左付山,李政原,呂 曉,張 營

(南京林業(yè)大學(xué) 汽車與交通工程學(xué)院,江蘇 南京 210037)

隨著我國汽車行業(yè)的快速發(fā)展,以及人們對出行方式的需求提升,汽車的使用率進(jìn)一步提升,未來包括霧霾在內(nèi)的一系列以機動車污染為主的環(huán)境問題將會日漸突出,因此現(xiàn)階段汽車尾氣污染防治形勢日益嚴(yán)峻.建立完善的汽車尾氣排放預(yù)測系統(tǒng)可以有效控制尾氣污染物排放量,幫助改善空氣質(zhì)量,減少大氣污染,緩解環(huán)境問題,具有重要的現(xiàn)實意義.

隨著人們對環(huán)境問題的日益關(guān)注,各國正逐步加強對在用機動車尾氣排放的檢測及控制,世界范圍內(nèi)的許多汽車制造公司和相關(guān)科研機構(gòu)都先后針對尾氣排放,建立、完善了汽車排放實驗室,并根據(jù)要求開發(fā)、建立了不同功能的汽車排放檢測系統(tǒng)[1].隨著現(xiàn)代技術(shù)的高速發(fā)展,故障診斷技術(shù)已由傳統(tǒng)、簡單、單一的形式向著智能、高效、集成的綜合方向不斷發(fā)展[2-4],研究者們在傳統(tǒng)尾氣檢測技術(shù)的基礎(chǔ)上,逐漸融入很多先進(jìn)技術(shù),例如遙感技術(shù)、光學(xué)檢測技術(shù)[5]、紅外探測法[6]、遠(yuǎn)程監(jiān)控技術(shù)等,構(gòu)建了精度更高、效果更好的尾氣排放檢測系統(tǒng).同時,這些新技術(shù)、新工藝在汽車產(chǎn)業(yè)中的不斷應(yīng)用,對在用車輛的排放控制也起到了十分重要的作用[7-9].但是一套完善的汽車尾氣排放檢測系統(tǒng)成本過高、操作復(fù)雜、占地面積大、使用條件有限,目前僅限于整車廠、科研單位等機構(gòu)建設(shè)使用,不能向市場推廣.并且這些方法僅能對車輛尾氣排放是否達(dá)標(biāo)做出判斷,無法準(zhǔn)確、快速得出尾氣排放超標(biāo)原因,結(jié)果不夠直觀.

PM0.1的汽油機排放量受到環(huán)境溫度、濕度、氣流等諸多因素的影響,因此,文中在僅考慮汽車本身性能參數(shù)的情況下,根據(jù)汽油機尾氣預(yù)測特征,以特征參數(shù)的數(shù)據(jù)流信息作為輸入,車輛排放水平作為輸出,分別建立汽油機CO，HC，NOx的排放預(yù)測模型,并將建立的3個模型應(yīng)用到實車中進(jìn)行試驗驗證.

1 汽油機尾氣預(yù)測特征

汽油機作為車輛的核心部件,工作環(huán)境復(fù)雜惡劣,產(chǎn)生的故障類型很多,每一時刻污染物的排放量也不同.一般情況下,在用車輛僅通過每年一次的車輛年檢發(fā)現(xiàn)尾氣排放問題,無法及時發(fā)現(xiàn)車輛故障,不僅會加重環(huán)境污染,還會減少車輛使用壽命,存在安全隱患.汽油機本身是一個非常復(fù)雜的個體,其工作的過程本質(zhì)而言,就是燃料燃燒的化學(xué)反應(yīng)過程.而這些化學(xué)反應(yīng)往往不是單一可控的,伴隨著許多副反應(yīng).同時,化學(xué)反應(yīng)本身受到外部環(huán)境因素、結(jié)構(gòu)因素、工況等的影響又很大,且不可直接觀測、不可控制.所以,在汽油機運行過程中,其排放的污染物種類和數(shù)量會出現(xiàn)波動,這些波動的誘發(fā)因素并不唯一.因此,預(yù)測汽油機尾氣中主要污染物排放程度是一個需要綜合考慮多個參數(shù)變化的問題.

例如,當(dāng)環(huán)境溫度較高時,進(jìn)氣溫度較高,導(dǎo)致燃燒室溫度升高,氣體密度減小,混合氣體中的氧質(zhì)量分?jǐn)?shù)下降,使CO的排放量增加.若此時增大節(jié)氣門開度,使進(jìn)入氣缸的空氣量增多,空燃比會增大,混合氣偏稀,燃料能夠完全燃燒,又會導(dǎo)致尾氣中的CO質(zhì)量分?jǐn)?shù)下降.

所以,汽油機持續(xù)運行的過程中,其各狀態(tài)參數(shù)對尾氣排放的影響并非獨立無關(guān),是互相影響、互相作用、互相關(guān)聯(lián)的.為了更全面、更準(zhǔn)確地實現(xiàn)對汽油機尾氣排放水平的評價,需要綜合各個狀態(tài)參數(shù)對其的影響程度,給出一個綜合的尾氣排放水平評價結(jié)果.

2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

針對汽油機尾氣排放預(yù)測非線性、特征參數(shù)多、樣本數(shù)據(jù)量大等特點,基于誤差回傳神經(jīng)網(wǎng)絡(luò)(back propagation network,簡稱BP神經(jīng)網(wǎng)絡(luò))強大的學(xué)習(xí)、映射擬合能力,作為比較合理的方式之一,就是采用建立BP神經(jīng)網(wǎng)絡(luò)的方法對汽油機尾氣排放進(jìn)行預(yù)測研究.

人工神經(jīng)網(wǎng)絡(luò)是一種由多個單一、簡單的微小單元組合而成的復(fù)雜、綜合、非線性的系統(tǒng),其結(jié)構(gòu)類似于人體大腦的神經(jīng)元,本質(zhì)是一種通過學(xué)習(xí)確定大量神經(jīng)元之間的相互關(guān)聯(lián),并且能夠完成對大量信息數(shù)據(jù)進(jìn)行處理的數(shù)學(xué)模型.人工神經(jīng)網(wǎng)絡(luò)具有良好的自適應(yīng)能力、泛化性、容錯性和自我學(xué)習(xí)能力.由于每兩個神經(jīng)元之間都通過權(quán)重值進(jìn)行連接,所以最終網(wǎng)絡(luò)結(jié)果的輸出與各項權(quán)重值的大小、傳遞函數(shù)的差異等有關(guān).

對于非線性系統(tǒng),利用BP神經(jīng)網(wǎng)絡(luò)可以很好地完成系統(tǒng)內(nèi)各神經(jīng)元之間權(quán)重值的調(diào)整工作.BP神經(jīng)網(wǎng)絡(luò)是一種由輸入層、隱含層和輸出層組成的多層前向網(wǎng)絡(luò).在該模型中,雖然網(wǎng)絡(luò)模型的處理能力會隨著隱含層層數(shù)的增加而提高,但同時網(wǎng)絡(luò)規(guī)模會變大,復(fù)雜性增強,計算量增大,求解速度下降.所以,建立BP神經(jīng)網(wǎng)絡(luò)模型需要選擇合理的隱含層層數(shù),理論上一般選擇層數(shù)不超過兩個.在文中汽油機尾氣排放預(yù)測模型中,采用的BP神經(jīng)網(wǎng)絡(luò)有且只有一個隱含層,其BP神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)[10-11]如圖1所示.

BP神經(jīng)網(wǎng)絡(luò)主要通過對樣本數(shù)據(jù)的不斷學(xué)習(xí)和訓(xùn)練過程,修正不同特征參數(shù)對于尾氣評價水平的權(quán)重值,從而預(yù)測汽油機在當(dāng)前的工作狀態(tài)下的排放水平,進(jìn)而為提早發(fā)現(xiàn)汽油機存在的潛在故障、及時采取檢修措施、延長使用壽命提供科學(xué)依據(jù).BP神經(jīng)網(wǎng)絡(luò)的預(yù)測流程如圖2所示.

圖1 BP神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

圖2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測流程

3 汽油機尾氣排放預(yù)測模型

文中將通過OBD數(shù)據(jù)流獲取的目標(biāo)空燃比、負(fù)荷、發(fā)動機轉(zhuǎn)速、點火提前角、氧傳感器狀態(tài)、水溫、進(jìn)氣溫度、燃油壓力、進(jìn)氣量、節(jié)氣門開度、進(jìn)氣歧管壓力等11個特征參數(shù)作為基于BP神經(jīng)網(wǎng)絡(luò)汽油機尾氣排放預(yù)測模型的輸入?yún)?shù).根據(jù)國標(biāo)GB 18352.5—2013《輕型汽車污染物排放限值及測量方法》的有關(guān)規(guī)定,結(jié)合各省發(fā)布的地方規(guī)定、對人體的危害以及專家經(jīng)驗等[12],文中將汽油機尾氣排放程度分為“高”、“較高”、“略高”和“低”,其中“高”表示此刻尾氣排放質(zhì)量分?jǐn)?shù)超標(biāo)很多,“較高”表示排放質(zhì)量分?jǐn)?shù)已超標(biāo)但超出限值不多,“略高”表示排放質(zhì)量分?jǐn)?shù)即將超標(biāo),“低”表示排放處于正常水平,具體對應(yīng)排放質(zhì)量分?jǐn)?shù)如表1所示,其中Q表示質(zhì)量分?jǐn)?shù).

表1 各類污染物排放程度

由于在基于BP神經(jīng)網(wǎng)絡(luò)的汽油機尾氣排放預(yù)測系統(tǒng)中,輸出層表示尾氣排放的程度,需要將尾氣排放程度轉(zhuǎn)化為量綱為一的形式(以h表示)以便于模型的計算與表達(dá).文中規(guī)定h=[1 0 0 0]′表示“高”,h=[0 1 0 0]′表示“較高”,h=[0 0 1 0]′表示“略高”,h=[0 0 0 1]′表示“低”.

3.1 CO排放預(yù)測模型

隱含層的設(shè)計是BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的關(guān)鍵步驟.隱含層神經(jīng)元的主要功能是從學(xué)習(xí)樣本中確定輸入輸出之間的內(nèi)在規(guī)則.各個隱含層神經(jīng)元都擁有多個權(quán)值,每一權(quán)值都對加強預(yù)測模型的準(zhǔn)確性起到必不可少的作用,所以需要選擇合適的隱含層神經(jīng)元個數(shù),否則會導(dǎo)致網(wǎng)絡(luò)模型性能下降,并對預(yù)測結(jié)果造成影響.當(dāng)選取的隱含層神經(jīng)元個數(shù)過多時,雖然預(yù)測模型的學(xué)習(xí)能力提高,但所需的學(xué)習(xí)時間太長,反而會影響訓(xùn)練結(jié)果的時效性;當(dāng)隱含層神經(jīng)元過少時,雖然預(yù)測模型可以在較短時間內(nèi)完成學(xué)習(xí)過程,但模型的映射容量也會變小,預(yù)測結(jié)果誤差較大.

目前,沒有任何指定的公式或理論可以用來確定預(yù)測模型隱含層神經(jīng)元的個數(shù),一般都是先根據(jù)經(jīng)驗公式來確定其個數(shù)的大致范圍,然后利用經(jīng)驗法或“嘗試法”確定隱含層神經(jīng)元個數(shù).其中,被廣泛應(yīng)用的經(jīng)驗公式為

(1)

式中:n1為隱含層神經(jīng)元個數(shù);n為輸入層神經(jīng)元個數(shù);m為輸出層神經(jīng)元個數(shù);a為1～10的常數(shù).

取神經(jīng)元個數(shù)n=11個,m=4個,先代入式(1)求得n1的取值范圍為[5,13].文中以某公司提供的部分樣本數(shù)據(jù)為訓(xùn)練樣本,目標(biāo)誤差設(shè)定為0.000 1,在保持網(wǎng)絡(luò)各參數(shù)相同的情況下,通過在[5,13]的范圍內(nèi)改變隱含層神經(jīng)元個數(shù),比較仿真結(jié)果來確定最終隱含層神經(jīng)元個數(shù).由于此程序中BP網(wǎng)絡(luò)的初始化權(quán)值和閾值是隨機產(chǎn)生的,所以每次運行后的結(jié)果都有所不同.在n1取值不同的條件下,對網(wǎng)絡(luò)進(jìn)行多次訓(xùn)練,選擇其中具有代表性的一種來做分析比較.不同隱含層神經(jīng)元個數(shù)網(wǎng)絡(luò)訓(xùn)練結(jié)果的誤差比較見表2.

表2 CO排放預(yù)測模型網(wǎng)絡(luò)訓(xùn)練結(jié)果的誤差比較

由表2可見,隱含層神經(jīng)元個數(shù)在[5,13]的范圍內(nèi)的網(wǎng)絡(luò)訓(xùn)練結(jié)果均達(dá)到目標(biāo)誤差,訓(xùn)練效果較好.比較在n1不同的情況下達(dá)到目標(biāo)誤差所需的訓(xùn)練次數(shù)后發(fā)現(xiàn),在n1=11個時的訓(xùn)練次數(shù)最少,僅為14次.因此,本模型的隱含層神經(jīng)元n1個數(shù)確定為11個,這樣既能達(dá)到目標(biāo)誤差要求,同時網(wǎng)絡(luò)訓(xùn)練效果較好,訓(xùn)練所需時間短,收斂率最高.

文中以目標(biāo)誤差為0.000 1,最大訓(xùn)練次數(shù)為1 000次,選擇tansig函數(shù)作為隱含層的傳遞函數(shù),purelin函數(shù)作為輸出層的傳遞函數(shù),L-M算法作為優(yōu)化算法,建立基于BP神經(jīng)網(wǎng)絡(luò)的汽油機尾氣排放預(yù)測模型結(jié)構(gòu),如圖3所示.當(dāng)n=11個,m=4個,n1=11個時,圖3中模型為汽油機CO排放預(yù)測模型.

圖3 汽油機尾氣排放預(yù)測模型結(jié)構(gòu)

3.2 HC排放預(yù)測模型

根據(jù)前文的分析研究,與汽油機CO排放預(yù)測模型類似地,針對HC排放預(yù)測,可以選擇相同的傳遞函數(shù)和訓(xùn)練算法,建立單隱含層的3層BP神經(jīng)網(wǎng)絡(luò)模型.不同的是,雖然該模型與汽油機CO排放預(yù)測模型的輸入層、輸出層神經(jīng)元個數(shù)都相同,但汽油機特征參數(shù)與每種污染物排放水平之間的關(guān)系不同,即兩者之間相應(yīng)的權(quán)值不同,因此對應(yīng)的隱含層神經(jīng)元個數(shù)也不同.根據(jù)式(1)求得該預(yù)測模型的取值范圍為[5,13].

以某公司提供的部分樣本數(shù)據(jù)為訓(xùn)練樣本,期望誤差設(shè)定為0.000 1,最大訓(xùn)練步數(shù)為1 000,在保持網(wǎng)絡(luò)各參數(shù)相同的情況下,通過在[5,13]的范圍內(nèi)改變隱含層神經(jīng)元個數(shù),比較仿真結(jié)果確定隱含層神經(jīng)元個數(shù).在對網(wǎng)絡(luò)進(jìn)行了大量的訓(xùn)練后,選擇具有代表性的一種結(jié)果進(jìn)行分析比較,如表3所示.

表3 HC排放預(yù)測模型網(wǎng)絡(luò)訓(xùn)練結(jié)果的誤差比較

由表3可見,在其他網(wǎng)絡(luò)參數(shù)不變的前提下,隱含層神經(jīng)元個數(shù)在[5,13]范圍內(nèi)的網(wǎng)絡(luò)訓(xùn)練結(jié)果均達(dá)到目標(biāo)誤差,且訓(xùn)練效果較好,尤其當(dāng)隱含層神經(jīng)元個數(shù)為8個的時候,訓(xùn)練誤差最小.但從訓(xùn)練次數(shù)、訓(xùn)練誤差、訓(xùn)練效果等方面綜合考慮,由于當(dāng)隱含層神經(jīng)元個數(shù)為6個時,達(dá)到期望誤差所需的步數(shù)最少,并且此時的預(yù)測模型訓(xùn)練誤差相對較小,因此基于BP神經(jīng)網(wǎng)絡(luò)的汽油機HC排放預(yù)測模型的隱含層神經(jīng)元個數(shù)確定為6個,從而建立預(yù)測模型結(jié)構(gòu).當(dāng)n=11個,m=4個,n1=6個時,圖3中模型為汽油機HC排放預(yù)測模型.

3.3 NOx排放預(yù)測模型

以某公司提供數(shù)據(jù)中的部分?jǐn)?shù)據(jù)作為訓(xùn)練樣本,在其他網(wǎng)絡(luò)參數(shù)不變的情況下,在[5,13]的范圍內(nèi)改變隱含層神經(jīng)元個數(shù),分別選擇其中具有代表性的一種結(jié)果進(jìn)行分析比較.基于NOx排放預(yù)測模型,在n1不同的條件下,網(wǎng)絡(luò)訓(xùn)練結(jié)果的誤差比較如表4所示.

表4 NOx排放預(yù)測模型網(wǎng)絡(luò)訓(xùn)練結(jié)果的誤差比較

由表4可見,雖然隱含層神經(jīng)元個數(shù)在[5,13]的范圍內(nèi)時網(wǎng)絡(luò)訓(xùn)練結(jié)果均達(dá)到了目標(biāo)誤差,但當(dāng)n1=10個時,僅需要13步就可以達(dá)到目標(biāo)誤差的要求,所用訓(xùn)練時間最短.所以,確定基于BP神經(jīng)網(wǎng)絡(luò)的汽油機NOx排放預(yù)測模型的隱含層神經(jīng)元個數(shù)n1=10個,從而建立預(yù)測模型.當(dāng)n=11個,m=4個,n1=10個時,圖3中模型為汽油機NOx排放預(yù)測模型.

4 實車驗證

為了驗證預(yù)測系統(tǒng)的可靠性和實用性,提高預(yù)測系統(tǒng)精度,將預(yù)測系統(tǒng)應(yīng)用到實車中,預(yù)測實際車輛的尾氣排放水平,并將實際結(jié)果與預(yù)測結(jié)果進(jìn)行對比分析.

文中建立的基于BP神經(jīng)網(wǎng)絡(luò)的汽油機尾氣排放預(yù)測模型可在汽油機的任意工況下,預(yù)測其尾氣排放水平.由于現(xiàn)有試驗條件的限制,實車試驗均在無負(fù)荷條件下進(jìn)行.選用別克賽歐(2002年)作為試驗車輛.試驗過程中,一方面利用OBD診斷儀實時讀取被測車輛的數(shù)據(jù)流信息,另一方面,通過汽車排氣分析儀實時監(jiān)控被測車輛的實際排放情況.然后對被測車輛進(jìn)行手動故障設(shè)置,研究不同模式下汽車排氣分析儀的檢測結(jié)果與預(yù)測結(jié)果差異.

4.1 正常狀態(tài)

首先啟動被測車輛進(jìn)行熱車,接著打開尾氣分析儀,進(jìn)行校準(zhǔn)和清零后將其探頭放入汽車的排氣管中.同時,在被測車輛上連接紅盒子診斷儀,并完成通訊.將車輛穩(wěn)定在2 000 r·min-1狀態(tài)下持續(xù)運行.在車輛平穩(wěn)運行一段時間后,記錄此時利用紅盒子檢測到的OBD數(shù)據(jù)流信息,如表5所示,其中氧傳感器狀態(tài):1表示正常;0表示異常.

表5 正常狀態(tài)下試驗車輛OBD數(shù)據(jù)流

同時,利用排氣分析儀檢測尾氣中的污染物排放質(zhì)量分?jǐn)?shù),然后將在該狀態(tài)下讀取到的被測車輛OBD數(shù)據(jù)流信息輸入基于BP神經(jīng)網(wǎng)絡(luò)的汽油機尾氣排放預(yù)測模型中,得到預(yù)測結(jié)果,如表6所示.

表6 正常狀態(tài)下試驗車輛排放水平

根據(jù)國標(biāo)GB 18352.5—2013《輕型汽車污染物排放限值及測量方法》的有關(guān)規(guī)定,由表6可見,在該狀態(tài)下汽油機尾氣中3種主要污染物質(zhì)量分?jǐn)?shù)均處于正常范圍內(nèi),且結(jié)合表1,CO，HC和NOx的預(yù)測結(jié)果均為低.由此可見,預(yù)測系統(tǒng)輸出結(jié)果與實際檢測結(jié)果相吻合,證明了預(yù)測模型的準(zhǔn)確性.

4.2 燃油壓力異常

試驗準(zhǔn)備工作完成后,將試驗車輛上的燃油壓力調(diào)節(jié)器與真空泵的接口拔掉,做好試驗準(zhǔn)備.在車輛平穩(wěn)運行一段時間后,保持車輛穩(wěn)定在上述狀態(tài)下持續(xù)運行,該狀態(tài)下利用紅盒子診斷儀檢測到OBD數(shù)據(jù)流信息如表7所示.

表7 燃油壓力異常時試驗車輛OBD數(shù)據(jù)流

由于該實車試驗中的故障是人為設(shè)置的,具有必然性,但為了避免實際車輛行駛過程中出現(xiàn)的偶發(fā)情況對評價結(jié)果的影響,將讀取到的被測車輛OBD數(shù)據(jù)流反復(fù)多次輸入基于BP神經(jīng)網(wǎng)絡(luò)的汽油機尾氣排放預(yù)測模型中,得到綜合預(yù)測結(jié)果.預(yù)測結(jié)果及利用排氣分析儀檢測到的實際污染物排放結(jié)果如表8所示.

表8 燃油壓力異常時試驗車輛排放水平

結(jié)合國標(biāo)相關(guān)規(guī)定,由表8可見,當(dāng)燃油壓力調(diào)節(jié)器與真空泵的接口拔掉后,CO質(zhì)量分?jǐn)?shù)偏高,HC，NOx處于正常范圍;結(jié)合表1,該狀態(tài)下,預(yù)測結(jié)果為CO排放量略高,HC排放量低,NOx排放量低.由此可見,預(yù)測結(jié)果與實際排放情況相吻合.與正常情況相比,故障發(fā)生后尾氣中污染物質(zhì)量分?jǐn)?shù)都有明顯的變化.從OBD數(shù)據(jù)流中也可發(fā)現(xiàn),氧傳感器狀態(tài)為“1”,說明氧傳感器輸出電壓以不低于0.8 Hz的頻率在100～900 mV變化,工作正常.但燃油壓力較正常值偏大,這是由于真空管拔掉后,燃油壓力調(diào)節(jié)器的調(diào)節(jié)閥關(guān)閉,使燃油壓力增加,噴油量增加,實際空燃比減小,不完全燃燒使CO和HC質(zhì)量分?jǐn)?shù)增加.但燃油壓力增加也會造成缺氧或燃燒溫度下降的情況,尾氣中的NOx質(zhì)量分?jǐn)?shù)明顯下降.

4.3 進(jìn)氣壓力傳感器異常

試驗準(zhǔn)備完成后,將進(jìn)氣壓力傳感器的接頭拔下,起動試驗車輛.在車輛平穩(wěn)運行后,將車輛穩(wěn)定在2 000 r·min-1狀態(tài)下持續(xù)運行,記錄此時利用紅盒子診斷儀檢測到的OBD數(shù)據(jù)流信息,如表9所示.

表9 進(jìn)氣壓力傳感器異常時試驗車輛OBD數(shù)據(jù)流

該狀態(tài)下的尾氣污染物預(yù)測結(jié)果與利用排氣分析儀檢測到的實際污染物排放結(jié)果如表10所示.

表10 進(jìn)氣壓力傳感器異常時試驗車輛排放水平

根據(jù)國標(biāo)相關(guān)規(guī)定,由表10可見,在該狀態(tài)下,汽油機尾氣中CO和HC質(zhì)量分?jǐn)?shù)嚴(yán)重超標(biāo),NOx排放合格;結(jié)合表1,該狀態(tài)下,預(yù)測結(jié)果為CO排放量高,HC排放量高,NOx排放量低.由此可見,預(yù)測結(jié)果與實際排放情況具有一致性.分析OBD數(shù)據(jù)流可以發(fā)現(xiàn),氧傳感器工作狀態(tài)正常,但進(jìn)氣歧管壓力與進(jìn)氣量之間的變化規(guī)律明顯存在問題,判斷是進(jìn)氣壓力傳感器失效或不靈敏,或者進(jìn)氣歧管積碳導(dǎo)致的.這與進(jìn)氣壓力傳感器斷路,導(dǎo)致ECU無法獲取實際進(jìn)氣量的實際情況相吻合,可見文中預(yù)測系統(tǒng)達(dá)到預(yù)期效果,進(jìn)一步證實了該系統(tǒng)的可靠性和準(zhǔn)確性.

由于試驗條件的局限性,文中僅人為設(shè)置了兩組故障現(xiàn)象.綜合上述實車試驗,證明了文中建立的汽油機尾氣排放預(yù)測系統(tǒng)在實際應(yīng)用中的可行性和準(zhǔn)確性.

5 結(jié) 論

分析汽油機尾氣排放預(yù)測特征,基于BP神經(jīng)網(wǎng)絡(luò)診斷思想,以特征參數(shù)的數(shù)據(jù)流信息作為輸入,車輛排放水平為輸出,建立了汽油機CO，HC和NOx的排放預(yù)測模型.

將建立的汽油機尾氣排放預(yù)測系統(tǒng)應(yīng)用到實車中進(jìn)行試驗驗證.在不同故障狀態(tài)下,將實際排放量與利用預(yù)測模型預(yù)測的尾氣排放水平進(jìn)行對比分析,試驗結(jié)果證明,文中構(gòu)建的汽油機尾氣排放預(yù)測系統(tǒng)的預(yù)測結(jié)果與實際排放水平一致,證實了該系統(tǒng)的可靠性和準(zhǔn)確性.因此,文中所構(gòu)建的尾氣排放預(yù)測系統(tǒng)可通過OBD數(shù)據(jù)流預(yù)測尾氣排放水平,得出尾氣排放超標(biāo)原因,為車輛的排放污染物治理提供技術(shù)參考.