基于OBD遠程監測數據的高排放柴油車篩選方法研究

程曉章, 王 浩, 邢曉通, 錢 賽, 劉長波

(合肥工業大學 汽車與交通工程學院,安徽 合肥 230009)

0 引 言

隨著排放標準的不斷嚴格控制,新車的排放控制已經取得了一定成效,但對在用車實際運行過程中排放情況的研究發現,機動車實際運行過程與實驗室排放測試有著明顯差別,因此機動車的實際道路排放水平是近年來世界各國研究的重點[1]。近年來越來越多的研究人員意識到,改善城市空氣污染狀況和減少機動車能源消耗,需要對機動車尾氣排放和油耗進行綜合管控。車載診斷系統(on-board diagnostics,OBD)通過實時監測發動機、催化轉化器、顆粒捕集器、氧傳感器、排放控制系統、燃油系統等系統和部件,可以實時監測車輛運行狀態。早期,OBD-I只是簡單監測排放相關部件的電路是否存在故障,到了OBD-II后,車輛部件電路信號的合理性被納入診斷范圍,實現了從發動機的運行狀況隨時監測汽車是否尾氣超標[2]。

隨著我國排放法規進入國六排放實施階段,OBD監測功能越來越受到重視，并對OBD的檢測項目、閾值及檢測條件等技術要求進行了修訂。相較于國五,國六OBD系統有幾個特點:監控部件增多、監控范圍拓展、監控功能更完善[3]。從現行排放政策來看,機動車污染排放控制的重點已由實驗室臺架測試轉向實際運行監管,正逐漸形成全方位、多種測試技術聯合的機動車排放實時監測網絡[4],因此快速、準確、高效地獲取并分析機動車在實際道路運行工況下排放水平是目前國內外研究的重點,也是制定科學有效的機動車污染控制措施的基礎。目前,國內外對利用車載數據采集終端進行實時排放監測開展了大量的理論和實驗研究。文獻[5]說明了便攜式排放物測量系統(portable emission measurement system,PEMS)測試的局限性,雖然進行了道路排放測試,但其行駛工況與實際車輛行駛工況仍存在一定的差別;文獻[6]為探究駕駛行為對重型柴油車實際行駛污染物排放的影響,利用PEMS對3輛車分別進行了平穩駕駛、正常駕駛和激烈駕駛共9次試驗。對每輛車前后3次試驗的市區、市郊、高速路段和總行程路段動力學參數和比排放進行了計算,證明了駕駛行為對車輛排放的影響不容忽視;文獻[7]利用4輛輕型汽油車進行試驗研究,通過CO2移動平均窗口法和歐Ⅵ新方法進行排放計算,結果表明相對正向加速度與微小顆粒物排放成正相關,與CO、NOx排放相關性不明顯;速度與正向加速度乘積按升序排序的第95個百分位取值與CO、PN排放成正相關,與NOx排放成負相關,與CO和PN的相關系數大于與NOx的相關系數;文獻[8]利用PEMS設備對輕型汽油車進行多次實際道路排放測試,使用移動平均窗口法處理車輛實際行駛污染物排放(real drive emisson,RDE) 測試結果,對不同駕駛行為下的RDE測試結果進行對比,評估不同駕駛行為對車輛排放結果的影響。

目前國內已有多個地區出臺環保政策,要求國四及以上柴油車加裝具有車載遠程通訊終端進行數據實時采集和傳輸,北京市已率先建立北京市重型汽車排放在線監控平臺。利用OBD進行實際道路排放測試和排放監管是治理在用車排放污染的有效措施,也是今后在用車排放監管的重要發展方向之一。但是在眾多理論及實驗研究中,少見有通過OBD采集數據對車輛行駛工況進行分析、對高排放車輛進行篩選的相關研究。[9]

1 遠程監測系統架構

車載遠程監測系統由車載數據采集終端(采樣頻率為1 Hz)和數據管理平臺2個部分組成[10],遠程監測終端架構如圖1所示。在現有OBD控制器局域網絡(controller area network,CAN)接口集成無線通訊模塊和全球定位系統(global positioning system,GPS)模塊,讀取車輛與發動機電子控制單元(electronic control unit,ECU)數據[11],并可以集成NOx傳感器、排氣溫度傳感器、環境濕度傳感器等外部傳感器。讀取數據包括車速、發動機轉速、發動機負荷、發動機瞬時油耗、加速踏板開度、大氣壓力、進氣溫度、進氣壓力、發動機水溫、排氣系統溫度、選擇性催化還原轉化器(selective catalytic reduction,SCR)上下游NOx濃度等。

圖1 遠程監測終端架構

本文對200輛重型柴油車進行了連續10 d的行駛數據采集,數據通過無線網絡上傳至數據庫中的存儲服務器,數據庫及遠程監測終端由中國汽車技術研究中心開發,通過終端電腦調取和下載數據庫中的相關內容。本文調取該200 輛重型柴油車的試驗數據,這些數據被匯集成原始行駛數據庫用于后續處理運算。

2 數據處理

在數據處理中,利用MATLAB軟件編程進行數據清洗、處理和分析。

2.1 計算NOx排放、SCR去除效率

通過采集到的發動機凈輸出扭矩、發動機轉速、進氣量、發動機燃料流量及SCR上(下)游NOx傳感器輸出值,利用MATLAB軟件計算得到上(下)游NOx排放、發動機功率及SCR去除效率。

2.2 異常值處理

刪除所得數據中發動機轉速、功率、速度、發動機燃料流量及SCR上(下)游NOx傳感器輸出值中無數據的異常值。

滿足以下異常情況的任一項時,刪除此異常值:

(1) 發動機轉速小于等于0。

(2) SCR上下游NOx傳感器輸出值大于等于3 000 mg/m3。

(3) SCR上下游NOx傳感器輸出值小于0。

(4) 發動機功率小于等于0。

(5) 速度小于0。

(6) 發動機燃料流量小于0。

2.3 對NOx傳感器輸出異常值進行平滑

對SCR下游NOx傳感器輸出值中相鄰數據作差得δi。當δi大于定值δ1(取δ1為600 mg/m3)時,認為數據變化劇烈,采用Di+1與Di-1進行平滑處理。

作差計算公式為:

δi=Di-Di-1

(1)

平滑計算公式為:

(2)

2.4 SCR去除效率中的異常值處理

當SCR效率大于100%時,替換為100%;當SCR效率小于0%時,替換為0%。

2.5 排放量計算

瞬時排放量e的計算公式為:

(3)

其中:κ為充氣效率;D為發動機排量;ω為發動機轉速;T為進氣溫度;p為進氣壓力;Rfuel為燃油消耗率;CNOx為NOx體積分數。

累計排放量E的計算公式為:

(4)

其中:t0為片段開始時刻;tn為片段結束時刻。

2.6 加速度參數計算

因為OBD數據在傳輸過程中產生數據丟失現象,會造成采集時間間隔并非完全一致[12],所以將相鄰數據的采集時間作差得δt。δt與OBD設定的采集時間間隔(1 s)一致時,計算行駛加速度a;與設定時間間隔不一致時,則認定Dt為時間斷點,無加速度值;迭代計算所有的加速度a,剔除空值。

計算δt及加速度的表達式如下:

δt=Dt+1-Dt

(5)

(6)

其中:δt為采集時間差值;Dt為第t個數據的采集時間值;Dt+1為第t+1個數據的采集時間值;a為加速度值。

3 速度、加速度對NOx排放的影響

行駛工況中車速、加速度對于汽車的燃料消耗和污染物排放有著重要的影響[15]，因此對這2個參數進行分析對于工況選擇至關重要。

3.1 速度與排放的關系

車輛行駛速度與NOx排放速率的關系如圖2所示。NOx的排放率集中在0～0.3 g/s范圍內,速度集中在0～80 km/h范圍內。

從圖2可以看出：在速度一定的情況下,NOx排放率分布很廣,表明影響NOx排放的還有其他行駛參數;而在NOx排放率一定時,速度分布于0～80 km/h 內不同值,表明在不同速度下NOx排放率基本保持一致,這可能與車輛發動機工作狀況有關。

圖2 車輛行駛速度與NOx排放速率

3.2 加速度與排放的關系

車輛行駛加速度與NOx排放率的關系如圖3所示。

從圖3可以看出：加速度集中分布在-4～5 m2/s附近;在加速度一定的情況下,NOx排放率呈現分散分布;而在NOx排放率一定時,加速度對應值有較大跨度,說明在不同加速度下,NOx排放率可取得相同值。

圖3 加速度與NOx排放率的關系

4 工況劃分

通過以上分析可得,工況參數中車輛速度和加速度均會對車輛NOx排放產生較大影響,因此要分析車輛實際的排放狀況,必須結合車輛行駛工況進行討論[14]。

4.1 速度參數劃分

對車輛數據中的速度值進行分析,得到車輛速度分布如圖4所示。車輛行駛速度集中在0～20 km/h、30～40 km/h、50～70 km/h 和70～80 km/h,分別占車況總數的29.5%、12.3%、14.5%、15.4%。其中:0～20 km/h的速度占比較大,說明車輛多在城市內部運行;其次占比較大的是70～80 km/h,這與城市高架路段的高速公路段限制車速一致。因此選取這4段速度區間進行分析。

圖4 車輛速度分布

4.2 加速度參數劃分

將所有車輛速度數據導入MATLAB程序,計算后得到車輛加速度的分布如圖5所示。

從圖5可以看出,由于怠速或勻速行駛狀態的行駛數據較多,加速度為0 m/s2的占比達到了28%,加速度呈現正態分布。

圖5 車輛加速度分布

加速度范圍與數據量的關系見表1所列。

從表1可以看出，加速度范圍在-4～4 m/s2時,數據量為22 043條,占總加速度數據量的97.33%,因此選取此限值作為加速度范圍。

表1 加速度范圍與數據量的關系

5 結果分析

對于不同工況的車輛排放限值確定及超限車輛的篩選流程如圖6所示。

圖6 車輛排放限值確定及超限車輛的篩選流程

所有車輛數據合為一組為對照組,即TC0。剔除所有車輛數據中超出加速度-4～4 m2/s的數據,將剩余數據分為0～20 km/h、30～40 km/h、50～70 km/h和70～80 km/h 4組,即為TC1、TC2、TC3、TC4。

5.1 不同工況下平均排放強度分布特征

計算行駛工況TC0、TC1、TC2、TC3、TC4下的排放強度為I0、I1、I2、I3、I4,排放強度計算公式如下:

(7)

其中:I為機動車排放強度;G為SCR下游NOx排放速率;P為發動機功率值。

對排放強度取對數使其轉化為正態分布L,L表示為L0、L1、L2、L3、L4。依據統計學原理,標準差可以表示數據的離散程度,與均值結合可以表示一定的數據范圍,因此依據均值及標準差判定限值。分別計算了L的均值為μ0、μ1、μ2、μ3、μ4及標準差為σ0、σ1、σ2、σ3、σ4。取μ+2σ作為限值,其對應的排放強度I即為排放強度限值。根據不同的排放限值識別不同工況下的高排放車輛。

均值及標準差計算公式如下:

(8)

(9)

其中:μ為均值;σ為標準差;Lgi為在L中第i輛車排放強度的對數值;n為在L中共有的車輛數，不同速度區間下車輛的排放強度及排放限值如圖7所示。

圖7 不同速度區間下車輛的排放強度及排放限值

車輛排放強度均呈現正偏態分布。不同工況條件下車輛NOx排放強度較為集中,均分布在0～2 g/(kW·h),分別占到了總數的93.8%、81.6%、85.5%、86.4%。這表明多數車輛的排放強度較低,在不區分加速度和速度的條件下,NOx排放強度的均值為1.28 g/(kW·h),NOx排放限值為4.06 g/(kW·h)。

對于各個工況區間來說,加速度在-4～4 m2/s內。由圖7a可知,速度為0～20 km/h的工況TC1中,排放強度均值為0.73 g/(kW·h),79.8 %車輛的排放強度均小于1 g/(kW·h);由圖7b可知,速度為30～40 km/h的工況TC2中,排放強度均值為1.25 g/(kW·h),其中68.2%車輛的排放強度低于1 g/(kW·h),表明中低速條件下的車輛排放強度均較低;由圖7c可知,速度為50～70 km/h的工況TC3中,排放強度均值為1.36 g/(kW·h),其中排放強度大于6 g/(kW·h)的車輛數占到3.5%;由圖7d可知,在速度為70～80 km/h的工況TC4中,排放強度最高值達到12.9 g/(kW·h),排放強度大于6 g/(kW·h)的車輛數占到3.7%,說明在中高速條件下,出現高排放強度車輛的比例較高。正是因為排放強度的統計特征如上所述,所以得到的不同行駛工況TC1、TC2、TC3、TC4下對應的排放限值分別為2.40、4.08、4.83、5.08 g/(kW·h),排放限值隨著速度的提高而提高。

5.2 高排放車輛篩選工況選擇

各個工況篩出的超限值車輛中,重復率越高的車輛說明其高排放的可能性越大,各個工況中車輛重復率有所不同,重復率越高說明該工況對于高排放車輛的篩選越有效。

依據車牌號將TC1中篩選出的超限值車輛集合與TC2中篩選出的超限值車輛集合作對比,提取出相同車牌號的車輛,計算相同車輛在TC1中所占比例,對其他工況篩選出的超限值車輛集合重復以上步驟,得到關于TC1工況的所有比例集合,最后計算TC1工況的比例平均值,即為該工況下高排放車輛篩選成功率。

依據上述方法計算出TC1、TC2、TC3、TC4，各工況車輛重復率分別為48.33%、61.35%、59.22%、68.43%。所有工況中，TC1的篩選成功率最低;TC2和TC3篩選成功率較為接近,在60 %左右；成功率最高的工況為TC4,占到68.43%,說明TC4工況篩選出的超限值車輛重復率最高,篩選成功率最高。

6 結 論

(1) 本文通過采集的車輛數據分析處理,對影響車輛NOx排放的工況因素進行篩選,結果表明,車輛NOx的排放率集中在0～0.3 g/s范圍內,速度集中在0～80 km/h范圍內,加速度集中分布在-4～5 m/s2區間內。車輛NOx排放受車輛速度和加速度的雙重影響。

(2) 通過計算行駛工況TC1、TC2、TC3、TC4下的排放強度,運用統計學原理,通過各行駛工況排放強度標準差及均值的結合,得出各行駛工況下的排放強度限值。排放限值與車輛行駛速度成正比。

(3) 對各行駛工況中重復車輛的篩選結果表明:TC1的篩選成功率最低,為48.33%;TC2和TC3篩選成功率較為接近,在60 %左右;成功率最高的工況為TC4,占到了68.43 %。說明TC4工況中篩選出的超限值車輛重復率最高,高排放車輛篩選成功率最高。