气储气罐(4)，所述的裂解气储气罐(4)连接发动机(7)的进气管，用于回收尾气热量以裂解氨气为裂解气并将裂解气作为发动机(7)的燃料；所述的控制器(6)，用于实现系统的控制。3.根据权利要求2所述的一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，所述的系统还包括：设置于氨气燃料罐(8)内的第一氨气传感器(19)、设置于裂解气储气罐(4)内的第二氨气传感器(16)和氢气传感器(17)，所述的控制器(6)分别与第一氨气传感器(19)、第二氨气传感器(16)和氢气传感器(17)电气连接，用于实现泄漏安全检测。4.根据权利要求3所述的一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，所述的泄漏安全检测包括如下步骤：s11：通过第一氨气传感器(19)采集氨气燃料罐(8)内氨气的浓度数据，通过第二氨气传感器(16)和氢气传感器(17)分别采集裂解气储气罐(4)内氨气和氢气的浓度数据；s12：lstm神经网络基于步骤s11采集的数据预测发动机(7)后续循环中氨气燃料罐(8)和/或裂解气储气罐(4)是否存在泄漏；若预测存在泄漏，控制器(6)报警并指令切断与存在泄漏的储罐相连的管路。5.根据权利要求2所述的一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，所述的系统还包括：设置于发动机(7)内的离子电流传感器(1)、设置于裂解气储气罐(4)与进气管之间的第一连接管路上的第一压力传感器(15)、设置于氨气燃料罐(8)与排气管之间的第二连接管路上的第二压力传感器(18)，所述的控制器(6)分别与离子电流传感器(1)、第一压力传感器(15)和第二压力传感器(18)电气连接，用于实现燃烧及管路检测。6.根据权利要求5所述的一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，所述的燃烧及管路检测中爆震的检测包括如下步骤：s21：通过离子电流传感器(1)采集当前发动机(7)缸内的离子电流数据；s22：lstm神经网络基于步骤s21采集的数据预测发动机(7)后续循环中发动机(7)内的
燃烧状态；若预测发生爆震，控制器(6)指令调节输入发动机(7)的裂解气与空气的用量比。7.根据权利要求5所述的一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，所述的燃烧及管路检测中管路泄漏的检测包括如下步骤：s31：通过第一压力传感器(15)采集第一连接管路的压力数据，通过第二压力传感器(18)采集第二连接管路的压力数据；s32：控制器(6)基于步骤s31采集的数据判断第一连接管路和/或第二连接管路是否存在泄漏。8.根据权利要求2所述的一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，所述的系统还包括：设置于排气管上位于电加热催化转化器(9)上游的第一氮氧化物传感器(14)和第一温度传感器(20)、设置于电加热催化转化器(9)入口端的第二温度传感器(21)、设置于电加热催化转化器(9)出口端的第三温度传感器(22)、设置于选择性催化还原装置(10)入口端的第三氨气传感器(3)、设置于排气管末端的第四氨气传感器(5)和第二氮氧化物传感器，所述的控制器(6)分别与第一氮氧化物传感器(14)、第一温度传感器(20)、第二温度传感器(21)、第三温度传感器(22)、第三氨气传感器(3)、第四氨气传感器(5)和第二氮氧化物传感器电气连接，用于实现后处理检测。9.根据权利要求8所述的一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，所述的后处理检测包括如下步骤：s45：通过第一氮氧化物传感器(14)采集排气管上游的氮氧化物的浓度数据；s46：控制器(6)基于步骤s45采集的数据计算氨气燃料罐(8)向排气管中输入的氨气用量；s47：通过第三氨气传感器(3)、第四氨气传感器(5)和第二氮氧化物传感器采集排气管下游的氨气和氮氧化物的浓度数据；s48：lstm神经网络基于步骤s47采集的数据预测发动机(7)后续循环中尾气中氨气和/或氮氧化物含量是否超标；若预测含量超标，控制器(6)指令调节输入排气管的氨气的用量、电加热催化转化器(9)的加热功率。10.根据权利要求9所述的一种氨氢燃料内燃机燃烧和排放系统的控制方法，其特征在于，所述的后处理检测还包括如下步骤：s41：通过第一温度传感器(20)采集排气管上游的温度数据；s42：控制器(6)基于步骤s41采集的数据判断系统是否为冷启动；s43：若为冷启动，继续步骤s44；若非冷启动，继续步骤s45；s44：控制器(6)指令电加热催化转化器(9)加热，并基于第二温度传感器(21)和第三温度传感器(22)分别采集的温度数据指令调整电加热催化转化器(9)的加热量，继续步骤s45。

技术总结
本发明涉及一种氨氢燃料内燃机，具体涉及一种氨氢燃料内燃机燃烧和排放系统的控制方法，采用LSTM神经网络进行预测调控，包括泄漏安全检测、燃烧及管路检测和后处理检测；泄漏安全检测，用于检测储气装置是否存在泄漏；燃烧及管路检测，用于检测燃烧是否出现爆震以及管路是否存在泄漏；后处理检测，用于检测处理后的尾气中氨气含量与氮氧化物含量是否超标。与现有技术相比，本发明解决现有技术中多种传感器响应时间差异较大，使得应用于氨氢燃料内燃机排放系统中时存在难同步的问题，本发明通过LSTM神经网络实现对氨气传感器及整个排放系统的预测控制，极大地弱化了各个传感器之间存在的响应时间差异问题，保证排放系统的正常运行和控制。运行和控制。运行和控制。


技术研发人员：吴志军 冀蒙 商权波 张冠宇 李理光 邓俊
受保护的技术使用者：同济大学
技术研发日：2023.06.21
技术公布日：2023/10/5