重型柴油发动机节能减排技术发展趋势简析

重型柴油发动机是大气污染的主要来源之一，在节能减排的政策大背景下，降低重型柴油发动机在实际运行过程中的碳排放和提升燃油经济性，成为了各大柴油发动机厂在技术路径上需要重点研究的问题。除提高发动机热效率外，通过集成化、电气化和智能化等技术手段，也可以有效的降低柴油发动机在实际运行过程中的碳排放和提升燃油经济性。

一

集成化

集成化方面，重型柴油机的动力总成可通过“大排量发动机＋多档位变速器＋单级小速比驱动桥”的组合集成实现节能减排，这也是国内的发动机厂潍柴的创造性成果，也是颠覆了行业内只有小排量发动机才能节能的传统认识，攻克了动力性和经济性相互制约的技术难题，实现了动力性和经济性的同步提升。这种动力总成的集成化，非常适用于长途干线运输的重卡牵引车，大排量大马力的柴油发动机搭配小速比的后桥（后桥速比是与车辆行驶速度成反比的，速比越小，速度越快，但同时车辆的扭矩也就越小），小速比后桥让重卡牵引车在长途干线运输中既能获得更高更快的行驶速度，而大排量大马力的柴油发动机又能保证一定的驱动动力能力。同时再与一个ATM直接挡变速箱进行匹配，直接挡变速器传递效率最高，形成了一条长途干线物流的黄金动力链，能够使得车辆更加省油。

如潍柴的黄金动力链“潍柴13G加强版发动机+法士特1810集成化AMT自动变速器+汉德HDZ425单级减速驱动桥”的集成化动力总成。潍柴动力13G加强版发动机，排量13L，功率从480马力到650马力全覆盖，最大扭矩2650N·m, 最大扭矩转速延伸至950r/min，缸体、连杆、曲轴、活塞等关键部位进行了加强和优化，B10寿命提升到了180万公里，保养里程12万公里，其可靠性、油耗、噪音、轻量化等指标均领先行业竞品。而就法士特1810集成化AMT自动变速器来说，它实现了机械硬件与电控硬件的深度集成，提升系统性能和可靠性，相比国内现有AMT，具有明显的技术优势；汉德HDZ425单级减速驱动桥，重量较竞品同类产品轻10%以上，传动效率与国际车桥水平相当,较竞品同类产品高出3%。

同时通过变斜率踏板特性控制技术，实现动态的节能减排。

二

电动化

电动化方面，可通过48V微混技术和混动技术等实现节能减排。

2.1

48V微混技术

所谓48V微混系统，最大的变化有两点：1、采用了锂离子电池代替传统的铅酸电池；2、用BSG、ISG、ISA电机与发动机并联，代替传统的启动电机和发电机。即使得重型柴油发动机与48V电池、48V起动、48V发电机以及相应的控制模块匹配。重型柴油发动机使用48V微混系统，将更容易启动和停止车辆以及驱动空调压缩机运行。这使得发动机可以减少空转时的燃料消耗，减少排放，并且也有利于动能的回收。

2.2、混动技术

混动重卡的动力系统以“单电机+AMT”的并联混合动力为主，根据整车运营场景要求，可选插电或不插电方案；车辆具备纯电动、常规动力和混合动力三种驱动模式。采用电机起步、缩短车辆起步时间；通过电机助力、提高车辆的加速能力和运营效率；车辆减速制动时，电机回收制动能量（储存至动力电池，可再次用于驱动），可节省燃油消耗、提升车辆的运营效益。

三

智能化

智能化方面，主要指的是发动机控制技术，可通过预测性控制技术和自寻优控制技术等实现节能减排。

3.1

预测性控制技术

利用ECU的优势，创造性地开发出一系列更加精准控制的预测模型，预测性地估算车辆在前方道路的动力需求，并将其量化成动力需求系数，得到发动机的理论经济空燃比表和目标扭矩限制表，并根据当前的进气流量和燃油流量实时估算当前工况下理论经济空燃比，从而通过车辆工况判断逻辑得到预测性巡航控制期望的车辆状态，并通过计算目标喷油流量，得到最终目标扭矩限制，传送至发动机控制器。

预测性控制技术通过对发动机扭矩的优化和干预控制，减少了额外扭矩的浪费，使得发动机扭矩接近经济工作点且平滑变化，避免了多余的制动减速，改善了燃油经济性。也就是说可以使柴油机工作的每一部分区域均能够更加高效，实现在将要上坡时提前加速，在将要下坡时实现提前减速，达到节能减排的效果。

3.2

自寻优控制技术

主机厂在出厂前的标定试验中，建立发动机万有特性曲线和变速箱当前车速不同挡位下发动机转矩、转速的基础数据库。如果外部环境和内部条件不发生过大变化，原有的控制参数理论上可以在当前车速下寻找合适挡位，使得对应的转速、转矩满足发动机燃油消耗最优。而为了应对工况变化，在此基础库之外，建立一个动态变化的数据库，实时计算一段时间内的转矩、转速-油耗对应关系，及同一车速在各挡位下对应的转速、转矩关系等。车辆运行中，按照基础数据库计算当前车速在实际挡位下的理论燃油消耗值，并使动态数据库记录实际的油耗值，如果二者的差值超过一定阈值，则判定原有的控制参数已不再准确、即出现了“控制差异”情况，报出此种错误状态。错误状态报出后，可选择进行重新学习相关参数，重新决策最佳挡位，以适应新的工况。协同自适应最佳挡位自寻优控制原理图见下。

注：文章中引用数据和图片来源网络