摘要
通过分析车辆发动机排放废气的化学成分，可以对发动机类型进行分类，从而识别其设计特点，并通过检测车辆排放物来验证其是否符合环保法规。本文介绍了一种利用机器学习（ML）技术识别车辆类型的方法：该方法使用低成本的MQ系列传感器测量车辆排气系统中的气体和颗粒物排放情况，同时收集并测量车辆的温度和湿度数据。一个定制设计的多传感器排气检测模块用于在废气进入大气层之前实时捕获排放数据。实验样本来自三类主要类型的发动机：汽油发动机、柴油发动机和压缩天然气（CNG）发动机。此外，还收集了新鲜空气样本作为环境基准进行对比分析。所有排放数据均在受控且一致的发动机运行条件下进行测量，以确保不同类型车辆之间的排放数据具有可比性。为确保基于燃烧过程的排放特性的一致性，本研究主要关注传统燃油动力车辆。MQ系列气体传感器能够检测发动机运行过程中产生的燃烧副产物（如一氧化碳（CO）、碳氢化合物（HC）等），同时对排气混合物中的其他气体成分也具有一定的交叉敏感性。尽管如此，所提出的系统仍通过分析传感器的相对响应特征来进行模式分类。数据标准化采用了z分数归一化方法。基于三种不同的实验设计，开发出的最佳模型通过六种监督式机器学习算法（逻辑回归、支持向量机（RBF）、k-最近邻、随机森林、梯度提升决策树和XGBoost）进行训练和验证，并相互比较。多种评估指标表明，集成模型优于其他所有算法，准确率达到了99.5%。此外，噪声分析证实，即使在模拟实际应用环境的严重传感器干扰情况下，该解决方案仍能保持较高的分类准确率（超过89%）。下面介绍的解决方案展示了如何利用气体传感器和先进算法实现精确的排气识别及实时发动机类型判定。
