基于PEMS測量的機(jī)動(dòng)車尾氣預(yù)測研究

于 坤，董紅召，李家文，郝偉娜

(浙江工業(yè)大學(xué) 智能交通系統(tǒng)聯(lián)合研究所 特種裝備制造與先進(jìn)加工技術(shù)教育部/浙江省重點(diǎn)實(shí)驗(yàn)室，杭州 310014)

?

基于PEMS測量的機(jī)動(dòng)車尾氣預(yù)測研究

于 坤，董紅召，李家文，郝偉娜

(浙江工業(yè)大學(xué) 智能交通系統(tǒng)聯(lián)合研究所 特種裝備制造與先進(jìn)加工技術(shù)教育部/浙江省重點(diǎn)實(shí)驗(yàn)室，杭州 310014)

為了實(shí)現(xiàn)對(duì)機(jī)動(dòng)車尾氣排放的控制，解決現(xiàn)有預(yù)測模型未能通過燃油消耗來研究污染物排放以及未能建立起油耗及其車外可觀測影響因素之間的關(guān)系問題，對(duì)油耗數(shù)據(jù)及其理論模型進(jìn)行了研究，提出了微觀綜合預(yù)測模型，它是根據(jù)便攜式尾氣測量系統(tǒng)(PEMS)實(shí)際工況下測量的機(jī)動(dòng)車油耗與各污染物排放數(shù)據(jù)，并結(jié)合油耗的理論模型建立起的綜合預(yù)測模型；最后，通過實(shí)驗(yàn)對(duì)綜合預(yù)測模型進(jìn)行了實(shí)例分析與驗(yàn)證；實(shí)驗(yàn)結(jié)果表明，綜合預(yù)測模型首次對(duì)污染物CO和NO的預(yù)測模擬值和實(shí)測值之間的平均誤差分別為14.3%和12.8%，實(shí)現(xiàn)了較好的預(yù)測效果，為進(jìn)一步研究燃油消耗和排放的關(guān)系奠定了很好的基礎(chǔ)。

機(jī)動(dòng)車尾氣排放；尾氣測量；燃油消耗；預(yù)測模型

0 引言

隨著我國機(jī)動(dòng)車保有量的不斷增長，機(jī)動(dòng)車對(duì)燃油需求的不斷增加，能源危機(jī)及大氣污染等問題也隨之而來[1]。尾氣污染給大氣帶來的影響尤為嚴(yán)重，如以杭州市為例，灰霾天數(shù)20世紀(jì)70年代只有2天，80年代和90年代共143天，而到了2011年以后市區(qū)霾日數(shù)每年都有約160天并且呈現(xiàn)增長趨勢[2]。因此，為實(shí)現(xiàn)對(duì)機(jī)動(dòng)車尾氣排放的控制，降低尾氣排放對(duì)大氣帶來的污染，對(duì)尾氣排放的預(yù)測研究顯得尤為重要。此研究為確定機(jī)動(dòng)車污染物排放總量及其對(duì)環(huán)境影響量化分析提供了重要的依據(jù)[3]。通過尾氣排放模型計(jì)算排放的方法在國內(nèi)外機(jī)動(dòng)車尾氣排放研究過程中也取得了較好的應(yīng)用效果[4]。

目前國內(nèi)外對(duì)尾氣排放預(yù)測模型已研究多年，從美國最早提出的MOBILE模型以及其后來相應(yīng)的改進(jìn)模型，之后針對(duì)地域性排放較強(qiáng)的EMFAC模型，歐洲共同體的COPERT模型，國際可持續(xù)發(fā)展研究中心和加州大學(xué)河邊分校開發(fā)的IVE模型，再到國內(nèi)目前引用廣泛的郝吉明等研究模擬的多個(gè)大城市機(jī)動(dòng)車排放因子模型，以及后來國內(nèi)針對(duì)國外不同模型的本地化修正研究模型，利用油耗來研究尾氣排放都沒有得到引用[5-8]。并且，油耗作為尾氣排放的根源，從此角度研究需要考慮的參數(shù)量少，而且可以從油耗和各污染物排放的影響因素建立的聯(lián)系找到油耗和排放的關(guān)系。因此，本文結(jié)合大量的機(jī)動(dòng)車實(shí)際排放數(shù)據(jù)進(jìn)行研究分析，并深入對(duì)發(fā)動(dòng)機(jī)燃油消耗模型進(jìn)行綜合，建立起符合實(shí)際城市道路交通特性的綜合排放預(yù)測方法，并獲得了很好的模擬效果。這為更好地實(shí)現(xiàn)對(duì)機(jī)動(dòng)車尾氣排放的控制和對(duì)其污染狀況的研究提供了一種新的思路。

1 油耗與污染物排放的相關(guān)性分析

首先，在建立模型之前，需要對(duì)燃油消耗和各污染物排放之間的數(shù)據(jù)進(jìn)行相關(guān)性分析，然后通過回歸分析建立起燃油消耗和各污染物排放之間的模型。本數(shù)據(jù)選取的是多種典型小型客車的基于車載檢測設(shè)備(PEMS)實(shí)際工況下的相關(guān)實(shí)驗(yàn)而測量的數(shù)據(jù)。實(shí)驗(yàn)選用若干款能夠代表小型客車的車型，因此其得到的預(yù)測模型只針對(duì)實(shí)際工況(不含怠速工況)下的小型客車的尾氣排放。

根據(jù)數(shù)據(jù)參數(shù)以及建模需要的變量，對(duì)機(jī)動(dòng)車燃油消耗量和尾氣排放作相關(guān)性分析。而相關(guān)性系數(shù)是此分析中使用的統(tǒng)計(jì)量，對(duì)其做皮爾森相關(guān)系數(shù)和斯皮爾曼相關(guān)系數(shù)的統(tǒng)計(jì)，皮爾森相關(guān)系數(shù)用于評(píng)價(jià)線性相關(guān)的變量間相關(guān)程度，而斯皮爾曼相關(guān)系數(shù)用于評(píng)價(jià)非線性相關(guān)的變量間相關(guān)程度。表1是計(jì)算出的燃油消耗與各污染物排放之間相關(guān)系數(shù)的結(jié)果。選用的數(shù)據(jù)量為實(shí)驗(yàn)車運(yùn)行一個(gè)綜合城市工況，約0.5小時(shí)的逐秒統(tǒng)計(jì)量(近2 000條數(shù)據(jù))。

表1 油耗Qt和各污染物排放間的相關(guān)系數(shù)

從表1中可以得出以下結(jié)論：1)燃油消耗量與污染物CO和NO的排放緊密相關(guān)。這主要表現(xiàn)為油耗與污染物CO和NO排放之間的皮爾森相關(guān)系數(shù)和斯皮爾曼相關(guān)系數(shù)在0.4～0.9之間。2)對(duì)于上述兩種污染物來說，油耗和排放的關(guān)系更傾向于非線性，因?yàn)樗鼈兊乃蛊柭嚓P(guān)系數(shù)比皮爾森相關(guān)系數(shù)大得多。3)燃油消耗與污染物HC的排放之間的相關(guān)系數(shù)較小，這暗示著HC污染物的成因有待更多數(shù)據(jù)的進(jìn)一步研究，用此方法研究此種污染物排放預(yù)測模型行不通。于是對(duì)污染物CO與NO分別按原數(shù)據(jù)進(jìn)行回歸分析。

2 綜合預(yù)測模型的建立

對(duì)上述燃油消耗和污染物之間的數(shù)據(jù)建立回歸模型，最后綜合燃油消耗模型可得到最終的綜合預(yù)測模型。此預(yù)測模型充分考慮了城市道路非怠速駕駛工況下的機(jī)動(dòng)車排放各主要車外可觀測影響因素。

2.1 模型變量間回歸方程的建立

污染物CO和NO(通常對(duì)于NOX的研究主要針對(duì)NO，因?yàn)镹O2的量相比NO甚少)是汽車尾氣排放中最主要的污染物，燃油消耗量的增加，其排放量也會(huì)明顯增加。如圖1是實(shí)驗(yàn)數(shù)據(jù)中的某一輛典型車型的機(jī)動(dòng)車在某一段連續(xù)時(shí)間點(diǎn)對(duì)應(yīng)的機(jī)動(dòng)車燃油消耗量和尾氣污染物CO排放率之間隨時(shí)間變化的曲線圖，圖2是對(duì)應(yīng)的回歸曲線圖；圖3是燃油消耗量和尾氣污染物NO排放率之間隨時(shí)間變化的曲線圖，圖4是對(duì)應(yīng)的回歸曲線圖。

圖1 CO排放率與燃油消耗量隨時(shí)間變化曲線

圖2 CO排放率與燃油消耗量相關(guān)性曲線

圖3 NO排放率與燃油消耗量隨時(shí)間變化曲線

圖4 NO排放率與燃油消耗量相關(guān)性曲線

根據(jù)上述圖表分析可得如下回歸方程，選取擬合度最高的模型為先。式(1)為污染物CO得到的回歸方程，根據(jù)上述擬合結(jié)果得到其中的參數(shù)y1=0.01679,A1=-0.01365,t1=1.97521E-4；式(2)為污染物NO得到的回歸方程，根據(jù)上述擬合結(jié)果得到參數(shù)y2=0.14169,A2=-0.14494,t2=6.58168E-4。

(1)

(2)

式中，x代表燃油消耗量，y代表各污染物的瞬時(shí)排放量(分別為CO、NO)。

2.2 油耗理論模型的建立

由于針對(duì)燃油消耗和影響因素之間建立起來的關(guān)系并沒有得到推廣，而且從理論角度獲得的模型避免了直接由回歸分析建立的模型帶來的參數(shù)量多而可能導(dǎo)致的精度問題。因此，從汽車的行駛方程式出發(fā)，結(jié)合功率平衡推導(dǎo)出實(shí)際道路工況下機(jī)動(dòng)車的瞬時(shí)燃油消耗量模型。

對(duì)于機(jī)動(dòng)車運(yùn)行的每一瞬間，發(fā)動(dòng)機(jī)發(fā)出的功率Pe(kw)始終等于機(jī)械傳動(dòng)損失的功率與全部運(yùn)動(dòng)阻力所消耗的功率之和，設(shè)機(jī)動(dòng)車行駛S(km)用時(shí)t(s)，則有：

(3)

式中，F(xiàn)t為汽車的驅(qū)動(dòng)力、Ff為滾動(dòng)阻力、Fw為空氣阻力、Fi為坡度阻力、Fj為加速阻力、ηT為傳動(dòng)系的機(jī)械效率。其中，發(fā)動(dòng)機(jī)發(fā)出的功率可以和燃油消耗率b[9](g/kw·h)建立關(guān)系，在汽油發(fā)動(dòng)機(jī)的萬有特性圖上，有等燃油消耗率曲線，根據(jù)這些曲線，可以確定發(fā)動(dòng)機(jī)在一定轉(zhuǎn)速n(r·min-1)、發(fā)出一定功率Pe時(shí)的燃油消耗率b。于是可以得到在某行駛速度V(m/s)行駛某個(gè)很短的時(shí)間的燃油消耗量為Qt(mL/s)。從而有：

(4)

將式(4)帶入式(3)并把其中各阻力表達(dá)式展開可以得到：

(5)

式中，ρ(kg/L)為汽油密度，m為機(jī)動(dòng)車質(zhì)量(kg)，g為重力加速度，取9.8 m/s2，f為滾動(dòng)阻力系數(shù)，α為道路坡度，CD為空氣阻力系數(shù)，A為車輛迎風(fēng)面積(m2)，ρa(bǔ)ir為空氣密度，一般取值1.2258(N.s2.m-4)，G為車輪負(fù)載(N)，δ為旋轉(zhuǎn)質(zhì)量換算系數(shù)，a為車輛行駛加速度(m.s-2)。于是初步得到模型的理論表達(dá)式為：

Qt=k1mv+k2V3+k3mvi+k4mva+ε

(6)

式中，i為道路坡度參數(shù)，ε為模型的誤差項(xiàng)，各個(gè)系數(shù)分別為式(7)～(10)所示：

(7)

(8)

(9)

(10)

根據(jù)研究的不同車型可帶入與其對(duì)應(yīng)的各自不同的系數(shù)從而得到不同車型的燃油消耗量模型，在此研究中，模型中需要帶入小型客車的參數(shù)。由此可以看出車速、加速度、道路坡度參數(shù)、機(jī)動(dòng)車質(zhì)量等都為燃油消耗的主要影響因素，這也是影響排放的各車外可觀測影響因素。進(jìn)而結(jié)合上述根據(jù)大量燃油消耗和污染物排放的數(shù)據(jù)得到的回歸分析模型，最終得出綜合排放預(yù)測模型。

2.3 尾氣排放微觀綜合預(yù)測模型的建立

根據(jù)上述推導(dǎo)和建?？梢缘贸鑫矚馀欧盼⒂^綜合預(yù)測模型如式(11)的CO預(yù)測模型和式(12)的NO預(yù)測模型。

(11)

(12)

式中，C為加侖(gal)和升(L)的換算值，取美國的換算值約為3.785427。

3 實(shí)例分析及驗(yàn)證

實(shí)驗(yàn)的設(shè)計(jì)是為了評(píng)價(jià)以上建立的尾氣排放綜合模型在尾氣預(yù)測方面的表現(xiàn)。采用的方法是用PEMS所測量的數(shù)據(jù)和綜合預(yù)測模型模擬的結(jié)果進(jìn)行對(duì)比分析，并得出各種污染物相應(yīng)的誤差，最終得出結(jié)論。

如圖5是選取的隨機(jī)驗(yàn)證實(shí)驗(yàn)車輛(小型客車浙A23**W)的速度隨著時(shí)間變化的原始曲線，圖6是其相應(yīng)的加速度隨著時(shí)間變化的原始曲線，實(shí)驗(yàn)選取的是非高峰期時(shí)段的測量(避免了高峰期頻繁的怠速工況，且紅綠燈等待時(shí)間的影響相比總的實(shí)驗(yàn)測量時(shí)間可忽略)，測量包含了等速工況和加(減)速工況，選取的實(shí)驗(yàn)場地坡度近似為零，故而模型的坡度項(xiàng)可忽略。

圖5 市區(qū)路速度隨著時(shí)間變化的原始曲線

圖6 市區(qū)路加速度隨著時(shí)間變化的原始曲線

從圖中可以看出，實(shí)驗(yàn)測量包含了實(shí)際城市道路下的各種可能工況。在確定驗(yàn)證車輛在模型里的各個(gè)參數(shù)之后，按照上述所建立的綜合排放預(yù)測模型模擬計(jì)算驗(yàn)證車輛的CO和NO排放速率，實(shí)測值和模擬值之間的關(guān)系如表2和表3所示。

表2 等速工況實(shí)測值和模擬值對(duì)比結(jié)果

表3 加速工況實(shí)測值和模擬值對(duì)比結(jié)果

由表2和表3可見：運(yùn)用綜合預(yù)測模型對(duì)污染物CO和NO進(jìn)行預(yù)測，在等速工況下的模擬值和實(shí)測值的平均誤差分別為16.7%和15.5%，在加速工況下模擬值和實(shí)測值的平均誤差分別為11.9%和10.0%，總的平均誤差分別為14.3%和12.8%。結(jié)合上述燃油消耗和污染物的相關(guān)系數(shù)，表明預(yù)測模型對(duì)NO的預(yù)測效果比對(duì)CO的預(yù)測效果好，這是由于NO的產(chǎn)生來源是空氣中的N2，其值和燃油消耗存在著穩(wěn)定的關(guān)系，即不管是等速或是加(減)速工況，NO的產(chǎn)生總是和燃油消耗存在著一種對(duì)應(yīng)關(guān)系，而CO的來源取決于燃油和空氣的相對(duì)量，隨著空氣量的相對(duì)增大，其排放就相應(yīng)降低。故而從燃油消耗對(duì)污染物CO和NO的預(yù)測是可行的。這也從另一個(gè)角度暗示預(yù)測模型不能對(duì)HC(由于其成因不僅來源于油耗，也有蒸發(fā)排放的影響)進(jìn)行模擬預(yù)測，如圖7所示為HC排放率與燃油消耗量之間原始數(shù)據(jù)的對(duì)應(yīng)曲線，圖中顯示它們之間并不存在著明顯的相關(guān)性，其皮爾森相關(guān)系數(shù)和斯皮爾曼相關(guān)系數(shù)分別為0.201和0.199。

圖7 HC排放率與燃油消耗量對(duì)應(yīng)曲線

4 結(jié)論

本文為通過燃油消耗量來預(yù)測污染物排放提供了一種可行的方法，它也從污染物產(chǎn)生的根源出發(fā)而建立了和污染物排放的車外可觀測影響因素之間的聯(lián)系。利用建立的微觀綜合預(yù)測模型可以在輸入相應(yīng)車外可觀測數(shù)據(jù)的情況下實(shí)時(shí)預(yù)測出CO，NO兩種污染物的排放情況，這為研究城市機(jī)動(dòng)車尾氣排放量，控制交通污染和發(fā)展低碳交通提供了一種可行的方法。預(yù)測模型并不能對(duì)HC污染物進(jìn)行預(yù)測，這說明此污染物的產(chǎn)生來源不僅僅是燃料燃燒而產(chǎn)生的，很可能是其他因素(如油箱、曲軸箱等的蒸發(fā)排放)導(dǎo)致的燃油消耗和HC排放之間的相關(guān)系數(shù)較小，通過燃油消耗并不能實(shí)現(xiàn)對(duì)其的預(yù)測，有待結(jié)合擴(kuò)散模式進(jìn)行進(jìn)一步的研究。對(duì)于怠速工況下的油耗模型，需要結(jié)合車內(nèi)可觀測影響因素進(jìn)行研究。此外，對(duì)于更高速區(qū)的污染物排放的預(yù)測，需要結(jié)合污染物CO和NO的產(chǎn)生機(jī)理，有待進(jìn)一步的研究。

[1]ChanCK,YaoXH.AirpollutioninmegacitiesinChina[J].AtmosphericEnvironment,2008,42(1):41-42.

[2] 董紅召，徐勇斌，陳 寧. 城市交通中機(jī)動(dòng)車尾氣排放與擴(kuò)散特性的研究[J]. 內(nèi)燃機(jī)工程,2011,32(2):12-13.

[3] 郝吉明，傅立新，賀克斌，等. 城市機(jī)動(dòng)車排放污染控制[M]. 北京：中國環(huán)境科學(xué)出版社，2001.

[4]郭 慧，張清宇，施 耀，等. 杭州市區(qū)機(jī)動(dòng)車危險(xiǎn)氣態(tài)污染物排放的模型計(jì)算[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版),2007,41(7):1223-1228.

[5]郝艷召，宋國華，邱兆文，等. 基于浮動(dòng)車數(shù)據(jù)的機(jī)動(dòng)車排放實(shí)時(shí)測算模型[J].中國環(huán)境科學(xué),2015(2):396-402.

[6]王海龍，馮 斌. 機(jī)動(dòng)車非常規(guī)污染物排放特性研究[J]. 環(huán)境工程，2014(SI)：474-477.

[7]USEPA.User’sGuidetoMOBILE6.1andMOBILE6.2[J].EnvironmentalProtectionAgencyofUnitedStates,EPA420-R03-010,2003.

[8]王曉寧，張宏智，付亞君.機(jī)動(dòng)車尾氣排放量計(jì)算方法研究[J]. 公路交通技術(shù)，2016,32(1):130.

[9]余志生.汽車?yán)碚揫M].北京：機(jī)械工業(yè)出版社，2009.

Research on Prediction of Vehicle Exhaust Based on Measurement by PEMS

Yu Kun，Dong Hongzhao，Li Jiawen，Hao Weina

(ITS Joint Research Institute, Ministerial and Provincial Key Laboratory of E&M,Zhejiang University of Technology, Hangzhou 310014, China)

Aiming at realizing the control of vehicle exhaust emissions, solving the problem that the existing model can’t predict the pollutant through the fuel consumption and establish the contact between the fuel consumption and the factors affecting the pollutant emissions, the date of the fuel consumption and the theoretical model were researched, then the microscopic comprehensive prediction model was proposed. It was the model that made by the date of fuel consumption and the pollutant emissions that based on the real world driving cycle measured by Portable Emission Measurement System (PEMS), and then combined the theoretical model of the fuel consumption. At last, the comprehensive prediction model was proved by using the real-time date that was also collected by the PEMS. The experimental result shows that the effect of the model used the first time was accurate enough to predict the pollutant emissions such as CO and NO that the error between the actual and the predicted was 14.3% and 12.8%, and lays the good foundation for further experiment with the contact between the fuel consumption and the pollutant emissions.

vehicle exhaust emissions; exhaust measurement; fuel consumption; prediction model

2016-04-01；

2016-05-10。

國家863計(jì)劃資助項(xiàng)目(SQ2014GX05D00758)。

于 坤(1989-)，男，江蘇連云港人，碩士研究生，主要從事機(jī)動(dòng)車尾氣排放預(yù)測與控制方向的研究。

董紅召(1969-)，男，教授，博士生導(dǎo)師。主要從事智能交通車輛集成系統(tǒng)方向的研究。

1671-4598(2016)09-0058-03

10.16526/j.cnki.11-4762/tp.2016.09.016

TK401

A