进入二十一世纪,汽车排放尾气所造成的大气污染已经成为城市的主要污染源之一。随着我国汽车行业的快速发展,以及人民生活水平的逐渐提高,汽车的使用率进一步提升,未来包括雾霾在内的一系列以机动车污染为主的环境问题将会日渐突出,各国正逐步加强对机动车尾气排放的检测及控制。目前,一套完善的汽车尾气排放检测系统成本高、操作复杂、占地面积大、使用条件有限,无法向市场推广。并且现有的方法仅能对车辆尾气排放是否达标做出判断,无法准确推断出尾气排放超标的原因,为车辆提供使用指导,缺少实用性。OBD系统可以实现对车辆状态的实时监测,并记录、储存数据流信息。通过数据流分析,可以分析、判断汽车电子控制系统或相关部件的工作状态。基于上述研究背景,本课题借助OBD数据流,对汽油机尾气排放预测系统进行一定的探索和研究。通过建立污染物排放评价体系,利用车辆状态参数预测该车污染物排放程度,为诊断车辆故障原因提供参考,为车主、服务单位对车辆的维护与使用提供合理建议,并且可以作为I/M制度实施的有效补充。首先,本文分析了尾气中CO、HC和NO_X三种主要污染物的生成机理及相关影响因素,并通过对汽油机尾气排放特征的分析和各种预测方法的对比,确定预测尾气排放水平的方法。接着,利用OBD诊断仪获取汽车数据流信息,确定采用OBD数据流中的点火提前角、尾气中的氧含量、水温、燃油压力、进气量等11个参数作为预测系统的特征参数,并分析各特征参数对三种主要污染物排放水平的影响。结合相关规定和专家经验,确定预测系统的评价等级。基于BP神经网络诊断思想,以确定的特征参数作为输入,车辆排放评价等级为输出,构建预测模型。然后,为进一步提高预测模型精度,实现对汽油机尾气排放较全面、准确地预测,采用遗传算法优化BP神经网络预测模型,分别建立了基于GA-BP神经网络的汽油机CO排放预测模型、HC排放预测模型和NO_X排放预测模型。对比表明,优化后的预测模型精度得到明显提高。通过三组车辆状态数据对所建立的尾气排放预测模型进行验证,从而证明了三种预测模型的可靠性和准确性。最后,将建立的基于OBD数据流的汽油机尾气排放预测系统应用到实车中进行实车试验验证,试验结果进一步验证了本文预测系统的可靠性。