科技赋能，开启汽车工程智能新时代

（文/吴鑫冉）随着城市化与工业化的推进，国民经济水平得到了极大的提高，但随之而来的环境污染问题日益凸显，其中，由于我国机动车保有量飞速增长，机动车尾气排放已成为我国城市空气污染的主要来源，是造成细颗粒物、光化学烟雾污染的重要原因。因此，加强对机动车尾气排放的治理已迫在眉睫。

目前，满足国六排放法规的柴油车辆，其排放后处理技术，基本采用废气再循环结合氧化催化器、颗粒捕集器、选择性催化还原(selective catalytic reduction，scr)一体化的后处理技术手段，各种后处理单元耦合作用，搭配机器算法和多种传感器以及辅助设备，共同完成柴油车辆尾气净化的功能。由此看来，机器算法在汽车排放领域的应用已是大势所趋。在这一形势的驱动下，汽车工程智能化研发专家王润刚提出了由“需要用户适应和设置”向“深度控制以服务用户”转变的理念，并以此研发了具有国际前沿性的技术成果“基于机器学习算法的车辆尾气排放预测系统”，系统性创造性地将机器学习算法用于零部件众多的后处理系统中，监测车辆尾气中氮氧化物(nitrogen oxide，nox)的排放状态，且在控制策略中发挥着反馈调节的作用。

（图中右二为王润刚）

“基于机器学习算法的车辆尾气排放预测系统”利用机器算法的主成分分析缩减初始尾气数据集的变量，通过降维分析中的主成分分析缩减初始数据集的参数维度，构造少量互不相关的主成分数据集，然后依据主成分的数学模型，将多个相关的车辆参数转换为少数互不相关的主成分因子，作为排放模型的输入变量参数，为汽车排放提供生成多个预测信息。在收集信息系统中，将尾气数据在系统内部进行类别划分，并对主成分尾气数据集进行离散化处理，最终形成一体化解决方案。不同于一般的尾气排放预测系统，“基于机器学习算法的车辆尾气排放预测系统”在新类别产生后，可以继续利用机器学习算法在主成分数据集中产生新的聚类中心，并计算新聚类中心与各子时间序列的距离度量。系统通过机器学习算法构建更精确的排放预测模型，既保证后处理系统的正常功能，又可实现精简系统结构、降低系统成本的目的。

该技术成果一经落地就受到同行业专家、学者和投资方的高度关注。在实际应用中，预测模型应用于车辆后处理系统中，既代替传感器在系统中行使喷射控制和排放监测的功能，也实现精简后处理系统传感器的目的，以提高经济性。该项技术在多家企业应用后，取得了显著效果和良好反馈，王润刚更是被多家主流媒体争相报道。

随着王润刚在行业内知名度和影响力的不断提高，多家知名企业向他抛出橄榄枝，特邀他以评审专家的身份参与相关机构举办的新项目评比、技术研讨活动并提供专业的指导意见，助力汽车工程行业的复合型人才队伍建设和智慧型产业发展。王润刚始终认为汽车工程与智能科技应用之间的融合，要立足于对未来更高端需求的洞察，不仅要关注产品本身功能的不断突破与用户体验，更要以前置性思维，在汽车工程精密技术上不断钻研，在加速产品进化的同时，推动全产业智能领域向未来探索。

随着智能科技的迅猛发展和迭代更新，汽车工程领域将会面临更多的机遇和挑战，对智能化技术和创新思维的要求也必然会越来越高。作为一名汽车工程智能化研发专家，王润刚表示自己将以更大的科研决心投入到汽车工程与各类新兴技术的融合应用研究当中，为推动汽车工程领域迈向更深层阶梯、为行业提供更多智能化的高质量服务贡献力量。