【技术实现步骤摘要】
由油品烃组成快速预测汽车常规气态污染物排放的方法
[0001]本专利技术属于汽车气态污染物排放测试领域，尤其是涉及由油品烃组成快速预测汽车常规气态污染物排放的方法。
技术介绍
[0002]随着汽车保有量的快速增加，加强汽车排放控制是目前城市大气污染防治领域的重要问题。在“车
‑
油
‑
路”的汽车污染防治体系中，油品质量对发动机性能尤其是排放性能有重要影响。汽车排放法规的日益严格促进内燃机排放控制技术不断进步，如柴油机超高燃油喷射、可变进排气系统以及后处理装置技术的快速发展，进一步要求车用燃油加快清洁化发展，以满足内燃机实现近零排放和高效率、低油耗的发展需求。油品品质和指标升级变化可以直接改善发动机的机内排放以及蒸发排放，且对后处理系统也会产生间接影响，因此油品升级仍然是改善机动车排放的重要手段之一。汽油中烯烃含量、芳烃含量、T10（蒸馏出10%体积汽油时所对应温度）、T50（蒸馏出50%体积汽油时所对应温度）、T90（蒸馏出90%体积汽油时所对应温度）和含氧化合物含量等指标可详细反映出汽油具...
【技术保护点】
【技术特征摘要】
1.由油品烃组成快速预测汽车常规气态污染物排放的方法，其特征在于，包括以下步骤：S1、选取油品样本并确定油品特征，测量油品样本中的每种油品特征的含量，所述油品特征包括：油品的馏程、烯烃含量、芳烃含量、含氧化合物含量，以及油品的不同碳数的烃类含量、苯含量和含氧化合物含量；S2、将步骤S1中选取的每种油品样本进行实车Ⅰ型常温冷启动后排放试验，对常规气态污染物的排放量进行测定，形成该试验车辆的实际排放量数据；S3、将每辆试验车的常规气态污染物的排放量数据与步骤S1中的油品特征组成数据进行对应，形成不同油品特征
‑
常规气态污染物排放量的预测数据集；S4、将步骤S3中的预测数据集随机划分为训练集、测试集和验证集；S5、利用步骤S4中的训练集数据进行油品特征—排放量数据的回归拟合，建立基于训练集的偏最小二乘法预测模型，通过偏最小二乘法预测模型对验证集的常规气态污染物排放量进行预测；S6、利用验证集求解偏最小二乘法预测模型的回归系数，计算验证集的预测决定系数；S7、首先设置临界阈值T1、T2，所述阈值T1为残差迭代的精度阈值，T1可根据决定系数进行动态调参，若步骤S6中的决定系数不满足设定的阈值T2则调整精度阈值T1，直到决定系数满足阈值T2，若决定系数满足设定阈值T2，则进行步骤S8；S8、将步骤S4中的训练集与验证集合并，求解合并后的偏最小二乘法预测模型的回归系数，并通过步骤S4中的测试集进行模型适应性评估，最后将步骤S4中的训练集、验证集和测试集合并，建立最终的偏最小二乘法预测模型；S9、利用基于步骤S8中得到的预测模型，可对具有不同油品特征的油品样本进行常规气态污染物排放量的预测。2.根据权利要求1所述的由油品烃组成快速预测汽车常规气态污染物排放的方法，其特征在于，在步骤S3中，设定自变量油品样本x有m个油品特征，因变量排放量数据y为q个常规气态污染物，样本数量为n，其中，，。3.根据权利要求1所述的由油品烃组成快速预测汽车常规气态污染物排放的方法，其特征在于，在步骤S5中，拟合方法包括以下步骤：A1、对油品每种油品特征的组成含量与常规气态污染物排放数据进行标准化处理，得到标准化处理后的自变量矩阵、因变量矩阵；A2、根据油品样本中的油品烃族组成与常规气态污染物排放的相关性关系，去除与常规气态污染物排放无关的油品特征，得到新的自变量矩阵、因变量矩阵；A3、分别提取新的自变量矩阵的主成分、因变量矩阵中的主成分，记t1和u1为提取的第一对主成分，要求t1和u1满足方差最大的条件同时具有最大的相关性；A4、建立回归模型，计算主成分与自变量、因变量之间的回归系数矩阵和残差系数矩阵；
A5、计算残差，并判断残差是否满足精度要求，若大于设定的...
【专利技术属性】
技术研发人员：张欣，李菁元，杨正军，李孟良，王竟涛，周磊，邹雄辉，张罗伟，李春，
申请(专利权)人：中汽研汽车检验中心天津有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。