神经网络模型度量地形对实际行驶排放的影响

由于难以将行驶路线地形的影响从实际行驶排放(real driving emission,RDE)试验的其他试验边界的影响中独立出来,提出采用神经网络输入变量重要性算法以定量评估行驶路线地形试验边界对RDE试验的影响强度。以重庆地区RDE试验的37256个数据窗口排放样本为基础,采用因子分析方法缩减数据并消除试验边界之间的信息重叠,建立神经网络模型预测污染物排放,并计算输入变量相对重要性占比。结果表明,行驶路线地形试验边界在二氧化碳(CO_(2))排放中起主导作用,它的相对重要性远大于行程动力学试验边界。对于一氧化碳(CO)、颗粒数量(particle number,PN)、氮氧化物(NO_(x))污染物排放,地形因素的影响力仍不可忽视,特别是在车辆高速行驶条件下,它对车辆行驶排放的影响与行程动力学因素大致相当。总体而言,在现有排放标准体系中,行驶路线地形试验边界对RDE试验的影响被严重低估。

不同工况对1.6L排量及以下增压车辆油耗的影响

车辆油耗型式认证将有NEDC工况逐渐向WLTC和CLTC工况转变,对不同排量和发动机类型的影响不能一概而论。本研究就不同工况对小排量增压发动机的影响进行分析,以为厂家车辆标定和用户实际使用提供合理化建议。

高温扩展条件下RDE排放研究

汽车在给人们的生产与生活提供很大便利的同时,也给人们的生活环境带来了巨大的污染。针对机动车排放的危害性,各国都制定了严格的法规来加强对机动车排放的监管和控制。以轻型汽油车为例,车辆排放测试通常是基于试验室底盘测功机或发动机测功机,也有利用遥感技术进行测试。然而,车辆在实际道路行驶时影响因素众多且多变,车辆在实际道路上实测排放量与试验室中特定工况下排放特性差异性较大。本文研究了车辆在高温环境下的排放特性,为满足国VI排放标准的不同技术路线的车辆提供了数据支撑。