【作者】

韩雨婷; 魏承印; 柳长玺; 王忠巍; 王晓政

【单位】

哈尔滨工程大学; 中国船舶集团有限公司第七一一研究所

【摘要】

氨燃料发动机是实现零碳动力的重要技术路线，其后处理系统工作性能直接决定排放合规性与运行可靠性。然而，现阶段监测技术难以全面表征系统工作性能并支持智能运维决策。性能衰退若未及时干预将导致排放超标、氨逃逸加剧甚至催化器不可逆失效。针对上述问题，构建了融合多属性决策与深度学习时序预测的性能评估与预测方法。首先建立多维工作性能表征指标体系；采用指标间相关性准则（Criteria Importance Through Intercriteria Correlation, CRITIC）依据数据对比强度与冲突性客观赋权，通过逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution, TOPSIS）将多维指标聚合为综合工作性能指数；进而建立长短期记忆（Long Short-Term Memory, LSTM）网络实现性能退化的超前感知与分级预警。最后验证表明，综合工作性能指数较单一指标能更早触发劣化预警，评估预测精度R2达95.8%，可有效指导催化剂再生等运维决策，形成了“状态评估—趋势预测—分级决策”的智能化运维技术闭环，推动了后处理系统从被动响应向主动预防的运维模式转变。

【关键词】

后处理系统;氨燃料发动机;工作性能评估;CRITIC-TOPSIS法;长短期记忆网络

【论文集名称】

车辆动力

【会议名称】

2026国际交通能源与动力大会

【会议时间】

2026-8-20至2026-8-23

【下载次数】

2

返回