Die Messung der Emission on-board wird in Zukunft eine zunehmende Rolle spielen. Vor allem für die günstige Gestaltung von Mautgebühren bei schweren Nutzfahrzeugen wird diese Technik verstärkt eingesetzt werden. Für die Bestimmung messtechnisch schwer erfassbarer oder gar nicht zugänglicher Kenngrößen wurde das Verfahren der Künstlichen Neuronalen Netze eingesetzt. Ziel war die Ermittlung des Massenstromes an Schadstoffen NO, CO und HC (bezogen auf C3H8) und des Klimagases CO2. Der gesamte Massenstrom des Abgases ist allerdings unmittelbar nicht oder nur unter erschwerten Bedingungen zu bestimmen. Durch die mathematische Berechnung des Abgasmassenstromes aus einer Vielzahl motor- und fahrtechnischer Kenngrößen mit Hilfe von Künstlichen Neuronalen Netzen konnte die Konzentration an den einzelnen Substanzen mit großer Genauigkeit ermittelt werden. Das Verfahren kann in Zukunft für die Einhaltung von Abgasnormen weiterentwickelt werden.
On-board emission measurement in vehicles will be of increasing importance in the future. For example this technology can be used on heavy commercial vehicles for an ecologically oriented charging of toll fares. In on-board emission measurement, determination of pollutants as NO, CO, HC (referred to C3H8) and the greenhouse gas CO2 is required. However, some of these parameters are difficult or impossible to measure directly and have to be determined by mathematical modelling. In this paper we report the determination of these parameters using artificial neural networks based on the motor and driving parameters. The method can be developed further for compliance with the emission Standards.
Determination of on-road vehicle emission characteristics using artificial neural networks
Messung von Fahrzeugemissionen mit Hilfe Künstlicher Neuronaler Netze
Technisches Messen ; 72 , 9 ; 524-530
2005
7 Seiten, 6 Bilder, 1 Tabelle, 3 Quellen
Aufsatz (Zeitschrift)
Englisch
Artificial Road Load Generation Using Artificial Neural Networks
SAE Technical Papers | 2015
|Artificial road load generation using artificial neural networks
Kraftfahrwesen | 2015
|Road Traffic Prediction Using Artificial Neural Networks
IEEE | 2018
|