AI Crazy
New member
Một nhóm nghiên cứu tại Southwest Research Institute (SwRI) đã phát triển phương pháp tự động hóa hiệu chỉnh hệ thống xử lý khí thải cho xe tải diesel hạng nặng bằng máy học, rút ngắn thời gian hiệu chỉnh từ vài tuần xuống còn khoảng hai giờ. Phương pháp này giúp nâng cao hiệu suất chuyển hóa NOx và dễ dàng tuân thủ các tiêu chuẩn khí thải mới.
Southwest Research Institute (SwRI) vừa công bố phương pháp kết hợp máy học và tối ưu hóa thuật toán để tự động hóa việc hiệu chỉnh hệ thống xử lý khí thải cho xe tải diesel hạng nặng, đặc biệt là các hệ thống khử chọn lọc xúc tác (SCR). Phương pháp mới có thể rút ngắn thời gian hiệu chỉnh từ vài tuần xuống còn khoảng hai giờ.
Hiệu chỉnh thủ công các hệ SCR vốn đòi hỏi nhiều công sức và thời gian, thường mất sáu tuần hoặc hơn để thử nghiệm và tinh chỉnh. Venkata Chundru, kỹ sư nghiên cứu cao cấp tại bộ phận Thuật toán Tiên tiến của SwRI, cho biết việc kết hợp mô hình nâng cao với tối ưu hóa tự động giúp đẩy nhanh tiến độ hiệu chỉnh và cải thiện hiệu suất hệ thống, đồng thời đảm bảo đáp ứng các tiêu chuẩn mới.
Các tiêu chuẩn mới của Cơ quan Bảo vệ Môi trường Mỹ (EPA) và Ủy ban Tài nguyên Không khí California (CARB) dự kiến có hiệu lực vào năm 2027, quy định mức phát thải nitrogen oxides (NOx) theo tỷ lệ năng lượng tiêu thụ. SwRI đã thực hiện nhiều dự án nhằm cải tiến công nghệ ô tô hiện có để đảm bảo hoặc vượt qua các tiêu chuẩn này.
Hầu hết hệ SCR sử dụng dung dịch dựa trên ure (ví dụ dung dịch làm sạch khí thải diesel) được phun vào dòng xả. Dung dịch này phản ứng trên xúc tác để chuyển hóa NOx thành nước và nitơ vô hại. Việc điều khiển liều lượng ure chính xác là then chốt để giảm NOx mà vẫn tránh hiện tượng thoát ammonia (ammonia slip).
Nhóm dự án của SwRI đã phát triển một mô hình mạng nơ-ron kết hợp kiến thức vật lý (physics-informed neural network) — mô hình học từ cả dữ liệu thực nghiệm lẫn các định luật vật lý — giúp đưa ra kết quả nhanh hơn và chính xác hơn. Bằng cách mô phỏng hệ SCR đang hoạt động, nhóm có thể điều chỉnh kiểm soát liều ure để giảm tổng phát thải NOx và ammonia, đồng thời nhanh chóng xác định các thiết lập tối ưu cho động cơ.
Mô hình không chỉ tìm ra các thiết lập tối ưu mà còn học để nhận diện và ánh xạ quy trình hiệu chỉnh, cho phép tự động hóa toàn bộ quá trình. So với hiệu chỉnh thủ công, phương pháp này mang lại thời gian hiệu chỉnh ngắn hơn và nâng cao hiệu suất chuyển hóa NOx, đồng thời có tính mở rộng và chi phí hiệu quả cho ứng dụng xe tải công suất lớn trong tương lai.
Những tiến bộ này có tiềm năng lớn giúp ngành vận tải hạng nặng đáp ứng các tiêu chuẩn khí thải thắt chặt trong những năm tới, đồng thời giảm tác động môi trường từ các phương tiện sử dụng động cơ diesel.
Nguồn: https://techxplore.com/news/2025-11-machine-calibrate-emissions-faster-efficiently.html
Southwest Research Institute (SwRI) vừa công bố phương pháp kết hợp máy học và tối ưu hóa thuật toán để tự động hóa việc hiệu chỉnh hệ thống xử lý khí thải cho xe tải diesel hạng nặng, đặc biệt là các hệ thống khử chọn lọc xúc tác (SCR). Phương pháp mới có thể rút ngắn thời gian hiệu chỉnh từ vài tuần xuống còn khoảng hai giờ.
Hiệu chỉnh thủ công các hệ SCR vốn đòi hỏi nhiều công sức và thời gian, thường mất sáu tuần hoặc hơn để thử nghiệm và tinh chỉnh. Venkata Chundru, kỹ sư nghiên cứu cao cấp tại bộ phận Thuật toán Tiên tiến của SwRI, cho biết việc kết hợp mô hình nâng cao với tối ưu hóa tự động giúp đẩy nhanh tiến độ hiệu chỉnh và cải thiện hiệu suất hệ thống, đồng thời đảm bảo đáp ứng các tiêu chuẩn mới.
Các tiêu chuẩn mới của Cơ quan Bảo vệ Môi trường Mỹ (EPA) và Ủy ban Tài nguyên Không khí California (CARB) dự kiến có hiệu lực vào năm 2027, quy định mức phát thải nitrogen oxides (NOx) theo tỷ lệ năng lượng tiêu thụ. SwRI đã thực hiện nhiều dự án nhằm cải tiến công nghệ ô tô hiện có để đảm bảo hoặc vượt qua các tiêu chuẩn này.
Hầu hết hệ SCR sử dụng dung dịch dựa trên ure (ví dụ dung dịch làm sạch khí thải diesel) được phun vào dòng xả. Dung dịch này phản ứng trên xúc tác để chuyển hóa NOx thành nước và nitơ vô hại. Việc điều khiển liều lượng ure chính xác là then chốt để giảm NOx mà vẫn tránh hiện tượng thoát ammonia (ammonia slip).
Nhóm dự án của SwRI đã phát triển một mô hình mạng nơ-ron kết hợp kiến thức vật lý (physics-informed neural network) — mô hình học từ cả dữ liệu thực nghiệm lẫn các định luật vật lý — giúp đưa ra kết quả nhanh hơn và chính xác hơn. Bằng cách mô phỏng hệ SCR đang hoạt động, nhóm có thể điều chỉnh kiểm soát liều ure để giảm tổng phát thải NOx và ammonia, đồng thời nhanh chóng xác định các thiết lập tối ưu cho động cơ.
Mô hình không chỉ tìm ra các thiết lập tối ưu mà còn học để nhận diện và ánh xạ quy trình hiệu chỉnh, cho phép tự động hóa toàn bộ quá trình. So với hiệu chỉnh thủ công, phương pháp này mang lại thời gian hiệu chỉnh ngắn hơn và nâng cao hiệu suất chuyển hóa NOx, đồng thời có tính mở rộng và chi phí hiệu quả cho ứng dụng xe tải công suất lớn trong tương lai.
Những tiến bộ này có tiềm năng lớn giúp ngành vận tải hạng nặng đáp ứng các tiêu chuẩn khí thải thắt chặt trong những năm tới, đồng thời giảm tác động môi trường từ các phương tiện sử dụng động cơ diesel.
Nguồn: https://techxplore.com/news/2025-11-machine-calibrate-emissions-faster-efficiently.html
Bài viết liên quan
