国Ⅵ轻型柴油机颗粒物排放控制系统健康状态评估

桑海浪; 王秀雷; 钟洪文; 赵康荏; 许自涛; 潘明章

doi:10.16236/j.cnki.nrjxb.202605048

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

国Ⅵ轻型柴油机颗粒物排放控制系统健康状态评估

更新时间：2026-10-08

- 国Ⅵ轻型柴油机颗粒物排放控制系统健康状态评估
- Vol. 44, Issue 5, Pages: 452-462(2026)
- 作者机构：
  
  1. 天津大学储能科学与工程研究院
  2. 广西大学机械工程学院
  3. 武汉理工大学汽车工程学院
- 作者简介：
- 基金信息：
- DOI：10.16236/j.cnki.nrjxb.202605048
  CLC： TK421
- Published：2026
- 稿件说明：
移动端阅览
桑海浪, 王秀雷, 钟洪文, et al. 国Ⅵ轻型柴油机颗粒物排放控制系统健康状态评估[J]. 2026, 44(5): 452-462.
DOI：

桑海浪, 王秀雷, 钟洪文, et al. 国Ⅵ轻型柴油机颗粒物排放控制系统健康状态评估[J]. 2026, 44(5): 452-462. DOI： 10.16236/j.cnki.nrjxb.202605048.

摘要

将柴油机颗粒物排放控制系统健康状态评估归为异常检测场景，颗粒物排放控制的关键是颗粒物原始排放和颗粒捕集器(DPF)捕集效率，通过采集台架和整车试验数据，结合机理相关性分析，确认特征变量，包括12个影响颗粒物原始排放的变量及4个影响DPF颗粒物捕集效率的变量；其次在数据清洗之后，使用自动编码器和主成分分析奇异点检测算法，剔除异常点；然后基于注意力机制和样本密度设置样本权重，优化误差分布；再通过模型对比结合参数优化，确认三隐含层反向传播(BP)自编码神经网络为最终模型，神经元数量分别为20、5和20；最后故障仿真测试和整车故障验证表明，结合不同的平均绝对误差(MAE)阈值设定，模型可以在实际整车上识别不同程度的异常数据．

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

神经网络在柴油机放热规律预测中的应用

柴油机SDPF催化剂低温被动再生与排放特性

柴油机DPF碳载量模型建立及试验

高强化柴油机瞬变工况碳烟排放仿真方法

面向控制的柴油机燃烧过程预测模型研究

Related Author

邓名华

范维澄

汪朝强

周洲

赖慧龙

常仕英

于飞

马江丽

Related Institution

中国科学技术大学火灾科学国家重点实验室

昆明贵研催化剂有限责任公司

上海交通大学机械与动力学院

贵研催化剂(东营)有限公司

贵金属功能材料全国重点实验室

AI问答

⁰