c语言健康指数,中国汽车健康指数

本文详细介绍了中国汽车健康指数中关于车内空气中颗粒物(PM)的测试评价方法,包括整车颗粒物阻隔和净化能力的测试流程、技术要求、试验方法及评分规则。测试涉及环境仓设置、PM检测仪规格、香烟烟雾作为尘源等,并依据测试结果对车辆进行星级评价。
摘要由CSDN通过智能技术生成

车内空气中颗粒物(PM) 测试评价规程

车内空气中颗粒物(PM)测试评价规程1适用范围本规程规定了中国汽车健康指数车内颗粒物(PM)的测试评价方法。适用于新生产乘用车对外界颗粒物的阻隔和对车内空气中颗粒物净化能力的测试评价。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。GB3095-2012环境空气质量标准GB7258-2017机动车运行安全技术条件GB/T18801-2015空气净化器HJ/T400-2007车内挥发性有机化合物和醛酮类物质采样测定方法3术语和定义GB/T3095-2012、GB7258-2017界定的以及下列术语和定义适用于本规程。3.1乘用车指设计和制造上主要用于载运乘客及其随身行李和/或临时物品的汽车,包括驾驶员座位在内最多不超过9个座位。它可以装置一定的专用设备或器具,也可以牵引一辆中置轴挂车。[来源:GB7258-2017,3.2.1.1]3.2细颗粒物(PM2.5)指环境空气中空气动力学当量直径小于等于2.5μm的颗粒物,称为细颗粒物。[来源:GB3095-2012,3.4]3.3整车颗粒物阻隔(Z)考察车辆在静止状态下对外界颗粒物的阻隔与防护能力,用车内PM2.5浓度的增量Z(单位:μg/m3)表示。3.4车内颗粒物净化能力(E)考察车辆空调内循环及相关空气净化装置,对车内PM2.5浓度的降低效果,用净化时间t(单位为分钟,用min表示)和对应的PM2.5净化终止浓度Ct1(单位:μg/m3)表征。4试验技术要求4.1整车PM环境仓用于测试整车对外界颗粒物防护及对车内空气中颗粒物过滤性能的限定空间装置,规定了气密性、PM混合度等要求,其内部空间应能停放一辆乘用车,且车辆所有车门应能充分打开。表1整车PM环境仓要求4.2光散射粉尘仪PM检测仪包括样品采集单元、样品测量单元、数据采集单元、数据传输单元以及其他辅助设备。a)光学装置:内置90°光散射光度计。b)测量范围:0μg/m3~20000μg/m3。c)测量灵敏度:对于校正粒子,不低于1μg/m3。d)测试PM粒径:0.1μm~10μm。e)仪器应内设出厂前已标定的具有光学稳定性的自校装置。注:校正粒子为平均粒径0.6μm的聚苯乙烯小球。4.3标准污染物颗粒物:采用GB/T18801《空气净化器》规定的标准香烟。5试验方法5.1试验流程试验准备过程,首先确认样车配置及状态,样车基本信息及关键零部件清单见附录A。确认无误后,将评价样车置于车辆准备室内存放,避免阳光直射。车辆准备室温度控制在20℃~30℃。车门、车窗保持关闭,室内放置至少8h,用以平衡车内材料温度和环境温度。试验过程分为三个阶段,首先进行样车预处理,开启环境仓颗粒物净化及温湿度控制功能,使车内及环境仓内PM2.5浓度达到GB3095-2012要求的35μg/m3及以下。整车颗粒物阻隔(Z)测试阶段,关闭车门车窗,在仓内制造规定浓度的PM2.5污染环境,测试车内PM2.5浓度在30min内的变化。车内颗粒物净化能力(E)测试阶段,主要考察开启空调内循环及空气净化装置后,对车内PM2.5的净化效果,记录净化时间t和净化终止时车内PM2.5浓度Ct1。进行本试验操作的人员应当正确佩戴防霾护具,且试验过程中不可任意卸除。图1试验流程5.2样车预处理5.2.1移除内部构件表面覆盖物(如出厂时为保护座椅、地毯等而使用的保护膜),再将车辆移至环境仓内。不启动发动机,在车辆上电状态下,检查车内空调,切换至内循环状态,关闭空调出风口百叶。5.2.2启动环境仓温湿度控制及高效颗粒物过滤系统,启动搅拌风机和循环风机,使受检车辆车门(包括后备箱盖)车窗(包括天窗)完全打开,车辆静置不少于30min。环境仓的环境温度需满足25℃±2℃,相对湿度满足50%±10%,且环境仓与车内PM2.5浓度均小于等于35μg/m3。5.2.3关闭环境仓温湿度控制及高效颗粒物过滤系统,搅拌风机和循环风机保持开启,关闭车门车窗,记录此时车内PM2.5的10min的平均浓度为整车颗粒物阻隔测试的初始浓度,记为C0。5.3整车颗粒物阻隔(Z)测试5.3.1在完成样车预处理后,进行整车颗粒物阻隔(Z)测试。模拟车外PM浓度较高的情况,观察车内PM2.5浓度的变化,考查车辆对外界颗粒物的阻隔能力。5.3.2重新启动车内PM2.5检测设备,关闭车门车窗。车内采样点设置:按照HJ/T400—2007布置采样点。5.3.3用香烟烟雾作为PM2.5的尘源。将香烟烟雾引入环境仓内。5.3.4在环境仓烟雾入口侧距车0.5m内,高度与主驾位呼吸点位置平齐,监测仓内PM2.5浓度,当仓内PM2.5背景浓度达到1600μg/m3~2400μg/m3时,关闭颗粒物发生装置并切断颗粒物传送。5.3.5环境仓搅拌风机持续搅拌10min,仓内PM2.5背景浓度稳定后需满足:1700μg/m3~2300μg/m3。取车内连续测量30min的PM2.5浓度均值为密闭性终止值,记为C1。5.3.6环境仓PM2.5浓度应实时监测,当监测点浓度偏离规定值时,允许在过程中补充颗粒物以满足其背景浓度要求。5.3.7整车闭性通过车内PM2.5浓度的增量Z(单位:μg/m3)进行评价。5.4车内颗粒物净化能力(E)测试5.4.1打开车门车窗,当车内、车外PM2.5浓度满足5.3.4要求时,进行车内颗粒物净化能力(E)测试。空调设置见表2。5.4.2关闭所有车门,车窗保持开启。启动车内PM2.5检测仪,记录车内1min时的PM2.5浓度值为Ct0。5.4.3打开空调及车内空气净化装置,重新启动车内PM2.5检测仪,关闭所有车门、车窗。5.4.4.当车内PM2.5浓度连续3个设备显示值均≤35μg/m3时,记录此时车内PM2.5的浓度值为Ct1,并记录净化时间t(t≤15min),若15min时车内PM2.5浓度大于35μg/m3,记录车内PM2.5浓度为Ct1并终止试验。注:净化时间t保留1位小数,小数位为测试设备所读秒数/60,采用四舍五入修约。表2空调设置6评价规程6.1评价指标6.1.1整车颗粒物阻隔(Z):考察车辆在静止状态下对外界颗粒物防护能力,用车内颗粒物PM2.5增量Z(单位:μg/m3)表示。6.1.2车内颗粒物净化能力(E):考察车内PM污染的情况下,空调内循环及相关净化装置对车内颗粒物的净化效果,用净化时间t(单位:min)和对应的PM2.5净化终止浓度Ct1(单位:μg/m3)表征。6.2评分规则整车颗粒物阻隔(Z)指标总分20分,根据试验测得的Z值,在不同区间下进行分值分配。内循环净化效率(E)指标总分80分,根据试验测得的净化时间t及净化终止浓度Ct1,在不同区间下进行分值分配。当车内配置有颗粒物浓度监测等装置时,可给附加分2分。总分按102分计。具体分值分配见表3。表3各指标评分规则6.2.1整车颗粒物阻隔(Z)得分线性插值得分规则如表4所示。表4整车颗粒物阻隔指标评分线性插值表6.2.2内循环净化效率(E)得分线性插值得分规则如表5所示。表5内循环净化效率(E)指标评分线性插值表6.3星级评价中国汽车健康指数车内颗粒物(PM)板块测评总分(V)由整车颗粒物阻隔、车内颗粒物净化能力、附加分三部分之和得出。得分不低于60分的车型最终以得分及对应星级的形式进行发布,得分低于60分的车型无星级,仅发布总分。星级发布共分5个等级(见表6)。评价车型获得[60,70)分,评价结果为1星级;评价车型获得[70,80)分,评价结果为2星级;评价车型获得[80,85)分,评价结果为3星级;评价车型获得[85,90)分,评价结果为4星级;评价车型获得[90,102]分,评价结果为5星级。表6星级分数对应表附录A(规范性附录)样车基本信息及关键零部件清单

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值