英语原文共 16 页

基于发动机燃油消耗图和车辆动力学的车辆规格对燃油经济性的影响建模

Yunjung Oh, Junhong Park , Jongtae Lee , Myung Do Eom , Sungwook Park

汉阳大学研究生院，首尔133-791，韩国

韩国仁川404-708国家环境研究所

汉阳大学机械工程学院，韩国首尔133-791

文章信息

关键词：

车辆动力学建模

驾驶模式

燃油效率

CO₂排放

换档曲线

摘要

本研究使用AVL商业计划进行汽油和柴油车辆的车辆动态建模。对10种乘用车进行了7种驾驶模式的测试，包括城市，快速和高速公路驾驶模式。收集各种车辆数据（规格，燃料消耗图，变速曲线数据等）并将其实施为输入数据。通过改变驾驶模式和车辆类型进行计算，并且基于底盘测功机测试数据验证计算结果的预测精度。为了提高宽车辆工作范围的预测精度，还进行了一些关于换档的修改。从这些过程中，确认燃料效率和CO₂ 排放的预测精度与测试结果显示出强烈的相关性。在确保计算结果的准确性之后，进行参数研究以揭示车辆规格（例如，车辆重量和前部区域）与燃料效率和CO₂ 排放之间的相关性，并检查哪些参数对燃料效率具有高度影响。

介绍

CO₂ 排放和化石燃料枯竭引起的气候变化问题已成为许多国家的主要问题。据报道，运输部门消耗了约30％的总能量，这导致了有害影响（Rakha等，2011）。鉴于这些情况，通过提高车辆燃料效率来减少CO₂ 排放的需求已成为一项重要任务。在美国，所有制造商都设定了未来平均目标，即到2016年每加仑34.1英里，到2025年每加仑49.6英里。在欧洲，2015年CO₂ 排放量的未来规定为130克/公里，2020年为95克/公里，日本，中国，印度和巴西等其他世纪也出现了自己的标准（de Carvalho等， 2012; Drake等，2012; Mellios等，2011b）。通过考虑技术发展的速度，所有这些未来的法规都在现实的目标范围内制定。

为了实现这些目标，发动机燃烧策略和后处理技术作为解决这些问题的最佳解决方案之一受到关注。然而，诸如预混燃烧点火或均质充量燃烧点火的先进燃烧策略难以控制燃烧正时，过度燃烧定相可能导致燃料消耗的关键缺点（Kim等，2006; Strandh等， 2005）。

此外，后处理装置还可以导致发动机功率降低并且需要定期检查，因为催化剂转换性能随着操作时间的进行而降低。

因此，更简单的方法是降低不同驾驶模式下的燃料消耗率并从每升燃料获得更多里程。由于CO₂ 排放几乎与燃料消耗和对燃料消耗率敏感的其他排放成比例，因此显然减少燃料消耗导致减排效果。从这个角度来看，包括重力损失和动力传动系统传递效率在内的车辆运动阻力的降低是重要的任务，并且已经对这些问题进行了许多研究。Tolouei和Titheridge（2009）指出，减少车辆质量是提高燃油效率和降低乘客伤害风险的一种非常有效的方法。据报道，有助于抵抗力的主要参数如滚动阻力，重力损失和加速力也受到车辆质量的影响，车辆质量的减少是提高燃油效率的最直观和有效的方法（Burgess和Choi， 2003）。还对车辆规格的变化进行了一些研究。Mellios等。（2011a）通过改变车辆参数数据进行了敏感性研究。在这些模拟中，每个参数按顺序变化，而其他变量固定以执行影响评估。在这项研究中，据报道，车辆质量，阻力和滚动阻力以及额定转速下的最大转速对车辆燃油消耗的影响很大，发动机功率和传动比对车辆性能的影响相对较小。

同时，主要参数变化对车辆燃油效率的影响需要更具体的研究，因为燃油效率对驾驶模式敏感，并且每个因素都有一些依赖性。Biggs和Akcelik（1987）通过改变车辆质量在中央商务区，其他城市和非城市区域进行了研究。据透露，质量增加对燃料消耗方式的影响已从驾驶模式改变。在中央商务区燃料消耗集中在发动机运行和加速，而燃料消耗集中在非城市地区的空气阻力和滚动阻力。这意味着驾驶模式会影响油耗。驾驶策略的改变也是影响燃料消耗的主要因素。Vieira da Rocha等。（2013）指出，通过应用经过平滑处理的改良城市驾驶轨迹，总燃料消耗平均下降约1-5％。这意味着即使驾驶员在同一条道路上，驾驶习惯也会导致燃油消耗量的高度差异。

由于这些原因，在大多数国家，许多努力都集中在建立反映其自身情况和车辆未来发展方向的型式认可燃料消耗标准，以提高车辆的燃油效率。在美国，环境保护局（EPA）提出了5循环方法（US EPA，2006）。该测试方法包括城市（FTP-75模式），高速公路（公路燃料经济性测试模式，HWFET），高加速度（US06模式），空气条件（SC03模式）和冷启动模式（冷FTP-75模式）。燃料经济性由城市驾驶模式（FTP-75模式）和HWFET模式测试的数学组合决定（de Carvalho等，2012; Mark和Henning，2012）。自2000年以来，欧洲还提出使用城市驾驶循环（UDC）和新的欧洲驾驶循环（NEDC）模式的组合（Giakoumis和Lioutas，2010）。日本，巴西等国家也提出燃油经济性测试方法，以评估自己的驾驶情况。然而，许多客户仍然认识到标签或目录中记载的实际驾驶和型式认可燃料消耗之间的燃料消耗差异，需要在各种条件下进行更广泛的研究以解决该问题。

在此过程中，显然需要大型数据库才能执行这些任务。还必须在其他实验之前进行足够的统计分析。但是，仅依靠实验方法执行所有这些任务具有一些关键限制。实验方法昂贵且耗时，因此不适合通过改变车辆规格和驾驶模式进行研究。特别是，商用乘用车模型非常​​多样化，因此在单个研究所中几乎不可能对许多车型进行基于实验方法的参数研究。另一方面，模拟方法在短时间内获得结果方面具有一些优点，并且启用了许多应用。因此，可以通过改变车辆参数和驾驶条件来进行大规模研究。减少现有的测试负担效应还可以预期，如果模拟之前检查计划的测试用例并排除不必要的测试范围。由于这些原因，车辆动态建模方法正在研究中被广泛采用。Rakha等人。（2011）改进原产燃料消耗模型，即所谓的弗吉尼亚理工大学综合动力燃料消耗模型（VT-CPFM），以克服主要缺点。该程序经过修改，以预测加速驾驶条件下更准确的燃油消耗率，并使用公众可用的燃油消耗和车辆动力传动系统规格。通过实验结果验证了燃料消耗率和CO₂ 排放的预测精度。

这些趋势也在许多国家研究所实施（Wang等，2008）。美国环境保护署（EPA）提出了用于模拟车辆能耗率的机动车辆排放模拟器（MOVES）。本质上，该程序基于各种测试数据，这些数据通过测功机测试或现实世界驾驶测试通过使用便携式排放测量系统（PEMS）获得，物理排放率估算器（PERE）与MOVES程序并行采用以预测燃料消耗率（美国环保局，2005; Nam和Giannelli，2005年）。欧洲委员会根据大量数据库进行各种参数研究，并根据车辆规格开发功能（Mellios等，2011a）。这些功能在模拟程序中实施，用于预测乘用车的燃油消耗，并定量分析车辆规格对燃油消耗的影响。欧洲空气和气候变化主题中心（ETC / ACC）进行了参数研究和三种情景设计（Mellios等，2011b）。通过改变缩小尺寸，混合动力汽车和电动汽车的渗透率来预测2020年的CO₂ 排放因子。预计这些研究趋势将会扩大，因为它是寻找商用车未来最佳研究方向的最有效方法之一。

尽管先前对基于车辆动力学的燃油经济性建模进行了研究，但与其他研究相比，该研究具有一些优势。本研究采用7种驱动模式和10种车辆（共70种）选择更广泛的研究范围，并行测试35种测试数据，以验证各种条件下模拟结果的预测精度。此外，在车辆动力学模型中应用踏板传感器位置与发动机负荷和发动机之间的相关性分析数据，以在程序中实现精确的换档逻辑。根据这些努力，车辆动态模型显示出高预测精度，实验结果不仅累积数据（例如，燃料效率，总CO₂ 排放质量）而且还有瞬时数据（例如，发动机速度）。考虑到大多数车辆建模程序使用燃料消耗和排放图作为发动机速度的函数，必须在所有行驶时间内预测准确的发动机速度，以便在每个时间步骤获得精确的燃料消耗和排放形成速率。

本研究主要集中在模拟各种驾驶模式下车辆燃油消耗规格的影响，包括6种NIER模式和HWFET模式，以揭示影响燃油消耗的主要参数。此外，为了显示车辆规格（例如，车辆质量，阻力系数，滚动阻力和发动机满载特性）之间的相关性，测试了各种乘用车，包括车辆质量和发动机尺寸范围广的汽油和柴油车。 ）和定量燃料消耗。在目前的模拟中，商业程序（即AVL CRUISE）用于基于车辆动态模拟燃料消耗。在该模拟中，使用发动机燃料消耗图，换档曲线，齿轮比和其他输入参数来模拟燃料消耗。

建模方法

有一些可用的建模工具，AVL的车辆和动力传动系统级仿真工具，即所谓的CRUISE，被用来进行车辆建模研究。该计划提供了各种基本车型的示例，包括传统（汽油和柴油），混合动力，电动和重型车辆，以减少模型设置所需的不必要的时间消耗。其中，对前轮和后轮驱动模型进行了改进和修改，以根据3种类型的自动变速器型柴油车进行研究。

诸如燃料消耗图的主要输入数据被输入为三维数据形式。（x轴：发动机转速，y轴：发动机转矩z轴：流量）车辆部件特性数据（满载特性曲线，换档位置曲线，转矩转换曲线等）和其他基本规格数据（根据数据库，目录和程序中建议的默认值，在车辆动态程序中输入毛重，齿轮比，轮胎半径等。很明显，在模拟过程中采用高质量数据对于提高预测精度非常重要，应用了所有可用的精确信息，并尽可能排除了默认值的使用。

燃料消耗由30-40个数据点组成，数据点的增加有利于提高预测精度。然而，考虑到实验成本，增加燃料图数据点具有实际问题。这意味着研究人员将通过增加地图数据点获得高预测结果，需要额外的时间消耗和测试成本来创建密集类型的燃料地图数据。因此，必须使用插值方法来确定附近不存在数据点的某些区域的近似值。在AVL商业计划中，实施最小误差平方法以近似所有发动机运行条件下的燃料消耗率。

与基于源自测试结果的地图数据的燃料效率预测相反，在CRUISE程序中实施更简单的方法以便在不使用地图数据的情况下计算CO₂ 排放（Srinivasan和Kothalikar，2009）。众所周知，CO₂ 排放数据与燃料消耗率具有很强的相关性。假设燃料完全燃烧，CO₂ 排放可以如公式1所定义。

E_CO2 =R_CO2fuel * F_C *( M_CO2/M_C ) （1）

资料编号：[4366]