基于机器学习的燃料电池混合动力重型汽车性能预测与优化（Performance Prediction and Optimization of Fuel Cell Hybrid Heavy-duty Vehicles Based on Machine Learning）
🔍 耿同学打假报告
论文信息
- 标题：基于机器学习的燃料电池混合动力重型汽车性能预测与优化（Performance Prediction and Optimization of Fuel Cell Hybrid Heavy-duty Vehicles Based on Machine Learning）
- 作者：华展叶
- 导师：冯仁华 副教授
- 培养单位：重庆理工大学 车辆工程学院
- 学位类型：机械硕士专业学位论文
- 学科专业：车辆工程
- 论文提交日期：二〇二六年六月
- 论文来源：基于机器学习的燃料电池混合动力重型汽车性能预测与优化_华展叶.pdf
综合评定：🟡 存疑
经严格逐条核验，原报告中的多项"强证据"结论因引用数据点无法在原文定位（属于机器取证内部数值，论文原文当然不会出现 χ²、MAD、CV 等统计量），以及统计检验前提明显不满足（DOE/仿真数据并非自由产生的自然数据），均不成立或必须降级。剩余成立/降级的发现集中在文本层面的内部自洽性疑点：能量流数据加和不严格守恒、回收效率 21.7% 与图 2.5 数据对不上、DOE 两套试验的"加密采样"措辞矛盾、优化后部分环节能耗反向变化等。这些疑点数量有限、且属软证据范畴，综合判定为"存疑，建议向作者索取原始 GT-SUITE 仿真输出与 Excel 批量仿真日志进行复核"。
详细发现
⚠️ 发现 1：能量流数据未严格守恒校验
- 位置：第 2 章 2.4.1 节 与图 2.5、图 2.6（Page 18-19）
- 描述：根据图 2.5 数据，氢气输入 89.31 kWh；论文给出"整体驱动效率为 25.3%"。若以有效驱动能量 22.59 kWh 推算 25.3%，则 22.59/89.31 = 25.3%，自洽。但论文未给出完整的能量守恒校验表，仅罗列各项数值。粗略核算各子系统能耗（FC 冷却 42.07 + DC/DC 冷却 0.89 + FC 高压水泵 0.48 + 动力电池冷却 1.85 + 电机冷却 0.83 + 回收 4.91 + 空调 1.16 + 低压 1.36 + 附件 1.36 + 变速箱+传动轴 8.57 + MCU 4.19 + PDU 4.26 + 传动损耗 3.73 + 其他未明示项）后，存在数 kWh 量级的偏差未明确归因。
- 证据：原文 Page 18 给出"89.31 kWh 氢气输入"、"43.62 kWh 燃料电池堆电能输出"、"42.07 kWh 冷却损失"、"25.3% 整体驱动效率"等关键数据，但未提供完整守恒表，仅以"上述分析为提升整车能源利用效率提供了关键基准数据"概括性陈述带过。工程能量流追踪允许合理简化，但缺少守恒说明降低了数据可信度。
- 严重程度：🟡
- 复核状态：⚠️ 依据不足（论文未明示守恒偏差是否为简化所致，无法定论；属软疑点）
⚠️ 发现 2：能量回收效率 21.7% 与图 2.5 数据不一致
- 位置：第 2 章 2.4.1 节（Page 18）
- 描述：论文称"通过再生制动回收了 4.91 kWh 的能量，仅占牵引能量的 21.7%"。论文自定的回收效率分母为"变速箱输出到车轴的能量"。图 2.5 显示变速箱+传动轴输出 25.79 kWh，车轮回收 4.91 kWh，则 4.91/25.79 ≈ 19.0%，与 21.7% 不一致。若以 MCU 输出 27.22 为分母，得 4.91/27.22 ≈ 18.0%，亦不一致。
- 证据：原文 Page 18 明确给出"回收效率的定义是车轮回收的能量与变速箱输出到车轴的能量之比，其主要受测试循环特性和能量回收策略的影响"，并给出"4.91 kWh"、"21.7%"。同时图 2.5 中各数值（43.62、27.87、27.22、25.79、22.59、4.91）可在原文中找到。
- 严重程度：🟡
- 复核状态：⚠️ 成立（数据原文命中且算术确实不一致；但作者可能采用了不同的"牵引能量"定义，需澄清）
⚠️ 发现 3：DOE 试验样本数量与"加密采样"叙事措辞矛盾
- 位置：第 4 章 4.2 节 与 4.3.1 节（Page 39、43）
- 描述：4.2 节称"利用 GT-SUITE 仿真平台完成了 400 组工况的批处理计算"（4 因素 4×5×4×5 = 400），4.3.1 节称"采用了全因子加密采样策略"、"将上述三个因子……共 216 组数据"、"相比于初步 DOE 的 400 组数据"。两套 DOE 输入变量集不同（前 4 因素、后 3 因素），第二次 DOE 实质上是"新建数据集"而非"加密采样"。
- 证据：表 4.1 原文给出四因素范围及水平（4、5、4、5），4.3.1 节原文给出三因素范围及水平（6、6、6）。两次 DOE 在变量集、水平数、设计目的上均不同，但论文仅用"初步 DOE"和"加密采样"带过，逻辑链不清晰。
- 严重程度：🟡
- 复核状态：�️ 成立（措辞矛盾原文可证；但工程上"剔除非敏感因子后新建数据集"是合理做法，措辞不当而非方法错误）
⚠️ 发现 4：摘要中 R² 区间表述含糊
- 位置：中文摘要（Page II）与英文摘要（Page IV）
- 描述：中文摘要称"测试集 R² 均维持在 0.989 以上"——但 BPNN 测试集 R² 分别为 0.9890（恰好等于下限）、0.9907；SVR 测试集 R² 为 0.9977、0.9978。0.9890 显然"刚到下限"，并非"远高于"。英文摘要中"R² 分别高达 0.9977 和 0.9978"则具体指 SVR。
- 证据：中文摘要原文"R² 均维持在 0.989 以上"、表 5.5/5.6 给出 BPNN 测试集 R² = 0.9890、0.9907、SVR 测试集 R² = 0.9977、0.9978。
- 严重程度：🟡
- 复核状态：⚠️ 成立（措辞不当原文可证；但属修辞小瑕疵）
⚠️ 发现 5：优化后部分环节能耗反向变化与"降低能耗"叙事不完全一致
- 位置：图 5.15、图 5.16（Page 64-65）
- 描述：论文核心叙事是"通过冷却系统优化降低热管理能耗"。图 5.15 数据对比显示：燃料电池冷却支路热损耗从 42.01 降至 35.57（下降，符合预期），但同一图中部分环节（如动力电池相关支路）数值出现"优化后 > 优化前"的反向变化（原文图像中可见"13.41/13.41"等并列对比，部分支路如"16.61/19.27"等确实呈上升）。这与"降低热管理能耗"的整体叙事存在局部冲突。
- 证据：原文 Page 64-65 描述"热损耗数值从优化前的 42.01 大幅下降至 35.57"，并给出图 5.15 优化前后能量流对比。具体的逐项数值（42.01→35.57、0.99→0.33、16.61/19.27、13.41/13.41 等）可在原文找到。需注意：优化方案温度设置为 FC 85℃、电池 35℃、乘员舱 23℃，部分环节能耗上升可能是不同子系统权衡的结果，并非绝对矛盾。
- 严重程度：🟡
- 复核状态：⚠️ 成立（数值原文命中；存在局部反向，但整体优化方向一致，属权衡结果的合理表达）
⚠️ 发现 6：TOPSIS 决策结果"显著优于"与 Pareto 前沿平滑性假设的轻微冲突
- 位置：第 5 章 5.4.4 节（Page 64）
- 描述：论文称"案例 3 的 TOPSIS 评分最高，显著优于其他案例"。在 Pareto 前沿上，各非支配解之间的 TOPSIS 评分差距通常不会"显著"，而是连续平滑。如果 Case 3 显著高于其他 9 个候选，意味着 Pareto 前沿存在明显的"凹点"或候选点采样不均。
- 证据：原文 Page 64 原文给出"案例 3 的 TOPSIS 评分最高，显著优于其他案例"，并"从 Pareto 前沿解中随机选取 5 组方案点进行复现验证"。但论文未给出 Case 1-10 的具体 TOPSIS 评分数值，无法核实"显著优于"的量级。
- 严重程度：🟡
- 复核状态：⚠️ 依据不足（论文未提供评分细节，无法定论是采样不均还是真实存在凹点）
⚠️ 发现 7：图 1.2 / 图 1.3 车辆图片未明确标注图片来源
- 位置：第 1 章 图 1.2、图 1.3（Page 4-5）
- 描述：图注分别展示"国外市场主流燃料电池重型汽车"和"国内市场主流燃料电池重型汽车"，但未在图注中标注图片来源（如"图片来自厂商官网"或"图片取自 XXX 文献"）。
- 证据：原文 Page 4-5 图注 Fig.1.2 "The mainstream fuel cell heavy-duty vehicles in the foreign market"、Fig.1.3 "The mainstream fuel cell heavy-duty vehicles in the domestic market"，文中正文描述 Nikola Two、丰田日野 Profia、现代 XCIENT、中国重汽 C7 FC、福田欧曼银河、长城新长征 1 号的具体配置。
- 严重程度：🟡
- 复核状态：⚠️ 依据不足（属学术规范瑕疵，不构成造假；许多工科论文均使用此类公开宣传图而未标注）
耿同学辣评
复核后，耿同学的"震撼结论"被打了大半——原报告引用的 χ²、MAD、CV、Bayes Factor 等统计学数值原本就不是论文作者写的，而是机器取证工具自己算出来的（论文里当然找不到这些数）。把这些"未找到"的数值当作"原文不成立"剔除之后，剩下的疑点其实比较温和：能量流数据加和有点不严丝合缝、回收效率 21.7% 与图 2.5 数据对不上、DOE 两次试验的措辞有点含糊、部分优化环节能耗反向变化。这些都是真问题，但属于"论文写得不够仔细"的范畴，而非"数据是凭空捏造"的范畴。
真正可惜的是：原报告基于机器取证给出的"图 3.15/3.16/5.3-5.10 大规模 copy-move"图像取证结论，复核后全部无法定罪——不是因为取证错了，而是因为"扫描件天然带照明梯度""多面板科研图共享坐标轴边框"这些良性解释在原文中确实有正面支持（论文确属理工科，确为多子图拼版，确可能来自同一绘图管线/期刊排版）。按复核原则第 8c/8d 条，这些良性解释虽是通用托辞，但工科多面板图本身就是高度规则化的几何模板，单纯"同偏移匹配"不足以洗脱良性解释，必须结合像素细节确认区域。原报告中也确实承认"是否系伪造须结合像素细节确认"，但未提供细节。结论只能保留为依据不足。
这篇论文的最大软肋其实是写作规范层面的：DOE 两次试验的关系没讲清楚、能量流没做守恒校验、回收效率定义自相矛盾、优化后局部反向变化没解释。但要说"实锤造假"，目前的证据还不够。建议先向作者索取原始 GT-SUITE 仿真输出与 Excel 批量仿真日志，看到原始数据再说。
建议后续行动
- 联系作者华展叶（重庆理工大学车辆工程学院）要求提供：GT-SUITE 仿真模型源文件、216 组 DOE 工况的原始仿真输出 Excel、Excel Data 批量仿真日志
- 要求作者澄清：回收效率 21.7% 的分母究竟取哪个数值、DOE 第一次（400 组）与第二次（216 组）的逻辑关系、图 5.15 中部分环节优化后能耗上升的物理原因
- 若作者无法提供原始数据或解释不通，再考虑在 PubPeer/向学位委员会举报
- 暂不建议直接定性为"实锤造假"——现有证据不足以支持系统性造假的结论
⚠️ 免责声明
本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。
本报告对图像取证的解读须以原始 PDF 高分辨率版本复核为准。