問題的答案無所不包論文書籍站
國立高雄科技大學 化學工程與材料工程系 蔡平賜所指導 李旻燁的 含矽丙烯酸水性船舶防汙漆和可調節式侵蝕探討 （2021），提出T Cross 油耗關鍵因素是什麼，來自於矽氧烷、丙烯酸、船舶塗料、乳液。
而第二篇論文國立中興大學 機械工程學系所 盧昭暉所指導 蔡承都的 以人工神經網路方法推估車輛污染排放之系統構建 （2021），提出因為有 車輛、污染物、人工神經網路、車載量測系統、實車測試的重點而找出了 T Cross 油耗的解答。
T Cross 油耗進入發燒排行的影片
新頻道成立！歡迎訂閱及加入：
【游泳私房話】YouTube：http://bit.ly/swimmer_privatetalk
【游泳私房話】FB社團：http://bit.ly/FBswimmer_privatetalk
－－－－－－－－－－
◉ 訂購 剛剛好水餃：https://shopee.tw/privatetalk
上次才介紹過VW Polo，這次為大家帶來跟它內部熟悉度非常高的T-Cross，但、這是部跨界車款，實用面又提升了一些。
原則來說，T-Cross可以說是比較高一點的Polo，但就外貌來看，兩者的視覺感受截然不同。我覺得就前臉來說，T-Cross維持著VW一貫的神韻；不過後方線條，就大大突顯出跟Polo相當不同的辨識度，更帥更銳利。配色方面，T-Cross也有相當多樣化的七種個性氛圍－「黑紅灰藍白綠橘」，此外還有三款「Design套件」、及運動化「R-Line版本」可任君挑選。
影片中沒說清楚的「R-Line」套件差異，在於『專屬外觀空力套件（前後保桿、側裙）』、及『水箱護罩、前葉子板銘牌』。可是如果問我會選哪款？我還是會推薦這次試駕的99.8萬「Style Design」，因為它專屬的風格套件已經可以滿足我的目光了。
最後原廠這次一樣提供了「未來10年持有T-Cross的例行保養開銷比較表」，大家同樣可以參考一下。
【✖︎ Honda H-RV的「10年」牌照燃料稅是錯誤的，應為「119200元」才對。】
大致上，「稅金及油耗」的部分是它跟各家費用拉開差距的主因，因為這兩項是不可調整的部分；至於「保養及輪胎」的項目，則因日後回「原廠、或外廠」的差異，多多少少都會有所變動。
◉ 訂購 剛剛好水餃：https://shopee.tw/privatetalk
網站：http://www.autoprivatetalk.com
FB：https://www.facebook.com/harry.liaokang
社團：https://www.facebook.com/groups/autoprivatetalk
主講人/剪輯後製/企劃：廖剛
註：不會有字幕(我手邊沒有人力)(但你有興趣也可以幫我上字幕)、不要用粗話罵人～
#T-Cross #Crossover #剛剛好水餃
含矽丙烯酸水性船舶防汙漆和可調節式侵蝕探討
為了解決T Cross 油耗 的問題，作者李旻燁 這樣論述：
目前應用於海運之傳統溶劑型船舶塗料不但會有溶劑汙染問題也因海洋生物及藻類附著於船體，使得船舶阻力上升並增加油耗量；因此文獻上發展出自拋光、結構釋放、酶基及表面微型工程等四類船舶塗料期望解決傳統船舶塗料所造成之問題。本研究擬結合具水解特性的丙烯酯類、矽氧烷樹脂及功能性粉末，研發具有自拋光、結構釋放和生物活性的環保水性船舶塗料。實驗設計以反應型乳化劑和甲基丙烯酸甲酯Methyl methacrylate (MMA)、甲基丙烯酸丁酯 Butyl methacrylate (BMA)、丙烯酸-2-乙基己酯 2-Ethylhexyl Acrylate (2-EHA)以及支(R)/直鏈(S)的矽氧烷單體
進行逐步添加之聚合反應，之後再加入氧化鋅、碳酸鈣、滑石粉、二氧化鈦、二氧化矽、蒙托土、氧化亞銅、DCOIT殺菌劑及分散劑等添加物，最後用鋯珠和機械攪拌分散，再噴塗塗佈厚度約為180微米塗膜進行硬度、百格試驗、水滴接觸角、粗糙度及侵蝕速率等分析。實驗結果顯示當使用R2矽氧烷時，塗膜鉛筆硬度可以達到9H，百格試驗達0~1級，水滴接觸角達132∘以及剝落速率24.5 µm/month。
以人工神經網路方法推估車輛污染排放之系統構建
為了解決T Cross 油耗 的問題，作者蔡承都 這樣論述：
台灣現行的汽油車輛污染排放檢測大多仍是以定容採樣系統檢測車輛於底盤動力計上隨著固定行車型態行駛的污染排放，而以此檢測方法不僅會限制於只能在標準實驗室內進行，採樣所需的成本也較高，甚至沒有辦法正確的表達出車輛在真實路徑上的污染排放。儘管隨著全球調和輕型車輛測試程序WLTP被提出，但仍會因為各國各地區的道路差異造成排放檢測結果與真實結果有差異。在本研究中首先以機車行駛於台中市區中進行了三條路徑的速度採樣，包括短程市區路徑、標準市區路徑、郊區路徑。透過速度分析便可明顯的看出三條路徑與台灣法規標準行車型態NEDC皆有明顯差異，而我們亦將車輛架設於底盤動力計上重新模擬出此三條真實路徑並進行污染排放的採
樣，發現三條路徑排放的HC、CO、NO及油耗彼此皆有差異。而透過連續瞬時污染排放圖，我們發現HC、CO在加減速的時候有明顯的大幅上升，在等速行駛時會略高於怠速時的排放濃度，而NOx則會隨著速度上升而增加。由此可看出在不同的道路環境下，不管是道路上的速限、紅綠燈數量、駕駛本身的行駛習慣等因素都會影響車輛的污染排放，因此以移動式車輛污染檢測系統(Portable Emission Measurement System, PEMS)對車輛做真實路徑上的瞬時檢測是量測正確車輛污染排放的必要方法。 在柴油車輛的正式認證程序上，以PEMS進行污染量測已經成為程序中的一環，但此系統較為昂貴、並且具有一
定體積，必須占用車輛部分空間，因此仍無法普及做為大量使用的監測設備。本研究以Horiba-584L廢氣分析儀配合熱線式進氣流量計及熱電耦溫度計做採樣，將三樣設備的瞬時數據整合與筆記型電腦裡做瞬時監測與統計，建立了一套成本較低的隨車污染檢測系統，可以對車輛在真實路徑上行駛時採樣連續的O2、CO、CO2、THC、NO排放。 透過蒐集的數據可以探討出各種污染物對車輛、行駛特性、駕駛習慣等等之關係，但關係性並不到相當明確，很難以單純的計算做出正確的污染物排放推估，而隨著人工智慧的發展，AI方式便可解決此問題，以相關性高的參數當作輸入，以多次演算的數學方式找出輸入參數與真實結果的關係便可推估出相對
接近的預期結果。本研究透過PEMS數據推估出對各種污染物排放影響較高的參數為速度、流量、加速度、受力，並以這幾項參數當作輸入，透過人工神經網路模型進行演算與學習，成功的推估出與真實排放相近的預期排放。本研究在CO、CO2上的預測結果相當優異，而在NO上的預測結果仍有提升空間，證明透過人工神經網路對車輛污染排放進行推估是可行的。