CN112486962A - 一种提取组合短片段计算重型柴油车NOx排放的方法 - Google Patents
一种提取组合短片段计算重型柴油车NOx排放的方法 Download PDFInfo
- Publication number
- CN112486962A CN112486962A CN202011321154.2A CN202011321154A CN112486962A CN 112486962 A CN112486962 A CN 112486962A CN 202011321154 A CN202011321154 A CN 202011321154A CN 112486962 A CN112486962 A CN 112486962A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- segments
- emission
- working condition
- vehicles
- 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
Images
Classifications
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明提供了一种提取组合短片段计算重型柴油车NOx排放的方法,(1)利用OBD数据采集终端采集数据,将车辆静态信息在平台备案,进行数据清洗;(2)平台数据清洗模块提取的数据集切割片段,进行提取;(3)根据工况片段提取模块中分好类的片段进行组合排序;(4)筛选模块进行有效性判定,重新进行工况片段组合;(5)归一化工况片段进行NOx功基窗口法的计算;(6)平台中的迭代模块可以重复(4)和(5)中的计算模块,计算模块计算的车辆NOx平均窗口比排放情况进行筛选,筛选出高排车辆与高排车型。本发明所述的一种提取组合短片段计算重型柴油车NOx排放的方法,以解决远程监控平台目前缺少处理数据计算重型柴油车NOx排放的方法体系的问题。
Description
技术领域
本发明属于重型柴油车远程监控领域,尤其是涉及一种提取组合短片段计算重型柴油车NOx排放的方法。
背景技术
当前移动互联、云计算和大数据的迅猛发展,催生了物联网、车联网等更多大规模数据分析应用场景的诞生。作为近几年兴起的车联网技术,融合了传统的嵌入式、地理信息***、移动互联网和现代网络通信技术,把“人-车-路-网”有机地联系在一起。车联网利用车载传感器技术(GPS车载终端和OBD终端),实时采集车辆行驶过程中地位置信息、车速、发动机工作状态、排放***状态、故障信息等。
我国环保部门要求加强重型车远程排放监管能力地建设,远程排放监管成为重型车排放监管地有效手段和必然趋势。在我国多项政策、标准法规中已经明确提出采用远程在线监管***对重型车进行远程排放监管:
(1)在2017年的大气防治计划中,环保管理部门提出强化对营运车辆的环保监管,积极推进柴油车加装具备实时诊断功能的远程监管终端;
(2)2017年12月,环保部发布《机动车污染防治技术政策》提出建立健全远程监管体系,加强营运重型车采用远程监管技术;
(3)2017年12月,北京市为了减少机动车排放污染,改善环境质量,结合北京市的实际情况,制定了DB11/1476-2017《重型汽车排气污染物排放限值及测量方法(OBD法第Ⅳ、Ⅴ阶段)》,明确提出重型车采用远程排放***进行监管;
(4)2018年8月,为了贯彻《中华人民共和国环境保护法》和《中华人民共和国大气污染防治法》生态环境部***家市场监督管理总局发布了GB17691-2018《重型柴油车污染物排放限值及测试方法(中国第六阶段)》,规定了新国六车(b阶段)必须采用远程排放监管***的要求。
目前,按照要求,国家、地方环保部门和重型车生产企业都要进行重型车远程排放监管平台的建设。然而车联网大数据的数据体量过于庞大,仅仅单日一个成熟的车联网平台处理的数据量就在70GB左右。然而,平台缺少科学、高效地处理重型车排放数据的分析体系与处理方法,造成大量数据堆积在数据库中,无法发挥数据的真正价值。仅从重型车NOx排放这一点出发,通过大数据挖掘与分析就能对整车产品进行排放、经济性、环保性、动力性优化、发动机品质提升等方面进行优化。现在急需一套建立一套成熟的排放监管算法为管理部门和车企提供必要的管理支撑和整车品质评判支撑。
发明内容
有鉴于此,本发明旨在提出一种提取组合短片段计算重型柴油车NOx排放的方法,以解决远程监控平台目前缺少处理数据计算重型柴油车NOx排放的方法体系的问题;为了解决平台积累大量数据,造成数据冗积,无法发挥车联网大数据的真正价值的问题;为了建立统一地、公平地、范式地评判重型柴油车NOx排放水平的方法体系,筛选高排车辆与高排车型。
为达到上述目的,本发明的技术方案是这样实现的:
一种提取组合短片段计算重型柴油车NOx排放的方法,包括如下步骤:
(1)利用OBD数据采集终端采集数据,并以1Hz的传输频率传输到云监测平台,并将数据存储,将车辆静态信息在平台备案,平台存储数据将数据清洗成按照时间顺序、可用于后续计算的数据集;
(2)平台中的工况片段提取模块能够将平台数据清洗模块提取的数据集切割片段,依据片段的平均速度与片段的速度标准差进行提取;
(3)平台中的工况片段组合模块能够根据工况片段提取模块中分好类的片段进行组合排序;
(4)平台中的组合片段筛选模块进行有效性判定,对判定不合格的归一化工况片段予以舍弃,重新进行工况片段组合;
(5)平台中的排放计算模块将组合片段筛选模块选择的符合要求的归一化工况片段进行NOx功基窗口法的计算;
(6)平台中的迭代模块可以重复(4)和(5)中的计算模块,通过迭代计算车辆平均比排放进行误差较准,通过排放计算模块计算的车辆NOx平均窗口比排放情况进行筛选,筛选出高排车辆与高排车型。
步骤(1)中采集的数据包括柴油机车VIN、车速、发动机净输出扭矩、发动机摩擦扭矩、发动机转速、发动机燃料流量、SCR下游NOx传感器输出值、进气量、发动机冷却液温度,需要备案的静态信息有:VIN、发动机型号、发动机额定功率、发动机参考扭矩、发动机WHTC循环功、整车质量、排放水平、行业类型、整车制造厂商、发动机制造厂商、燃料类型、后处理方式、车辆型号、整车类型。
数据清洗方式参照计算公式(1.1)进行,表1说明了需要清洗的参数项以及符号说明。数据清洗完毕后,选择发动机冷却液温度大于70℃的数据,按照数据收集的时间顺序正序排序。
itemi=itemi,o×precisioni-biasi
式中:
item:清洗后的各项数据值;
i:需要清洗的各数据项;
itemi,o:数据解析后原始值;
precisioni:各项数据精度;
biasi:各项数据偏移量;
rangemin:表示数据范围最小值;
rangemax:表示数据范围最大值。
表1.清洗数据项及符号说明
将OBD上传数据按照公式(1.1)进行数据清洗,通过计算公式计算后的数据集将数据清洗为随时间正序排列的数组,数组格式如下所示:
步骤(2)中提取的片段分为:高速行驶片段、市郊行驶片段和市区行驶片段。对发动机信息清洗后,选择单车连续较长时间内所有数据进行工况片段提取的操作。工况片段提取的原理是,尽可能提取连续n秒内车辆行驶稳定状态下的行驶片段,计算该片段的平均速度与标准差。
表2.工况片段分类及解释
所述高速行驶片段中N1、M1类车平均时速大于90km/h,除N1、M1类车为n秒内平均时速大于70km/h。
针对除M1、N1外的车辆是否为高速行驶片段的判别公式为:
针对M1、N1类的车辆是否为高速行驶片段的判别公式为:
式中:
D1:除M1、N1外的车型集合,k为车辆索引;
D2:车型M1、N1集合,k为车辆索引;
[i,j]:时刻i到时刻j的时间段,t为时间索引,(单位:s);
σ:连续一段时间内的速度标准差;
S:标准差的最高限值;
n:车辆稳定行驶的时长,(单位:s)。
所述市郊行驶片段中,N1、M1类车平均时速为大于60km/h,小于90km/h,除,N1、M1类车外的n秒内平均时速大于45km/h,小于70km/h。
针对除M1、N1外的车辆是否为高速行驶片段的判别公式为:
针对M1、N1类的车辆是否为高速行驶片段的判别公式为:
所述市区行驶片段中车的速度为n秒内平均时速大于15km/h,小于30km/h,
针对车辆是否为高速行驶片段的判别公式为:
步骤(3)中提取工况片段组合方式为:N1、M1类车辆(执行GB18352.6标准的车辆除外)各工况片段组成依次为:34%的市区路、33%的市郊路、33%高速路;N2、M2、M3类车辆(城市车辆除外)各工况片段组成依次为:45%市区路、25%市郊路、30%高速路;N3类车辆(城市车辆除外)各工况片段组成依次为:20%市区路、25%市郊路、55%高速路;城市车辆各工况片段组成依次为:70%市区路、30%市郊路;对提取工况片段依据市区、市郊、高速顺序进行排列组合。
根据步骤(4)中归一化工况片段进行有效片段,计算窗口平均功率比的计算公式为:
式中:
wref:发动机的循环功值,kwh;
wrate:发动机的最大功率,kwh;
t2,i-t1,i:循环功窗口i起始时刻与终止时刻差值,s。
计算窗口平均功率阈值,计算公式为:
k∈[0.2,0.19,0.18,0.17,0.16,0.15,0.14,0.13,0.12,0.11,0.1]
式中:
k:最大功率倍数集合;
判断有效窗口占比是否满足要求,若满足在规定的不小于最小功率阈值且有效窗口比例不小于50%情况,执行下一步;若条件不满足,该片段予以丢弃,选择其余片段进行片段组合,进行归一化工况。
步骤(5)中的结果包括:NOx有效点通过率、NOx窗口通过率、NOx平均窗口比排放。
相对于现有技术,本发明所述的一种提取组合短片段计算重型柴油车NOx排放的方法具有以下优势:
本发明所述的一种提取组合短片段计算重型柴油车NOx排放的方法,本发明高效地从重型柴油车无序行驶片段中,提取稳定工况并组合成归一化的工况片段来进行重型柴油车排放计算,通过迭代更新平均比排放的方式最大程度消除外界因素(天气,温度,路面状况等)对重型柴油车排放的影响。建立了远程监控平台统一考量车辆实际道路排放水平的数据清洗、数据处理、工况提取、工况归一、排放计算、排放判定、迭代更新的重型柴油车排放计算体系。对于整车品质性评估,筛选高排车辆,监测整车排放劣化具有明显效果和应用价值。同时为着整车企业和环境监测部门提供了重型柴油车排放监控、重型柴油车品质评价、重型柴油车性能评价、高排车辆筛选有效方式。对于重型柴油车收集大量数据存在冗积得到了有益缓解,对重型柴油车数据深度挖掘与数据分析提供了新思路与方向。
附图说明
图1为本发明的为平台计算流程说明图;
图2为某N1车辆一个月内所有行驶数据速度曲线图;
图3为某N1车辆一个月内所有行驶数据速度通过工况片段提取,组合后形成的组合片段曲线图;
图4为PEMS试验车速分布图;
图5为PEMS试验计算结果图。
具体实施方式
除有定义外,以下实施例中所用的技术术语具有与本发明所属领域技术人员普遍理解的相同含义。以下实施例中所用的试验试剂,如无特殊说明,均为常规生化试剂;所述实验方法,如无特殊说明,均为常规方法。
下面结合实施例及附图来详细说明本发明。
1、数据清洗方式参照计算公式(1)进行,表1说明了需要清洗的参数项以及符号说明。数据清洗完毕后,选择发动机冷却液温度大于70℃的数据,按照数据收集的时间顺序正序排序。
itemi=itemi,o×precisioni-biasi
式中:
item:清洗后的各项数据值;
i:需要清洗的各数据项;
itemi,o:数据解析后原始值;
precisioni:各项数据精度;
biasi:各项数据偏移量;
rangemin:表示数据范围最小值;
rangemax:表示数据范围最大值。
表1.清洗数据项及符号说明
将OBD上传数据按照公式(1.1)进行数据清洗,通过计算公式计算后的数据集将数据清洗为随时间正序排列的数组,数组格式如下所示:
对发动机信息清洗后,选择单车连续较长时间内所有数据进行工况片段提取的操作。工况片段提取的原理是,尽可能提取连续n秒内车辆行驶稳定状态下的行驶片段,计算该片段的平均速度与标准差。
表2.工况片段分类及解释
连续n秒平均速度计算公式:
连续n秒速度标准差计算公式:
针对除M1、N1外的车辆需满足:
针对M1、N1类的车辆需满足:
式中:
D1:除M1、N1外的车型集合,k为车辆索引;
D2:车型M1、N1集合,k为车辆索引;
[i,j]:时刻i到时刻j的时间段,t为时间索引,(单位:s);
σ:连续一段时间内的速度标准差;
S:标准差的最高限值。
n:车辆稳定行驶的时长,(单位:s)。
N1、M1类车辆(执行GB18352.6标准的车辆除外)各工况片段组成依次为:34%的市区路、33%的市郊路、33%高速路;N2、M2、M3类车辆(城市车辆除外)各工况片段组成依次为:45%市区路、25%市郊路、30%高速路;N3类车辆(城市车辆除外)各工况片段组成依次为:20%市区路、25%市郊路、55%高速路;城市车辆各工况片段组成依次为:70%市区路、30%市郊路;对提取工况片段依据市区、市郊、高速顺序进行排列组合。
本发明建议选取以300s为一个工况片段的选取片段个数为:
N1、M1类车辆(执行GB18352.6标准的车辆除外)各工况片段组成个数为:6(高速):6(市郊):6(市区);N2、M2、M3类车辆(城市车辆除外)各工况片段组成个数为:7(市区):4(市郊):5(高速);N3类车辆(城市车辆除外)各工况片段组成个数为:10(高速):4(市郊):4(市区);城市车辆各工况片段组成个数为:14(市区):6(市郊)。
图2为某N1车辆一个月内所有行驶数据速度曲线图,通过工况片段提取,组合后形成的组合片段为图3所示。通过对稳定片段的提取,可以提取出较为稳定的工况片段并且用于整车排放计算。
将归一化工况片段进行有效片段,通过计算组合片段i窗口平均功率大于发动机最大功率的10-20%(1%为步长)的窗口,记为有效窗口。规定最小功率阈值不能小于最大功率的10%,且有效窗口占比不能小于50%。计算窗口平均功率比,计算公式为:
式中:
wref:发动机的循环功值,kwh;
wrate:发动机的最大功率,kwh;
t2,i-t1,i:循环功窗口i起始时刻与终止时刻差值,s。
计算窗口平均功率阈值,计算公式为:
k∈[0.2,0.19,0.18,0.17,0.16,0.15,0.14,0.13,0.12,0.11,0.1]
式中:
k:最大功率倍数集合
然后,判断有效窗口占比是否满足要求。若满足在规定的不小于最小功率阈值(10%)且有效窗口比例不小于50%情况,执行下一步;若条件不满足,该片段予以丢弃,选择其余片段进行片段组合,进行归一化工况。
对归一化工况片段进行PEMS功基法计算,计算步骤如下:
(1)对NOx排放瞬时值进行削峰处理
采用连续k秒平均滑动窗口的削峰方式,对每个提取的工况片段进行均值化处理,计算公式:
式中:
k:连续平均滑动窗口数,s;
i:当前时刻,s;
scri:当前时刻SCR下游均值,ppm。
(2)计算氮氧化物瞬时质量
计算公式:
式中:
ρdiesel:柴油的密度,kg/L;
uNOx:排气中氮氧化物组分密度与排气密度之比,0.001587;
ffre:数据传输频率,Hz;
noxi:氮氧化物瞬时排放质量,g。
(3)计算发动机瞬时做功
计算公式:
式中:
ffri:发动机摩擦扭矩,%;
Tref:发动机参考扭矩,N·m;
wi:发动机瞬时功,kwh。
(4)计算循环功平均窗口内比排放
确定第i个平均窗口周期(t2,t1),由下式决定:
式中:
wref:WHTC的循环功,kwh;
t1,i:窗口i的起始时刻,s;
t2,i:窗口i的终止时刻,s;
t2,i的应由下式选择:
式中:
Δt:数据采样周期,小于等于1s。
计算第i个平均窗口周期内,氮氧化物累积排放量:
式中:
mnox,i:周期内氮氧化物累积排放量,g。
计算第i个平均窗口周期内,发动机累积做功:
式中:
wengine,i:周期内发动机累积做功,kwh。
计算第i个平均窗口周期内,氮氧化物比排放:
式中:
enox:氮氧化物比排放,g/kwh。
(5)计算有效数据点占比
式中:
k:组合片段中SCR下游NOx瞬时排放数值小于限值j的个数;
j:限值集合;
n:组合片段中SCR下游NOx瞬时排放总个数;
i:车辆类型,6代表国Ⅵ车辆,5代表国Ⅴ车辆,4代表国Ⅳ车辆。
(6)计算平均比排放
计算公式:
式中:
n:组合片段平均窗口总个数。
由于归一化工况片段未考虑到车辆的载荷以及车辆真实的行驶工况,所以采用迭代的方式进行平均比排放的修正。而迭代计算效率会随着短行程切割片段数量增多而降低,且计算的复杂度呈现指数型增长。所以,精确求解最优片段问题的计算时间会相当的长,而启发式算法能够快速的得到局部最优解,对求解大规模问题具有有效性。所以,求此类最优解问题可采用启发式算法,如遗传算法、退火算法等。本发明以退火算法为例,对求取最优片段问题进行求解,伪代码如下:
其中:
J(y):在组合片段时的损失函数
whtc:循环功值
Y(best):当前最优解
Y(i):表示当前组合片段
Y(i+1):表示新组合片段
r:用于控制降温的快慢
T:***的温度,***初始应该要处于一个高温的状态
T_min:温度的下限,若温度T达到T_min,则停止搜索
while(T>T_min)
dE=loss_squr(J(Y(i)))//计算组合片段损失函数
pE=Pe(J(y))//计算组合片段累积功
if(dE<0.1&&pE>4*whtc&&7*whtc)//表达移动后得到更优解,则总是接受移动
Y(best)=Y(i);//更新当前最优解
else
Y(i)=Y(i+1)//获取新组合片段
T=r*T;//降温退火,0<r<1。r越大,降温越慢;r越小,降温越快,若r过大,则搜索到全局最优解的可能会较高,但搜索的过程也就较长。若r过小,则搜索的过程会很快,但最终可能会达到一个局部最优值。
计算结果输出值以表3为例,存储于MySQL等关系型数据库中。
表3.计算结果以及存储类型
通过车辆的静态信息根据车辆型号、发动机型号进行高排车辆、高排车型的统计筛选,选取排放异常(异常通常定义为不符合统计学原理的“孤点”)车辆作为高排车辆,平均比排放较高车型作为高排车型。进行可视化展示。
为了验证该算法的可靠性,设计了实车PEMS测试的试验方法进行验证。选取了3辆不同车型的样车分别进行了实车PEMS试验,通过采集车辆实时传输数据,通过PEMS仪器进行车辆平均比排放测算。之后,由从平台中选取了同样3种车型(使用行业不同)计算平均比排放,用以本发明的排放分析方法与PEMS测试试验进行误差比对。
3辆车的静态信息如表4所示:
表4.PEMS试验车辆基本信息
试验路线采用城市-城郊-高速三段进行,试验路线与速度分布图如下4-5图所示:
PEMS试验结果如下表所示:
表5.PEMS试验计算结果
车型编号 | 1 | 2 | 6 |
平均比排放(g/kwh) | 6.74 | 5.19 | 0.34 |
平台通过PEMS功基算法进行相匹配的车型,获取了1、2、6三辆车的匹配车型。匹配车辆计算数值与PEMS测试计算的误差,1号车的平均绝对误差为6.7%;2号车的平均绝对误差为10.9%;6号车平均绝对误差为5.1%。
表6.平台计算结果
经对比试验验证,本发明的方法验证车辆除1号货车、2号货车误差较大,其余车辆平均误差均在5%左右,考虑到实际行驶的车辆实际载荷、运行道路路线跟试验车辆存在差异的因素,该误差在允许范围内。
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 (9)
1.一种提取组合短片段计算重型柴油车NOx排放的方法,其特征在于:包括如下步骤:
(1)利用OBD数据采集终端采集数据,并传输到云监测平台,并将数据存储,将车辆静态信息在平台备案,平台存储数据将数据清洗成按照时间顺序、可用于后续计算的数据集;
(2)平台中的工况片段提取模块能够将平台数据清洗模块提取的数据集切割片段,依据片段的平均速度与片段的速度标准差进行提取;
(3)平台中的工况片段组合模块能够根据工况片段提取模块中分好类的片段进行组合排序;
(4)平台中的组合片段筛选模块进行有效性判定,对判定不合格的归一化工况片段予以舍弃,重新进行工况片段组合;
(5)平台中的排放计算模块将组合片段筛选模块选择的符合要求的归一化工况片段进行NOx功基窗口法的计算;
(6)平台中的迭代模块可以重复(4)和(5)中的计算模块,通过迭代计算车辆平均比排放进行误差较准,通过排放计算模块计算的车辆NOx平均窗口比排放情况进行筛选,筛选出高排车辆与高排车型。
2.根据权利要求1所述的一种提取组合短片段计算重型柴油车NOx排放的方法,其特征在于:步骤(1)中采集的数据包括柴油机车VIN、车速、发动机净输出扭矩、发动机摩擦扭矩、发动机转速、发动机燃料流量、SCR下游NOx传感器输出值、进气量、发动机冷却液温度,需要备案的静态信息有:VIN、发动机型号、发动机额定功率、发动机参考扭矩、发动机WHTC循环功、整车质量、排放水平、行业类型、整车制造厂商、发动机制造厂商、燃料类型、后处理方式、车辆型号、整车类型。
3.根据权利要求1所述的一种提取组合短片段计算重型柴油车NOx排放的方法,其特征在于:步骤(2)中提取的片段分为:高速行驶片段、市郊行驶片段和市区行驶片段。
4.根据权利要求3所述的一种提取组合短片段计算重型柴油车NOx排放的方法,其特征在于:所述高速行驶片段中N1、M1类车平均时速大于90km/h,除N1、M1类车为n秒内平均时速大于70km/h,
针对除M1、N1外的车辆是否为高速行驶片段的判别公式为:
针对M1、N1类的车辆是否为高速行驶片段的判别公式为:
式中:
D1:除M1、N1外的车型集合,k为车辆索引;
D2:车型M1、N1集合,k为车辆索引;
[i,j]:时刻i到时刻j的时间段,t为时间索引,(单位:s);
σ:连续一段时间内的速度标准差;
S:标准差的最高限值;
n:车辆稳定行驶的时长,(单位:s)。
5.根据权利要求3所述的一种提取组合短片段计算重型柴油车NOx排放的方法,其特征在于:所述市郊行驶片段中,N1、M1类车平均时速为大于60km/h,小于90km/h,除,N1、M1类车外的n秒内平均时速大于45km/h,小于70km/h,
针对除M1、N1外的车辆是否为高速行驶片段的判别公式为:
针对M1、N1类的车辆是否为高速行驶片段的判别公式为:
D1:除M1、N1外的车型集合,k为车辆索引;
D2:车型M1、N1集合,k为车辆索引;
[i,j]:时刻i到时刻j的时间段,t为时间索引,(单位:s);
σ:连续一段时间内的速度标准差;
S:标准差的最高限值;
n:车辆稳定行驶的时长,(单位:s)。
7.根据权利要求1所述的一种提取组合短片段计算重型柴油车NOx排放的方法,其特征在于:步骤(3)中提取工况片段组合方式为:N1、M1类车辆各工况片段组成依次为:34%的市区路、33%的市郊路、33%高速路;N2、M2、M3类车辆各工况片段组成依次为:45%市区路、25%市郊路、30%高速路;N3类车辆各工况片段组成依次为:20%市区路、25%市郊路、55%高速路;城市车辆各工况片段组成依次为:70%市区路、30%市郊路;对提取工况片段依据市区、市郊、高速顺序进行排列组合。
8.根据权利要求1所述的一种提取组合短片段计算重型柴油车NOx排放的方法,其特征在于:根据步骤(4)中归一化工况片段进行有效片段,计算窗口平均功率比的计算公式为:
式中:
wref:发动机的循环功值,kwh;
wrate:发动机的最大功率,kwh;
t2,i-t1,i:循环功窗口i起始时刻与终止时刻差值,s。
计算窗口平均功率阈值,计算公式为:
k∈[0.2,0.19,0.18,0.17,0.16,0.15,0.14,0.13,0.12,0.11,0.1]
式中:
k:最大功率倍数集合;
判断有效窗口占比是否满足要求,若满足在规定的不小于最小功率阈值且有效窗口比例不小于50%情况,执行下一步;若条件不满足,该片段予以丢弃,选择其余片段进行片段组合,进行归一化工况。
9.根据权利要求1所述的一种提取组合短片段计算重型柴油车NOx排放的方法,其特征在于:步骤(5)中的结果包括:NOx有效点通过率、NOx窗口通过率、NOx平均窗口比排放。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321154.2A CN112486962A (zh) | 2020-11-23 | 2020-11-23 | 一种提取组合短片段计算重型柴油车NOx排放的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321154.2A CN112486962A (zh) | 2020-11-23 | 2020-11-23 | 一种提取组合短片段计算重型柴油车NOx排放的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112486962A true CN112486962A (zh) | 2021-03-12 |
Family
ID=74933647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011321154.2A Pending CN112486962A (zh) | 2020-11-23 | 2020-11-23 | 一种提取组合短片段计算重型柴油车NOx排放的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112486962A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048639A (zh) * | 2022-01-13 | 2022-02-15 | 天津大学 | 利用网传数据监控在用车辆NOx排放的数据处理方法 |
CN114910611A (zh) * | 2022-05-19 | 2022-08-16 | 北京市生态环境监测中心 | 适用于机动车远程排放监控***的检测***及检测方法 |
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 |
---|---|---|---|---|
CN109782650A (zh) * | 2018-12-03 | 2019-05-21 | 中国汽车技术研究中心有限公司 | 一种基于多种传感器的车载远程监控终端 |
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 |
CN111310280A (zh) * | 2020-02-27 | 2020-06-19 | 杭州电子科技大学 | 汽车运动学片段提取及工况图合成方法 |
CN111537412A (zh) * | 2020-05-08 | 2020-08-14 | 重庆超力高科技股份有限公司 | 排放监测装置、***及方法 |
CN111598424A (zh) * | 2020-05-07 | 2020-08-28 | 中汽研汽车检验中心(天津)有限公司 | 一种基于重型柴油车远程监控数据的排放计算方法 |
CN111639683A (zh) * | 2020-05-14 | 2020-09-08 | 上海工程技术大学 | 基于obd技术评价柴油车氮氧化物排放等级的方法 |
-
2020
- 2020-11-23 CN CN202011321154.2A patent/CN112486962A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782650A (zh) * | 2018-12-03 | 2019-05-21 | 中国汽车技术研究中心有限公司 | 一种基于多种传感器的车载远程监控终端 |
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 |
CN111310280A (zh) * | 2020-02-27 | 2020-06-19 | 杭州电子科技大学 | 汽车运动学片段提取及工况图合成方法 |
CN111598424A (zh) * | 2020-05-07 | 2020-08-28 | 中汽研汽车检验中心(天津)有限公司 | 一种基于重型柴油车远程监控数据的排放计算方法 |
CN111537412A (zh) * | 2020-05-08 | 2020-08-14 | 重庆超力高科技股份有限公司 | 排放监测装置、***及方法 |
CN111639683A (zh) * | 2020-05-14 | 2020-09-08 | 上海工程技术大学 | 基于obd技术评价柴油车氮氧化物排放等级的方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048639A (zh) * | 2022-01-13 | 2022-02-15 | 天津大学 | 利用网传数据监控在用车辆NOx排放的数据处理方法 |
CN114048639B (zh) * | 2022-01-13 | 2022-04-22 | 天津大学 | 利用网传数据监控在用车辆NOx排放的数据处理方法 |
CN114910611A (zh) * | 2022-05-19 | 2022-08-16 | 北京市生态环境监测中心 | 适用于机动车远程排放监控***的检测***及检测方法 |
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 |
---|---|---|
CN112486962A (zh) | 一种提取组合短片段计算重型柴油车NOx排放的方法 | |
CN111452619B (zh) | 电动车辆在线能耗预测方法及*** | |
Duran et al. | GPS data filtration method for drive cycle analysis applications | |
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 | |
CN111598424A (zh) | 一种基于重型柴油车远程监控数据的排放计算方法 | |
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 | |
CN107330300B (zh) | 一种基于支持向量回归的车辆尾气浓度反演方法 | |
CN111639683B (zh) | 基于obd技术评价柴油车氮氧化物排放等级的方法 | |
CN107886188B (zh) | 液化天然气公交尾气排放预测方法 | |
CN113806675B (zh) | 一种NOx排放与油耗特征分析方法 | |
CN108763643B (zh) | 一种地区机动车排放因子计算方法 | |
CN113158125B (zh) | 一种基于车联网的柴油车NOx排放评测方法 | |
CN114991922B (zh) | 一种车辆NOx排放超标的实时预警方法 | |
CN106682699A (zh) | 一种基于聚类分析的车辆尾气排放特征分析处理方法 | |
CN111125636B (zh) | 基于城市隧道的机动车排放因子计算方法 | |
CN116307837A (zh) | 一种基于多种监测技术的区域机动车排放评估方法及*** | |
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 | |
CN105044278A (zh) | 汽车碳排放检测方法及装置 | |
CN116558834A (zh) | Pems排放分析方法、装置、计算机设备和存储介质 | |
CN115983720A (zh) | 基于海拔和温度的汽车排放性能检测方法 | |
CN113918890B (zh) | 一种基于移动窗口库的低负荷工况构建方法 | |
CN115392116A (zh) | 一种基于obd数据修复的重型柴油卡车超排判定方法 | |
CN115655730A (zh) | 重型柴油车PEMS测试中NOx排放的计算方法 | |
CN114332825B (zh) | 基于深度学习的道路地形分布识别方法、设备和存储介质 | |
Fei et al. | Discrimination of excessive exhaust emissions of vehicles based on Catboost algorithm |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210312 |