基于BP神经网络的车辆碳排放测算研究
研究轻型车辆碳排放测算方法,分析车辆碳排放与运行工况关系.基于车辆实际行驶污染物排放(Real Drive Emission,RDE)车载测试数据,以CO2当量CO2e代表碳排放,分析得出碳排放速率随车速、比功率(Vehicle Specific Power,VSP)增大而上升;运用BP(Back Propagation)神经网络算法建立车辆碳排放与车速、加速度、比功率多参数间非线性关系测算模型,计算得出世界轻型车测试循环(World Light Vehicle Test Cycle,WLTC)、新欧洲行驶循环(New European Driving Cycle,NEDC)和中国轻型商用车行驶工况(China Light-duty Vehicle Test Cycle-commercial Car,CLTC-C)3种台架测试循环工况下的碳排放因子.比较发现3种台架测试循环工况下的碳排放因子均高于实际道路行驶碳排放因子,其中WLTC下碳排放因子最高,其次是NEDC,再是CLTC-C,原因是加速度越大、车速越高的测试工况导致碳排放增加.
轻型汽油车、碳排放、神经网络、测算方法、实际行驶污染物、测试工况
40
U467.1+1(汽车工程)
深圳市环境科研课题项目2019XY1368STZF
2023-02-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
107-112