CN111122171B - 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法 - Google Patents

一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法 Download PDF

Info

Publication number
CN111122171B
CN111122171B CN201811276467.3A CN201811276467A CN111122171B CN 111122171 B CN111122171 B CN 111122171B CN 201811276467 A CN201811276467 A CN 201811276467A CN 111122171 B CN111122171 B CN 111122171B
Authority
CN
China
Prior art keywords
working condition
detection
vehicle
equivalent
vsp
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811276467.3A
Other languages
English (en)
Other versions
CN111122171A (zh
Inventor
冯谦
李孟良
李菁元
秦孔建
曹丽娟
贺可勋
银增辉
王凤滨
王长园
王计广
吕赫
方熙宇
沈姝
刘辰
汪洋
安晓盼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Automotive Technology and Research Center Co Ltd
Original Assignee
China Automotive Technology and Research Center Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Automotive Technology and Research Center Co Ltd filed Critical China Automotive Technology and Research Center Co Ltd
Priority to CN201811276467.3A priority Critical patent/CN111122171B/zh
Publication of CN111122171A publication Critical patent/CN111122171A/zh
Application granted granted Critical
Publication of CN111122171B publication Critical patent/CN111122171B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Testing Of Engines (AREA)

Abstract

本发明请求保护一种基于VSP工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法，获得多源检测数据与工况点群，按照VSP Bin分类统计得到等效工况点，保留工况权值大于0的等效工况点作为最终的等效工况点，得到的等效工况点可以代替原工况点群，对多源检测数据之间的关联性进行关联分析。本发明针对多项排放法规中提出的多种排放检测方法，应用关联分析确立不同检测方法之间的关联性，为简化检测方法，提高排放检测效率实现实时监控提供技术支持。该关联分析说明OBD实际道路检测方法、PEMS检测方法、转鼓检测方法、台架检测方法等其间存在极大的关联性，可以通过合理的手段实现不同检测方法结果之间的相互预测。

Description

一种基于VSP工况的柴油车与柴油机多种排放检测方法的多 源异构数据关联分析方法
技术领域
本发明是一种基于VSP工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法，用于计算不同检测方法之间的关联程度，量化柴油机/车不同检测方法多源结果的关联关系，为不同检测方法检测结果的关联与相互预测提供技术支持，属于汽车排放检测的优化整合技术。
背景技术
当前，交通领域的机动车等移动源污染排放物已经成为我国环境治理的重大难题。截止2017年底，全国机动车保有量达到3.10亿辆。2017年，全国机动车四项污染物排放总量初步核算为4359.7万吨。其中，一氧化碳(CO,Carbonic Oxide)3327.3万吨，碳氢化合物(HC,Hydrocarbon)407.1万吨，氮氧化物(NOx,Nitrogen Oxides)574.3万吨，颗粒物(PM,Particulate Matter)50.9万吨。机动车尾气排放已成为我国空气污染的主要来源，尾气排放与人民的日常生活息息相关，直接或间接的对人民的身体造成伤害。为减少污染物的排放促进可持续发展，全球各国陆续制定日益严格的排放法规。
现有的排放法规形式多样，不同的排放法规采用不完全相同的排放检测方法获取排放数据。目前，应用于排放法规的检测方法主要有台架检测法、遥感检测法、隧道检测法、烟羽检测法、车载检测法、OBD检测法。
(1)发动机台架(转鼓)检测方法
发动机台架检测是发展最成熟也是应用最广泛的检测方法，通过发动机或者底盘测功机按照预设工况行驶来模拟车辆在道路上的行驶工况，车辆尾气经过全流稀释进入到定容采样系统中，随后再用气体和颗粒物分析仪器同步检测，由检测系统收集的不同行驶阶段的污染物，结果传输到中控系统计算机上以便后续进一步处理。
(2)车载道路排放检测方法
车载排放检测将便携式车载检测系统(portable emission measurementsystem，PEMS)直接安装在被测机动车内，PEMS即可逐秒采集机动车在实际道路行驶过程中的行驶特征参数和污染物排放速率，实现对机动车尾气的采集。PEMS法摆脱了实验室内不能模拟实时道路上行驶工况的缺陷，突破了隧道法的隧道行驶模式、遥感定点、瞬时工况点尾气收集数据的局限性。通过对所获得的瞬时排放数据以及GPS数据进行处理的结果，形成对被测车辆排放水平的评估。这种技术的应用可以保证检测的精度和可靠性，但设备成本、检测费用相对较高，仅限于单车、少辆车辆的实际运行检测，对于路网中大量车辆实际运行排放检测不实用。
(3)遥感遥测检测方法
遥感遥测检测方法是一种非接触式的光学检测手段。当机动车由路面驶过时，光束穿过机动车排气管所排出的尾气羽流，其中部分光束将被尾气吸收；当反射光束回到光源探测器时，红外线和紫外线光强均有不同程度地下降。通过判断光强信号的减弱程度，将其转换为电压信号，再通过传感器和数据采集板将其转换为数字信号送入中央处理器，从而可以得到每一驶过机动车的尾气排放值。
(4)公路隧道检测方法
公路隧道法是在交通隧道内，通过检测过往隧道的机动车排入隧道内的污染物浓度分布和隧道内风速等环境和气象要素，再通过计算，得出在一定机动车组成和流量下污染物的排放因子。该方法的基本原理是将隧道看成一个理想的圆柱状活塞，在一定时间内进出的污染物浓度差与通风量的乘积等于通过隧道的机动车污染物的总排放质量。
(5)烟羽跟踪检测方法
烟羽跟踪检测是近年来国外兴起的一种测量方法，该方法主要是将检测仪器安置在一辆实验车中，随后实验车在道路中采集被测前车尾气进行测量。使用二氧化碳作为燃烧的示踪剂，并且结果表明相对每个二氧化碳浓度的目标污染物浓度值。这些移动实验室能够捕获废气正在追踪车辆的羽流，从而提供真实世界在广泛的运行和环境条件下排放数据。烟羽跟踪检测对被测车辆排放因子的计算方法和隧道检测类似，都是通过碳平衡法对污染物进行测算。
(6)基于OBD的实际道路排放检测方法
OBD技术本身用于监控发动机的运行状况和尾气后处理系统的工作状态，OBD-Ⅱ已发展为机动车运行的必备装置之一。OBD-Ⅱ即车载尾气监测系统集成于发动机管理系统之中，可以对废气排放影响部件的工作状态进行不间断地监测。作为一个结构与工作原理均较为复杂的自诊断系统，OBD-Ⅱ能够在机动车尾气超出标准排放量，或者发生故障之时，及时向驾驶员报警，并对故障代码(DTC)进行记录。借助于相配套的诊断设备，维修人员可以对系统保存下来的故障代码或相关的机动车信息进行解读，这有助于其快速地找到机动车发生故障的位置，以节约大量的人力与物力。经历OBD-Ⅰ和Ⅱ的发展，OBD-Ⅲ已添加数据发送和接收模块完成更新，具备远程无线通信功能，OBD-III系统允许跟踪实时操作情况，燃料消耗和目标车辆的排放等信息。
(7)烟羽跟踪检测方法
烟羽跟踪检测是近年来国外兴起的一种测量方法，该方法主要是将检测仪器安置在一辆实验车中，随后实验车在道路中采集被测前车尾气进行测量。使用二氧化碳作为燃烧的示踪剂，并且结果表明相对每个二氧化碳浓度的目标污染物浓度值。这些移动实验室能够捕获废气正在追踪车辆的羽流，从而提供真实世界在广泛的运行和环境条件下排放数据。烟羽跟踪检测对被测车辆排放因子的计算方法和隧道检测类似，都是通过碳平衡法对污染物进行测算。
本发明主要是针对当前排放法规中多种排放检测方法交叉并存的现状，在实际应用中多种检测方法交叉并存，排放检测上存在重复性，增加了试验复杂性，降低了检测经济性，所以探寻不同检测方法的关联性简化检测方法极具意义。利用关联分析方法，实现不同检测方法的关联，简化排放检测方法，最终实现不同检测方法结果的相互预测，为更高效经济的检测方法做更多支持。
发明内容
本发明是为解决上述所提到问题而提出的，本发明的目的并不局限于此，对于未提及的其他目的，本领域技术人员可以通过以下记载明确理解。
本发明请求保护一种基于VSP工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法，其特征在于：
A：获得柴油机车污染物排放的多源检测数据，获得工况点群；
B：将柴油机车的运行工况点群基于VSP Bin将整车运行工况点群分类统计得到等效工况点，并计算等效工况点的工况数量、平均转速、平均转矩、平均车速、NOx排放总值；
C:保留工况权重大于0的等效工况点作为最终的等效工况点，所得到的等效工况点相当于原始点群的简化工况点；
D：以NOx排放贡献率为目标关联参数，通过灰色关联分析得到不同检测方法之间的关联关系。
所述多源检测数据包括：基于不同检测方法得到的车辆实时运行、排放状态数据信息，具体的，包括OBD实际道路检测方法、PEMS检测方法、发动机台架检测方法、转鼓检测方法中的任意两种以上得到的车辆数据信息。
所述关联分析方法，是对检测数据如车速、转速、负荷、排气流量、排气温度、排气NOx浓度、油耗等数据信息进行数学分析，验证不同检测方法关联性的数学方法。
所述步骤B中，VSP Bin分类统计方法是基于车速-加速度区间进行的统计分类，VSP Bin根据车辆的不同运行状态(减速；怠速；加速和匀速)及瞬时VSP数据确定车辆的VSPBin区间具体地，按照车辆车速、加速度将工况分为38个典型工况点。
具体地，OBD实际道路检测方法和PEMS检测方法在SCR正常喷射尿素的情况下检测得到，转鼓检测方法以热-CEYTVC循环为测试循环，以上数据包含车速、转速、扭矩、NOx排放率、排气流量等参数；发动机台架检测方法以ESC测试循环为准，数据包含转速、扭矩、排放率等参数。
本发明针对多项排放法规中提出的多种排放检测方法，应用关联分析确立了不同检测方法之间的关联性，为简化检测方法、提高排放检测效率、实现实时监控提供技术支持。该关联分析说明OBD实际道路检测方法、PEMS检测方法、转鼓检测方法、台架检测方法等其间存在极大的关联性，可以通过合理的手段实现不同检测方法结果之间的相互预测。
附图说明
被包括来提供对所公开主题的进一步认识的附图，将被并入此说明书并构成该说明书的一部分。附图也阐明了所公开主题的实现，以及连同详细描述一起用于解释所公开主题的实现原则。没有尝试对所公开主题的基本理解及其多种实践方式展示超过需要的结构细节。
附图1为本发明所涉及的一种基于VSP工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法的工作流程图；
附图2为本发明所涉及的第一实施例的OBD实际道路数据工况点群；
附图3为本发明所涉及的第一实施例的PEMS检测数据工况点群；
附图4为本发明所涉及的第一实施例的转鼓检测数据工况点群；
附图5为本发明所涉及的第一实施例的OBD实际道路等效工况点工况比例图；
附图6为本发明所涉及的第一实施例的PEMS等效工况点工况比例图；
附图7为本发明所涉及的第一实施例的转鼓检测等效工况点工况比例图；
附图8为本发明所涉及的第一实施例的台架检测ESC工况比例图；
附图9为本发明所涉及的第一实施例的OBD实际道路等效工况点NOx贡献率分布图；
附图10为本发明所涉及的第一实施例的PEMS等效工况点NOx贡献率分布图；
附图11为本发明所涉及的第一实施例的转鼓检测等效工况点NOx贡献率分布图；
附图12为本发明所涉及的第一实施例的不同检测方法之间的关联度示意图。
具体实施方式
本发明的优点、特征以及达成所述目的的方法通过附图及后续的详细说明将会明确。
参照附图1，本发明的工作流程图，一种基于V-a工况的柴油机车多种排放检测方法的多源数据关联分析方法，其特征在于：
A：获得柴油机车污染物排放的多源检测数据，获得工况点群；
B：将柴油机车的运行工况点群基于VSP Bin将整车运行工况点群分类统计得到等效工况点，并计算等效工况点的工况数量、平均转速、平均转矩、平均车速、NOx排放总值；
C:保留工况权重大于0的等效工况点作为最终的等效工况点，所得到的等效工况点相当于原始点群的简化工况点；
D：以NOx排放贡献率为目标关联参数，通过灰色关联分析得到不同检测方法之间的关联关系。
车辆的比功率(Vehicle Specific Power，VSP)即单位质量机动车的瞬时功率，是发动机克服车轮旋转阻力、空气动力学阻力做功以及增加机动车的动能和势能所需要输出的功率和因内摩擦阻力造成的传动系的机械损失功率，其数值与速度和加速度有关。将测试车辆的速度瞬时逐秒数据代入公式，可以计算得到车辆的瞬时的VSP数值
具体地，该方法参照MOVES的重型车排放数据分析方法，确定VSP Bin区间划分。根据车辆的不同运行状态(减速；怠速；加速和匀速)及瞬时VSP数据确定车辆的VSP Bin区间。VSP Bin分类统计方法是基于车速-加速度区间进行的统计分类，VSP Bin根据车辆的不同运行状态(减速；怠速；加速和匀速)及瞬时VSP数据确定车辆的VSP Bin区间具体地，按照车辆车速、加速度将工况分为38个典型工况点。
其中车辆的运行状态划分为：减速、怠速、0～40km/h，40～80km/h及80km/h以上5个区间段；VSP的划分区间从小于等于-8kW/t开始，增量为2，一直划分到12kW/t以上，一共为12个区间。这样由车辆运行状态和VSP联合分布确定VSP Bin为38个区间即38个等效工况点。其中Bin0和Bin1分别表示减速和怠速区间，Bin2-13为低速(小于40km/h)区间，Bin14-25为中速(40-80km/h)区间，Bin26-37为高速(大于80km/h)区间。
保留工况权重大于0的等效工况点作为最终的等效工况点，所得到的等效工况点相当于原始点群的简化工况点，经过简化的工况点可以在试验台架上进行重复验证，故等效工况点可视为由整车检测循环转化为发动机台架循环的对应工况。
通过各种检测方法得到的整车排放数据的和台架检测得到的数据量均过于庞大，为了直观的描述各类检测手段的检测结果，便于关联分析，引入工况权重和NOx排放贡献率的概念。以NOx排放贡献率为目标关联参数，通过灰色关联分析得到不同检测方法之间的关联关系。
所述关联分析方法，是对检测数据如车速、转速、负荷、排气流量、排气温度、排气NOx浓度、油耗等数据信息进行数学分析，验证不同检测方法关联性的数学方法。
所述多源检测数据包括：基于不同检测方法得到的车辆实时运行、排放状态数据信息，具体的，包括OBD实际道路检测方法、PEMS检测方法、发动机台架检测方法、转鼓检测方法中的任意两种以上得到的车辆数据信息。
所述VSP Bin即为表1所示的按照车辆车速、加速度将工况分为38个工况点。
表1 VSP Bin分布(下划线数据为闭区间)
Figure BDA0001847097090000051
Figure BDA0001847097090000061
所述工况数量是按照表1统计得到的各等效工况点包含的工况点群数目，每个等效工况点可包含零或多个工况点群数。
所述平均转速、平均转矩、平均车速、NOx排放总值即为按照表1统计得到的每个等效工况点所包含的所有工况点群的平均转速、平均转矩、平均车速和总的NOx排放值。
所述工况权重代表各等效工况点包含的工况点群对对应等效工况点的贡献水平。
Figure BDA0001847097090000062
式中i为等效工况序号；WFi为等效工况点的工况权重；Ni为等效工况点包含的工况点群数目；N为总工况点群数目。
所述NOx排放贡献率表征等效工况点的污染物排放量对总体排放量的贡献水平。
Figure BDA0001847097090000063
式中i为等效工况序号；Xi为第i个等效工况的污染物贡献率；Xm为排放物的排放量，g/s；WFi为第i个等效工况点的工况权重。
所述灰色关联分析方法得到的关联度表征了系统内两个因素之间的关联程度。在系统发展内若两个因素的变化具有一致性，则两个的关联程度就高。反之，则低。如通过OBD检测方法得到的等效工况点的污染物贡献率序列Z0(j)和通过PEMS检测方法得到的等效工况点的污染物贡献率序列Yi(j)，Z0(j)、Yi(j)序列即为技术方案(8)所得到的排放贡献率序列。
两种检测方法通过污染物贡献率为目标关联参数进行灰色关联分析，其中灰相关系数计算公式为：
Figure BDA0001847097090000071
ρ代表因素影响程度的分辨系数，一般取0.5
灰关联度计算公式为：
Figure BDA0001847097090000072
现以某国六重型柴油车为例，以获得此车的实际道路、PEMS检测、转鼓检测和发动机台架检测数据。其中实际道路、PEMS检测在SCR正常喷射尿素的情况下检测得到、转鼓检测以热C-WTVC循环为测试循环，以上数据包含车速、转速、扭矩、NOx排放率、排气流量等参数。发动机台架测试以ESC测试循环为准，数据包含转速、扭矩、排放率等参数。通过技术方案(1)VSP计算公式计算各组数据的VSP值，通过VSP Bin统计分类实际道路、PEMS测试、转鼓测试数据。计算各等效工况点的工况权重WFi，计算方法如技术方案(7)筛选工况权重大于0的等效工况，分别得到28个、38个和31个等效工况点，均包含怠速工况、稳态工况、加减速工况。分别统计各等效工况点的平均转速、扭矩、NOx贡献率Xi等参数，以表征各等效工况点的工况特性。其中NOx排放贡献率以技术方案(8)所示。以NOx贡献率为关联参数，对实际道路、PEMS测试、转鼓测试的等效工况点和发动机台架测试ESC的13工况点进行灰色关联分析，确定彼此的相关性大小。计算过程中首先确定污染物贡献率序列，如OBD检测方法得到的等效工况点的污染物贡献率序列Z0(j)和通过PEMS检测方法得到的等效工况点的污染物贡献率序列Yi(j)，最终得到关联度值γ0i。
所述重型车实际道路数据如图2所示，其余参数未示出，数据共包含有效数据工况点31053个。
所述通过PEMS采集的重型车的数据如图3所示，其余参数未示出，数据共包含有效数据工6795个。
所述通过转鼓测试采集的重型车的数据如图4所示，其余参数未示出，数据共包含有效数据工1783个。
所述实际道路等效工况即为实际道路数据按照VSP Bin统计得到的工况权重大于0的工况点，并基于上述技术方案计算28个等效工况点的平均转速和扭矩等参数，结果如图5所示。
所所述PEMS等效工况点即将PEMS数据按照VSP Bin统计得到的工况权重大于0的工况点，并基于上述技术方案计算38个等效工况点的平均转速和扭矩等参数，结果如图6所示。
所述转鼓检测等效工况即将转鼓检测数据按照VSP Bin统计得到的工况权重大于0的工况点，31个等效工况点的平均转速和扭矩等参数，结果如图7所示。
所述台架ESC工况即为发动机按照ESC循环工况运行得到的工况点，工况权重及平均转速和扭矩如图8所示。
所述实际道路等效工况点对应的贡献率如图9所示，表明在VSP Bin的38个等效点中，不同工况点的贡献率相差较大，仅在第18～24个等效工况点的贡献率比较突出。
所述PEMS等效工况点对应的贡献率如图10所示，表明在VSP Bin的38个等效点中，不同工况点的贡献率相对集中，在第21～22个等效工况点的贡献率比较突出。
所述转鼓测试C-WTVC等效工况点对应的贡献率如图11所示，表明在VSP Bin的38个等效点中，不同工况点的贡献率呈现堆积状态，但整体贡献率水平较低。
所述灰色关联即以NOx贡献率作为无量纲对比量，根据以上各个检测方法计算出各个等效工况点的NOx贡献率，确定各个检测方法污染物贡献率序列，通过计算关联系数ξ0i(j)，最终得到关联度值γ0i。通过关联度值作为评价指标对实际道路、PEMS转鼓测试和台架检测ESC之间的关联性进行分析，如图12所示。
根据图12可知通过VSP Bin计算得到的PEMS和实际道路之间的关联度为90.00％，PEMS与台架测试ESC之间的关联度为91.11％，PEMS与转鼓测试C-WTVC之间的关联度为85.89％，实际道路与台架测试ESC之间的关联度为89.89％，转鼓测试C-WTVC与台架测试ESC之间的关联度为82.18％，转鼓测试C-WTVC与实际道路之间的关联度为88.31％。所得到的关联性数值可反应不同检测方法之间的关联程度。则通过此关联方法证明了实际道路、车载PEMS测试、转鼓C-WTVC测试、台架ESC测试之间的具有很高的关联性，在本研究方法之内，这三种检测方法可相互代替，可通过台架检测方法预测整车的排放水平。
本发明专利提供以上实施案例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。

Claims (5)

1.一种基于VSP工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法，所述VSP表示车辆的比功率，即单位质量机动车的瞬时功率，是发动机克服车轮旋转阻力、空气动力学阻力做功以及增加机动车的动能和势能所需要输出的功率和因内摩擦阻力造成的传动系的机械损失功率，其数值与速度和加速度有关，其特征在于：
A：获得柴油机车污染物排放的多源检测数据，获得运行工况点群；所述多源检测数据包括：基于不同检测方法得到的车辆实时运行、排放状态数据信息，包括OBD实际道路检测方法、PEMS检测方法、发动机台架检测方法、转鼓检测方法中的任意两种以上得到的车辆数据信息；
B：将柴油机车的运行工况点群基于VSP Bin将运行工况点群分类统计得到等效工况点，并计算等效工况点的工况数量、平均转速、平均转矩、平均车速、NOx排放总值；
C:保留工况权重大于0的等效工况点作为最终的等效工况点，所得到的最终的等效工况点相当于原始点群的简化工况点；
D：以NOx排放贡献率为目标关联参数，通过灰色关联分析得到不同检测方法之间的关联关系。
2.如权利要求1所述的一种基于VSP工况的柴油机车多种排放检测方法的多源数据关联分析方法，其特征在于，还包括：
所述关联分析方法，是对检测数据如车速、转速、负荷、排气流量、排气温度、排气NOx浓度、油耗数据信息进行数学分析，验证不同检测方法关联性的数学方法。
3.如权利要求1所述的一种基于VSP工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法，其特征在于，还包括：
所述步骤B中，VSP Bin分类统计方法是基于车速-加速度区间进行的统计分类，VSPBin根据车辆的不同运行状态(减速；怠速；加速和匀速)及瞬时VSP数据确定车辆的VSP Bin区间，按照车辆车速、加速度将工况分为多个典型工况点。
4.如权利要求2所述的一种基于VSP工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法，其特征在于，还包括：
OBD实际道路检测方法和PEMS检测方法在SCR正常喷射尿素的情况下检测得到，转鼓检测方法以热C-WTVC循环为测试循环，所述检测方法的检测数据包含车速、转速、扭矩、NOx排放率、排气流量参数；发动机台架检测方法以ESC测试循环为准，数据包含转速、扭矩、排放率参数。
5.如权利要求1所述的一种基于VSP工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法，其特征在于，还包括：
所述工况权重代表各等效工况点包含的运行工况点群对对应等效工况点的贡献水平：
Figure FDA0003088120320000021
式中i为等效工况序号；WFi为等效工况点的工况权重；Ni为等效工况点包含的运行工况点群数目；N为工况点群总数目。
CN201811276467.3A 2018-10-30 2018-10-30 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法 Active CN111122171B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811276467.3A CN111122171B (zh) 2018-10-30 2018-10-30 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811276467.3A CN111122171B (zh) 2018-10-30 2018-10-30 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法

Publications (2)

Publication Number Publication Date
CN111122171A CN111122171A (zh) 2020-05-08
CN111122171B true CN111122171B (zh) 2021-07-20

Family

ID=70484330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811276467.3A Active CN111122171B (zh) 2018-10-30 2018-10-30 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法

Country Status (1)

Country Link
CN (1) CN111122171B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112113911B (zh) * 2020-08-18 2022-04-12 北京理工大学 点燃式发动机汽车尾气排放遥感大数据检测方法和系统
CN114112420A (zh) * 2020-09-01 2022-03-01 上海汽车集团股份有限公司 一种车辆氮氧化物排放测试方法及相关装置
CN112697442A (zh) * 2020-12-21 2021-04-23 中汽研汽车检验中心(昆明)有限公司 Pems设备与台架排放测试设备测试精度比对方法
CN112964476B (zh) * 2020-12-25 2022-11-25 中汽研汽车检验中心（天津）有限公司 一种重型柴油车实际道路颗粒物排放在线预测方法
CN113125168A (zh) * 2021-03-31 2021-07-16 中汽研汽车检验中心（天津）有限公司 一种验证车载远程终端整车NOx排放数据一致性的测试方法
CN113158125B (zh) * 2021-03-31 2022-12-27 中汽研汽车检验中心（天津）有限公司 一种基于车联网的柴油车NOx排放评测方法
CN113743715B (zh) * 2021-07-19 2024-03-19 中汽研汽车检验中心（天津）有限公司 基于车联网重型车实际工况的油耗及NOx排放评价方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102033200A (zh) * 2009-09-29 2011-04-27 上海宝钢工业检测公司 基于统计模型的交流电机在线监测和诊断方法
CN103678669A (zh) * 2013-12-25 2014-03-26 福州大学 一种社交网络中的社区影响力评估系统及方法
CN104008164A (zh) * 2014-05-29 2014-08-27 华东师范大学 基于广义回归神经网络的短期腹泻病多步预测方法
CN104462846A (zh) * 2014-12-22 2015-03-25 山东鲁能软件技术有限公司 一种基于支持向量机的设备故障智能诊断方法
EP3121579A1 (en) * 2015-07-22 2017-01-25 Leonardo S.p.A. Method and system of thermographic non-destructive inspection for detecting and measuring volumetric defects in composite material structures
CN106920007A (zh) * 2017-02-27 2017-07-04 北京工业大学 基于二阶自组织模糊神经网络的pm2.5智能预测方法
US20170227596A1 (en) * 2016-02-04 2017-08-10 The University Of Akron System and method for condition monitoring of electricity transmission structures

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102033200A (zh) * 2009-09-29 2011-04-27 上海宝钢工业检测公司 基于统计模型的交流电机在线监测和诊断方法
CN103678669A (zh) * 2013-12-25 2014-03-26 福州大学 一种社交网络中的社区影响力评估系统及方法
CN104008164A (zh) * 2014-05-29 2014-08-27 华东师范大学 基于广义回归神经网络的短期腹泻病多步预测方法
CN104462846A (zh) * 2014-12-22 2015-03-25 山东鲁能软件技术有限公司 一种基于支持向量机的设备故障智能诊断方法
EP3121579A1 (en) * 2015-07-22 2017-01-25 Leonardo S.p.A. Method and system of thermographic non-destructive inspection for detecting and measuring volumetric defects in composite material structures
US20170227596A1 (en) * 2016-02-04 2017-08-10 The University Of Akron System and method for condition monitoring of electricity transmission structures
CN106920007A (zh) * 2017-02-27 2017-07-04 北京工业大学 基于二阶自组织模糊神经网络的pm2.5智能预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
The Impact of Managed Eye Care on Use of Vision Services,Vision Costs, and Patient Satisfaction;Shoshana S. Colman等;《Value in Health》;20040430;全文 *
柴油车与汽油车的排气污染和其它性能比较;吴银山等;《环境》;20080615;全文 *

Also Published As

Publication number Publication date
CN111122171A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111122171B (zh) 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法
CN109489978B (zh) 一种基于V-a工况的柴油机车多种排放检测方法的多源数据关联分析方法
WO2022036621A1 (zh) 一种柴油车排放遥感大数据监测系统及监测方法
Agarwal et al. Real-world automotive emissions: Monitoring methodologies, and control measures
Yang et al. Real-world gaseous emission characteristics of Euro 6b light-duty gasoline-and diesel-fueled vehicles
Wang et al. On-road pollutant emission and fuel consumption characteristics of buses in Beijing
CN105806627A (zh) 一种车载排放测试装置及其测试方法
WO2022036619A1 (zh) 点燃式发动机汽车尾气排放遥感大数据检测方法和系统
CN109613905B (zh) 一种动态识别重型商用车实际运行高油耗恶劣工况的方法和装置
CN112964476B (zh) 一种重型柴油车实际道路颗粒物排放在线预测方法
CN102042986B (zh) 基于图像和fpga的汽车尾气自动监测
CN113158125B (zh) 一种基于车联网的柴油车NOx排放评测方法
Rymaniak Comparison of the combustion engine operating parameters and the ecological indicators of an urban bus in dynamic type approval tests and in actual operating conditions
CN112798288A (zh) 一种便携式重型柴油车车载远程排放能耗测量系统及方法
CN115983720B (zh) 基于海拔和温度的汽车排放性能检测方法
CN115308369A (zh) 基于pems与车联网耦合的机动车实际道路排放因子测试方法
CN115876484A (zh) 重型整车实际路况测试及工况模拟试验的系统及方法
CN115392116A (zh) 一种基于obd数据修复的重型柴油卡车超排判定方法
Zhang et al. Emissions characteristics for heavy-duty diesel trucks under different loads based on vehicle-specific power
Hung et al. A modal approach to vehicular emissions and fuel consumption model development
CN113918890A (zh) 一种基于移动窗口库的低负荷工况构建方法
Szymlet et al. Road tests of a two-wheeled vehicle with the use of various urban road infrastructure solutions
Ge et al. Real-road NOx and CO2 emissions of city and highway China-6 heavy-duty diesel vehicles
CN112394040A (zh) 一种机动车排污监管系统及方法
Guor et al. Study on exhaust emission test of diesel vehicles based on PEMS

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant