基于灰箱模型的柴油机微粒排放虚拟传感器研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    51266015
  • 项目类别：
    地区科学基金项目
  • 资助金额：
    56.0万
  • 负责人：
    何超
  • 依托单位：
    西南林业大学
  • 学科分类：
    E0604.燃烧学
  • 结题年份：
    2016
  • 批准年份：
    2012
  • 项目状态：
    已结题
  • 起止时间：
    2013-01-01 至2016-12-31

项目摘要

Particulate matter (PM) is the most important pollutant of diesel engine, especially the fine particles, which is very harmful to human health. With the increasing complication of diesel engine - aftertreatment system, many concerns were focused on the integrated emission management system, in which the development of emission sensor is very crucial. The PM virtual sensor of diesel engines will be studied in this project based on the signals of electronic control unit (ECU) of high-pressure, common rail diesel engine. The physical and chemical factors which influence the PM mass and number emissions will be investigated on a diesel engine with aftertreatment. The intelligent algorithms, such as artificial neural networks, genetic programming and symbolic regression, will be applied to build a gray-box model of PM mass and number emissions. Then the gray-box model will be validated by the experiment data in order to develop the virtual PM sensor of diesel engines. The PM sensor can be used on the closed-loop control of diesel engine - aftertreatment system and on-board diagnostics (OBD) of diesel engines. The research results of the project will provide academic support and scientific foundation for the development of ultra-low emission diesel engines and in-use compliance, as well as the technologies for controlling the fine particles emissions of diesel engines.
微粒是柴油机排放的主要污染物之一，尤其是细小微粒，对人体健康危害极大。随着柴油机-后处理器系统复杂程度的增加，基于闭环控制的集成排放管理系统成为研究热点，其中排放传感器的研发是关键。本课题拟以柴油机微粒排放传感器为研究对象，以高压共轨柴油机电控单元ECU信号为基础，结合影响柴油机-后处理器系统排放微粒质量和数量的物理化学规律，运用人工神经网络、遗传规划、符号回归等智能算法，建立柴油机微粒质量和数量实时排放的灰箱模型，并以排放实验数据进行校验，从而构建柴油机微粒排放虚拟传感器。该传感器可用于柴油机-后处理器系统的闭环控制以及自诊断系统（OBD）的排放监测，为超低排放柴油机的开发以及在用车排放管理提供理论支持和科学依据，为控制柴油机细小微粒排放奠定技术基础。

结项摘要

微粒是柴油机排放的主要污染物之一，尤其是细小微粒，对人体健康危害极大。随着排放法规日益严格，柴油机-后处理器系统复杂程度增加，基于闭环控制的集成排放管理系统成为研究热点，其中排放传感器的开发是关键。本项目以柴油机-后处理器系统的虚拟排放传感器为研究对象，以高压共轨柴油机电控单元ECU信号为基础，结合影响柴油机-后处理器系统微粒排放的物理化学规律，运用局部线性模型树及遗传规划算法，以实验排放数据进行校验，建立了低排放柴油机微粒质量和数量在线排放模型。. 在发动机台架上进行柴油机燃烧特性和排放特性试验，通过标定软件获取高压共轨柴油机电控单元ECU信号，通过缸压传感器等设备采集缸内燃烧特征参数，通过排放分析设备测试柴油机的微粒质量和数量排放，以及HC、CO、NOX、等气态污染物排放数据，分析高压共轨柴油机电控单元ECU信号和燃烧特征参数与柴油机排放的关系。研究结果表明，采用局部线性模型树（LOLIMOT）和遗传规划作为柴油机燃烧特征参数（缸内最大压力、最高燃烧温度、燃烧重心、燃烧始点）的智能算法，以转速、转矩以及油耗作为输入层可以建立高压共轨柴油机实时燃烧模型，误差在10%以内，相关度在0.96以上。以转速、转矩、空燃比为输入参数，采用LOLIMOT建立微粒质量排放模型，误差在10%以内，相关度达到0.99。以转速、转矩、空燃比、燃烧重心为输入参数，采用LOLIMOT建立微粒数量排放模型，误差在10%以内，相关度达到0.99。. 所建排放模型可用于高压共轨柴油机闭环控制。建模采用的局部线性模型树算法是一种快速的神经网络，与其他模糊神经网络相比，LOLIMOT算法简单，易于实现，训练速度快，在学习非线性系统和模式识别方面，效率更高，仿真结果更稳定，易于植入高压共轨柴油机的控制单元ECU中，从而实现闭环控制。

项目成果

期刊论文数量（6）
专著数量（0）
科研奖励数量（0）
会议论文数量（3）
专利数量（0）
面向闭环控制的柴油机在线燃烧模型研究
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    汽车技术
  • 影响因子：
    --
  • 作者：
    胡磊;何超;李加强;孔令文
  • 通讯作者：
    孔令文
柴油机微粒捕集器被动再生平衡研究
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    车用发动机
  • 影响因子：
    --
  • 作者：
    马荣;何超;赵龙庆;李加强
  • 通讯作者：
    李加强
基于GT-Power的6缸涡轮增压柴油机仿真与模拟
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    江苏农业科学
  • 影响因子：
    --
  • 作者：
    杨学易;何超
  • 通讯作者：
    何超
基于局部线性模型树的高压共轨柴油机排放模型
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    车用发动机
  • 影响因子：
    --
  • 作者：
    王新宇;何超;李加强;吴朝阳
  • 通讯作者：
    吴朝阳
电控柴油机应用于农业机械存在的问题及对策
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    江苏农业科学
  • 影响因子：
    --
  • 作者：
    白海;李仕存;孟利清;何超
  • 通讯作者：
    何超

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

微创手术机器人从机械臂的结构设计与工作空间分析
  • DOI：
    10.16156/j.1004-7220.2019.01.007
  • 发表时间：
    2019
  • 期刊：
    医用生物力学
  • 影响因子：
    --
  • 作者：
    李良敏;何超;宋成利;袁帅;张志阳;陈力
  • 通讯作者：
    陈力
垄作方式对薄层黑土区坡面土壤侵蚀的影响
  • DOI：
    10.13870/j.cnki.stbcxb.2018.05.004
  • 发表时间：
    2018
  • 期刊：
    水土保持学报
  • 影响因子：
    --
  • 作者：
    何超;王磊;郑粉莉;何煦;富涵
  • 通讯作者：
    富涵
An Effective High Threating Alarm Mining Method for Cloud Security Management
一种有效的云安全管理高危警报挖掘方法
  • DOI：
    10.1109/access.2018.2823724
  • 发表时间：
    2018
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    孟永伟;秦涛;刘宇坤;何超
  • 通讯作者：
    何超
MgSO_4对大鼠急性放射性脑损伤后脑细胞内Ca~(2+)及脑组织NO含量的影响
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    辐射研究与辐射工艺学报
  • 影响因子：
    --
  • 作者：
    何超;涂彧;崔凤梅;袁文佳;刘萍;王利利
  • 通讯作者：
    王利利
铝酸三钙(C3Ａ)稳定/固化重金属Cr
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    武汉理工大学学报
  • 影响因子：
    --
  • 作者：
    李相国;何超;吕阳;吕振华;王景然
  • 通讯作者：
    王景然

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

何超的其他基金

高原地区直喷汽油车排放颗粒物理化特征及其高效捕集机制
  • 批准号：
    51968065
  • 批准年份：
    2019
  • 资助金额：
    40 万元
  • 项目类别：
    地区科学基金项目
低排放柴油机高NO2/NOx排放的产生机理及控制策略
  • 批准号：
    51006085
  • 批准年份：
    2010
  • 资助金额：
    21.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码