تقدم هذه الدراسة إطارًا مدفوعًا بالفيزياء لتعلم الآلة لتوقع الانبعاثات المتغيرة وخصائص الطاقة في مركبة ديزل ثقيلة معدلة. فهو يجمع بين النمذجة المعتمدة على البيانات مع الميزات المستمدة من الفيزياء لتحليل موثوق في العالم الحقيقي. يتم تدريب نموذج Random Forest على مجموعة بيانات عامة (26 رحلة من مركبة واحدة مزودة بأجهزة قياس) للتنبؤ بمعدلات كتلة CO2 و NOx، ودرجة حرارة العادم، ومعدل تدفق كتلة العادم، ومعدل تدفق الوقود باستخدام ميزات مؤجلة زمنياً من مدخلات متعددة المستشعرات. في الرحلات المحتفظ بها، حققت تنبؤات درجة حرارة العادم قيمة R2 = 0.9997 و RMSE = 0.53 غرام/ثانية؛ بالنسبة ل CO2، مع R2 = 0.9985 و RMSE = 0.38 غرام/ثانية، تم الإبلاغ عن أداء قابل للمقارنة ل NOx، وتدفق العادم، ومعدل الوقود. تم دمج النموذج المدرب في إطار محاكاة لتمكين تقييم ظروف التشغيل البديلة وتكوينات سلسلة الدفع. أولاً، تم تقييم تأثير التشغيل البارد مقابل التشغيل الساخن، مما يظهر عقوبات انبعاث تراكمية تصل إلى +28٪ ل CO2 و +30٪ ل NOx. ثانيًا، تم التحقيق في تأثير الهجينة من خلال مقارنة التكوين الحراري الأساسي مع بنية كهربائية هجينة، مما أسفر عن تقديرات تقليص بنسبة -12.2٪ في انبعاثات CO2 و -10.5٪ في انبعاثات NOx. يتفوق هذا الأداة في توقعات الانبعاثات عالية الدقة وتحليل الطاقة على مستوى النظام، مما يساعد على التقييمات المتقدمة لسلسلة الدفع تحت ظروف القيادة الواقعية.
درس مجاهد وآخرون (الجمعة) هذا السؤال.