(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111650631.4 (22)申请日 2021.12.3 0 (65)同一申请的已公布的文献号 申请公布号 CN 114483271 A (43)申请公布日 2022.05.13 (73)专利权人 特斯联科技 集团有限公司 地址 100027 北京市朝阳区新源南路8号启 皓北京西塔1 1层 (72)发明人 张立华　 (74)专利代理 机构 北京春江专利商标代理事务 所(普通合伙) 11835 专利代理师 向志杰 (51)Int.Cl. F01N 5/02(2006.01) F01N 3/021(2006.01) F01N 9/00(2006.01) F01N 11/00(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 US 201931 1262 A1,2019.10.10 US 2010083640 A1,2010.04.08 JP 6935837 B1,2021.09.15 US 2007289287 A1,20 07.12.20 CN 20820 5047 U,2018.12.07 EP 3004583 A1,2016.04.13 US 2020063633 A1,2020.02.27 CN 108594895 A,2018.09.28 US 2015060559 A1,2015.0 3.05 JP 201913 3610 A,2019.08.08 GB 25239 90 A,2015.09.16 李延红等.一种基 于神经网络的氧化催化器 出口温度控制方法. 《汽车电器》 .2020,(第01 期), 审查员 王干 (54)发明名称 基于人工智能的车辆 尾气余热回收系统 (57)摘要 本发明涉及一种基于人工智能的车辆尾气 余热回收系统， 所述系统包括： 第一解析设备， 用 于将某一种类的汽车在待预测运动周期之前的 各个运动周期分别对应的各个储备数据作为循 环神经网络模型即人工智能模型的各个输入信 号， 将所述种类的汽车在待预测运动周期的储备 数据作为循环神经网络模型的单个输出信号； 第 二解析设备， 用于完成对循环神经网络模型的多 次学习； 预测执行设备， 用于执行多次学习后的 循环神经网络模型以获得当前汽车种类在下一 运动周期 的储备数据。 通过本发明， 能够采用人 工智能体以基于不同类型的汽车的历史排放数 据完成对后续排放数据的预测处理， 从而为制定 尾气余热回收策略和尾气过滤策略提供关键参 考信息。 权利要求书3页 说明书8页 附图3页 CN 114483271 B 2022.09.30 CN 114483271 B 1.一种基于人工智能的车辆尾气余热回收系统， 其特 征在于， 所述系统包括： 温度测量机构， 设置在每一种类的汽车的排气管上， 用于测量所述种类汽车在每一运 动周期的排气管参 考温度； 热量提取机构， 设置在每一种类的汽车的排气管上， 用于累计所述种类汽车在每一运 动周期的排气管的管体散发总热量； 尾气检测机构， 设置在每一种类的汽车的排气管上， 用于累计所述种类汽车在每一运 动周期的排气管 所排放的总尾气体积； 周期捕获机构， 分别与所述温度测量机构和所述热量提取机构连接， 用于针对每一种 类的汽车执行其每一运动周期的储备数据 的捕获动作： 所述储备数据包括排气管参考温 度、 管体散发总热量、 总尾气体积以及时间轴长度； 第一解析设备， 与所述周期捕获机构连接， 用于将某一种类的汽车在待预测运动周期 之前的预设周期数量的各个运动周期分别对应的各个储备数据作为循环神经网络模型即 人工智能模型的各个输入信号， 将所述种类的汽车在待预测运动周期的储 备数据作为所述 循环神经网络模型的单个输出信号， 解析 出所述循环神经网络模型； 第二解析设备， 分别与所述第一解析设备和所述周期捕获机构连接， 用于将不同种类 的汽车在过往运动周期的储备数据作为所述第一解析设备解析出的循环神经网络模型的 输入数据和输出 数据完成对所述第一 解析设备解析 出的循环神经网络模型的多次学习； 预测执行设备， 与所述第二解析设备连接， 用于将当前驾驶的汽车种类在下一运动周 期之前预设周期数量的各个运动周期分别对应的各个储备数据作为完成多次学习的循环 神经网络模型的各个输入信号以执行所述完成多次学习的循环神经网络模 型， 获得所述完 成多次学习的循环神经网络模型的单个输出信号即当前驾驶的汽车种类在下一运动周期 的储备数据； 第一应对机构， 与所述预测执行设备连接， 用于获取当前驾驶的汽车种类在下一运动 周期的储备数据中的管体散发总热量， 并基于获取的管体散发总热量确定对应的下一运动 周期的尾气余热回收策略； 其中， 选择的预设周期数量的数值与循环神经网络模型在完成多次学习时使用的汽车 种类的数量 正向关联； 其中， 每一种类汽车的单个运动周期占据的时间轴长度为所述种类汽车的发动机活塞 在完成固定次数的反复运动所消耗的时间长度。 2.如权利要求1所述的基于人工智能的车辆尾气余热回收系统， 其特征在于， 所述系统 还包括： 内容存储机构， 与所述第一应对机构连接， 用于存储获取的管体散发总热量与确定的 对应的下一 运动周期的尾气余热回收策略的对应关系； 其中， 基于获取的管体散发总热量确定对应的下一运动周期的尾气余热回收策略包 括： 当获取 的管体散发总 热量大于等于设定热量阈值时， 启动下一运动周期的尾气余热回 收动作； 其中， 当获取的管体散发总热量大于等于设定热量阈值时， 启动下一运动周期的尾气 余热回收动作包括： 基于获取的管体散发总热量超过设定热量阈值的差值大小确定下一运 动周期的尾气余热回收动作中 需要从排气管的管体汲取的热量数值；权　利　要　求　书 1/3 页 2 CN 114483271 B 2其中， 基于获取的管体散发总热量超过设定热量阈值的差值大小确定下一运动周期的 尾气余热回收动作中需要从排气管的管体汲取的热量数值包括： 基于获取的管体散发总热 量超过设定热量阈值的差值越小， 确定的下一运动周期的尾气余热回收动作中需要从排气 管的管体汲取的热量数值越小； 其中， 基于获取的管体散发总热量超过设定热量阈值的差值越小， 确定的下一运动周 期的尾气余热回收动作中需要从排气管的管体汲取的热量数值越小包括： 采用的执行排气 管的管体热量 汲取的热量 汲取机构设置在排气管的尾端和首端之间的中央位置的管壁上。 3.如权利要求2所述的基于人工智能的车辆尾气余热回收系统， 其特征在于， 所述系统 还包括： 第二应对机构， 与所述预测执行设备连接， 用于获取当前驾驶的汽车种类在下一运动 周期的储备数据中的总尾气 体积， 并基于获取的总尾气 体积确定对应的下一运动周期的尾 气过滤策略； 其中， 基于获取的总尾气体积确定对应的下一运动周期的尾气过滤策略包括： 获取的 总尾气体积的数值越小， 确定的对应的下一运动周期的尾气过滤策略中使用的尾气过滤网 体的数量越少。 4.如权利要求3所述的基于人工智能的车辆尾气余热回收系统， 其特征在于， 所述系统 还包括： 过滤网体阵列， 包括多个尾气过滤网体， 每一尾气过滤网体在使用状态下位于排气管 的管体的尾端， 所述多个 尾气过滤网体的结构相同； 其中， 每一尾气过滤网体在使用状态下位于排气管的管体的尾端包括： 当使用多个尾 气过滤网体时， 所述多个 尾气过滤网体以均匀间隔模式同时位于排气管的管体的尾端。 5.如权利要求1 ‑4任一所述的基于人工智能的车辆尾气余热回收系统， 其特 征在于： 将不同种类的汽车在过往运动周期的储备数据作为所述第一解析设备解析出的循环 神经网络模型 的输入数据和输出数据完成对所述第一解析设备解析出的循环神经网络模 型的多次学习包括： 所述多次学习中， 每一种类的汽车至少经历一次学习过程。 6.如权利要求1 ‑4任一所述的基于人工智能的车辆尾气余热回收系统， 其特 征在于： 测量所述种类汽车在每一运动周期的排气管参考温度包括： 在每一运动周期内以均匀 时间间隔分别获取所述种类汽车的排气管的多个管壁温度， 并对所述多个管壁温度取中间 值以获得 所述种类汽车在每一 运动周期的排气管参 考温度。 7.如权利要求6所述的基于人工智能的车辆尾气余热回收系统， 其特 征在于： 在每一运动周期内以均匀时间间隔分别获取所述种类汽车的排气管的多个管壁温度， 并对所述多个管壁温度取中间值以获得所述种类汽车在每一运动周期的排气管参考温度 包括： 对每一运动周期占据的时间轴进行均匀分割以获得多个相等的时间段， 在每一个时 间段的末端采集所述种类汽车的排气管的单个管壁温度。 8.如权利要求2 ‑4任一所述的基于人工智能的车辆尾气余热回收系统， 其特 征在于： 基于获取的管体散发总热量确定对应的下一运动周期的尾气余热回收策略还包括： 当 获取的管体散发总热量小于所述设定热量阈值时， 暂缓下一运动周期的尾气余热回收动 作。 9.一种基于人工智能的车辆尾气余热回收方法， 所述方法包括使用 如权利要求1 ‑8任权　利　要　求　书 2/3 页 3 CN 114483271 B 3