Cruise speed optimization of tugboat based on real fuel consumption and emission
-
摘要: 利用便携式排放测试系统对上海外高桥港近海拖轮进行了油耗与排放测试, 拟合了油耗、排放与航速的关系, 建立了巡航工况下的航速优化模型, 分析了拖轮最佳油耗和排放对应的航速。试验结果表明: 船舶CO2的排放因子与燃油的品质和船舶工况相关, 与实船排放测试相比, 使用经验排放因子估算排放率是可行的; 当使用幂函数拟合CO、CO2、THC、NOx、PM、PN排放和油耗与航速关系时, 各拟合曲线的决定系数均大于0.9;仅对油耗优化, 当航速为7.21kn时, 拖轮单次巡航工况下的总油耗达到最小值, 相对最大航速12.00kn的油耗下降了33.40%;对油耗和NOx排放进行优化, 得到的最优航速最大; 对油耗与所有排放同时优化, 得到的最优航速最小; 当航速为6.96kn时, 拖轮的总油耗、NOx、PM和PN总排放达到最优值, 相对最大航速, 总油耗下降了33.29%, CO、CO2、THC、NOx、PM、PN减排率分别达到59.56%、76.37%、82.34%、92.36%、53.10%和62.25%。可见, 在最优航速时, 拖轮总油耗与总排放均显著减小。Abstract: The test of fuel consumption and emission of offshore tugboat in Shanghai Waigaoqiao Port was conducted by using portable emission measurement system, the relationship between fuel consumption, emission and cruise speed was fitted, an optimization model of cruise speed was established, and the optimal fuel consumption and emission of tugboat and corresponding speed were analyzed.Test result shows that CO2 emission factor is related to fuel quality and working condition of ship, and the accurate emission result can be obtained by estimating based on empirical emission factor comparing with real-ship emission test.When power function is used to fit the relationship between the emissions of CO, CO2, THC, NOx, PM and PN, fuel consumption and cruise speed, the determination coefficient of each fitting curve is larger than0.9.Under the condition that fuel consumptionis optimized, when cruise speed is 7.21 kn, the total fuel consumption of tugboat in single cruise condition reaches the minimum and decreases by33.40% compared to the maximum cruise speed of 12.00 kn.The optimal cruise speed reachesthe maximum while both fuel consumption and NOxemission are optimized.The optimal cruise speed reaches the minimum while both fuel consumption and all emissions are optimized.When cruise speed is 6.96 kn, the total fuel consumption and emission of NOx, PM and PN reach the optimal values, compared to the maximum cruise speed, the total fuel consumption decreases by33.29%, and the emission reduction rates of CO, CO2, THC, NOx, PM, PN are 59.56%, 76.37%, 82.34%, 92.36%, 53.10%, 62.25% respectively. Obviously, the total fuel consumption and emissions of tugboat decrease significantly at optimal cruise speed.
-
Key words:
- ship engineering /
- tugboat /
- curise speed optimization /
- emission test /
- fuel consumption
-
0. 引言
船舶在世界经济贸易中一直扮演着重要的角色, 然而, 船舶排放是全球空气污染的重要来源之一[1-4]。不同于机动车, 船舶发动机尚未普及先进的后处理技术, 并且缺少严格的排放法规监管。据统计, 全球船龄10年以上的商船占商船总数的34.5%[5], 这些在用船舶由于使用的发动机老旧, 其排放更为严峻。据预测, 2030年船舶排放的NOx和PM将分别占运输行业总排放的38%~42%和45%~48%[6]。
研究表明, 船舶航速优化是降低船舶油耗和碳排放的有效措施之一[7-8]。Fagerholt等根据船舶的历史油耗数据, 利用线性插值拟合了油耗与航速的关系, 研究了不同航速和路径对船舶在排放控制区内燃油成本的影响[9]; Wong等用三次函数拟合了船舶油耗与航速的关系, 并利用对数效用和线性效用模型得到了权衡油耗、碳排放和到货时间的最佳航速[10]; Kontovas等通过对服务航速高于20kn的4 000艘集装箱船舶的油耗与航速的回归分析, 发现拟合公式中航速的指数高于3次[11]; Lindstad等基于船舶参数、天气条件、海洋条件、运营成本等与航速相关的变量建立了远洋散货船盈利、成本和排放的预测模型[12]; Corbett等研究发现, 通过航速优化, 即使在运力损失、船舶数量增加的情况下, 船舶总的碳排放量仍然有很大的下降[13]。以上研究采用了多种模型预测油耗与碳排放随船舶航速的变化, 但基本都是基于船舶的历史油耗数据或台架油耗数据来建立航速优化模型, 并且通过经验排放因子将油耗转换为碳排放。
随着中国各大港口吞吐量的增加, 作为辅助船舶作业的拖轮, 其使用率和数量也在逐渐上升。以上港集团为例, 其年均拖带船舶已达到6万艘[14], 因此, 拖轮对近海地区的排放污染也不容忽视。Papson等通过比较不同拖轮减排措施发现降低巡航航速是减少拖轮CO2排放成本最低的手段[15]。与运输船舶不同, 港作拖轮巡航时间较短, 航速降低对运营损失的影响相对较小。目前, 大部分模型都是针对运输船优化, 拖轮的优化模型相对较少。此外, 针对国内外船舶航速模型仅用经验公式估算船舶油耗和CO2排放量, 对NOx颗粒物等排放几乎没有涉及。基于此, 本文利用便携式排放测试系统(Portable Emission Measurement System, PEMS) 对上海外高桥港近海拖轮在不同巡航航速下的油耗和排放进行了实船测试, 研究了航速对拖轮油耗和排放的影响, 并建立了航速优化模型, 得出了拖轮最佳油耗和排放对应的巡航航速。
1. 试验方案
1.1 试验船舶
试验船舶为上海外高桥港近海拖轮, 其主要参数见表 1。试验拖轮配有2个四冲程柴油主机和2个柴油辅机。试验时, 对其中一个主机进行了实际航行工况的排放测试。该拖轮主机出厂标定时的NOx排放满足国际海事组织(International Maritime Organization, IMO) 第1阶段的限值要求。由于试验船舶所在航区的限速要求以及出于对船体的保护, 拖轮主机的最高转速限制为600r·min-1, 设计航速为13kn。试验拖轮主机与辅机使用的燃油均为上海市售船用0号普通柴油, 并由同一个油箱供油, 具体燃油参数见表 2。
1.2 试验路线
试验路线为拖轮日常作业的实际航线, 见图 1。试验时, 拖轮往返航行于外高桥海通码头与浦航石油公司, 其服务对象主要为外贸船舶, 航行单程约为9km; 天气良好, 无大风, 试验水域尽量选择静水水域; 为了保证试验的准确性, 尽量使2个主机运行在同一转速下。
表 1 拖轮主要参数Table 1. Main parameters of tugboat
表 2 拖轮燃油参数Table 2. Fuel parameters of tugboat
1.3 试验方法
运用PEMS法测试船舶排放, 近年来已大量运用于船舶实际排放的研究[16-20]。本文所使用设备主要由日本HORIBA公司的OBS-2200 (On BoardEmission Measurement System) 气态物排放测试仪, 芬兰DEKATI公司的ELPI (Electrical Low Pressure Impactor) 静电低压撞击器及其附属射流稀释系统组成。试验设备布置见图 2。OBS-2200使用NDIR (非分光红外) 测量CO、CO2, 使用FID (氢火焰离子化检测器) 测量THC (总碳氢), 使用CLD (化学发光) 测量NOx。各测试单元的最大误差为±2.5%。
ELPI用于实时测量气溶胶粒径分布与颗粒数浓度, 其测量粒径范围为7~10μm, 通道数为12个。在计算颗粒质量浓度时, 假设颗粒为均匀的球体, 通过ELPI内置的软件自动将颗粒数浓度转换为质量浓度。从船舶排气管中抽取的样气经过两级串联的射流稀释器后进入ELPI。其中第1级稀释比为8.21, 第2级稀释比为8.23, 总稀释比为67.57。由于稀释比会随着排气压力与大气压力的改变而改变, 数据处理时对稀释比进行了相应的修正。
发动机排气流量则使用OBS自带的皮托管流量计, 该流量计最大误差为±1.5%。数据分析时, 将排气流量修正为标准状态(温度为273.15K, 气压为101.32kPa) 下的数值, 修正式为
式中: Qexh为标准状态下的排气流量; K为皮托管的标定系数; Pexh为测量点的排气压力; Texh为测量点的排气温度; Δh为测量点的动静压差; ρexh为排气密度。
对于拖轮油耗, 由于瞬态测量较为困难, 一般使用以下2种方法: 一是直接使用船舶仪表上的油耗数值, 数据时间分辨率不高[19-21], 并且某些老旧船舶并未装备油耗仪; 二是碳平衡法。本文采用第2种方法。在排气分析仪精度足够高的前提下, 碳平衡法所测得的油耗与油耗仪直接测得的油耗结果相差不大[22]。碳平衡法的具体计算式为
式中: Qm为主机实际计算油耗; QTHC为THC排放率; QCO为CO排放率;
为CO2排放率; MC、MCO、
分别为C、CO和CO2的摩尔质量; Rfuel、RTHC分别为燃油与THC排放的碳平衡系数, 本文均取0.86。
2. 试验结果分析
2.1 拖轮油耗与排放测试
试验时, 根据海事局对上海外高桥港航道内船舶航速的限制要求, 船舶航速不得低于4kn, 不得高于12kn。当拖轮主机运行在怠速400r·min-1时, 航速约为7kn, 又由于过低的航速会影响发动机的寿命, 因而试验时只在[7, 12]kn的区间内进行排放和油耗测试。每隔1kn测试1个工况点, 每个工况点至少稳定航行5 min, 并取该工况的平均值作为测试航速。
试验拖轮CO、CO2、THC、NOx、PM、PN排放与油耗测试结果见表 3, 其中,
为NOx排放率, QPM为PM排放率, QPN为PN排放率。随着航速的增大, 发动机喷油量增大, 排气流量增大, 各排放物的排放率也随之增大。总体而言, 各排放物和油耗的增长速率在7~11kn变化时加快, 而在11~12kn变化时放缓。根据表 3的结果, 将各排放物排放率和油耗相除还可以进一步得到各排放物在不同巡航航速下的排放因子f。图 3为不同航速下CO2的排放因子, 可知: CO2的排放因子随着航速的增大总体有增大的趋势, 说明CO2排放因子不仅和燃油的品质相关, 还和船舶工况相关。但其变化幅度较小, 因而在精度要求不高且油品已知的前提下[9-10], 使用单一的经验排放因子估计CO2排放也是可行的。
2.2 拖轮油耗与排放拟合
根据测试结果, 可以拟合出试验拖轮各排放物和油耗与航速的关系式。一般拟合主机油耗和航速关系时, 最常使用的是幂函数拟合公式[23-25]
表 3 排放与油耗测试结果Table 3. Test result of emission and fuel consumption
式中: Qf为主机拟合油耗; V为航速; a、b为幂函数拟合系数, 一般通过经验公式或统计数据拟合得到, 取决于船舶尺寸与发动机型号等[11]。
常采用CO2排放因子估算CO2排放率
式中: f为CO2排放因子。
使用该方法会产生一定的误差, 因为CO2排放因子对于不同发动机、不同船龄、不同工况、使用不同燃油的船舶来说并不是一个固定值。
图 4~10为试验拖轮CO、CO2、THC、NOx、PM、PN排放和油耗与巡航航速的幂函数拟合关系曲线, 可知: 各拟合曲线的决定系数R12~R72均在0.9以上, 表明使用幂函数能够较好地描述各排放物和油耗与航速的关系。Wong等根据螺旋桨特性推算的经验公式一般认为CO2或油耗与航速呈三次幂函数的关系[10], 而本文实测的CO2与油耗的指数b大于3, 这是因为船舶发动机在实际航行过程中并不能完全在标定功率点运行, 并且随着船体和机械部件的老化和船舶航行阻力的增大, 达到同样航速所需的功率必定大于标定值, 因而导致了指数b的增大。随着航速的降低, 试验拖轮油耗和各排放物排放率都下降明显, 因而通过拟合曲线可以进一步建立合适的航速优化模型。
3. 航速优化模型分析
拖轮作业的过程可以分为辅助作业(往返于作业地点和拖轮停泊码头)、实际作业(拖轮辅助目标船舶进港、离港等) 和等待作业(无作业任务或等待目标船舶到港), 建立航速优化模型时, 为了简化模型, 做如下假设。
(1) 拖轮单次作业时, 实际作业和等待作业时间在优化前后保持不变。
(2) 辅助作业时, 拖轮离港和进港的时间在优化前后保持不变。
(3) 在某一特定航速下, 2个主机与2个辅机的油耗与排放完全相同。
根据以上假设, 在实际优化时只需考虑在辅助作业时拖轮往返目标码头的航速即可, 从而可以得到装备2个主机和2个辅机的拖轮单次作业巡航工况油耗模型为
式中: Q为主机与辅机的总油耗; T为试验拖轮往返停泊码头与目标码头所消耗时间; S为拖轮停泊码头与目标码头间距离; Qa为辅机油耗, 辅机一直工作在标定工况下, 此时的油耗约为29.09kg·h-1。
根据式(3)、(5)、(6), 可以推导出最小油耗航速Vmin为
可见, 最小油耗航速主要取决于主机油耗的拟合系数a、b以及辅机油耗Qa。
拖轮单次作业巡航工况的总油耗与航速的关系见图 11。随着航速的增大, 总油耗有着先减小后增大的趋势。通过计算可以得出, 当航速为7.21kn时, 拖轮单次作业巡航工况下的总油耗达到最小值, 为107.83kg, 相对最大航速12.00kn的油耗下降了33.40%。此时航速相对下降39.96%, 而单次作业的巡航时间增加32.34 min, 增加的时间需要通过合理的拖轮调度优化来减少运营损失。
以上模型仅仅是对于拖轮油耗的优化, 从对环境和人体健康保护的角度来说, 还需要结合排放选择更合理的航速。拖轮巡航工况下, 2个主机在往返停泊码头与目标码头时, 排放物i的总排放量Ei为
式中: Qi为排放物i的排放率。
在不同航速降低率(航速相对最大值12.00kn降低的百分比) 下拖轮主机各排放物的减排效果见图 12, 可知: 随着航速降低率的增加, 各排放物总排放量均显著下降, 其中NOx总排放量对航速的降低最为敏感, 这是由于NOx排放拟合曲线指数b最大, 航速细微的变化便可以对总排放量造成显著的影响。
为了使得油耗和排放同时控制在一个较低的水平, 需要建立一个多目标优化模型。本文使用线性加权的方法选取最佳巡航航速, 优化模型为
式中: F (V) 为统一油耗和排放后的航速综合评价函数; f′j (V) 为巡航工况总油耗或总排放的子函数; fj (V) 为量纲为1的子函数; ωj为子函数j的权重; αj、βj分别为子函数的上、下限。
通过该线性加权模型, 可以反映油耗与各排放物的综合影响, 并将多目标优化问题转换为单目标优化问题。该模型虽然针对拖轮建立, 但理论上适用于线路固定、主要工况为进、离港和巡航的其他船舶, 只要得到不同船型油耗和排放与航速的关系, 即可求得同时降低油耗和排放的最优航速。
根据上述模型, 可以计算得到不同优化目标下的最佳航速, 见表 4, 可知: 若仅对油耗和NOx排放进行优化, 得到的最优航速最大, 基本等同于最小油耗航速; 若对油耗与所有排放物同时优化, 得到的最优航速最小。根据现阶段的法规要求, NOx是首要控制的排放物, 但由于柴油机另一主要排放物PM对环境和人体的重要影响, 本文选用同时优化油耗、NOx、PM和PN的方案, 即取最优航速为6.96kn。
表 4 不同优化目标下最优航速Table 4. Optimal speeds under different optimization objectives
当试验拖轮在最优航速下航行时, 整个巡航过程的总油耗相对最大航速12.00kn下降了33.29%, CO、CO2、THC、NOx、PM、PN总排放相对最大航速的减排率分别达到了59.56%、76.37%、82.34%、92.36%、53.10%和62.25%, 表明降低拖轮巡航航速对拖轮节能减排有着显著的作用。
4. 结语
(1) 实船排放测试能够准确得到不同巡航航速下试验拖轮各排放物的排放率与油耗, 并进一步得到精确的排放因子。
(2) 使用幂函数拟合能够较好地描述各排放物和油耗与巡航航速的关系, 决定系数均在0.9以上。
(3) 当航速为6.96kn时, 试验拖轮的总油耗、NOx、PM和PN排放达到最优值, 此时, 巡航工况的总油耗相对最大航速12.00kn下降了33.29%, CO2、THC、NOx总排放量相对最大航速分别下降了76.37%、82.34%和92.36%, CO、PM、PN的减排率也分别达到59.56%、53.10%和62.25%。
(4) 本文基于实船测试的油耗和排放数据建立了拖轮的航速优化模型, 可运用于路线固定的其他船舶, 但拟合曲线和优化结果需根据具体船型分析。
-
[1] KHLER J. Globalization and sustainable development: case study on international transport and sustainable development[J]. Journal of Environment and Development, 2014, 23 (1): 66-100. doi: 10.1177/1070496513507260 [2] BLASCO J, DURN-GRADOS V, HAMPEL M, et al. Towards an integrated environmental risk assessment of emissions from ships'propulsion systems[J]. Environment International, 2014, 66 (3): 44-47. [3] CORBETT J J. New directions: designing ship emissions and impacts research to inform both science and policy[J]. Atmospheric Environment, 2003, 37 (33): 4719-4721. doi: 10.1016/j.atmosenv.2003.08.003 [4] MARMER E, LANGMANN B. Impact of ship emissions on the Mediterranean summertime pollution and climate: a regional model study[J]. Atmospheric Environment, 2005, 39 (26): 4659-4669. doi: 10.1016/j.atmosenv.2005.04.014 [5] 秦琦, 祁斌, 沈苏雯, 等. 2014年世界船舶市场评述及2015年展望[J]. 船舶, 2015 (1): 1-14. https://www.cnki.com.cn/Article/CJFDTOTAL-CBZZ201501001.htmQIN Qi, QI Bin, SHEN Su-wen, et al. Review of world ship market in 2014and beyond[J]. Ship and Boat, 2015 (1): 1-14. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-CBZZ201501001.htm [6] YAN F, WINIJKUL E, STREETS D G, et al. Global emission projections for the transportation sector using dynamic technology modeling[J]. Atmospheric Chemistry and Physics, 2014, 14 (11): 5709-5733. doi: 10.5194/acp-14-5709-2014 [7] ARMSTRONG V N. Vesseloptimisation for low carbon shipping[J]. Ocean Engineering, 2013, 73: 195-207. doi: 10.1016/j.oceaneng.2013.06.018 [8] WANG Shuai-an, MENG Qiang, LIU Zhi-yuan. Bunker consumption optimization methods in shipping: A critical review and extensions[J]. Transportation Research Part E: Logistics and Transportation Review, 2013, 53 (1): 49-62. [9] FAGERHOLT K, GAUSEL N T, RAKKE J G, et al. Maritime routing and speed optimization with emission control areas[J]. Transportation Research Part C: Emerging Technologies, 2015, 52: 57-73. doi: 10.1016/j.trc.2014.12.010 [10] WONG E Y C, TAI A H, LAU H Y K, et al. An utilitybased decision support sustainability model in slow steaming maritime operations[J]. Transportation Research Part E: Logistics and Transportation Review, 2015, 78: 57-69. doi: 10.1016/j.tre.2015.01.013 [11] KONTOVAS C, PSARAFTIS H N. Reduction of emissions along the maritime intermodal container chain: operational models and policies[J]. Maritime Policy and Management, 2011, 38 (4): 451-469. doi: 10.1080/03088839.2011.588262 [12] LINDSTAD H, ASBJØRNSLETT B E, JULLUMSTRØE. Assessment of profit, cost and emissions by varying speed as a function of sea conditions and freight market[J]. Transportation Research Part D: Transport and Environment, 2013, 19 (1): 5-12. [13] CORBETT J J, WANG Hai-feng, WINEBRAKE J J. The effectiveness and costs of speed reductions on emissions from international shipping[J]. Transportation Research Part D: Transport and Environment, 2009, 14 (8): 593-598. doi: 10.1016/j.trd.2009.08.005 [14] 姬钰. 上海港港作拖轮配置规划分析研究[D]. 上海: 上海交通大学, 2011.JI Yu. Analysis of planning and configuration of Shanghai harbor tugs[D]. Shanghai: Shanghai Jiaotong University, 2011. (in Chinese). [15] PAPSON A, HARTLEY S, BROWNING L. Cost effectiveness of five emission reduction strategies for inland river tug and towboats[J]. Applied Biochemistry and Biotechnology, 2010, 80 (2): 107-120. [16] JAYARAM V, AGRAWAL H, WELCH W A, et al. Realtime gaseous, PM and ultrafine particle emissions from a modern marine engine operating on biodiesel[J]. Environmental Science and Technology, 2011, 45 (6): 2286-2292. doi: 10.1021/es1026954 [17] HALLQUISTÅM, FRIDELL E, WESTERLUND J, et al. Onboard measurements of nanoparticles from a SCR-equipped marine diesel engine[J]. Environmental Science and Technology, 2012, 47 (2): 773-780. [18] WINNES H, MOLDANOVÁJ, ANDERSON M, et al. Onboard measurements of particle emissions from marine engines using fuels with different sulphur content[J]. Journal of Engineering for the Maritime Environment, 2016, 230 (1): 45-54. [19] FU Ming-liang, DING Yan, GE Yun-shan, et al. Real-world emissions of inland ships on the grand canal, China[J]. Atmospheric Environment, 2013, 81 (4): 222-229. [20] ANDERSON M, SALO K, FRIDELL E. Particle-and gaseous emissions from an LNG powered ship[J]. Environmental Science and Technology, 2015, 49 (20): 12568-12575. doi: 10.1021/acs.est.5b02678 [21] FRIDELL E, SALO K. Measurements of abatement of particles and exhaust gases in a marine gas scrubber[J]. Journal of Engineering for the Maritime Environment, 2016, 230 (1): 154-162. [22] 张学敏, 葛蕴珊, 张昱, 等. 利用碳平衡法进行汽车油耗测量的应用研究[J]. 车用发动机, 2005 (3): 56-58. https://www.cnki.com.cn/Article/CJFDTOTAL-CYFD20050300H.htmZHANG Xue-min, GE Yun-shan, ZHANG Yu, et al. Research on fuel consumption measurement using carbon balance method[J]. Vehicle Engine, 2005 (3): 56-58. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-CYFD20050300H.htm [23] WANG Shuai-an, MENG Qiang. Sailing speed optimization for container ships in a liner shipping network[J]. Transportation Research Part E: Logistics and Transportation Review, 2012, 48 (3): 701-714. [24] 许欢, 刘伟, 张爽. 低碳经济下船舶航行速度选择[J]. 中国航海, 2012, 35 (2): 98-101, 109. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHH201202023.htmXU Huan, LIU Wei, ZHANG Shuang. Choice of ship speeds under low-carbon economy[J]. Navigation of China, 2012, 35 (2): 98-101, 109. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHH201202023.htm [25] CHANG C C, WANG C M. Evaluating the effects of speed reduce for shipping costs and CO2emission[J]. Transportation Research Part D: Transport and Environment, 2014, 31 (8): 110-115. 期刊类型引用(8)
1. 白茜文，侯尧，杨冬. 基于显示性偏好数据的航运承运人应对全球限硫令的选择偏好研究. 交通运输工程学报. 2022(01): 240-249 . 
本站查看2. 王晓东，张丹瑞. 基于岭回归优化算法的船舶航速与油耗预测研究. 上海船舶运输科学研究所学报. 2022(06): 29-34+66 . 
百度学术3. 范爱龙，熊宇祺，贺亚鹏，杨柳，尹奇志. 长江船舶替代燃料动力全生命周期碳足迹研究. 船舶工程. 2022(12): 70-75+81 . 百度学术4. 洪耀球. 船舶油耗预测的机器学习算法比较研究. 济南大学学报(自然科学版). 2021(06): 546-551 . 百度学术5. 袁智，刘敬贤，刘奕，杨鑫. 基于实船数据的船舶航速与油耗优化建模. 中国航海. 2020(01): 134-138 . 百度学术6. 包甜甜，连峰，杨忠振. 航运管理研究综述. 交通运输工程学报. 2020(04): 55-69 . 本站查看7. 杨天宇，杨志勇，张彦，袁成清. 基于船舶能效提升的航速优化研究现状及展望. 中国航海. 2019(03): 130-134 . 百度学术8. 楼狄明，欧天津，施利华，胡志远，谭丕强. 基于PEMS的船舶主机的颗粒物排放特性及成分分析. 环境工程. 2018(03): 87-91+53 . 百度学术其他类型引用(12)
-
下载:
下载:
百度学术
点击查看大图
计量
- 文章访问数: 937
- HTML全文浏览量: 230
- PDF下载量: 945
- 被引次数: 20
