汽車(chē)環(huán)境污染預(yù)警機(jī)制研究

汽車(chē)環(huán)境污染預(yù)警機(jī)制研究

隨著我國(guó)經(jīng)濟(jì)的發(fā)展和汽車(chē)工業(yè)的進(jìn)步和人民生活水平的提高，中國(guó)汽車(chē)的產(chǎn)量和所有權(quán)逐年提高，但環(huán)境污染問(wèn)題日益嚴(yán)重，對(duì)人類(lèi)的生活環(huán)境和健康產(chǎn)生了威脅。汽車(chē)環(huán)境污染已經(jīng)成為我國(guó)乃至全世界都面臨的重要難題,分析汽車(chē)對(duì)環(huán)境的污染情況,采取防治措施是非常必要的?；仡櫼酝难芯?主要有兩點(diǎn)不足:a)在分析汽車(chē)對(duì)環(huán)境的污染時(shí),多數(shù)研究集中在某一方面的污染,或者是汽車(chē)排放污染,或者是汽車(chē)噪聲污染,或者是車(chē)內(nèi)環(huán)境污染,均沒(méi)有對(duì)上述三大汽車(chē)環(huán)境污染進(jìn)行綜合研究。b)關(guān)于汽車(chē)預(yù)警的研究,多數(shù)集中在追尾預(yù)警、防碰撞預(yù)警、輪胎故障預(yù)警等預(yù)防事故的預(yù)警。關(guān)于污染預(yù)警的研究,多數(shù)集中在土壤污染預(yù)警、大氣環(huán)境污染預(yù)警、光化學(xué)污染預(yù)警、水資源污染預(yù)警等某一特定的污染預(yù)警,目前對(duì)汽車(chē)環(huán)境污染預(yù)警的研究尚不多見(jiàn)。在內(nèi)容上,本文綜合考慮汽車(chē)對(duì)環(huán)境造成的三大污染,建立一個(gè)全面的汽車(chē)環(huán)境污染預(yù)警指標(biāo)體系,將汽車(chē)環(huán)境污染與預(yù)警理論相結(jié)合,提出汽車(chē)環(huán)境污染預(yù)警機(jī)制。在方法上,本文將人工智能與專(zhuān)家系統(tǒng)領(lǐng)域的知識(shí)和理論加以創(chuàng)造性地利用,設(shè)計(jì)預(yù)警綜合數(shù)據(jù)庫(kù)、預(yù)警知識(shí)庫(kù)和預(yù)警推理機(jī),從而建立汽車(chē)環(huán)境污染預(yù)警機(jī)制。1為車(chē)輛環(huán)境預(yù)警系統(tǒng)的建立1.1光化學(xué)煙菌的危害汽車(chē)對(duì)環(huán)境造成的三大污染是:1)汽車(chē)排放污染汽車(chē)排放污染主要有三個(gè)來(lái)源:a)廢氣排污,即從排氣管直接排出的發(fā)動(dòng)機(jī)的燃燒產(chǎn)物;b)曲軸箱排污,即從活塞環(huán)與氣缸壁的間隙竄入曲軸箱,再由曲軸箱通風(fēng)管排出的燃燒產(chǎn)物和未燃燒的燃料混合物;c)從汽油箱、輸油管路接頭處揮發(fā)出的汽油蒸氣。汽車(chē)排放的污染物主要有一氧化碳、碳?xì)浠衔铩⒌趸?、硫化物、鉛化物和碳煙等。其中,一氧化碳有劇毒,吸入后使人體因缺氧而窒息或死亡;碳?xì)浠衔锖兄掳┪镔|(zhì);氮氧化物能引起神經(jīng)中樞障礙,吸入肺部可造成肺氣腫,還可引起酸雨;氮氧化物和碳?xì)浠衔镌谝欢庀髼l件下反應(yīng)生成光化學(xué)煙霧,使環(huán)境可見(jiàn)度降低,刺激人體內(nèi)粘膜,并腐蝕建筑物和農(nóng)作物;煙塵粒子對(duì)人體遺傳、呼吸、免疫和血液系統(tǒng)均有損傷作用。2)汽車(chē)噪聲污染產(chǎn)生汽車(chē)噪聲的主要因素是空氣動(dòng)力、機(jī)械傳動(dòng)、電磁三部分。從結(jié)構(gòu)上可分為發(fā)動(dòng)機(jī)噪聲、底盤(pán)噪聲、電器設(shè)備噪聲、車(chē)身噪聲,其中發(fā)動(dòng)機(jī)噪聲占汽車(chē)噪聲的二分之一以上,是汽車(chē)噪聲控制的關(guān)鍵。此外,高速行駛的汽車(chē),由于輪胎與路面撞擊及其花紋槽內(nèi)空氣受擠壓也會(huì)引起較大噪聲。汽車(chē)噪聲不但增加駕駛員和乘客的疲勞,影響汽車(chē)行駛安全,而且在多方面有損于人體健康。噪聲作用于中樞神經(jīng)系統(tǒng),會(huì)使大腦皮層平衡失調(diào),導(dǎo)致條件反射異常,使腦血管張力遭到損害;噪聲作用于消化系統(tǒng),會(huì)造成消化不良、惡心嘔吐,從而導(dǎo)致胃病及胃潰瘍病;噪聲作用于心血管系統(tǒng),會(huì)使高血壓、動(dòng)脈硬化和冠心病的發(fā)病率比正常情況下明顯提高;另外噪聲對(duì)視覺(jué)器官也會(huì)造成不良影響。3)車(chē)內(nèi)環(huán)境污染車(chē)內(nèi)環(huán)境污染主要來(lái)自汽車(chē)自身和外部侵入兩方面。汽車(chē)自身造成的車(chē)內(nèi)環(huán)境污染主要是由于汽車(chē)內(nèi)飾材料所含的有害物質(zhì)在汽車(chē)使用過(guò)程中釋放到車(chē)內(nèi),特別是長(zhǎng)時(shí)間在陽(yáng)光照射下高溫加速了有害物質(zhì)的揮發(fā),使車(chē)內(nèi)有害氣體的濃度急劇增多。外部侵入造成的車(chē)內(nèi)環(huán)境污染主要有汽車(chē)尾氣、灰塵,由于開(kāi)窗或密封不嚴(yán)進(jìn)入車(chē)內(nèi);司乘人員因吸煙或攜帶細(xì)菌進(jìn)入車(chē)內(nèi);各種附加物品如香水、清潔劑、坐墊、小飾品造成的污染。車(chē)內(nèi)污染物主要有甲醛、苯類(lèi)物、丙酮、二氧化硫、一氧化碳和氮氧化物等。其中,甲醛是致癌和致畸形物質(zhì);苯類(lèi)物中以苯的毒性最大,為強(qiáng)致癌物質(zhì);丙酮對(duì)中樞神經(jīng)系統(tǒng)有抑制、麻醉作用;二氧化硫?qū)ρ酆秃粑烙袕?qiáng)烈刺激作用;一氧化碳與人體血紅蛋白結(jié)合可使人因缺氧而窒息;氮氧化物會(huì)刺激肺部,降低人體抵抗力。1.2汽車(chē)給環(huán)境帶來(lái)的污染預(yù)警汽車(chē)環(huán)境污染預(yù)警是指對(duì)汽車(chē)向環(huán)境造成的各種污染進(jìn)行提前警示和積極防范,從而減少或避免對(duì)人類(lèi)的身體健康及生活環(huán)境造成不利影響。汽車(chē)環(huán)境污染預(yù)警是一種預(yù)防性的保障措施。汽車(chē)在運(yùn)行過(guò)程中會(huì)制造各種污染,它們對(duì)人類(lèi)的身體健康和生存環(huán)境存在潛在的危害。為避免其影響,應(yīng)采取積極的態(tài)度,即能夠預(yù)先辨識(shí)汽車(chē)給環(huán)境帶來(lái)的各種污染物,了解其污染程度,盡量將汽車(chē)給環(huán)境帶來(lái)的污染控制在一定范圍內(nèi)。只要汽車(chē)對(duì)環(huán)境造成的污染程度超過(guò)預(yù)期的承受度,都需要在威脅發(fā)生之前采取一定的預(yù)防行為或保障措施,目的是降低污染隱患,減少不確定性影響,進(jìn)而保護(hù)人類(lèi)身體健康和生存環(huán)境不被侵害。2智能分析與教育預(yù)防汽車(chē)環(huán)境污染預(yù)警機(jī)制通過(guò)對(duì)預(yù)警指標(biāo)的實(shí)時(shí)檢測(cè),利用預(yù)警機(jī)制的智能分析功能,解析汽車(chē)對(duì)環(huán)境造成的各種污染的安全狀態(tài)及污染風(fēng)險(xiǎn),進(jìn)行發(fā)展態(tài)勢(shì)的描述和成因過(guò)程的探究,發(fā)出相應(yīng)警示信號(hào)來(lái)幫助人們提前采取預(yù)防性的應(yīng)對(duì)策略。2.1建立環(huán)境污染預(yù)警機(jī)制汽車(chē)環(huán)境污染預(yù)警機(jī)制主要由綜合數(shù)據(jù)庫(kù)、預(yù)警知識(shí)庫(kù)、預(yù)警推理機(jī)和人機(jī)接口組成,如圖1所示。其中,綜合數(shù)據(jù)庫(kù)存放初始事實(shí)、中間事實(shí)和最后結(jié)果;預(yù)警知識(shí)庫(kù)存放求解問(wèn)題所需要的各種知識(shí);推理機(jī)是用知識(shí)庫(kù)中的知識(shí)來(lái)求解問(wèn)題的程序;人機(jī)接口和推理機(jī)合起來(lái)稱(chēng)為預(yù)警機(jī)制的“外殼”。汽車(chē)環(huán)境污染預(yù)警機(jī)制的運(yùn)行過(guò)程是這樣的:a)檢測(cè)設(shè)備實(shí)時(shí)監(jiān)測(cè)各預(yù)警指標(biāo),將檢測(cè)值通過(guò)預(yù)警推理機(jī)寫(xiě)入綜合數(shù)據(jù)庫(kù),作為“初始事實(shí)”;b)預(yù)警推理機(jī)將指標(biāo)檢測(cè)值與預(yù)警知識(shí)庫(kù)中的“警情等級(jí)”相匹配,判定各指標(biāo)當(dāng)前污染等級(jí)并將其寫(xiě)入綜合數(shù)據(jù)庫(kù),作為“中間事實(shí)”;c)預(yù)警推理機(jī)用預(yù)警知識(shí)庫(kù)中的“預(yù)測(cè)模型”預(yù)計(jì)下一時(shí)刻各指標(biāo)的污染指數(shù),再與“警情等級(jí)”相匹配,判定各指標(biāo)下一時(shí)刻的污染等級(jí)并寫(xiě)入綜合數(shù)據(jù)庫(kù),作為“中間事實(shí)”;d)預(yù)警推理機(jī)用預(yù)警知識(shí)庫(kù)中的“警情分析”分析“中間事實(shí)”,生成“警情報(bào)告”,存入綜合數(shù)據(jù)庫(kù),作為“最終結(jié)果”;e)預(yù)警推理機(jī)進(jìn)行反向推理,找出造成當(dāng)前污染狀態(tài)的污染源及其濃度指數(shù),生成“污染源分析報(bào)告”,存入綜合數(shù)據(jù)庫(kù),作為“最終結(jié)果”;f)“警情報(bào)告”與“污染源分析報(bào)告”組成“預(yù)警報(bào)告”,預(yù)警推理機(jī)將其從綜合數(shù)據(jù)庫(kù)調(diào)出,通過(guò)人機(jī)接口傳遞給用戶(hù)。2.2結(jié)果的推理和推理汽車(chē)環(huán)境污染預(yù)警綜合數(shù)據(jù)庫(kù)也稱(chēng)為事實(shí)庫(kù),是數(shù)據(jù)結(jié)構(gòu)中心,用以存放初始事實(shí)、中間事實(shí)和最終結(jié)果。將各預(yù)警指標(biāo)的實(shí)時(shí)檢測(cè)值作為初始事實(shí);將在推理過(guò)程中預(yù)警規(guī)則被激活時(shí)生成的各預(yù)警指標(biāo)的污染等級(jí)作為中間事實(shí),將正向推理得到的警情分析報(bào)告和反向推理得到的污染源分析報(bào)告作為最終結(jié)果,分別存入綜合數(shù)據(jù)庫(kù)相應(yīng)的表中。下面以預(yù)警指標(biāo)檢測(cè)值為例,設(shè)計(jì)其數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)。2.2.1指標(biāo)選取在構(gòu)造汽車(chē)環(huán)境污染預(yù)警指標(biāo)體系時(shí),選取汽車(chē)在使用過(guò)程中對(duì)環(huán)境造成的三大污染:汽車(chē)排放污染、汽車(chē)噪聲污染及車(chē)內(nèi)環(huán)境污染作為一級(jí)指標(biāo);在每個(gè)一級(jí)指標(biāo)內(nèi),選取具有代表性的主要污染物的含量作為二級(jí)指標(biāo)。指標(biāo)體系如圖2所示。2.2.2人工智能的定義和概念汽車(chē)環(huán)境污染預(yù)警指標(biāo)知識(shí)表示是一組描述汽車(chē)環(huán)境污染領(lǐng)域內(nèi),預(yù)警指標(biāo)實(shí)體和該實(shí)體屬性、行為及實(shí)體關(guān)系的詞匯、定義、公理、定理的集合,即用領(lǐng)域概念知識(shí)來(lái)表達(dá)具體事物、事件。用語(yǔ)義網(wǎng)絡(luò)知識(shí)表示方法來(lái)表示預(yù)警指標(biāo)的概念和概念之間的關(guān)系。從語(yǔ)義聯(lián)系上看,各級(jí)指標(biāo)之間是composed-of聯(lián)系,表示指標(biāo)的“構(gòu)成”關(guān)系,如圖3所示。元數(shù)據(jù)即關(guān)于數(shù)據(jù)的數(shù)據(jù),是提供關(guān)于信息資源或數(shù)據(jù)的一種結(jié)構(gòu)化的數(shù)據(jù),是對(duì)信息資源的結(jié)構(gòu)化的描述。都柏林核心(Dublincore)是國(guó)際組織DublinCoreMetadataInitiative擬定的用于標(biāo)志電子資源的一種簡(jiǎn)要目錄模式。在都柏林核心的簡(jiǎn)化形式(simpleDublincore)中共包含15個(gè)元素,它們是名稱(chēng)(title)、創(chuàng)作者(creator)、主題及關(guān)鍵詞(subjectandkeywords)、說(shuō)明(description)、出版者(publisher)、發(fā)行者(contributor)、時(shí)間(date)、類(lèi)型(type)、格式(format)、標(biāo)志(identi-fier)、來(lái)源(source)、語(yǔ)言(language)、相關(guān)資源(relation)、范圍(coverage)、版權(quán)(rights)。用都柏林核心元數(shù)據(jù)進(jìn)行知識(shí)標(biāo)注,就是將都柏林核心簡(jiǎn)化形式所含的15個(gè)元素,作為一組簡(jiǎn)單的標(biāo)準(zhǔn)化的元數(shù)據(jù)記錄,用來(lái)標(biāo)注各二級(jí)預(yù)警指標(biāo),從而更加有效地描述和檢索數(shù)據(jù)資源。從語(yǔ)義聯(lián)系上看,各二級(jí)預(yù)警指標(biāo)與都柏林核心元數(shù)據(jù)之間是have聯(lián)系,表示指標(biāo)對(duì)屬性的“具有”關(guān)系,如圖3所示。2.3型和警情分析三部分知識(shí)組成汽車(chē)環(huán)境污染預(yù)警知識(shí)庫(kù)由警情等級(jí)、預(yù)測(cè)模型和警情分析三部分知識(shí)組成,均屬于規(guī)則性知識(shí)。通過(guò)預(yù)警推理機(jī)的控制和協(xié)調(diào),這三部分知識(shí)相互作用,構(gòu)成一個(gè)整體的預(yù)警規(guī)則。2.3.1編制車(chē)內(nèi)環(huán)境污染預(yù)警指標(biāo)針對(duì)汽車(chē)排放污染,參考?xì)W盟組織(EU)制定的歐洲汽車(chē)廢氣排放標(biāo)準(zhǔn)Ⅰ、Ⅱ、Ⅲ、Ⅳ,針對(duì)汽車(chē)噪聲污染,參考我國(guó)GB/T1495-2002標(biāo)準(zhǔn)《汽車(chē)加速行駛車(chē)外噪聲限值及測(cè)量方法》,針對(duì)車(chē)內(nèi)環(huán)境污染,參考德國(guó)大眾VW50108標(biāo)準(zhǔn)《車(chē)內(nèi)揮發(fā)物控制標(biāo)準(zhǔn)》,將汽車(chē)環(huán)境污染預(yù)警指標(biāo)警情劃分為重警(V1)、中警(V2)、輕警(V3)和無(wú)警(V4)四個(gè)等級(jí),其中前兩項(xiàng)標(biāo)準(zhǔn)是我國(guó)正在使用的國(guó)家標(biāo)準(zhǔn)。由于目前我國(guó)有關(guān)車(chē)內(nèi)環(huán)境污染限制的標(biāo)準(zhǔn)尚未出臺(tái),本文暫采用歐洲一流的德國(guó)大眾VW50108標(biāo)準(zhǔn)《車(chē)內(nèi)揮發(fā)物控制標(biāo)準(zhǔn)》。以3.5t<GVM≤5t,P<150kW,發(fā)動(dòng)機(jī)后置的M2類(lèi)商用客車(chē)為例,制定警情等級(jí)表,如表1所示。2.3.2測(cè)定指標(biāo)的指標(biāo)值和預(yù)測(cè)模型預(yù)警規(guī)則分為對(duì)當(dāng)前時(shí)刻污染狀態(tài)的判定、對(duì)未來(lái)污染狀態(tài)的預(yù)測(cè)、對(duì)污染源的分析三部分。如圖4所示,用特定的檢測(cè)工具對(duì)各項(xiàng)預(yù)警指標(biāo)進(jìn)行實(shí)時(shí)監(jiān)測(cè),得到各時(shí)刻的指標(biāo)檢測(cè)值,并將其存放到指標(biāo)值數(shù)據(jù)庫(kù)中;將當(dāng)前的指標(biāo)值與所劃分的警情等級(jí)匹配,確定各指標(biāo)的警情,統(tǒng)計(jì)各級(jí)警情的頻數(shù),經(jīng)過(guò)警情分析輸出顯示當(dāng)前污染狀態(tài)的警情報(bào)告;取當(dāng)前及之前共十個(gè)時(shí)刻的指標(biāo)值,經(jīng)過(guò)預(yù)測(cè)模型得出下一時(shí)刻的指標(biāo)預(yù)測(cè)值,將此預(yù)測(cè)值與所劃分的警情等級(jí)匹配,確定各指標(biāo)的警情,統(tǒng)計(jì)各級(jí)警情的頻數(shù),經(jīng)過(guò)警情分析輸出預(yù)測(cè)下一時(shí)刻的污染狀態(tài)的警情報(bào)告;由當(dāng)前警情報(bào)告開(kāi)始進(jìn)行反向推理,找到污染源指標(biāo)的濃度值,輸出污染源分析報(bào)告。其中,警情分析的運(yùn)行如圖5所示。2.3.3警情分析的運(yùn)行規(guī)則用產(chǎn)生式表示法和謂詞邏輯表示法相結(jié)合作為預(yù)警規(guī)則的知識(shí)表示方法。預(yù)警規(guī)則庫(kù)包含兩部分知識(shí)表示:條件表示和規(guī)則表示。條件表示引入兩個(gè)三元謂詞:state(id,object,value)和count(id_V,V,number);規(guī)則表示引入一個(gè)三元謂詞:rule(id_rule,count_relation,action)。具體說(shuō)明如下:State(id,object,value)表示敘述性知識(shí),描述預(yù)警指標(biāo)的狀態(tài)。其中:id表示條件號(hào),惟一標(biāo)志一個(gè)條件;object表示條件的主體,這里指每個(gè)預(yù)警指標(biāo),如碳?xì)浠衔?value表示主體的屬性,這里指每個(gè)預(yù)警指標(biāo)的警情狀態(tài),如重警等。Count(id_V,V,number)表示操作性知識(shí),統(tǒng)計(jì)警情頻數(shù)。其中:id_V表示條件號(hào),惟一標(biāo)志一個(gè)條件;V表示條件的主體,這里指每種警情,如重警;number表示主體的屬性,這里指每種警情的頻數(shù)。Rule(id_rule,count_relation,action)。其中:id_rule表示規(guī)則號(hào),惟一標(biāo)志一條規(guī)則;count_relation表示該規(guī)則包含的條件邏輯表達(dá)式,表達(dá)式之間的關(guān)系由and、or和not等組成;action表示滿(mǎn)足邏輯表達(dá)式后要進(jìn)行的操作、活動(dòng)或動(dòng)作,即規(guī)則的結(jié)論部分。用產(chǎn)生式表示法表達(dá)判斷預(yù)警指標(biāo)狀態(tài)的規(guī)則。根據(jù)已定義的警情等級(jí)事實(shí)表1,用碳?xì)浠衔?U11)舉例說(shuō)明:ifU11>1.1,thenvalue=重警(V1);if0.66<U11<1.1,thenvalue=中警(V2);if0.46<U11<0.66,thenvalue=輕警(V3);ifU11<0.46,thenvalue=無(wú)警(V4).根據(jù)已列出的警情分析的運(yùn)行(圖5),用產(chǎn)生式表示法表達(dá)警情分析的運(yùn)行規(guī)則:ifnumber(V1)>0,thenaction=紅燈;ifnumber(V1)=0andnumber(V2)>0,thenaction=橙燈;ifnumber(V1)=0andnumber(V2)=0andnumber(V3)>0,thenaction=黃燈;ifnumber(V1)=0andnumber(V2)=0andnumber(V3)=0,thenaction=綠燈2.4推理機(jī)的推理過(guò)程汽車(chē)環(huán)境污染預(yù)警機(jī)制的推理機(jī)采用正向推理和反向推理相結(jié)合的方式來(lái)運(yùn)行整個(gè)系統(tǒng)。用正向推理,從預(yù)警指標(biāo)的狀態(tài)出發(fā),與數(shù)據(jù)庫(kù)和規(guī)則庫(kù)存放的知識(shí)進(jìn)行匹配,啟動(dòng)與規(guī)則對(duì)應(yīng)的操作,實(shí)現(xiàn)對(duì)當(dāng)前污染程度的判斷和對(duì)未來(lái)污染程度的預(yù)測(cè);用反向推理,從當(dāng)前的污染狀態(tài)出發(fā),找到造成當(dāng)前污染的污染源的指標(biāo)狀態(tài),從而有針對(duì)性地采取應(yīng)急措施,控制污染源。以下是推理機(jī)的推理過(guò)程:設(shè)U={U11、U12、U13、U14、U21、U22、U23、U31、U32、U33、U34}表示各預(yù)警指標(biāo),存入YJZB;V={V1、V2、V3、V4}表示各級(jí)警{重警、中警、輕警、無(wú)警},存入JQDJ;warning-model(U1～UT,U′)為預(yù)測(cè)模型,U1～UT為1～T時(shí)刻指標(biāo)值,U′為歷史值;state(id,object,value)表示指標(biāo)警情狀態(tài);count(id_V,V,number)計(jì)數(shù)指標(biāo)警情頻數(shù);rule(id_rule,count_relation,action)表示執(zhí)行預(yù)警規(guī)則并輸出報(bào)告。11推理過(guò)程(1)yjzbid,u,v,v,v,v,形①writeUtoYJZB;②compareUwithVfromJQDJ;③writestate(id,U,V)toYJZB;④count(id_V,V,number)fromYJZB;⑤rule(id_rule,count_relation,action);⑥outputaction.(2)toyjzb①selectU1～UTfromYJZB;②warning-model(U1～UT,U′);③writeU′toYJZB;④compareU′withVfromJQDJ;⑤writestate(id,U′,V)toYJZB;⑥count(id_V,V,number)fromYJZB;