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

本发明专利技术提供了由油品烃组成快速预测汽车常规气态污染物排放的方法，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、用步骤S1中选取的每种油品进行实车启动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，得到试验车辆的实际污染物排放量数据。本发明专利技术有益效果：本方案可以在一定程度上消除自变量共线性或样本不足的局限，在更大程度上扩展参与拟合的样本特征，并加入预测准确性的阈值，不断迭代，从而提高常规气态污染物排放量的预测准确性和适应性。污染物排放量的预测准确性和适应性。污染物排放量的预测准确性和适应性。

【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体烃组分结构的变化，直接影响汽油车的碳氢化合物、一氧化碳、氮氧化物、二氧化碳等和颗粒物等常规气态污染物排放。
[0003]汽车污染防治的目标是控制污染物排放、降低其对环境质量影响，主要途径有提高油品质量、改善发动机燃烧技术和强化后处理装置性能等，其中车用汽油是汽车排放污染的源头。随着汽车排放法规及标准逐步加严，汽油品质对汽车排放影响越来越大。良好的燃油品质是先进发动机技术应用的前提条件，也是尾气净化装置高效运行的重要保障，所以汽车排放污染的有效控制离不开燃油的品质保障。
[0004]综述所述，结合实车的I型常温冷启动排放试验和试验结果，确定汽车各常规气态污染物排放水平的油品关键指标和烃族组成，从而建立油品指标和烃族组成对汽车各常规气态污染物排放水平的进行快速预测分析方法，仍是将来的重点研究方向，因此亟需由油品烃组成快速预测汽车常规气态污染物排放的方法。

技术实现思路

[0005]有鉴于此，本专利技术旨在提出由油品烃组成快速预测汽车常规气态污染物排放的方法，该方法法计算简单，可用于快速分析待测车辆的常规气态污染物排放量，具有预测准确性和适应性。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：由油品烃组成快速预测汽车常规气态污染物排放的方法，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
‑
排放量数据的预测数据集；S4、将步骤S3中的预测数据集随机划分为训练集、验证集和测试集；S5、利用步骤S4中的训练集数据进行油品样本—排放量数据的回归拟合，建立偏基于训练集的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值进行预测；S6、利用验证集的预测结果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为精度阈值，T1可根据决定系数R2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，建立合并后的偏最小二乘法预测模型，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，计算最终的偏最小二乘法预测模型回归系数；S9、利用基于步骤S8中得到的回归系数的偏最小二乘法预测模型，对具有不同油品特征的油品样本的常规气态污染物排放量进行预测。
[0007]进一步的，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，，。
[0008]进一步的，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，若大于设定的阈值T1，则用残差矩阵代替（2）中得到的新的自变量矩阵、因变量矩阵，进行迭代计算，直到残差满足精度要求；A6、经过r次步骤（3）至（5）的迭代计算，建立因变量矩阵与自变量矩阵间的回归，得到的预测模型。
[0009]进一步的，在步骤S6中，利用下述公式计算：
ꢀ
。
[0010]进一步的，在步骤S8中，评估参数包括、MAPE，利用如下公式计算：其中，为解释方差，为模型评估系数。
[0011]进一步的，在步骤A1中，标准化处理的方法如下：其中，、为原始数据标准化后对应的自变量矩阵、因变量矩阵，mean()、std()分别表示变量数据集某一特征纬度的均值和标准差。
[0012]进一步的，在步骤A2中，根据下式（2）（3）处理油品样本的油品烃族组成与常规气态污染物排放的关系，根据相关性系数R值与显著性水平P值去除与常规气态污染物无关的油品特征，并得到新的自变量矩阵、因变量矩阵：：其中，R表示变量之间的相关性系数值，n为自变量个数，t为T检验分布计算值，根据t值在T分布列表中找到相应的显著性水平P值，R值的取值范围为[
‑
1,1]，R越接近于1，相关性则越大，人为设定阈值R，t = 0.05值，当P < t时，认为R值具有可信度，反之剔除该变量。
[0013]进一步的，将步骤A3中的条件表示为下式（4）所示形式：其中，，，、是转化权重矩阵，为迭代次数计数；
然后利用Lagrange乘数法将求单位向量和,使最大，由式（5）可得：其中，，为最大特征值，，为最大特征值对应的特征向量。
[0014]进一步的，在步骤A4中，方法如下：其中，、为回归系数矩阵，、为残差矩阵；按下式（7）获得回归系数矩阵，相应的残差矩阵如下式（8）：残差矩阵：进一步的，在步骤A6中，建立的因变量矩阵与自变量矩阵间的回归：其中，为第k次迭代的得分矩阵，表达形式如式（10）所示：其中，，，；其中，为第k次迭代对应的的单位特征向量，满足；的预测模型为：令，，
得：其中为通过油品烃族组成预测得到的汽车常规气态污染物排放值，为参与拟本文档来自技高网...

【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：