论文部分内容阅读
随着汽车普及率逐年升高,环保问题日趋严重,汽车尾气对大气的污染越发严重,对环保和节能减排的呼吁越来越高,其中影响汽车尾气排放最严重的是积碳。积碳会造成汽油不完全燃烧,导致尾气超标,加重大气污染;会降低燃烧效率,更加耗能;会加速发动机损坏,整车车况下降。研究发动机积碳的形成因素,预测其变化趋势,对节能环保和提醒驾驶者保持良好车况等都具有重要的理论和现实意义。目前用于积碳检测的方法主要有三种,解体法、内窥镜检查法和观察氧传感器反馈电压法。前两种方法需要在汽车维修店或用内窥镜设备才可以实施,第三种方法,是一种通过氧传感器反馈电压来反应发动机积碳情况的间接诊断方法。但上述方法都不能预测积碳的形成过程和趋势,并没有找到积碳形成的因素,也不能给驾驶者给出正确的意见,且无法实现在线监控。本论文设计了一种数据采集终端通过OBD获取车辆各项参数,并基于时间序列与神经网络建立了积碳预测模型,直观的分析形成积碳的原因,帮助驾驶者改进驾驶习惯,达到节能减排,经济节约的目的。本论文主要工作内容总结如下:第一、硬件方面,开发基于OBD的车辆数据采集终端。此终端以STM32为核心芯片,包括OBD协议解析模块,SD卡读写模块和GPRS远程传输模块等模块。并可实现对车辆数据的实时采集,本地储存和上传阿里云服务器等功能。本论文研究中所用车辆相关参数都由此终端采集而来。第二、信息挖掘,依据氧传感器电压值并结合车速信息,研究了不同工况、不同驾驶习惯和不同路况对形成积碳的影响。通过R语言进行数据分析和挖掘,得出了怠速工况、平稳驾驶和高速道路行车时更不易形成积碳的结论。第三、软件方面,基于时间序列和神经网络,建立积碳预测模型,预测积碳变化趋势。以车辆数据为研究对象,建立四种积碳预测模型,通过三组实验对比,探索预测积碳的有效方法,并分析影响积碳形成的外部因素,得出使用时间序列和神经网络来预测积碳是准确有效的和积碳受车辆行驶工况的影响较大这两个结论。