目前，節(jié)能減排的政策力度不斷加大，為了控制內燃機車輛實際行駛過程的排放，國六法規(guī)引入了實際行駛污染物排放（Real Drive Emission）試驗，簡稱RDE，RDE限值NTE（Not To Exceed）將于2023年7月1日開始實施。

根據(jù)市場機構預測，到2030年，國內乘用車市場內燃機汽車當年的銷量占比仍然會在60%以上。低排放內燃機與新能源動力在很長一段時間內都將是汽車市場發(fā)展共同的主旋律。因此，聯(lián)合電子在積極跟進新能源發(fā)展趨勢的同時，在傳統(tǒng)內燃機領域也在不斷創(chuàng)新研發(fā)，為客戶提供滿足RDE法規(guī)要求的系統(tǒng)解決方案。

RDE系統(tǒng)解決方案包括系統(tǒng)零部件方案、減排軟件功能及排放標定參數(shù)優(yōu)化等。其中軟件功能作為一項高性價比解決方案，可以在不額外增加硬件成本的基礎上實現(xiàn)排放性能優(yōu)化。因此，本文將結合RDE帶來的難點與挑戰(zhàn)，介紹一系列發(fā)動機控制減排新功能。

1. RDE簡介

現(xiàn)行的國六Ⅰ型試驗測試循環(huán)采用全球統(tǒng)一輕型車輛測試循環(huán)（WLTC），在恒溫、恒濕的實驗室環(huán)境中跟隨固定的車速曲線行駛。而RDE試驗時，車輛應該在實際道路上按正常的駕駛模式、狀態(tài)和載荷行駛。但是，實際道路行駛也并不意味著任意行駛。如表1所示，國六法規(guī)規(guī)定了各種試驗邊界條件，包括溫度、海拔等環(huán)境條件，以及市區(qū)、市郊和高速段的行駛路線要求等。

表1 國六法規(guī)RDE試驗邊界條件

關于RDE限值要求，國六法規(guī)規(guī)定，市區(qū)行程和總行程污染物排放均應小于Ⅰ型試驗排放限值與下表2中規(guī)定的符合性因子（conformity factor，CF）的乘積，計算過程中不得進行修約。

表2 符合性因子

2. RDE帶來的挑戰(zhàn)

2.1 環(huán)境條件擴展帶來的挑戰(zhàn)

從表1可以看出，不同于Ⅰ型試驗恒定的環(huán)境條件，RDE試驗規(guī)定了比較寬泛的試驗邊界條件，其中環(huán)境溫度擴展到-7~35℃，而發(fā)動機排放對于溫度條件比較敏感，低溫環(huán)境不利于均質混合氣的形成，排放也會因此惡化。圖1是RDE激進駕駛循環(huán)下不同環(huán)境溫度的PN排放結果對比，可以看到隨著環(huán)境溫度的降低PN排放顯著增加。

圖1 某車型不同環(huán)境溫度下RDE激進駕駛循環(huán)PN排放對比

2.2 駕駛風格不確定性帶來的挑戰(zhàn)

RDE沒有固定的車速曲線，不同的駕駛風格對整車排放會產(chǎn)生很大的影響，圖2是聯(lián)合電子經(jīng)過多次試驗后定義的激進RDE測試循環(huán)與WLTC循環(huán)的對比。從圖中可以看出，激進RDE駕駛覆蓋更廣的整車運行工況及更多的瞬態(tài)工況，這也將帶來更高的排放。

圖2 WLTC測試循環(huán)與聯(lián)合電子激進RDE測試循環(huán)

2.3 生產(chǎn)一致性和在用符合性要求帶來的挑戰(zhàn)

法規(guī)對于生產(chǎn)一致性和在用符合性都提出了明確的要求，疊加上文提到的多種影響因素，對車輛排放的一致性和魯棒性要求都更加苛刻。

綜上所述，環(huán)境條件的擴展，駕駛風格的不確定性以及生產(chǎn)一致性和在用符合性的要求，對于RDE項目開發(fā)都帶來了巨大的挑戰(zhàn)。對于參與整車開發(fā)的各方，都要努力使整車原始排放的優(yōu)化達到最優(yōu)，提高整車排放的魯棒性與一致性，避免因為以上諸多因素的干擾導致RDE試驗超出限值。接下來將簡要介紹為應對以上挑戰(zhàn)，結合各種先進控制算法開發(fā)的一系列減排新功能。由于RDE沒有固定的駕駛循環(huán)，項目排放優(yōu)化第一步還是基于典型的WLTC進行，再基于各種自定義的RDE循環(huán)進行排放結果檢查，因此為了排放結果驗證的普適性及可重復性，本文中介紹的排放對比都是基于WLTC循環(huán)進行。

3. 面向RDE的發(fā)動機控制減排功能

3.1 面向環(huán)境條件擴展的優(yōu)化功能

試驗表明低溫下-7/0℃的PN排放相比20℃成倍增加，法規(guī)中對-7℃排放結果除以1.6的擴展因子進行修正，而0℃結果則沒有擴展因子修正，因此聯(lián)合電子項目開發(fā)時將以0℃作為溫度的最惡劣邊界條件，關注該溫度下各污染物排放結果。

多次噴射策略

開發(fā)背景

低溫條件下缸內壁面的燃油濕壁是PN排放的主要來源，多次噴射技術，可以有效縮短油束貫穿距，減少冷機狀態(tài)下的燃油濕壁，從而降低PN排放。目前，3次噴射技術已經(jīng)得到較為廣泛的應用，但是隨著RDE法規(guī)對于低溫環(huán)境的擴展以及低溫大負荷激進駕駛的可能性，3次已經(jīng)無法全面滿足低溫減排的要求。

功能描述

最多可支持7次噴射，有效縮短油束貫穿距；

各次噴射在進氣、壓縮沖程自由、靈活配置，滿足起動、催化器加熱、暖機等不同工況的應用要求；

實時監(jiān)測噴射脈寬、噴射間隔時間等參數(shù)，出現(xiàn)異常情況進行噴射次數(shù)自動降級處理，提升功能魯棒性。

從圖3 某車型WLTC循環(huán)暖機階段的排放結果對比中可以看到，相比單次噴射策略使用4次噴射后暖機階段PN排放出現(xiàn)顯著降低。

圖3 多次噴射功能示意

及排放結果對比

3.2 面向駕駛風格不確定性的優(yōu)化功能

國六法規(guī)對RDE試驗的市區(qū)、市郊及高速段行駛路線做了基本要求，理論上滿足該要求的行駛路線都可作為有效路線，但是不同駕駛員的駕駛風格存在較大差異，激進的駕駛風格將會帶來更多的瞬態(tài)工況，而瞬態(tài)工況的增多也意味著更多的污染物排放。

瞬態(tài)噴油相位自適應

開發(fā)背景

試驗研究表明，活塞頂部的燃油濕壁是瞬態(tài)工況PN排放的主要來源之一，傳統(tǒng)的噴油相位標定在發(fā)動機臺架穩(wěn)態(tài)工況下根據(jù)轉速、負荷等工況條件選擇最優(yōu)的噴射相位，而臺架穩(wěn)態(tài)工況下活塞表面處于較高溫度，此時燃油噴射到活塞表明會很快蒸發(fā)不會產(chǎn)生濕壁。但是在實車瞬態(tài)工況特別是加速過程中，發(fā)動機從小負荷運行到大負荷工況，此時產(chǎn)生負荷階躍，而活塞表面溫度上升是一個緩變過程，此時如果噴油相位根據(jù)穩(wěn)態(tài)標定的負荷階躍到較提前的位置，就會產(chǎn)生活塞頂部燃油濕壁，帶來PN排放。

功能描述

利用傳熱學原理建立活塞頂部溫度模型，根據(jù)當前工況下的發(fā)動機轉速、負荷、點火角等參數(shù)計算得到實時的活塞頂部模型溫度；

根據(jù)活塞頂部溫度，選擇最優(yōu)的噴油相位，據(jù)此對基礎噴射相位進行實時調整，減少活塞頂部濕壁，從而降低PN排放。

圖4某車型WLTC循環(huán)排放對比結果可以看出，使用瞬態(tài)噴油相位自適應功能后，PN排放結果出現(xiàn)明顯的改善。

圖4 瞬態(tài)噴油相位自適應功能原理

及排放結果對比

基于儲氧量模型的催化器控制

開發(fā)背景

常規(guī)的催化器控制功能將后氧LSF傳感器電壓作為控制目標，但后氧電壓只是催化器外部的表現(xiàn)，不能完全反應催化器內部儲氧量等工作狀態(tài)，無法保證催化器工作在最佳轉換效率下，在混合氣濃稀變化比較劇烈的瞬態(tài)工況，可能會導致排氣在濃端或者稀端擊穿，出現(xiàn)氣態(tài)排放物的濃度尖峰。

功能描述

建立了催化器機理的數(shù)學模型，實時觀測得到催化器內部儲氧量狀態(tài)；

將儲氧量作為催化器閉環(huán)控制的目標，保證催化器工作在最佳轉換效率，避免排氣在濃端或者稀端擊穿，從而降低排放。

圖5 基于儲氧量模型的催化器控制原理及效果示意

3.3 面向生產(chǎn)一致性和在用符合性的優(yōu)化功能

國六法規(guī)對RDE試驗的生產(chǎn)一致性和在用符合性都提出了要求，但是由于RDE試驗本身存在的諸多不確定性因素，疊加各種零部件制造及老化帶來的散差，對排放一致性和在用符合性都將帶來極大的挑戰(zhàn)。

基于神經(jīng)網(wǎng)絡的混合氣分區(qū)自學習

開發(fā)背景

缸內混合氣當量狀態(tài)對污染物排放有著直接的影響，而發(fā)動機進氣系統(tǒng)、噴油系統(tǒng)、排氣后處理系統(tǒng)等多個子系統(tǒng)的傳感器、執(zhí)行器散差都會對混合氣控制產(chǎn)生影響?；旌蠚庾詫W習功能就是為了學習上述散差帶來的混合氣預控偏差，然而傳統(tǒng)的斜率、截距式的線性自學習模型已經(jīng)很難描述當前因各種復雜零部件散差帶來的非線性特征。

功能描述

利用神經(jīng)網(wǎng)絡算法，將發(fā)動機的整個運行工況優(yōu)化為多個區(qū)域，分別對各區(qū)域的預控偏差進行學習；

可以將發(fā)動機轉速、負荷及水溫等多種因素作為網(wǎng)絡的輸入，滿足不同工況、環(huán)境條件的分區(qū)修正需求。

從圖6可以看到，在演示項目中使用基于神經(jīng)網(wǎng)絡的混合氣自學習策略相比傳統(tǒng)策略碳氫等污染物排放出現(xiàn)明顯降低。

圖6 基于神經(jīng)網(wǎng)絡的混合氣分區(qū)自學習原理

及排放結果對比

噴油器靜態(tài)流量自學習

開發(fā)背景

噴油精確控制一直是直噴汽油機減排的關鍵技術之一，噴油器靜態(tài)流量作為噴油器的一項重要特性參數(shù)，在生產(chǎn)制造及積碳等老化情況下帶來的散差，不僅影響不同車輛間的一致性，對單車的各缸不均勻性也會帶來影響。傳統(tǒng)策略使用單一的名義值作為所有噴油器靜態(tài)流量標定值，無法識別各噴油器之間的靜態(tài)流量偏差，帶來噴油精度計算偏差。

功能描述

利用胡克定律建立了噴油器靜態(tài)流量的數(shù)學機理模型；

通過對油軌壓力變化、噴油脈寬的高頻檢測，計算得到各缸噴油器的靜態(tài)流量相對值；

利用數(shù)值分析計算得到各缸噴油器靜態(tài)流量與名義值之間的偏差，修正各噴油器間的偏差，實現(xiàn)更精確的噴油量控制。

圖7中演示項目發(fā)動機四缸噴油器的真實靜態(tài)流量與等效自學習流量的對比，可以看到，本功能很好的學習到了各缸噴油器靜態(tài)流量的偏差。

圖7 噴油器靜態(tài)流量自學習功能原理

及學習結果對比

空燃比自適應控制

開發(fā)背景

前氧傳感器閉環(huán)控制作為混合氣控制的基礎，對混合氣的形成起著至關重要的作用，氧傳感器自身特性決定了其信號處理過程是一個一階慣性延遲環(huán)節(jié)，通常其特性參數(shù)在標定樣車上通過標定方法得到，然而由于零部件散差及氧傳感器自然老化/中毒等因素，該參數(shù)在車輛使用中會產(chǎn)生變化。

功能描述

利用隨機梯度下降算法對前氧傳感器特性參數(shù)進行在線辨識；

實時修正因車輛散差及傳感器特性變化對氧傳特性帶來的影響，增強空燃比控制的魯棒性。

圖8排放結果對比了制造氧傳感器延遲故障后，原策略和自適應控制策略的差異，可以看到經(jīng)過兩次排放循環(huán)的學習，自適應控制策略使一氧化碳的排放顯著降低。

圖8 空燃比自適應控制功能原理

及排放結果對比

結語

聯(lián)合電子秉承“Software as a Service”的軟件設計理念，采用基于模型的建模方法、神經(jīng)網(wǎng)絡算法、數(shù)值分析算法等先進控制算法，在不額外增加硬件成本的前提下，提供更加有效的減排功能，為客戶提供滿足RDE排放法規(guī)要求的解決方案。我們還在不斷創(chuàng)新研發(fā)各種新功能、新軟件，為客戶創(chuàng)造價值，為節(jié)能環(huán)保貢獻我們的力量。

責任編輯：lq6