加强车辆排放监测:基于GA-GRU的软传感器方法用于HDDV

科学领域:

• 环境科学 环境科学
• 汽车工程 汽车工程
• 计算机科学 计算机科学

背景情况:

• 汽车排放对城市空气质量和公共卫生产生重大影响,需要严格的法规.
• 便携式排放测量系统 (PEMS) 是用于测量重型柴油车 (HDDV) 的道路NOx和PN的标准,但资源密集型.
• 现有的车载诊断 (OBD) 系统缺乏对NOx和PN的实时排放监测能力.

研究的目的:

• 开发一个具有成本效益和高效的软传感器,用于实时监测HDDV的NOx和PN排放.
• 将这种软传感器集成到车辆的OBD系统中,增强其自我监控能力.
• 解决用于NOx和PN排放跟踪的专用软传感器的研究缺口.

主要方法:

• 开发了一个神经网络模型,结合了遗传算法 (GA) 和门式循环单元 (GRU).
• 用皮尔森相关系数 (CC) 来简化和确定车载诊断 (OBD) 数据的相关性.
• 在各种条件下,GA-GRU模型使用来自HDDV的真实驾驶数据进行训练,并作为OBD系统中的软传感器嵌入.

主要成果:

• 拟议的GA-GRU软传感器显示出出色的R平方值,在精度方面表现优于常规模型.
• 软传感器有效地识别和消除了异常值,确保在车辆的使用寿命中保持一致的性能.
• 该模型在各种驾驶场景下准确地追踪了实时的NOx和PN排放.

结论:

• 开发的GA-GRU软传感器为车辆OBD系统提供了突破性的改进,用于持续监测排放.
• 这种方法为追踪NOx和PN排放提供了PEMS的成本效益和时间效率高的替代方案.
• 这种软传感器的集成从根本上改善了车辆对环境影响的自我监测能力.