车载排放测试技术的研究综述

现行的车辆排放污染物测量方法和设备主要是基于排放实验室测量。但是实验室测量由于其受场地条件和测功机测量范围等方面的限制,不能很好的反映车辆在实际使用时的排放状况。本文阐明了车载排放测试技术是一种实际行驶条件下对车辆排放特性进行测量的方法,能得出车辆在实际工况条件下的排放数据,而不影响车辆的正常使用。这对我们了解车辆的排放因子、评估在用车量对城市排放总量的影响、为我们的研究及政府管理部门制定排放法规和政策很有益处。

整车排放测试法规及车载排放测试技术

株式会社堀场制作所（以下简称“堀场”）开发的OBS-2200主枧单元体积较上一代OBS-1000的体积减少了55％。重量也减轻了55％。而且功率较小，非常适用于车载排放测量。不仅为重型车整车排放测试提供了技术手段．并且也将在动力系统等研发过程中起到了重要的作用。

车载排放测试技术研究

现行的国家汽车污染物排放测量大多采用实验室测量方法,轻型车通常是在底盘测功机上按一定的行驶工况测量排放值,重型车则将发动机置于发动机台架上进行工况点的测量。这种实验室测量方法可以有很高的重复性和精确度,但也有一定的局限性,如不能很方便地在没有实验室条件的地区获取排放数据、测量非道路和重型车辆、获取车辆比较难及测试费用昂贵等缺点。

基于双隐含层GA-BP神经网络的重型柴油车排放预测

为了建立一种能够预测柴油车道路排放特性的模型,文章采用便携式车载(汽车尾气)排放测量系统(portable emission measurement system,PEMS),对某重型柴油车进行道路污染物排放特性测试;利用测得的试验数据,在双隐含层反向传播(back propagation,BP)神经网络的基础上,引入Levenberg-Marquardt(LM)优化算法,用遗传算法(genetic algorithm,GA)优化网络的权值与阈值;以车辆比功率(vehicle specificpower,VSP)为输入,搭建CO、NOx排放预测模型,并用试验数据对模型进行训练、验证。结果表明,CO、NOx的预测结果与样本数据之间的皮尔逊相关系数分别为0.8553、0.8512,线性高度相关;在整体误差水平上,CO、NOx排放因子的相对误差分别为2.61%、6.71%。该方法对车辆CO、NOx的瞬时排放和整体排放特性的预测准确性较好,具有一定的理论意义和工程应用价值。