基于远程在线监控车载终端的柴油车NO_(x)排放等级诊断研究

作     者：徐为标 黄成 任洪娟 胡磬遥 XU Weibiao;HUANG Cheng;REN Hongjuan;HU Qingyao

作者机构：上海工程技术大学机械与汽车工程学院上海201620 上海市环境科学研究院国家环境保护城市大气复合污染成因与防治重点实验室上海200233 

出 版 物：《环境科学学报》 (Acta Scientiae Circumstantiae)

年 卷 期：2021年第41卷第6期

页      面：2329-2339页

核心收录：

学科分类：082803[工学-农业生物环境与能源工程] 07[理学] 08[工学] 0828[工学-农业工程] 070602[理学-大气物理学与大气环境] 0804[工学-仪器科学与技术] 0706[理学-大气科学] 

基　　金：国家重点研发计划(No.2017YFC0212106) 国家自然科学基金(No.21777101) 上海市科委项目(No.18dz1203100) 上海市生态环境局项目(No.沪环科2019-01号) 

主　　题：远程在线监控 柴油车 NO_(x) 浓度分布 聚类法 BP神经网络 

摘      要：远程在线监控车载终端集成了远程通讯模块、卫星定位模块、发动机OBD信息解析模块,能够实时读取车辆排放相关运行信息,但无法直接判断车辆NO_(x)排放情况.为了快速、准确地评估车辆排放情况,诊断和监测NO_(x)高排放车,同时为了克服有些重型柴油车监测数据中缺失进气流量、燃油流量、车速等重要的实时信息,无法计算出车辆NO_(x)排放因子的问题.本文提出了由NO_(x)浓度分布特征驱动的高排放重型柴油车识别算法,通过远程在线监控车载终端设备获取车辆的发动机信息和SCR系统运行信息,运用NO_(x)浓度分布计算车辆每天NO_(x)排放浓度占比,通过系统聚类法对车辆NO_(x)排放浓度占比进行聚类,结果聚为优、良、中、差4类.利用车辆NO_(x)排放浓度区间分布及其聚类结果分别作为训练集的输入和输出,选择BP神经网络作为训练算法,训练获得的模型分类准确率为90%,利用训练好的模型判断在用柴油车NO_(x)排放等级,从而识别及监测NO_(x)高排放车辆.研究结果可为柴油车NO_(x)高排放诊断及监测提供依据,有助于监管部门能够快速识别NO_(x)高排放车辆.