全文获取类型
收费全文 | 93篇 |
免费 | 6篇 |
国内免费 | 16篇 |
专业分类
安全科学 | 50篇 |
环保管理 | 8篇 |
综合类 | 51篇 |
污染及防治 | 4篇 |
评价与监测 | 2篇 |
出版年
2024年 | 2篇 |
2023年 | 6篇 |
2022年 | 4篇 |
2021年 | 4篇 |
2020年 | 4篇 |
2019年 | 5篇 |
2018年 | 1篇 |
2017年 | 3篇 |
2016年 | 2篇 |
2015年 | 3篇 |
2014年 | 11篇 |
2013年 | 2篇 |
2012年 | 7篇 |
2011年 | 11篇 |
2010年 | 6篇 |
2009年 | 4篇 |
2008年 | 3篇 |
2007年 | 4篇 |
2006年 | 8篇 |
2005年 | 9篇 |
2004年 | 1篇 |
2003年 | 2篇 |
2002年 | 3篇 |
2001年 | 3篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 1篇 |
1994年 | 2篇 |
排序方式: 共有115条查询结果,搜索用时 578 毫秒
81.
重型柴油车道路循环工况下排放特性的仿真分析 总被引:1,自引:0,他引:1
柴油车道路工况下NOx排放和排温的动态特性对柴油机排气后处理系统的工作以及后处理系统控制策略的确定具有重要的影响.根据6114涡轮增压柴油机的万有特性及NOx和排温的MAP图,仿真分析了道路循环工况下配有6114柴油机的重型柴油车的NOx排放和排温的动态变化;研究了道路工况、行驶特征、驾驶行为以及柴油车载荷等对柴油车排放的影响规律.研究结果表明,城市道路循环工况下,柴油车NOx排放的整体水平不高,但变化频繁、剧烈;高速公路道路循环工况下,柴油车NOx排放整体水平较高,但变化平缓;加速过程,尤其是在高速区对柴油车排放的影响显著;冲动的驾驶方式会显著提高柴油车的排放水平;满载时,柴油车的高排放区将由半载时的高速高加速区向外扩展至其他工况点,高排放区显著增大. 相似文献
82.
重型柴油车实际道路油耗与排放模拟及其应用研究 总被引:1,自引:0,他引:1
基于实际行驶状态下重型车动力需求和传动系统变化规律,建立了重型柴油车整车的瞬态油耗和排放模拟方法,可实现整车发动机工况及油耗与排放的实时模拟.为验证模型的有效性,利用重型车车载排放测试手段,以柴油公交车为研究案例,模拟并验证了车辆在实际运营线路上的油耗与排放水平.公交车综合线路实测百公里油耗为16.38L,NOx、CO和THC排放因子分别为4.44、3.35、1.96g·km-1,模拟结果与实测值基本吻合,其油耗与排放因子与实测值之比均在1.06倍左右.模拟结果显示,实测公交车怠速、NOx控制区及其它区域工况点分别占32.6%、7.1%和60.4%,增加10t负载或提高1.5倍车速可使发动机负荷利用率上升,控制区比例上升至18.4%和18.8%,同时增加负载和提高车速,控制区工况可提高至33.9%.相应地,增加负载或提高车速情景分别使车辆油耗与排放上升至1.5~1.7倍和1.6~1.8倍,同时增加负载和提高车速,油耗与排放可增至2.5倍~3.0倍,控制区油耗与排放比例均有大幅度上升.总体上,该模型方法可以为评价和研究重型柴油车在实际道路上的能耗及其排放状况提供新的模拟方法和分析手段. 相似文献
83.
84.
85.
为分析重型柴油车实际道路测试情况下污染物的排放评估方法,选取了4辆国六重型柴油车进行实际道路排放试验。试验结果表明,现行《重型柴油车污染物排放限值及测量方法(中国第六阶段)》(GB 17691—2018)采用的功基窗口法在计算过程中剔除了大量发动机处于低功率段时氮氧化物(NOx)高比排放区域数据,大幅低估了重型柴油车在实际道路工况下的NOx排放量,不能充分反映车辆实际道路排放水平,应进一步修改完善,建议后续标准修订时,去除法规中功率阈值最小10%的限制,采用全窗口的90%分位值来表征车辆的排放水平,或通过行程时间占比加权值法计算污染物比排放。 相似文献
86.
对某重型车的实际道路行驶过程中远程排放监控的NOx数据和PEMS设备测试数据对比分析。结果表明,两者的一致性较好,远程监控的NOx数据用于表征车辆实际道路的NOx排放特征具备可信性和可行性。基于远程排放监控数据,使用短行程重构PEMS法,建立车辆工况曲线重构方法和基于功基窗口法的排放评估模型,对车辆在实际道路上的排放进行评估计算,并与PEMS测试结果对比验证。研究结果表明,该短行程重构模型能有效识别车辆排放变化和超标情况,可以作为国六标准在用重型车NOx排放监控的新方法和手段。 相似文献
87.
用麻雀搜索算法优化的深度极限学习机(SSA-DELM)构建柴油车NOx排放预测模型,对柴油车低速、中速和高速状态下的NOx排放进行预测,并将此模型性能与深度极限学习机(DELM)模型性能进行对比分析。结果表明:SSA-DELM模型的预测效果较好,在低速、中速、高速状态下该模型平均绝对百分比误差MAPE分别为0.061 0、0.044 9、0.039 1;在低速、中速、高速状态下SSA-DELM模型的性能评价指标比DELM模型性能评价指标分别优约23%、44%、11%。 相似文献
88.
89.
90.