西南研究院（SwRI）是一家为政府和行业客户进行应用研究和开发的非营利性独立组织，该机构宣布已开发出一种方法，利用机器学习和基于算法的优化来自动校准重型柴油卡车排放控制系统。
西南研究院利用机器学习工具自动校准SCR系统，同时微调控制参数，以降低尾气氮氧化物和氨的总体排放量。（来源：西南研究院）最新的柴油后处理系统通常需要数周时间才能完成校准。据称，西南研究院的新方法只需两个小时即可完成校准。
“手动校准选择性催化还原（SCR）系统非常耗时费力，通常需要六周或更长时间的测试和工作，”西南研究院高级算法部门高级研究工程师文卡塔·琼德鲁（Venkata Chundru）表示。“通过将先进的建模技术与自动化优化相结合，我们可以加快校准速度，提高系统性能，同时确保符合即将出台的标准。”
美国环境保护署和加州空气资源委员会 (CARB) 的新标准计划于 2027 年生效，该标准将规定车辆氮氧化物 (NOx) 排放量与其能源消耗量成正比。西南研究院 (SwRI) 已完成多个项目，旨在改进现有汽车技术，使其完全符合甚至超越新标准。
作为这项工作的延续，西南研究院动力总成工程部开发了一种用于柴油发动机选择性催化还原（SCR）系统自动标定的方法。大多数SCR系统使用氨基溶液（例如尿素基柴油机尾气处理液）来控制发动机排放，该溶液被喷入废气流中。注入的废气与催化剂发生反应，产生化学反应，将氮氧化物（NOx）转化为无害的水和氮气。
项目团队创建了一个基于物理学原理的神经网络机器学习模型，该模型能够从数据和物理定律中学习，据称可以提供更快、更准确的结果。通过对主动式选择性催化还原（SCR）系统进行模拟，团队可以微调尿素喷射控制，从而降低氮氧化物（NOx）和氨的总体排放量，并快速确定发动机的最佳设置。该模型随后可以学习识别这些设置并映射校准过程，从而实现完全自动化。
Chundru表示：“与手动校准相比，我们开发的方法能够显著缩短校准时间，并提高氮氧化物转化效率，此外还有其他诸多优势。它为我们未来的重型应用提供了一条可扩展且经济高效的途径。”
