【2018汽车环保座舱论坛】中汽中心部门总监刘伟:车内气味分析理论方法研究及人工智能识别

各位嘉宾大家上午好。我的报告分为三个部分。首先讲一下对车内气味化合物限值体系。第二个讲一下多气味交互作用机制。第三个是人工智能识别气味的影响因素。

首先说一下对车内气味清单的一个理解。我们将车内气味对人影响分为三个层面，一个是气味性本身的，包括人是否能闻到有这个化学物质，以及闻到这个物质之后有什么样的气味感官，认为是什么味道的，比如说香蕉味、苹果味、橘味等，这一块划分为气味检知阈值、气味的确认阈值以及气味类型及愉悦度这几个层面上，统称为气味的类型，气味性的描述。

第二个层面随着车内某些化合物不断的增大，对人产生生理上或者感觉上的刺激，比如说对你眼睛、鼻子、喉咙，这个归到刺激性的影响。还有浓度非常大的时候，甚至会觉得胸闷，呼吸会受到影响，这一块有相关国际上的标准，有一些是用小鼠做实验，把它叫RD50值（音）就是浓度达到一定的程度，会让小白鼠的呼吸速率变成正常呼吸速率的一半，这个我们确实对车里面的物质进行（英文）发现有一些物质浓度能达到这样高的一个浓度水平。

第三个层面是把一些化学物质对人影响健康层面的信息进行一些总结归纳，包括是否致癌，是否引起不孕不育或者某些级别潜在的影响等。现在我们对这些数据的积累总量大概是2025个化合物，其中包括有1500个化合物的嗅阈值，还有大概1200个健康影响，这些是整理出来的。

对这些数据分析的时候，我们发现以嗅阈的感觉阈值和检知阈值为例，不同国家对同一种化合物它的气味或者刺激的感受是不一样的。我们通过分析发现以亚洲人，美国欧洲和加拿大还有大概这几个大的区分，我们发现确实差异很明显。我们在大的数据库处理过程中，或者往中国人群感受的应用上来考虑的时候，就需要把不同国家人对同种化合物气味感知进行一个标准化。标准化的时候用了一些数据处理的方法，包括我们需要选择一个比较的基准，这个基准理想情况下是把其他人对气味的感知都归整到中国人的平均水平上，需要选择一个中国人的平均水平。但是在选的时候我们发现中国相关研究者报道气味的嗅阈值信息非常少，只有十几种，不支持几千种都归到中国来。往中国周边扩展了一下，日本有几个研究者报道的物质比较多，达到几百个。我们把美国、欧洲、德国、英国还有加拿大，他们相关的阈值报道信息往日本的标准上靠，我们发现一个日本修正之后的阈值平均水平。

从右下的图可以看出来，如果把日本人对气味的感知定义为一个基准零，发现国际上大部分的人报道的气味感知强度是要比日本人这个基准要更敏感的。

现在是一些事例数据。左上我们分析了两位不同日本研究者报道的嗅阈值的结果。我们把日本和美国、加拿大、欧洲放在一起比较，发现黑色的是代表日本，发现日本人比其他国家的人敏感。结合刚才JD.Power的数据，从那个层面来看，中国人要比日本人的抱怨更多。我们这样的分析就是日本人要比美国、加拿大、德国、英国的人敏感。从这个数据趋势上来看，我们的研究的结果和JD.Powerr一样的。通过中国人自己搭建基于实验的数据，有可能中国人划出一条线比日本人黑色的线还要再往上走，还要比日本更敏感。我们现在正在通过动态嗅觉识别仪EN13739自己做实验，把车里面重点筛选出来的50种化合物嗅阈值做实验做一下。这个工作非常大，根据规定测一种化合物的嗅阈值，标准的情况下至少得16个人，连续做两轮实验，测一种物质需要多半天、一天的时间。这个工作时间操作起来，一个占人，有可能我们用的化合物是车里面筛出来的有毒有害，有的买不到，买到也对人不太好。再这样的考虑上，我们构建数学模型。基于建立已有文献报道的化合物的阈值信息，健康影响信息，这样一个数据基础，我们对嗅阈值还有健康影响进行了一些预测模拟。最后构建我们比较完整的数据。

这些数据用起来，给主机厂，或者检测机构用的时候我们把数据进行了一个模型化的规范。规范的原则或者规范的原理就是接近人的主观感受和化合物的浓度之间的对比关系，这个定律是化合物，浓度的增加对数值和人主观感受的线性增加值是一致、正相关的。我们把它叫做气味相图，在这个基础上，我们把数据库里面的嗅阈值、ODT、检知阈值、ORT，还有感官刺激他们的浓度值，转化成对数，划在坐标横轴上，把我们企业，企标对应不同标准的数值标在纵轴上，通过跟企业沟通或者我们自己先假定，把不同的气味信息包括嗅阈值和健康影响等等浓度和企业的企标等级之间建立一个对应关系，就可以划出很多条线，每一条线就代表这种化合物在不同的浓度下它对应企标里面的等级。

理想的情况下如果完全遵从美罗费希纳（音）定律的话，这条线做出来都是直线的。我们实际试了一下对于车里面HDRC和（英文）执行结果为主要的来源，可以发现大部分的物质比如说丙醛确实是符合近似直线的规律。右下的图就是我们气味相图的一个事例，图中红色的竖线对应的横坐标值是代表他在车里面检出的浓度接近100。把它标在我们气味相图可以看到它的浓度是要比人的确认阈值大一点，当车里丙醛浓度达到这个水平，不仅能闻到醛类的刺激味道，并且识别出来它就是醛，是这样一个气味相图的应用。我们这个简单的小软件就可以快速将车里解析的物质给后台两千多种化合物阈值信息进行匹配，把化合物气味等级，以及对应的什么样类型的气味，有可能影响人的哪些器官，比如说可以影响你的支气管，你的肺等等，这个材料是丙醛，它一般用来干什么，在你车里为什么出现丙醛，这里没有考虑化合分解的原因。如果人为添加，一般是用来干什么，把这些进行一个汇总形成一个数据库。这是我们对内气味物质分析以及排序，进行一个重点物质清单的筛选的成果。

简单的先介绍到这里。在它的基础上有其他的应用跟吉利合作，给它开发定制化的系统。应用比较少，但是原理可以介绍一下。分析车里面、零部件、材料也好，各个样品节点的化合物的组成，以及它的气味浓度的贡献之后，我们可以对不同的节点进行一个排序，排序的基本算法就是右边所设计的，需要算出来每个节点，比如说我们以整车为一个溯源的节点，去分析它里面哪些物质是应该重点溯源，选出这些物质可以求出这些物质在整车的一个相对占比。把相对占比套用到下面的零部件，以及材料的节点上，结合每个子节点上具体物质的检出浓度，求出每个子节点的贡献度以及排序。功能是理论设计这样是没有问题的，但是操作的时候发现可操作性比较差的问题。我们对整车进行HPR（英文）的全构解析，解析下的结果，它的物质就是整车、材料、零部件找的时候，匹配度或者重复检出率非常低，大量的数量级是在检出率只有30-40%，有可能在整车里面找到的，重点管控化学物质，在十几个零部件找不到，或者含的比较少，有可能因为我们前期对重点物质的评价气味等级的排序，因为我们参考的是一些文献报道和测出来或者算出来的嗅阈值，有可能这方面出了偏差。还有一个层面就是可以作为推论。因为我们对车里边重点管控零部件，或者重点管控材料的定义或者说检测的范围还是有限的，有一些真的对嗅阈值影响大的物质，材料没有测到，还需要扩大我们的范围。

第二个小的分享点，我们和吉利开发的一个产品，开发将近半年的时间，基本上实现对样品本身散发物质的客观表征，但是我们的目的并不是检测有哪些物质，以及物质的趋势，而是希望把仪器检测的结果和人主观评价的结果建立对应的关系，希望以后通过一定的训练，对仪器进行训练之后可以让仪器代替大部分的人来进行气味评价。在这个过程中，我们发现一些问题。

主要的问题出现在对于车，或者零部件散发的气体，有可能是有味的气体和无味的气体，有味的气体，有可能是愉悦的气味，你闻到它，会把气味等级往好的方向评，浓度越高，越往好的方面去评。还有令人感觉到厌恶的气味。我们开始开发电子仪器的时候，考虑到一个总体的趋势，对车内气味进行评价，选择的是一种光离子化传感器，可以按照这个仪器供应商他们的基础资料，对350多种物质，包括醛、酸、苯等进行一个广谱的检测。选择广谱传感器作为我们检测仪器的一个核心。

通过最近的研究我们发现，比如说我们某个整车的样品进行一个升温，希望它散发更多的物质，这个时候仪器测到浓度是逐渐增大的。因为散发的物质按照简单的分类有的是有味有的无味，把两种味道测到了，但是人只会对有味的化学物质产生响应。导致人的评价结果和仪器之间有一个不协调，不匹配的关系。针对这一块，如果在场有一些仪器分析的公司或者传感器的公司有相关比较好的，对车里面呈味物质有响应的，可以找我们联系，我们把一些新的传感器加载在我们的平台上。我们更多是做它前端采样控制层面，和后续控制问题。

截止到目前我们试了一些传感器，希望对车内有味的物质响应，对无味的不响应。比如说对发泡材料，表征能力不是很强。用有限的传感器实现不了，我们需要高层面的要求。我这提出四个简化的方向。左上是比较高级的应用，我们希望通过仪器检测车里面的化学物质，得到每种物质的种类，他是什么，以及他的浓度是多少，以这个为数据来源，跟人的主观评价进行连接。这个指导我们车内气味的整改，这个要求就非常高。还有简化在它的基础上再进行简化，类似PID的方案，你的仪器只需要对车里面与气味相关的化学物参数，常见的是浓度，它单方面的变化是正相关。比如说车里面的气味物质可以增大，仪器读数也增大。在这个应用过程中确定仪器检测出来的结果，比如说我检测有七八九十，八九十是不合格的，七就是合格的，这样七和八之间的界限是需要去定义的。

还有两种简化的方式，从模型层面的，比如说我们可以把车里面成类的化合物进行分类，具有相似味道的物质分为一类。具有相似类型的物质很多都是同族或者同系化合物，比如说都是醛类，都是铜类，醛类、铜类，不同类别气味感受是不一样的。针对这样一种分类，可以在后期筛选气味传感器的时候有一定针对性。因为传感器测的时候，相对来说比较容易调解，这是简化模型，基于相似类型的。

还有针对相同作用位点。比如说水溶性低的物质，通过呼吸道进入到你的肺泡，如果水溶性特别好，更容易刺激你的眼睛，鼻黏膜。基于这样的分类，有利于对后期气味表征的一个仪器，或者传感器的筛选。这是几个思路。

再来分享一下我们在建立仪器表征结果和人主观感受结果处理中遇到的一些问题。首先就是需要用仪器进行采样，对车进行检测。这个过程需要对车或者零部件的准备进行很好的控制。刚刚胡老师也提到了，他们实验了国际上非常先进优秀的表征手段和仪器，主要的检测对象是五苯三醛等。我们测气味也是一样的，第二步把检测的方法规定好。我们现在做检测方法指定的时候，车的状态、零部件的状态很难控制。车下线的时间，测之前把车打开通风的时间，以及密封的时间，还有现场的温度、湿度，空气的流速都要进行很好的控制。我们想用仪器进行很快的测VOCs等应用的场景，如想得到好的数据结果，你会发现不得不去按照国标27630的状态规定你的状态。在这个过程中，我们需要花费很大的精力来控制样品的状态。比如说现在我们开发的电子鼻，我们现在可以对材料级别或者小的零部件级别控制好它的温度、湿度，以及气流速度等等，但是对于整车还是非常难控制的。未来对整车VOCs的快速检测或者在线检测也是一个非常大的挑战。希望大家共同来努力把样品的状态控制好。

另外一个方面就是我们按照比较理想实验状态，把车放在环境舱里面控制它的温度，让它在不同的温度水平下散发VOCs，用我们仪器采数，采完数里面把车里面对应的汽车采出去放到汽袋里面，然后冷却到室温，就是排除人对鼻子的影响之后，让人去做主观的评价，这样我们得到不同浓度水平的样品的客观表征数据和人的主观评价结果。然后我们对客观和主观数据进行建模，建模的结果可以发现如果从模型本身来看，模型的预测可以达到0.93%，这是38个整车样品。模型解释率是0.76，从数据上看是比较好的。但是用起来的话，主观评价的等级并没有拉开，差异非常小。就是2.5-3.5之间，这个换一个角度说如果所有车评出来都是2.5-3.5级，这个是企标一个合格的范畴，我们电子仪器没有必要去用的了，测不测都是这个级别。

我们做的工作把人主观的评价本身的差异用我们仪器的手段来进行规范，让人凭气味等级或者浓度更精准，有利于后期建立相关的模型。这个正在研发过程中。

以上就是我介绍的主要内容。

敬请关注盖世汽车“2018汽车环保座舱国际论坛”直播专题：

PC：http://auto.gasgoo.com/NewsTopic/116.html

移动：http://m.gasgoo.com/news/topic/116

提示：“本文根据发言整理，未经嘉宾审核！”如需转载，请联系尤女士：15121021076