汽油機(jī)排放優(yōu)化標(biāo)定技術(shù)的現(xiàn)狀與展望

戴超麒 劉煒 谷鑫 李東明 張成

1.上汽通用五菱汽車股份有限公司 廣西柳州市 545000 2.哈爾濱工程大學(xué) 黑龍江省哈爾濱市 150006

1 引言

當(dāng)前，綠色發(fā)展和碳中和是國家層面關(guān)注的重點(diǎn)議題，同時(shí)清潔低碳內(nèi)燃機(jī)發(fā)展的趨勢(shì)，為了滿足當(dāng)下時(shí)代的發(fā)展需要，企業(yè)應(yīng)承擔(dān)的重要責(zé)任。《輕型汽車污染物排放限值及測(cè)量方法（中國第六階段）》對(duì)汽車的排放方面作出了嚴(yán)格規(guī)定要求，為了滿足排放法規(guī)汽油機(jī)的電子控制技術(shù)是關(guān)鍵一環(huán)，其性能（包含排放性能）在很大程度上取決于標(biāo)定系統(tǒng)方案的成熟程度及標(biāo)定技術(shù)水平，這對(duì)于標(biāo)定從業(yè)人員既是機(jī)遇也是挑戰(zhàn)。排放優(yōu)化標(biāo)定是綜合性較強(qiáng)的標(biāo)定模塊，不僅在覆蓋車輛散差、識(shí)別系統(tǒng)風(fēng)險(xiǎn)等方面有所貢獻(xiàn)，還可以挖掘系統(tǒng)軟硬件中的排放性能余量，在由安全線、法規(guī)線、口碑線圍成的范圍內(nèi)尋找空間，降低單車排放合規(guī)成本，提升產(chǎn)品競(jìng)爭(zhēng)力。

在軟件定義汽車的洗禮下，汽車產(chǎn)業(yè)正在發(fā)生深刻變革的復(fù)雜局面，汽車產(chǎn)業(yè)的內(nèi)涵與外延正在不斷擴(kuò)展。以互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、人工智能等技術(shù)為代表的新一輪科技革命，正在引發(fā)全球制造業(yè)的深刻變革。在掌握傳統(tǒng)排放優(yōu)化標(biāo)定基本原理與方法的基礎(chǔ)上，將人工智能、大數(shù)據(jù)等技術(shù)應(yīng)用到排放優(yōu)化標(biāo)定領(lǐng)域，已經(jīng)是大勢(shì)所趨。

2 汽油機(jī)排放優(yōu)化標(biāo)定

2.1 排放物生成機(jī)理

受法規(guī)控制的汽車排放包括氣態(tài)污染物和顆粒物。其中，氣態(tài)污染物包括排氣污染物中的一氧化碳（CO）、氮氧化物（NO）、碳?xì)浠衔铮═HC 和NMHC）、氧化亞氮（NO）。 冷 機(jī) 工 況 下HC、NMHC 與CO的生成機(jī)理基本，一般HC 生成量較大時(shí)，NMHC 與CO 生成量也較大。HC 排放的主要來源有車輛尾氣、曲軸箱泄漏及蒸發(fā)排放，其中車輛尾氣中的HC 生成機(jī)理是燃料的不完全燃燒、壁面淬熄效應(yīng)、狹隙效應(yīng)、壁面油膜和積碳吸附等。影響NO生成的三個(gè)因素是為缸內(nèi)燃燒溫度、氧氣含量以及燃燒時(shí)間，一般認(rèn)為高溫富氧的情況會(huì)生成較多的NO。顆粒物是排氣中固相（碳顆粒、灰分）及液相（除水之外）的總稱，其來源主要有燃油濕壁（活塞濕壁、缸頂和氣門濕壁、噴油器頂部燃油堆積等）和混合氣局部過濃。

2.2 汽油車排放主要影響因素

汽油車整車排放水平主要由硬件、軟件控制水平及外部因素綜合決定。硬件方面，整車動(dòng)力總成及后處理系統(tǒng)的設(shè)計(jì)選型和制造水平，決定了整車排放的原始排放高低和減排能力強(qiáng)弱，如發(fā)動(dòng)機(jī)、變速箱、車重功率比、整車阻力、三元催化器及顆粒捕集器等。而動(dòng)力總成核心零部件，如油泵、噴油器、進(jìn)排氣系統(tǒng)、關(guān)鍵執(zhí)行器及傳感器等，也對(duì)排放有影響。軟件方面，電噴系統(tǒng)各個(gè)功能模塊的數(shù)據(jù)綜合調(diào)教水平?jīng)Q定了最終的排放性能，包括充氣和扭矩計(jì)算、溫度模型、空燃比控制、過渡工況控制、起動(dòng)控制、催化器加熱控制等。外部影響因素，如車用燃油、排放測(cè)試設(shè)備與測(cè)試方法、駕駛員等，也會(huì)對(duì)排放結(jié)果產(chǎn)生決定性影響，不可忽視，實(shí)際操作中需嚴(yán)格按照法規(guī)的相關(guān)規(guī)定執(zhí)行。

基于此，對(duì)傳統(tǒng)動(dòng)力總成技術(shù)的持續(xù)優(yōu)化，是面向未來排放需求的主要技術(shù)方案之一，一方面通過硬件上的升級(jí)，另一方面通過軟件上標(biāo)定優(yōu)化整車的控制參數(shù)，使得整車發(fā)揮出最好的排放性能。在外圍硬件基本確定的情況下，發(fā)動(dòng)機(jī)電子管理系統(tǒng)已經(jīng)成為提高燃油經(jīng)濟(jì)性和滿足更為嚴(yán)格的排放法規(guī)的決定性因素。

2.3 排放優(yōu)化標(biāo)定

發(fā)動(dòng)機(jī)標(biāo)定工作就是在某個(gè)確定的發(fā)動(dòng)機(jī)管理系統(tǒng)下，通過各種項(xiàng)目標(biāo)定，為發(fā)動(dòng)機(jī)電子控制單元（Electronic Control Unit，簡(jiǎn)稱ECU）中各類參數(shù)設(shè)置合適的值，以使汽車各工況工作在進(jìn)氣、噴油、點(diǎn)火的最優(yōu)組合參數(shù)下，滿足動(dòng)力性、經(jīng)濟(jì)性、安全性、排污性的綜合要求。對(duì)于排放優(yōu)化標(biāo)定，標(biāo)定項(xiàng)目主要有三元催化器加熱控制策略標(biāo)定、催化器窗口標(biāo)定、起動(dòng)及混合氣標(biāo)定等。

3 排放優(yōu)化標(biāo)定方法討論

3.1 傳統(tǒng)的排放優(yōu)化標(biāo)定方法

傳統(tǒng)的排放優(yōu)化標(biāo)定是“問題導(dǎo)向型”的工作流程，基于排放測(cè)試結(jié)果，輔以試驗(yàn)設(shè)計(jì)技術(shù)進(jìn)行尋優(yōu)的循環(huán)。例如對(duì)于典型的WLTC 測(cè)試循環(huán)，排放集中于起動(dòng)后的30s 內(nèi)，這個(gè)階段的控制重點(diǎn)是通過設(shè)定目標(biāo)轉(zhuǎn)速和目標(biāo)點(diǎn)火角加速催化器的起燃，同時(shí)通過空燃比控制盡可能產(chǎn)生少的原始排放，以上兩個(gè)目標(biāo)平衡擇優(yōu)。具體標(biāo)定手段是根據(jù)已有工程經(jīng)驗(yàn)，篩選出排放產(chǎn)生工況點(diǎn)，用試驗(yàn)設(shè)計(jì)DOE 等方法列出備選控制參數(shù)組合，并通過試驗(yàn)選取最優(yōu)參數(shù)組合，視情況再進(jìn)行進(jìn)一步精調(diào)，這樣方法試驗(yàn)任務(wù)量大、試驗(yàn)成本高、標(biāo)定周期長(zhǎng)。

3.2 基于模型的標(biāo)定技術(shù)

排放優(yōu)化標(biāo)定當(dāng)前的研究熱點(diǎn)是基于模型的標(biāo)定技術(shù)，該技術(shù)融合了發(fā)動(dòng)機(jī)技術(shù)、試驗(yàn)設(shè)計(jì)、自動(dòng)控制、嵌入式系統(tǒng)、計(jì)算機(jī)技術(shù)等多個(gè)領(lǐng)域的關(guān)鍵技術(shù)。近年來，由于計(jì)算機(jī)技術(shù)的不斷發(fā)展，用神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法建立的排放模型被得到更多的關(guān)注與應(yīng)用。機(jī)器學(xué)習(xí)算法在內(nèi)燃機(jī)領(lǐng)域的應(yīng)用主要集中于性能及排放預(yù)測(cè)、故障診斷以及智能控制等三個(gè)方面，并體現(xiàn)出了跟傳統(tǒng)方法比較下的諸多優(yōu)勢(shì)。利用機(jī)器學(xué)習(xí)算法建立發(fā)動(dòng)機(jī)排放性能黑盒模型，需要大量的測(cè)試數(shù)據(jù)支持，但其用于標(biāo)定可有效減少實(shí)際試驗(yàn)的數(shù)量，進(jìn)而縮短標(biāo)定周期。另一方面，黑盒模型缺乏對(duì)系統(tǒng)潛在物理性的解釋力，模型還容易出現(xiàn)過擬合等問題，模型的訓(xùn)練也需要一定的工程經(jīng)驗(yàn)。

基于機(jī)器學(xué)習(xí)算法，王子垚建立了輸入是發(fā)動(dòng)機(jī)重要運(yùn)行參數(shù)集，輸出為各氣態(tài)污染物的發(fā)動(dòng)機(jī)排放模型，訓(xùn)練集和測(cè)試集來自發(fā)動(dòng)機(jī)多工況臺(tái)架試驗(yàn)數(shù)據(jù)。通過算法的升級(jí)與優(yōu)化，模型可被用于處理非線性、復(fù)雜的發(fā)動(dòng)機(jī)性能和排放預(yù)測(cè)。相關(guān)研究7表明，數(shù)據(jù)清洗、模型拓?fù)洹?yōu)化算法等環(huán)節(jié)的優(yōu)化，都是提高模型的預(yù)測(cè)精度的有效手段。受益于算法進(jìn)化和深度學(xué)習(xí)技術(shù)的發(fā)展，具備更新和學(xué)習(xí)功能的排放模型也被廣泛研究和應(yīng)用，如Wong Pakkin等人利用支持向量機(jī)建立了可以學(xué)習(xí)的發(fā)動(dòng)機(jī)功率及性能預(yù)測(cè)模型，模型的預(yù)測(cè)精度隨著學(xué)習(xí)的進(jìn)行不斷提高。

3.3 基于機(jī)器學(xué)習(xí)算法的排放性能模型研究方向展望

機(jī)器學(xué)習(xí)算法用于排放建模是當(dāng)下的研究熱點(diǎn)，隨著研究的深入和技術(shù)的發(fā)展，該研究方向可以從數(shù)據(jù)來源、輸入選擇、算法優(yōu)化、模型評(píng)估等四個(gè)方面進(jìn)行深入。

數(shù)據(jù)來源方面，大多數(shù)研究的數(shù)據(jù)來源于臺(tái)架試驗(yàn)或是穩(wěn)態(tài)工況測(cè)試，然而未來更具實(shí)用價(jià)值的是對(duì)整車瞬態(tài)工況排放的建模及應(yīng)用，后續(xù)研究可將數(shù)據(jù)來源逐漸拓展至瞬態(tài)工況數(shù)據(jù)甚至實(shí)際道路排放數(shù)據(jù)。對(duì)瞬態(tài)數(shù)據(jù)的預(yù)處理是機(jī)器學(xué)習(xí)算法建模的重要先決條件，決定了模型的精度，是建模的重點(diǎn)及難點(diǎn)。

輸入選擇方面，對(duì)于選取哪些參數(shù)作為模型的輸入變量，大部分研究是基于經(jīng)典物理模型或者實(shí)際工程經(jīng)驗(yàn)，這樣做也有提升運(yùn)算速度的考慮。模型的輸入選擇也是模型建立的關(guān)鍵環(huán)節(jié)，如前所述，不同的污染物的產(chǎn)生機(jī)理不盡相同，可以用相關(guān)性分析方法，篩選出跟各污染物的產(chǎn)生相關(guān)性靠前的關(guān)鍵變量，以此做為輸入變量選擇的依據(jù)，隨著機(jī)器學(xué)習(xí)建模便捷性的提升，在輸入選擇環(huán)節(jié)進(jìn)行充分的論證有利于后續(xù)模型的性能提升。

圖1 基于模型的標(biāo)定技術(shù)

圖2 基于機(jī)器學(xué)習(xí)算法的排放性能模型

算法優(yōu)化方面，主流機(jī)器學(xué)習(xí)算法諸如神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等得到了較多應(yīng)用，體現(xiàn)了這些算法的普適性，但逐步也有一些其它算法被應(yīng)用至特定場(chǎng)景，并表現(xiàn)出了較好的性能。后續(xù)算法優(yōu)化的目標(biāo)將是可以對(duì)瞬態(tài)過程或者時(shí)變系統(tǒng)進(jìn)行處理，能用于建立具備更新和學(xué)習(xí)功能模型的算法也有較高的研究及應(yīng)用價(jià)值。

模型評(píng)估方面，模型性能評(píng)估不僅要對(duì)模型質(zhì)量、模型性能進(jìn)行評(píng)價(jià)，還需對(duì)模型適用性（適配動(dòng)態(tài)過程的重構(gòu)優(yōu)化），模型適應(yīng)性（在其它發(fā)動(dòng)機(jī)上的遷移復(fù)用），以及模型價(jià)值（交付、流通、應(yīng)用）進(jìn)行評(píng)價(jià)。

4 結(jié)語

排放優(yōu)化標(biāo)定是控制汽車污染物的有效方法，經(jīng)比較傳統(tǒng)排放優(yōu)化方法與基于模型的標(biāo)定技術(shù)，基于機(jī)器學(xué)習(xí)算法的發(fā)動(dòng)機(jī)排放性能建模是較有潛力的技術(shù)路徑，在前人研究的基礎(chǔ)上，可以從數(shù)據(jù)來源、輸入選擇、算法優(yōu)化及模型評(píng)估等方面進(jìn)行深入和創(chuàng)新。基于機(jī)器學(xué)習(xí)算法開發(fā)的模型使用場(chǎng)景豐富，可以提升標(biāo)定效率提升，挖掘出更優(yōu)的綜合性能表現(xiàn)，可實(shí)現(xiàn)標(biāo)定數(shù)字化、智能化、精細(xì)化。