基于小环境舱测试的实际车内VOC浓度预测

来源 :北京理工大学学报 | 被引量 : 0次 | 上传用户：wedededi

【摘要】

：

乘用车内饰释放的挥发性有机物(VOC)严重影响车内空气质量.车内材料中VOC的释放特性主要由3个释放关键参数表征:初始浓度C0,扩散系数Dm和分配系数K.文中应用直流舱C-history法测定了几种典型乘用车内饰中6种VOC的释放关键参数,并研究了温度的影响.此外,建立了预测实际车内多源材料同时释放VOC时浓度变化的多源释放模型,并模拟实际车内环境建立了3 m3试验系统进行验证实验.实验结果与模型预测结果吻合较好,说明通过小环境舱测定的释放关键参数能够用于预测实际车内多种内饰共存时污染物的释放情况.

【作者】

：

王海媚童丽萍熊建银

【机构】

：

北京理工大学机械与车辆学院,北京 100081;中国汽车技术研究中心有限公司,天津 300300

【出处】

：

北京理工大学学报

【发表日期】

：

2022年2期

【关键词】

：

挥发性有机物(VOC) 车内空气质量乘用车内饰材料温度多源释放模型

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

多波束测深技术在水下抛石验收评价中的应用

针对单波束测深方法验收水下抛石工程结果不唯一的问题,在某水利枢纽泄水闸下游柔性海漫冲坑水下抛石项目中,采用Kongsberg EM2040C(双探头)多波束测深系统,对水下点云数据进行滤波处理,利用ArcGIS对抛石前后的地形数据进行建模计算,结果能够真实地反映水下抛石增厚值、抛石总方量、欠抛和超抛区域,为该项目的验收评价提供准确唯一的结果.应用成果对类似水下抛石验收评价项目具有一定的借鉴意义.

期刊

水下抛石多波束测深技术ArcGIS三维建模验收评价

基于小波去噪的BP神经网络在变形监测中的应用

对沉降数据的准确预测不仅可以预知监测目标的变形趋势,还可以避免重大事故的发生.首先采用小波去噪的方法对沉降数据进行降噪处理,然后建立BP(Back Propagation)神经网络预测模型,利用实例数据进行实验验证,同时与未去噪的BP神经网络预测模型对比.实验结果表明,基于小波去噪的BP神经网络预测模型精度较未去噪的BP神经网络预测模型高86.55％,前者能够更准确地预测观测点变形趋势.

期刊

BP神经网络小波去噪变形监测

多源数据的点云融合算法在智慧城市三维建模中的应用

基于多源数据构建三维模型技术,建立的三维模型精度不但相较于传统的基于单一点云构建的模型精度大幅度提高,同时解决了无人机影像三维建模中的部分缺陷,完善了三维模型的部分纹理细节.但是该技术往往是不同种点云数据的叠加,不仅会造成数据量的增加,而且会影响整个数据的质量.基于此,提出了一种点云融合算法,首先是将倾斜摄影测量技术、三维激光扫描技术、贴近摄影测量技术三者相结合,将各自形成的点云数据,利用点云融合算法进行处理,将融合后的点云进行重建,最终完成三维模型构建.经过实验测试,在保证一定数据量的情况下,模型精度大

期刊

多源数据三维模型点云融合

基于小环境舱测试的实际车内VOC浓度预测

其他学术论文