基于发动机在环的重型柴油车实际道路细小颗粒物排放特性研究

来源 :汽车工程 | 被引量 : 0次 | 上传用户:fcgmqty
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文中选取了一台7.8L的重型柴油机,在发动机台架上运行WHSC(世界统一稳态循环)、冷热态WHTC(世界统一瞬态循环),并通过发动机在环的方法在发动机台架上运行重型柴油车实际道路(PEMS)循环,采用能够同时测量PN10(10 nm以上颗粒物数量)和PN23(23 nm以上颗粒物数量)的颗粒计数器等设备测量了细小颗粒物排放.结果 表明:PN10和PN23的PEMS工况瞬态排放的变化规律基本一致.PN10的比排放比PN23的比排放高.重型车PEMS中高速高负荷区间PN排放增加很快,且此时排放的颗粒物粒径较大,PN10和PN23的差异不明显.在中速区间,PN10的排放显著高于PN23.WHTC和基于EIL的PEMS两种测试工况的发动机运行工况点差异很大.基于EIL的开发方式能够在发动机台架上进行整车PEMS颗粒物排放的评估.
其他文献
对车载激光雷达扫描得到的点云进行语义分割是保证行车安全、加强驾驶员对周边环境理解的重要手段之一.因为内存限制和大规模点云场景更加稀疏的特点,将传统神经网络的方法直接沿用到车载激光雷达扫描得到的点云场景中的效果不佳.本文中针对大规模点云的稀疏性,利用稀疏卷积神经网络对体素化点云进行特征提取.考虑到逐点处理分支抑制点云数据的密度不一致性导致的信息损失,另外设计了3D-CA和3D-SA模块,使稀疏卷积神经网络更好地提取特征.实验结果表明,与传统卷积神经网络的方法和将点云投影到平面的方法相比,使用稀疏卷积神经网络
本文旨在针对汽车驾驶智能座舱交互体验,研究并提出了一种智能座舱测试评价方法.基于用车情景细分座舱功能点,根据功能点将主观指标、车辆指标、眼动指标等多维度指标体系相结合,搭建了基于主客观测评方式相结合的座舱交互体验综合评价模型,并通过层次分析法对逐级指标权重进行确定,最终确立基于驾驶员的智能座舱人机工效测评模型.通过座舱交互案例进行验证,表明本模型能对各用车情景下的驾驶座舱功能点进行综合得分量化评价,可为针对驾驶的智能座舱交互体验的优化与研发提供理论依据.
地图构建是实现无人驾驶的重要前提,针对传统单一地图无法准确实现无人车自主导航的问题,本文中提出一种低成本的室外多图层地图,分轨迹层-静态层-动态层.轨迹层为GNSS拓扑地图,静态层为基于图优化构建的点云-栅格地图,动态层为实时激光点云信息.首先轨迹层的绝对位置信息用于实现无人车的全局路径规划,然后基于动态层实时信息与静态层的点云地图做匹配,完成无人车实时高精度定位,最后对动态层进行障碍物检测,通过将实时障碍物信息同静态层的栅格地图结合,为无人车避障和局部路径规划提供环境信息.在实际环境下对提出的地图进行了
针对自动驾驶感知域系统的激光雷达、图像传感器、惯性测量单元3种传感器数据融合的时基校准问题,利用机械式激光雷达自身特征设计校准设备、系统及实验方法.基于激光雷达的触发事件和车载图像传感器感知特征,实现两种传感器时基在线标定,并通过示波器测量校验证明该方法的有效性.利用激光雷达扫描频率与触发事件时间差相互关联的特征,将激光雷达与惯性测量单元的标定系统结合,对激光雷达与惯性测量单元时基进行标定,并通过惯性测量单元标定实验证明方法有效性.