6、扩展卡尔曼滤波训练的神经网络在汽车与图像领域的应用

扩展卡尔曼滤波训练的神经网络在汽车与图像领域的应用

1. 汽车应用领域

1.1 发动机怠速控制

在发动机怠速控制中，我们的目标是将发动机转速调整到期望速度，同时结合控制约束，以平方误差信号表示。我们采用在线扩展卡尔曼滤波（EKF）方法训练的递归神经网络，开发了有效的怠速控制策略。与A/F控制器不同，这是一个闭环控制器的例子，因为旁通空气和点火提前角控制会影响发动机转速，而发动机转速又作为控制器的输入。

1.2 传感器 - 催化转化器建模

催化转化器是车辆排放控制系统的关键部件，其作用是将发动机燃烧过程产生的有害排放物转化为环境友好的化合物。理想的三元催化转化器应在车辆连续运行时完成三项任务：
- 烃类（HC）废气氧化为二氧化碳（CO₂）和水（H₂O）；
- 一氧化碳（CO）氧化为CO₂；
- 氮氧化物（NOₓ）还原为氮气（N₂）和氧气（O₂）。

实际中，只有发动机接近化学计量比运行时，才能实现三种废气的高转化效率，有效的A/F控制策略有助于实现这种转化。

然而，即使有有效的A/F控制，如果催化转化器受损，尾气排放可能仍然过高。政府法规要求持续监测催化转化器的性能，以检测其转化效率何时低于某个阈值。目前无法直接安装能测量各种废气成分的传感器，催化转化器监测器通过比较暴露于发动机废气的HEGO传感器输出和安装在催化转化器下游、暴露于尾气的第二个传感器输出。当催化器高效运行时，催化器后HEGO传感器的切换频率相对催化器前HEGO传感器较低；随着催化器效率降低（由于储氧能力下降），催化器后传感器的平均切换频率增加。

我们基于神经网络模型开发了催化器监测器，该模型以标称转化