CN111598424A - 一种基于重型柴油车远程监控数据的排放计算方法 - Google Patents
一种基于重型柴油车远程监控数据的排放计算方法 Download PDFInfo
- Publication number
- CN111598424A CN111598424A CN202010377171.1A CN202010377171A CN111598424A CN 111598424 A CN111598424 A CN 111598424A CN 202010377171 A CN202010377171 A CN 202010377171A CN 111598424 A CN111598424 A CN 111598424A
- Authority
- CN
- China
- Prior art keywords
- window
- curve
- data
- emission
- heavy
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 32
- 239000012634 fragment Substances 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000012797 qualification Methods 0.000 claims abstract description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 33
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 239000000110 cooling liquid Substances 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明提供了一种基于重型柴油车远程监控数据的排放计算方法,包括以下步骤:S1、根据筛选条件筛选出有效数据片段;S2根据分类条件将有效数据片段分别分类;S3根据车型信息组成拼接曲线;S4根据车型信息判定拼接曲线;S5按照功基窗口法划分窗口;S6计算每个窗口参数;S7根据窗口有效性判定条件判定窗口曲线再次形成拼接曲线;S8判定排放是否合格。本发明所述的计算方法可以应用于政府对于重型柴油车的排放监管当中,利用本发明对运行中的重柴油车的排放时候合格进行判定,减少环保检测人员的工作量。
Description
技术领域
本发明属于汽车排放领域,尤其是涉及一种基于重型柴油车远程监控数据的排放计算方法。
背景技术
随着城市经济结构的调整,重污染企业的外迁,固定源排放已经大大降低。但受城市快速建设的影响,移动源排放数量大大增加。根据北京市2018年的空气污染源解析数据,北京市空气污染中的氮氧化物有45%来自于移动源的排放。移动源当中重型柴油车是排放大户,占移动源氮氧化物排放的60%以上。重型柴油车的排放检查具有流动性大,测试设备复杂的特点,测试十分困难。
为了有效对重型柴油车的排放进行监管和控制,国家在2018年颁布了GB17691-2018的重型柴油车污染物排放限值及测量方法(中国第六阶段)的排放控制法规,法规中明确规定重型柴油车应当采集并上传车辆的实时运行参数和排放数据。排放数据来自氮氧传感器的采集的氮氧化物浓度信号,单位是ppm(百万分之一的体积分数)。通过车辆运行数据和排放数据,我们可以计算符合法规要求的排放因子,实现远程排放检测。
发明内容
有鉴于此,本发明旨在提出一种基于重型柴油车远程监控数据的排放计算方法,以解决重型柴油车的排放检查流动性大,测试设备复杂的问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于重型柴油车远程监控数据的排放计算方法,包括以下步骤:
S1、根据筛选条件筛选出有效数据片段;
S2、根据分类条件将有效数据片段分别分类为多种待采样数据片段,并形成相应的片段集;
S3、根据车型信息按道路分布分别从多种片段集中随机抽取待采样数据片段,组成拼接曲线;
S4、对拼接曲线进行曲线有效性判断,满足判定标准的拼接曲线为待计算曲线,进行下一步,不满足判定标准的拼接曲线重复步骤S3;
S5、根据功基窗口法划分窗口,形成窗口曲线;
S6、计算每个窗口的窗口平均功率、窗口时间、窗口氮氧化物排放因子、以及窗口排放量多个窗口参数;
S7、根据窗口有效性判定条件判定窗口曲线是否有效,有效则进行下一步,无效重复步骤S3;
S8、按照指定的窗口排放因子限值要求判定窗口曲线的窗口合格率,判定排放是否合格。
进一步的,所述步骤S1中的筛选条件筛选过程如下,
首先,根据筛选条件一去掉不满足筛选条件一的数据点,并把满足要求的数据点拼接成为有效数据;
其次,根据短行程定义,将有效数据划分为一个个的满足短行程要求的数据片段;
最后,根据筛选条件二去掉片段平均车速小于15km/h的数据片段,剩下的数据片段为有效数据片段。
进一步的,所述筛选条件一为:实时气温是否高于零下3度,发动机冷却温度是否高于70度。
进一步的,所述筛选条件二为:片段的平均车速大于等于15km/h即为有效片段,片段的平均车速小于15km/h即为无效片段。
进一步的,所述短行程为发动机转速从上一个怠速结束到下一个怠速开结束的期间的行驶曲线。
进一步的,所述步骤S2中的分类条件根据短行程片段的平均车速进行划分,划分如下,车速区间为15-30km/h为市区路数据片段,车速区间为45-70km/h为郊区路数据片段,车速区间大于70km/h为高速路数据片段。
进一步的,所述步骤S4中的曲线有效性判断是根据车型信息按道路分布对拼接曲线进行判定。
进一步的,所述步骤S5中窗口有效性判定条件如下,窗口平均功率大于发动机额定功率的20%的窗口为有效窗口,有效窗口的比例大于等于50%。若有效窗口的比例低于50%,将使用较低功率阈值继续进行评价。将窗口平均功率阈值要求以1%为步长逐渐减小,直到有效窗口的比例达到50%。功率阈值最小不能小于10%的发动机额定功率。窗口曲线的有效窗口如果小于50%则窗口曲线无效。
相对于现有技术,本发明所述的一种基于重型柴油车远程监控数据的排放计算方法具有以下优势:
(1)本发明所述的计算方法可以应用于政府对于重型柴油车的排放监管当中,利用本发明对运行中的重柴油车的排放时候合格进行判定,减少环保检测人员的工作量。
(2)本发明所述的计算方法上还以应用于企业远程监控平台当中,用于监控用户是否有篡改车辆排放控制***的行为,以便企业维护其合法利益。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的一种基于重型柴油车远程监控数据的排放计算方法的流程图;
图2为本发明实施例所述的功基窗口法的划分方法图;
图3为本发明实施例所述的采样流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语中心、纵向、横向、上、下、前、后、左、右、竖直、水平、顶、底、内、外等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语第一、第二等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有第一、第二等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,多个的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语安装、相连、连接应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示,一种基于重型柴油车远程监控数据的排放计算方法,包括以下步骤:
S1、根据筛选条件筛选出有效数据片段;
S2、根据分类条件将有效数据片段分别分类为多种待采样数据片段,并形成相应的片段集;
S3、根据车型信息按道路分布分别从多种片段集中随机抽取待采样数据片段,组成拼接曲线;
S4、对拼接曲线进行曲线有效性判断,满足判定标准的拼接曲线为待计算曲线,进行下一步,不满足判定标准的拼接曲线重复步骤S3;
S5、根据功基窗口法划分窗口,形成窗口曲线;
S6、计算每个窗口的窗口平均功率、窗口时间、窗口氮氧化物排放因子、以及窗口排放量多个窗口参数;
S7、根据窗口有效性判定条件判定窗口曲线是否有效,有效则进行下一步,无效重复步骤S3;
S8、按照指定的窗口排放因子限值要求判定窗口曲线的窗口合格率,判定排放是否合格。
所述步骤S1中的筛选条件筛选过程如下,
首先,根据筛选条件一去掉不满足筛选条件一的数据点,并把满足要求的数据点拼接成为有效数据;
其次,根据短行程定义,将有效数据划分为一个个的满足短行程要求的数据片段;
最后,根据筛选条件二去掉片段平均车速小于15km/h的数据片段,剩下的数据片段为有效数据片段。
所述筛选条件一为:实时气温是否高于零下3度,发动机冷却温度是否高于70度。
所述筛选条件二为:片段的平均车速大于等于15km/h即为有效片段,片段的平均车速小于15km/h即为无效片段。
所述短行程为发动机转速从上一个怠速结束到下一个怠速结束的期间的行驶曲线。
所述步骤S2中的分类条件根据短行程片段的平均车速进行划分,划分如下,车速区间为15-30km/h为市区路数据片段,车速区间为45-70km/h为郊区路数据片段,车速区间大于70km/h为高速路数据片段。
所述步骤S4中的曲线有效性判断是根据车型信息按道路分布对拼接曲线进行判定。
所述步骤S5中的功基窗口法,具体方法如下:
第i个平均窗口周期(t2,i-t1,i)由下式决定:
Wref——WHTC测试循环的循环功,kWh;
t2,i的应由下式选择:
式中:Δt——数据采样周期,小于等于1s;
WHTC循环:发动机在发动机台架上运行的一种循环工况,共1800个点。每个工况点由发动机扭矩和转速定义,每个工况点持续1s。
窗口比排放的计算方法如下:
每一个窗口的污染物比排放ep(单位:g/kWh)的计算应采用下式:
式中:m——某一窗口内的污染物的排放量,g/窗口
所述步骤S5中窗口有效性判定条件如下,窗口平均功率大于发动机额定功率的20%的窗口为有效窗口,有效窗口的比例大于等于50%。若有效窗口的比例低于50%,将使用较低功率阈值继续进行评价。将窗口平均功率阈值要求以1%为步长逐渐减小,直到有效窗口的比例达到50%。功率阈值最小不能小于10%的发动机额定功率。窗口曲线的有效窗口如果小于50%则窗口曲线无效。
算法运行步骤:
S1根据筛选条件1去掉不满足条件1的数据点,并把满足要求的数据点拼接成为有效数据;
S2根据短行程定义,将有效数据划分为一个个的满足短行程要求的数据片段;
S3根据筛选条件2去掉片段平均车速小于15km/h的数据片段,剩下的数据片段为有效数据片段;
S4根据分类条件将有效数据片段分别分类,分成市区路数据片段,市郊路数据片段和高速路数据片段并形成相应的片段集,所有这些数据片段被称作待采样数据片段;
S5根据车型信息按照道路分布(不含公差)分别从城市、郊区、高速三类片段集中对应地随机抽取待采样数据片段,组成拼接曲线;
S6根据车型信息按照道路分布(含公差)进行判定,满足判定标准的拼接曲线即为待计算曲线;
S7按照GB17691-2018法规中规定的功基窗口法划分窗口,形成:窗口曲线;功基窗口法的计算方法见图2;
S8计算每个窗口的窗口平均功率,窗口时间、窗口氮氧化物排放因子、以及窗口排放量多个窗口参数;
S9根据窗口有效性判定条件判定窗口曲线是否有效,有效的窗口曲线进入排放判定流程,无效的窗口曲线不能用于判定,需要重新进行步骤S5,再次形成拼接曲线;
S10按照指定的窗口排放因子限值要求判定窗口曲线的窗口合格率,判定排放是否合格。
所述拼接曲线抽取与组合过程如下:有效片段数据片段根据平均车速的不同分为三种:城市片段、郊区片段、高速片段,三种片段根据分类分别形成城市待采样片段集、郊区待采样片段集和高速待采样片段集;拼接曲线根据不同的车型确定不同道路部分的时间比例,形成不同的道路部分;拼接曲线中的各个道路按照该部分的时间要求分别从三种待采样片段集中随机抽取片段组成该道路部分,达到该部分要求的时间后停止抽取。最后将三个道路部分组合成为拼接曲线。
所述窗口功公式如下:
窗口功=∑单点功×采样时间
所述窗口氮氧化物排放量公式如下,
窗口氮氧化物排放量=∑单点氮氧化物浓度×单点进气量×单点采样时间
所述窗口平均窗口氮氧化物排放因子,
本技术是一种基于远程数据的排放结果计算和评估方法。以目前GB17691-2018中提出的上传的数据格式和数据频率为基础,对数据进行合理的剪切、挑选和拼接成测试数据,在按照法规要求的计算方法进行计算得出结果。排放数据来自但氧传感器的采集的氮氧化物浓度信号,单位是ppm(百万分之一的体积分数)。通过车辆运行数据和排放数据,我们可以计算符合法规要求的排放因子,实现远程排放检测。
表1.GB17691中规定远程监控中单上传的数据项目
车型循环功:某一企业生产的某一型重型车所使用的发动机在运行WHTC循环时,所积累的功的总和。
本算法所需要的数据项见下表:
表2参与计算与计算过程中出现的数据项
序号 | 数据项 | 序号 | 数据项 |
1 | 冷却液温度 | 8 | SCR下游NOx传感器输出值 |
2 | GPS车速 | 9 | 车型循环功 |
3 | 净扭矩 | 10 | 发动机额定功率 |
4 | 摩擦扭矩 | 11 | 实时气温(来自气象局) |
5 | 发动机转速 | 12 | 片段平均车速(来自计算) |
6 | 时刻 | 13 | 窗口平均功率(来自计算) |
7 | 进气量 | 14 | 窗口平均氮氧化物排放因子(来自计算) |
表3.筛选条件1
序号 | 判断项目 | 来源 |
1 | 实时(时刻)气温是否高于-3℃ | 实时气温 |
2 | 发动机冷却液温度是否高于70℃ | 冷却液温度 |
条件1必须一步一步判断,不能同时进行判断,防止判断数据出错。
表4.依据车速的片段分类条件
道路分类 | 市区路 | 郊区路 | 高速路 |
车速区间 | 15-30km/h | 45-70km/h | >70km/h |
表5.不同车型的道路分布
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于重型柴油车远程监控数据的排放计算方法,其特征在于包括以下步骤:
S1、根据筛选条件筛选出有效数据片段;
S2、根据分类条件将有效数据片段分别分类为多种待采样数据片段,并形成相应的片段集;
S3、根据车型信息按道路分布分别从多种片段集中随机抽取待采样数据片段,组成拼接曲线;
S4、对拼接曲线进行曲线有效性判断,满足判定标准的拼接曲线为待计算曲线,进行下一步,不满足判定标准的拼接曲线重复步骤S3;
S5、根据功基窗口法划分窗口,形成窗口曲线;
S6、计算每个窗口的窗口平均功率、窗口时间、窗口氮氧化物排放因子、以及窗口排放量多个窗口参数;
S7、根据窗口有效性判定条件判定窗口曲线是否有效,有效则进行下一步,无效重复步骤S3;
S8、按照指定的窗口排放因子限值要求判定窗口曲线的窗口合格率,判定排放是否合格。
2.根据权利要求1所述的一种基于重型柴油车远程监控数据的排放计算方法,其特征在于:所述步骤S1中的筛选条件筛选过程如下,
首先,根据筛选条件一去掉不满足筛选条件一的数据点,并把满足要求的数据点拼接成为有效数据;
其次,根据短行程定义,将有效数据划分为一个个的满足短行程要求的数据片段;
最后,根据筛选条件二去掉片段平均车速小于15km/h的数据片段,剩下的数据片段为有效数据片段。
3.根据权利要求2所述的一种基于重型柴油车远程监控数据的排放计算方法,其特征在于:所述筛选条件一为:实时气温是否高于零下3度,发动机冷却温度是否高于70度。
4.根据权利要求2所述的一种基于重型柴油车远程监控数据的排放计算方法,其特征在于:所述筛选条件二为:片段的平均车速大于等于15km/h即为有效片段,片段的平均车速小于15km/h即为无效片段。
5.根据权利要求2所述的一种基于重型柴油车远程监控数据的排放计算方法,其特征在于:所述短行程为发动机转速从上一个怠速结束到下一个怠速结束的期间的行驶曲线。
6.根据权利要求1所述的一种基于重型柴油车远程监控数据的排放计算方法,其特征在于:所述步骤S2中的分类条件根据短行程片段的平均车速进行划分,划分如下,车速区间为15-30km/h为市区路数据片段,车速区间为45-70km/h为郊区路数据片段,车速区间大于70km/h为高速路数据片段。
7.根据权利要求1所述的一种基于重型柴油车远程监控数据的排放计算方法,其特征在于:所述步骤S4中的曲线有效性判断是根据车型信息按道路分布对拼接曲线进行判定。
8.根据权利要求1所述的一种基于重型柴油车远程监控数据的排放计算方法,其特征在于:所述步骤S5中窗口有效性判定条件如下,窗口平均功率大于发动机额定功率的20%的窗口为有效窗口,有效窗口的比例大于等于50%。若有效窗口的比例低于50%,将使用较低功率阈值继续进行评价。将窗口平均功率阈值要求以1%为步长逐渐减小,直到有效窗口的比例达到50%。功率阈值最小不能小于10%的发动机额定功率。窗口曲线的有效窗口如果小于50%则窗口曲线无效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377171.1A CN111598424A (zh) | 2020-05-07 | 2020-05-07 | 一种基于重型柴油车远程监控数据的排放计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377171.1A CN111598424A (zh) | 2020-05-07 | 2020-05-07 | 一种基于重型柴油车远程监控数据的排放计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598424A true CN111598424A (zh) | 2020-08-28 |
Family
ID=72192131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010377171.1A Pending CN111598424A (zh) | 2020-05-07 | 2020-05-07 | 一种基于重型柴油车远程监控数据的排放计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598424A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288224A (zh) * | 2020-09-24 | 2021-01-29 | 武汉理工大学 | 一种基于远程监控数据的排放计算方法 |
CN112486962A (zh) * | 2020-11-23 | 2021-03-12 | 中汽研汽车检验中心(天津)有限公司 | 一种提取组合短片段计算重型柴油车NOx排放的方法 |
CN112730737A (zh) * | 2020-11-30 | 2021-04-30 | 中汽研汽车检验中心(天津)有限公司 | 一种基于非道路移动机械远程监控数据的排放计算方法 |
CN114636561A (zh) * | 2022-03-10 | 2022-06-17 | 一汽解放汽车有限公司 | 一种pems试验方法 |
CN114991922A (zh) * | 2022-05-30 | 2022-09-02 | 中国汽车工程研究院股份有限公司 | 一种车辆NOx排放超标的实时预警方法 |
CN115796720A (zh) * | 2023-01-19 | 2023-03-14 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 重型车排放评价方法及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106567766A (zh) * | 2016-08-31 | 2017-04-19 | 潍柴动力股份有限公司 | 一种在用符合性检测方法及装置 |
CN108562442A (zh) * | 2018-04-16 | 2018-09-21 | 沃尔沃汽车公司 | 车辆实际行驶排放测试设备和方法 |
CN109443779A (zh) * | 2018-11-07 | 2019-03-08 | 中国汽车技术研究中心有限公司 | 一种动态诊断、提取柴油车实际运行nox高排放恶劣工况的方法和装置 |
CN110717998A (zh) * | 2019-10-11 | 2020-01-21 | 无锡沃尔福汽车技术有限公司 | 一种用于非道路车辆pems检测装置及其检测方法 |
CN110823585A (zh) * | 2019-11-06 | 2020-02-21 | 清华大学 | 基于obd远程排放监控数据的重型车尾气中nox排放因子获取方法 |
CN110827444A (zh) * | 2019-11-06 | 2020-02-21 | 清华大学 | 适用于obd远程排放监控数据的重型车排放因子获取方法 |
-
2020
- 2020-05-07 CN CN202010377171.1A patent/CN111598424A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106567766A (zh) * | 2016-08-31 | 2017-04-19 | 潍柴动力股份有限公司 | 一种在用符合性检测方法及装置 |
CN108562442A (zh) * | 2018-04-16 | 2018-09-21 | 沃尔沃汽车公司 | 车辆实际行驶排放测试设备和方法 |
CN109443779A (zh) * | 2018-11-07 | 2019-03-08 | 中国汽车技术研究中心有限公司 | 一种动态诊断、提取柴油车实际运行nox高排放恶劣工况的方法和装置 |
CN110717998A (zh) * | 2019-10-11 | 2020-01-21 | 无锡沃尔福汽车技术有限公司 | 一种用于非道路车辆pems检测装置及其检测方法 |
CN110823585A (zh) * | 2019-11-06 | 2020-02-21 | 清华大学 | 基于obd远程排放监控数据的重型车尾气中nox排放因子获取方法 |
CN110827444A (zh) * | 2019-11-06 | 2020-02-21 | 清华大学 | 适用于obd远程排放监控数据的重型车排放因子获取方法 |
Non-Patent Citations (1)
Title |
---|
孙清巍: ""基于PEMS的重型车实际道路排放特性研究"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288224A (zh) * | 2020-09-24 | 2021-01-29 | 武汉理工大学 | 一种基于远程监控数据的排放计算方法 |
CN112486962A (zh) * | 2020-11-23 | 2021-03-12 | 中汽研汽车检验中心(天津)有限公司 | 一种提取组合短片段计算重型柴油车NOx排放的方法 |
CN112730737A (zh) * | 2020-11-30 | 2021-04-30 | 中汽研汽车检验中心(天津)有限公司 | 一种基于非道路移动机械远程监控数据的排放计算方法 |
CN114636561A (zh) * | 2022-03-10 | 2022-06-17 | 一汽解放汽车有限公司 | 一种pems试验方法 |
CN114991922A (zh) * | 2022-05-30 | 2022-09-02 | 中国汽车工程研究院股份有限公司 | 一种车辆NOx排放超标的实时预警方法 |
CN114991922B (zh) * | 2022-05-30 | 2024-01-23 | 中国汽车工程研究院股份有限公司 | 一种车辆NOx排放超标的实时预警方法 |
CN115796720A (zh) * | 2023-01-19 | 2023-03-14 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 重型车排放评价方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598424A (zh) | 一种基于重型柴油车远程监控数据的排放计算方法 | |
CN107067722B (zh) | 一种车辆行驶工况构建方法 | |
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 | |
CN108198425A (zh) | 一种电动汽车行驶工况的构建方法 | |
CN110608893B (zh) | 车辆排放测试方法及装置 | |
CN106446398B (zh) | 基于交通运行数据和劣化率的轻型汽车排放速率计算方法 | |
WO2022036619A1 (zh) | 点燃式发动机汽车尾气排放遥感大数据检测方法和*** | |
CN114991922B (zh) | 一种车辆NOx排放超标的实时预警方法 | |
CN113806675B (zh) | 一种NOx排放与油耗特征分析方法 | |
CN110966092B (zh) | 基于pems测试规则和obd数据远程确认车辆排放因子的方法 | |
CN109506946B (zh) | 一种rde工况库开发及使用方法 | |
CN112486962A (zh) | 一种提取组合短片段计算重型柴油车NOx排放的方法 | |
CN108343497A (zh) | 一种柴油车scr***老化失效快速诊断***及方法 | |
CN107886188B (zh) | 液化天然气公交尾气排放预测方法 | |
CN115655730A (zh) | 重型柴油车PEMS测试中NOx排放的计算方法 | |
CN115876484B (zh) | 重型整车实际路况测试及工况模拟试验的***及方法 | |
CN108763643B (zh) | 一种地区机动车排放因子计算方法 | |
CN111122171A (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 | |
CN105044278A (zh) | 汽车碳排放检测方法及装置 | |
CN111126655A (zh) | 一种基于车辆比功率和模型树回归的收费站车辆排放预测方法 | |
CN114001989A (zh) | 一种基于工况识别的单车空调能耗预测方法及预测装置 | |
CN112730737A (zh) | 一种基于非道路移动机械远程监控数据的排放计算方法 | |
Liu et al. | Technology and threshold: an empirical study of road passenger transport emissions | |
CN116340718A (zh) | 一种基于轨迹数据的汽车碳排放估计模型构建方法及*** | |
CN115791212A (zh) | 通用车辆尾气排放检测方法与装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200828 |
|
RJ01 | Rejection of invention patent application after publication |