基于CEEMDAN-SVR模型的柴油车氮氧化物瞬态排放预测

喻洋，王艳艳，李加强，刘学渊，何超，魏恒，吉江林

(1.西南林业大学机械与交通学院，云南 昆明 650224；2.云南省高校高原山区机动车环保与安全重点实验室，云南 昆明 650224)

柴油机具有较高的动力性和燃油经济性，但是过高的NOx排放限制了柴油车在国内的推广和普及。准确预测柴油车在实际行驶过程中的瞬时NOx排放，有助于柴油车尾气后处理装置SCR根据NOx实际排放调整尿素喷射量，进而降低NOx排放。

近年来，机器学习算法被广泛应用于各个领域，并取得了较好的实际效果。利用机器学习算法分析了解机动车在实际道路行驶过程中，车辆各个运行参数和排放之间的因果关系，建立其相关模型变得尤为重要。通过机器学习可以不用考虑研究对象背后复杂的物理知识和化学知识，在拥有足够多数据的支持下，机器学习模型可以加入任何额外的复杂性[1]，这是使用传统基于理化性质和经验[2]、半经验假设无法完成的[3]。同时，机器学习模型可以通过更改运行参数，更为直观地了解NOx排放情况；机器学习模型可以嵌入到ECU等汽车小的计算单元中，以便实时观测NOx排放情况。目前，文华等使用遗传算法优化BP神经网络权值对柴油机NOx瞬态排放进行预测，其模型的相对误差相对较小，相关系数R为0.95。Liu等[4]使用组合算法，包括主成分分析(Principal Component Analysis，PCA)，遗传算法(GA)和支持向量机的集成方法，建立了柴油机瞬态NOx排放预测模型，该模型在训练和测试数据集方面表现出了较高的准确率，RMSE为51.12×10-6，R2为0.98。……