| Summary: | By using steady-state measurements for predicting emissions under a dynamic drive cycle would save a lot of time and money for the exhaust aftertreatment specialists at Volvo cars. The idea for this thesis has been to investigate if statistical regression models can be used with good accuracy. Questions included are for example if common operating variables such as engine speed, air-fuel ratio etc. is sufficient to predict engine-out emissions over the engine operating range with good accuracy. Focus was set on the modelling of warm engine, but also the more complex engine heat-up phase was investigated since it is a great contributor to total emissions. While NO xcould not be measured because of malfunctioning measurement equipment, only HC, CO and temperature at inlet of first catalytic converter has been modelled. For the experiments a SI6 naturally aspirated petrol engine was used, and drive cycle tests were run with a S80 with automatic gearbox. MATLABs’ tool for statistical modelling, Model-Based Calibration Toolbox, were used since it includes everything needed both for building and evaluation of the models. To broaden the analysis, two separate test plans were made with different approaches regarding spark advance which experienced difficulties. Much time was spent evaluating both polynomial and RBF models. Tools as PRESS RMSE, R 2and graphical residual analysis were used. Many interesting discoveries were made, including a very good prediction of CO with a R 2value of 0.95. Temperature at the inlet of first catalyst was slightly worse with a R 2value of 0.9 where HC reached only 0.6. Further findings include that different correction factors were needed to get a good drive cycle prediction. Except for model errors this discrepancy can come from response times of the measurement equipment and environmental differences between the two rigs used. Tests with cold start showed good agreement with findings from other researchers; that it is possible to scale emissions from fully warm engine proportional to coolant temperature for a good prediction during the engine heat up. Model wise were RBF Gaussian and 4 thorder polynomial models the best, but RBF Models should not be used for predicting the CO response. The correlations between the rigs are not fully known, and without more investigation of this and the response time phenomena it is altogether hard to get any further than this. === Genom att använda statiska mätningar till att prediktera emissioner under en dynamisk körcykel skulle mycket tid och pengar kunna sparas hos gruppen för avgasefterbehandling på Volvo personvagnar. Tanken med detta examensarbete har varit att testa hur väl det går att modellera detta för en ottomotor med hjälp av statistiska regressionsmodeller. Frågeställningen har varit om vanliga driftsparametrar som motorvarvtal, lambda etc. är tillräckliga för att kunna prediktera emissioner över motorns driftområde med godtagbar noggrannhet. Fokus har legat på varm motor, men även den mer komplexa uppvärmningsfasen har undersökts eftersom den är en betydande del av de totala emissionerna. Eftersom NO xinte kunde mätas på grund av problem med mätutrustningen har endast HC, CO samt temperatur in i första katalysatorn testats. Till försöken användes Volvos 3.2 liters SI6 bensinmotor i sugutförande. En S80 med automatlåda har använts för körcykelproven. MATLABs verktyg för statistisk modellering, Model-Based Calibration Toolbox, användes då det har alla delar som behövs för att både bygga modellerna och analysera resultaten. För att bredda analysen gjordes två separata test planer med olika angreppssätt för den upplevt svårmodellerade tändvinkeln, och mycket tid lades ned på utvärdering av både polynomiska och RBF modeller. Verktyg såsom PRESS RMSE, R 2och grafisk residualanalys användes för detta. Flera intressanta upptäckter gjordes, bland annat att CO går att prediktera väl med ett R 2-värde på närmare 0.95. HC och temperatur in i första katalysatorn ligger lägre med R 2värden på 0.6 respektive 0.9. I övrigt upptäcktes att olika korrektionsfaktorer behövs för att kunna prediktera en transient körcykel på ett bra sätt. Förutom rena modellfel kan detta bero på responstider för mätutrustningen och skillnader mellan motor lös i rigg och monterad i komplett bil. Kallstartsförsöken visade att iakttagelserna i litteraturen stämde, nämligen att det under uppvärmningsförloppet var möjligt att skala varma emissioner proportionerligt mot kylvattentemperatur med god korrelation. Modellmässigt så visade sig RBF av Gaussisk typ samt polynom av fjärde graden vara de generellt bästa modelltyperna, men RBF-modeller var rent olämpliga för prediktering av CO. Korrelationen mellan de olika testriggarna är inte fullt utredd, och utan att undersöka detta samt fenomenet med responstid är det sammantaget svårt att komma längre.
|
|---|
