机动车油耗模型研究综述

随着交通运输业的蓬勃发展,机动车保有量急剧增长,从而导致燃油过度消耗与排放,引发了能源短缺与环境污染等问题。国内外学者致力于机动车燃油消耗模型的研究,旨在提高模型的准确率,降低车辆的燃油消耗,响应可持续发展战略。对此,依据不同的视角,将机动车的燃油消耗模型分为基于汽车动力学原理的传统油耗模型和基于机器学习方法的数据驱动油耗模型两大类。将这两大类的燃油消耗模型又分为各小类分别进行介绍,内容包含各类模型的发展历程、优缺点与对比分析,并对各类模型的应用现状进行概述,对未来应用发展方向进行探讨。最后对机动车的燃油消耗模型进行总结与展望。     

小样本下基于Bootstrap的航程油耗预测方法

利用传统的数据分析方法预测飞机燃油消耗量需要大量的样本,针对这一问题,提出一种基于Bootstrap统计理论建立油耗预测模型的方法.基于真实的QAR(quick access recorder)数据,首先利用Bootstrap统计方法得到相关航程下油耗均值和一定置信水平下均值的置信区间,然后对多组均值和置信区间的上、下限分别进行拟合建模,能够得到油耗与航程关系模型及航程与燃油消耗带关系模型.最后,将结果分别与最小二乘法下的预测模型及2203组数据样本下的油耗模型作对比,结果表明:小样本量下的Bootstrap方法预测模型准确度较高.     

基于mRMR特征优化算法的油耗预测建模研究

针对油耗预测建模过程中数据输入的冗余问题，提出一种基于最大相关最小冗余算法(Max-Relevance and Min-Redundancy, mRMR)与主成分分析方法相结合的冗余特征优化算法，进一步基于BP神经网络建立一种高速道路车辆油耗预测模型。模型的仿真检验结果表明，使用mRMR算法与主成分分析结合优化建模数据能较好地去除数据冗余性和保留原数据信息。模型能准确实现对高速路段运输车辆的燃油消耗预测，预测精度达94.77%,验证了模型的有效性和准确性。研究成果可为道路能源消耗监控与驾驶员水平评估提供参考依据。     

基于背景差分法的尾气烟度检测系统设计

随着机动车尾气的大量排放,为减少大气污染,对尾气进行相关的检测也越来越重要。为自动检测机动车尾气黑度,设计并实现了一种对尾气图片使用图像处理的方法进行林格曼级数检测的系统。通过对汽车尾气进行拍照处理,获得机动车尾气黑度的林格曼级数。同时可以将检测结果通过4G网发送给手机APP,手机端也能控制检测系统进行拍照,获取分析结果,打印报告。该研究为机动车尾气黑度检测提供了一种可行的方案,具有一定的现实意义。     

基于ZigBee的车载尾气实时监测系统设计

本文通过对机动车尾气的监测研究,提出了一套基于短距离无线通信ZigBee技术的车载尾气实时监测设计方案。该方案能实时监控机动车尾气排放浓度,能及时反映汽车发动机的技术状况,发现汽车发动机的故障,有效避免了因汽车发动机等故障引起的严重的汽车尾气污染,通过GPRS将数据上传至控制中心,也可为尾气检测治理提供重要依据。     

基于分布式微服务架构的重型车污染物排放监管平台设计

随着汽车尾气污染问题日益严峻, 生态环境部要求所有国六重型车安装远程排放管理车载终端以监测其尾气排放. 本文设计了一种基于分布式微服务架构的重型车污染物排放分区监管平台, 该平台采集特定区域内所有安装车载终端的重型车实时数据, 对重型车主要尾气污染物氮氧化物、颗粒物进行定量分析, 同时提出了一种判定污染物所属具体行政区的算法, 从而实现了各行政区域内重型车污染物排放总量统计和展示. 最终该平台部署于淄博市生态环境局, 运行正常且数据可靠, 为环保部门的精准监管和治理提供了有力的数据支撑.     

基于紫外差分算法的机动车尾气检测方法研究

应用紫外差分吸收光谱技术(DOAS)实现机动车尾气中S02和NOx的检测.对DOAS的测量原理和差分光路进行分析研究,采用多元线性回归模型和最小二乘法拟合的方法来实现DOAS技术数据处理,应用LabVIEW8.2图形化开发环境设计了机动车尾气紫外检测系统软件,实现了光谱数据的采集、显示、保存,查询等功能.通过标准气体实...     

Laval喷管内高速混合气的流场研究

该文采用有限元分析软件ANSYS对Laval喷管内的混合气流场分布进行了流体动力学的有限元数值模拟,得到了比较直观的混合气流动轨迹。经过计算仿真找到了空气补偿装置的较佳位置,经实验验证发动机油耗降低,尾气排放减少,功率、扭矩增加。获得了所研究流场内流体的流动特性,理论分析与实验结果比较一致,可对发动机尾气排放、电控化油器的技术改造等问题的研究提供参考。     

基于敏感参数发现的区域重点污染物浓度预测

污染物浓度变化趋势对于环境监测工作意义重大.现今各种前馈神经网络预测模型的输出结果仅与当前输入有关,无法研究污染物数据前后依赖关系.且多种污染物具有相同排放源,污染物间往往存在潜在关联关系,一种污染物的变化可能反映另一种污染物变化,所以在预测中需考虑其他敏感参数的影响.针对上述两个问题,提出一种基于敏感参数发现的区域重点污染物浓度预测方法.应用关联规则算法及多元回归分析挖掘出各污染物的敏感参数,构建多变量LSTM预测模型,将待预测污染物及其敏感参数作为预测模型特征变量,进行污染物的浓度预测.实验结果表明本文方法可有效预测污染物浓度变化趋势,预测效果优于未经关系发现的LSTM模型.     

重构样本下改进飞机油耗预测方法

为精准预测固定机型飞机燃油消耗量,针对飞机油耗数据受多种外界因素影响而存在复杂非线性的问题,提出一种重构样本下飞机油耗增强自适应差分进化相关向量机(enhanced fitness adaptive-differential evolution-relevance vector machine,EFADE-RVM)的预测方法.通过引入相似输入产生相似输出的即时学习算法选择相关样本集形成重构样本,利用增强自适应差分进化算法优化相关向量机核函数参数,解决核函数参数选择困难的问题,建立飞机油耗预测模型.实验结果表明,所提模型的飞机油耗预测精度高,具有更好的预测性能.     

基于B-P神经网络的环境空气质量预测模型

B-P神经网络是一种刻画非线性现象的强有力工具,可以将它应用到环境空气质量预测中。B-P神经网络针对不同的监测项目,根据不同的气象特征因子,将污染源排放数据为输入因子,监测点位监测数据作为输出因子,形成多组训练样本,进行学习训练,建立起不同的预测网络。然后用空气污染源排放监测数据输入相同气象条件的、已调整好权值的B-P神经网络系统,即可输出该项污染物的监测点位预测监测值。实验证明B-P神经网络预测模型取得了较好的结果,比现有预测模型具有更大的优势。     

基于随机模型预测控制的插电式混合动力汽车 多目标能量管理策略

为了改善插电式混合动力汽车的燃油消耗和排放, 开展多目标随机模型预测控制策略的研究. 首先, 建立适用于模型预测的多元线性回归的发动机和电池模型, 建立融合燃油消耗和排放的多目标价值函数的模型预测控制, 随后, 基于随机驾驶员模型未来时刻的车速, 结合交通信息并利用动态规划(DP)算法进行参考电荷状态(SOC)优化, 进而建立多目标随机模型预测控制策略. 最后, 通过与DP, MPC等策略进行对比验证, 及给出两组不同权值进行多目标控制效果分析. 结果表明, 该策略的燃油消耗和排放最接近DP的控制效果, 且设置不同权重值可获得相应的控制目标, 说明该策略对提升燃油消耗和排放的多目标性能的有效性.     

基于龙芯平台的汽车远程尾气分析仪的设计方法

提出了一种基于龙芯平台的汽车远程尾气分析仪的设计方法。该分析仪能够实时动态对汽车尾气排放的情况进行检测,并能够通过远程无线网络平台把尾气排放的数据发送给尾气监控中心,使得尾气监控中心可以及时获取车辆的排放情况。     

基于小波阈值和BPNN的冷轧煤气消耗预测

为实现钢铁企业冷轧煤气消耗量的精准预测，提出了一种基于小波阈值和BP神经网络（BPNN）的预测模型。利用小波阈值对煤气消耗数据进行去噪预处理，筛选出合理数据，采用BP神经网络预测煤气消耗量。实验结果表明，与其他方法相比，小波阈值和BPNN模型的预测精度更高，为钢铁企业煤气合理调度、减少排放及提高能源利用率提供有力支撑。     

油耗预测中显著影响参数提取方法的仿真

在油耗预测中显著影响参数提取问题的研究中,QAR记录了大量与飞行油耗相关的真实过程参量.由于参数之间呈非线性关系,若将相关参数全部输入到模型中,将导致油耗预测模型结果复杂,运行时间长,预测精度低.针对以上不足,提出了一种粗糙集属性约简的油耗估计显著影响参数的提取方法,首先是对QAR数据进行预处理,然后进行离散化,离散化采用了信息熵连续属性的离散化算法,进一步提高了数据分析的可靠性,再通过Rough set软件得出核心属性,经实验,新方法在提取油耗显著影响因素中有效,而且在处理QAR数据中有着广阔的应用前景.     

基于STM32的船舶尾气排放监测系统设计

针对排放控制区的船舶尾气难以监控的问题,设计了一种基于STM32的船舶尾气排放监测系统.系统硬件主要由STM32微控制器、气体传感器、温湿度传感器、GPS定位模块以及通信模块组成.系统以无人机搭载的方式,实时采集尾气中SO2和CO2气体体积分数数据,并将检测数据通过4 G网络实时发送到服务器.实验结果表明:该系统运行稳...     

基于WSN的尾气监测系统中微处理器控制射频芯片的通信设计

针对当前机动车尾气给人们带来的诸多影响与危害,提出基于无线传感器网络（Wireless Sensor Network,WSN）的机动车尾气成份含量监测系统,选用CC2420无线收发模块和ATmega128微控制器搭建终端硬件监测平台。通过控制器模块对射频模块的控制来实现对监测对象的无线传输,以实现整个系统对机动车尾气的有效监测。该方案克服传统离线检测的诸多不足,能对尾气成份含量进行及时获取、分析与管理,具有很好的应用前景。     

环境空气SO2和NO2浓度的GA_ANN预测模型研究

空气中污染物浓度的预测是一个复杂的非线性问题。国内外的研究表明神经网络能够比回归模型更好地预报空气污染物。设计并实现了将用于选择最优预报因子的遗传算法和神经网络算法相结合的GA_ANN空气质量预测模型,利用某市2003~2006年的数据建立神经网络空气质量预测模型,对该市2007年全年SO₂和NO₂的预测实验表明,GA_ANN模型比单纯的神经网络模型具有更高的预报精度。     

基于百度指数和随机森林的上证综指预测

股市走势预测是金融学、统计学、机器学习等多学科交叉研究的热点学术问题。股市走势并不完全由自身内在规律决定,也会受到投资者的关注度的影响。本文研究了投资者关注与上海证券综合指数之间的波动效应,提出了一种基于百度指数并结合随机森林模型的上证指数走势预测方法。基于已有的初始搜索关键词词库在百度指数网站获取相应的关键词的百度指数,通过时差相关分析法筛选出具有预测意义的关键词,将筛选后的关键词的百度指数数据和上证指数的相关属性数据作为预测模型的输入数据,通过随机森林建立预测模型并实现对上证指数的预测。对比实验证明引入百度指数后的预测模型比传统的预测模型具有更高的准确率。     

基于Spark框架和ARIMA-BPNN的交通流量预测模型的研究

研究海量数据基础上高速公路流量预测建模问题,提出了一种基于ARIMA-BPNN的混合预测模型,并建立基于Spark的分布式处理平台.建立ARIMA时间序列模型提取数据的线性变化规律,研究BPNN的残差预测;建立混合预测模型,研究并行化实现及其运行效率;建立Spark分布式计算平台下高速公路流量数据的预测模型并进行仿真实验.结果表明,Spark框架下的ARIMA-BPNN组合模型优于单一的ARIMA的预测,对预测拟合效果和精度方面表现良好,对海量数据处理有明显优势.