基于工况自识别的拖拉机排放特性研究

The rapid agricultural machinery growth has significant impacts on regional air pollution. In this study, the emission data acquisition platform and the emission characteristics of the large and medium sized tractors in Xinjiang will be considered by using SEMTECH-DS emission tester. .A trajectory clustering algorithm will be designed based on space-time trajectory of the tractor, the emission data of engine and running state of the engine. Afterwards, the different real work conditions of tractor would be identified based on clustering algorithm technique. The quantitative analysis approach for the impact factors was proposed based on neural network and MIV (Mean impact value), then it will be applied to study the effects of the speed, engine speed, power, the number of hours of operation and mileage on the emission characteristics. The effect of relationship between factors on emission characteristics was analyzed by using association rule approach. The emission models of different operating states of tractor will be constructed based upon the emission characteristics, impact factors and their relationship. .To quantitatively and qualitatively analyze the relationship between growth of total power and air pollution; the relationship was established between emission inventory for large and medium-sized tractors in Xinjiang. The study consisted of important theoretical estimation and practical significance to evaluate the impact of intense agricultural mechanization on environment.

农业机械总动力的快速增长使其成为影响区域大气污染的重要因素。本项目中将以排放测试仪SEMTECH-DS作为排放数据采集平台，以新疆大中型拖拉机污染物排放特性为研究对象，在拖拉机田间作业中进行排放试验研究。.以拖拉机运行时空轨迹、污染物排放数据和发动机运行状态作为数据源设计轨迹聚类算法。从拖拉机运行轨迹的聚类入手，辨识不同运行状态，并分析不同运行状态排放特性。基于神经网络和平均影响值方法设计影响因素定量分析方法，并应用此方法研究不同运行状态下速度、发动机转速、功率、历史作业时数、里程对排放特性的影响。基于关联规则方法剖析影响因素之间的关联对排放特性的影响。基于排放特性、影响因素及其关联关系，构建不同运行状态的排放模型。.建立新疆大中型拖拉机排放清单，定量和定性分析农机总动力的增长和大气污染之间的关系。项目在评价农业机械化对环境的影响方面有重要的理论价值和现实意义。

根据研究具体内容与实际试验条件结合测试方法的应用领域与特点，选择车载排放测试系统和拖拉机搭建排放测试平台，对多型拖拉机进行排放测试，得到不同工况下CO、HC、NOx和PM等4种污染物的排放特征与典型工况，并基于测试结果研究排放数据结构，从而建立了由排放数据与工况数据组成的关系数据库。基于关系数据库细化移动源作业状态、挖掘不同状态下的内在关联模式，并在此基础上根据拖拉机不同工况下污染物的排放特性建立了农机工况识别模型与排放预测模型。针对污染物排放特性，深入剖析了运行周期内不同工况下污染物排放的分布趋势及其变化规律，从而建立了基于多种方法的排放清单，并基于排放清单对排放特性影响因素与污染物空间布局进行了定量与定性分析。基于上述研究内容最终得到如下研究成果：1）根据农机工况特点将工况状态细化为怠速、行走和耕作三种状态，通过分析工况与瞬时排放数据的关联模式发现污染物在耕作模式下的瞬时排放速率总体高于行走和怠速模式，且转速、油耗流量和速度等工况对瞬时排放速率的有显著影响，在怠速工况下油耗流量对4种污染物的影响最大，量化MIV值分别为0.1064、0.0165、0.0897、0.2521，而在耕作工况下，3种影响因素对于4种污染物的影响程度则各不相同。2）基于关系数据库以拖拉机运行速度与发动机转速等工况信息构建样本图像来描述农机工况变化的数据表达，并在此基础上应用卷积神经网络有效实现农机工况的连续性识别。3）以DELM模型为基本架构建立排放预测模型，在实际预测通过实例验证表明模型预测效果良好。4）分别建立了基于燃油消耗的新疆农田拖拉机排清单、基于NON-ROAD模型的排放清单以及新疆县域拖拉机排放清单。并基于排放清单对排放变化规律与影响因素进行分析说明5）根据新疆县域拖拉机排放清单，轻度、中度和重度排放控制区域污染物排放量占总量的占比分别为39.99%、41.31%和18.70%。且重度排放控制区分布格局较为分散，而轻度和中度排放控制区在空间分布上则呈现较为聚集的特征。