CN110261124B - 柴油机排气后处理系统颗粒物分布模型构建方法及应用 - Google Patents
柴油机排气后处理系统颗粒物分布模型构建方法及应用 Download PDFInfo
- Publication number
- CN110261124B CN110261124B CN201910429330.5A CN201910429330A CN110261124B CN 110261124 B CN110261124 B CN 110261124B CN 201910429330 A CN201910429330 A CN 201910429330A CN 110261124 B CN110261124 B CN 110261124B
- Authority
- CN
- China
- Prior art keywords
- diesel engine
- exhaust aftertreatment
- aftertreatment system
- particulate matter
- distribution model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000013618 particulate matter Substances 0.000 title claims abstract description 34
- 238000010276 construction Methods 0.000 title claims description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 30
- 239000002245 particle Substances 0.000 claims abstract description 27
- 238000012417 linear regression Methods 0.000 claims abstract description 18
- 239000003054 catalyst Substances 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 238000000611 regression analysis Methods 0.000 claims abstract description 7
- 238000001228 spectrum Methods 0.000 claims abstract description 7
- 238000013461 design Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 3
- 238000010790 dilution Methods 0.000 description 9
- 239000012895 dilution Substances 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000011497 Univariate linear regression Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 238000010531 catalytic reduction reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/10—Testing internal-combustion engines by monitoring exhaust gases or combustion flame
- G01M15/102—Testing internal-combustion engines by monitoring exhaust gases or combustion flame by monitoring exhaust gases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Dispersion Chemistry (AREA)
- Exhaust Gas After Treatment (AREA)
- Testing Of Engines (AREA)
Abstract
本发明涉及一种柴油机排气后处理系统颗粒物分布模型构建方法及应用，所述方法包括以下步骤：1)基于柴油机台架试验，获取外特性点和负荷特性点的柴油机原排PN数据；2)对所述柴油机原排PN数据进行一次多元线性回归分析，获得多元线性回归分析方程；3)判断步骤2)的回归拟合精度是否大于设定值，若是，则执行步骤4)，若否，则返回步骤2)；4)对步骤2)获得的多元线性回归分析方程参数变量进行回归分析，获得催化器入口参数脉谱；5)基于所述催化器入口参数脉谱，建立柴油机排气后处理系统入口颗粒物数量与粒径分布模型。与现有技术相比，本发明具有加快柴油机排气后处理系统匹配流程，降低后处理系统开发成本等优点。
Description
技术领域
本发明属于柴油机尾气排放后处理技术领域，尤其是涉及一种柴油机排气后处理系统颗粒物分布模型构建方法及应用。
背景技术
柴油机以其良好的经济性和动力性，广泛地应用于交通运输、农业机械和工程机械等领域。但其固有的燃烧会导致其尾气排放问题较为严重，对人体和环境造成较为严重影响。其中最主要的排放物就是颗粒物(Particulate Matter,PM)。随着柴油机排放法规的日益严格，PM的质量限值和颗粒物数量(Particle Number,PN)限制日益加严，机内净化技术已经不能使柴油机满足目前的限值要求。排放后处理催化器，包括柴油机氧化催化器(Diesel Oxidation Catalyst,DOC)、柴油机颗粒捕集器(Diesel Particulate Filter,DPF)和选择性催化还原装置(Selective Catalytic Reduction,SCR)，已经成为柴油机的必需配置之一。因此，柴油机排气后处理催化器的结构设计优化以及它们和柴油机的匹配问题，已经成为近来研究的热点。通常，上述的催化器结构设计优化和匹配过程，需要进行大量的台架试验，最终获得满足不同工况排放条件下的最优的后处理系统结构设计方案，这需要花费大量时间，付出大量成本。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种柴油机排气后处理系统颗粒物分布模型构建方法及应用。
本发明的目的可以通过以下技术方案来实现：
一种柴油机排气后处理系统颗粒物分布模型构建方法，包括以下步骤：
1)基于柴油机台架试验，获取外特性点和负荷特性点的柴油机原排PN数据；
2)对所述柴油机原排PN数据进行一次多元线性回归分析，获得多元线性回归分析方程；
3)判断步骤2)的回归拟合精度是否大于设定值，若是，则执行步骤4)，若否，则返回步骤2)；
4)对步骤2)获得的多元线性回归分析方程参数变量进行回归分析，获得催化器入口参数脉谱；
5)基于所述催化器入口参数脉谱，建立以发动机工况为输入条件的柴油机排气后处理系统入口颗粒物数量与粒径分布模型。
进一步地，步骤1)中，所述负荷特性点包括中间转速负荷特性点和最高转速的负荷特性点。
进一步地，步骤1)中，采用EEPS颗粒物粒径分析仪从待测样气中获得柴油机原排PN数据。
进一步地，所述EEPS颗粒物粒径分析仪的测量区间为5.6～560nm。
进一步地，步骤2)中，基于非线性最小二乘法进行多元线性回归分析。
进一步地，步骤3)中，以校正决定系数R2_adjusted作为回归拟合精度，所述校正决定系数计算公式为：
式中，p为特征数量，n为样本个数，wi为权值，yi为测量值，
为预测值，
为样本均值。
进一步地，步骤3)中，所述设定值为0.95～1。
本发明还提供一种柴油机排气后处理催化器的结构设计方法，该方法利用所述的柴油机排气后处理系统颗粒物分布模型构建方法获得入口颗粒物数量与粒径分布模型，基于该模型实现结构设计。
与现有技术相比，本发明具有以如下有益效果：
1、不需要进行大量的柴油机的台架万有试验，节省大量成本，缩短排气后处理系统开发周期；在传统的仅通过试验建立PN排放MAP的过程中，如果要使得MAP较为精确，转速和转矩间隔就需要较小的取值，这会使得试验工作量和成本巨大，本发明涉及模型，可在较大程度上解决上述问题。
2、本发明涉及模型具有较高精度，PN计算误差在10％以内。
3、利用本发明涉及的模型可实现催化器结构设计优化和匹配过程，提供入口条件和边界条件，在减少柴油机台架试验量的同时，提供较准确的后处理系统入口PM粒径分布数据，减低了成本，减少了满足排放法规的柴油机排气后处理系统的开发周期，并可为基于布朗扩散、直接拦截、惯性碰撞捕集机理的DPF内部碳载量模型提供入口条件，显著提高DPF主动再生控制策略的精度。
附图说明
图1为本发明提供的柴油机排气后处理系统入口颗粒物数量与粒径分布模型建立流程图；
图2为本发明涉及的试验设备连接图；
图3为柴油机排气PN数据第一次线性回归分析结果，其中，(3a)为转速≤1400r/min下的外特性分析结果，(3b)为转速≥1600r/min下的外特性分析结果，(3c)为转速1400r/min下的负荷特性分析结果，(3d)为转速2200r/min下的负荷特性分析结果；
图4为模型参数第二次回归分析MAP，其中，(4a)为参数p1的分析结果，(4b)为参数p2的分析结果，(4c)为参数p3的分析结果，(4d)为参数p4的分析结果，(4e)为参数p5的分析结果，(4f)为参数q1的分析结果，(4g)为参数q2的分析结果；
图5为最终建立的柴油机排气后处理系统入口颗粒物数量与粒径分布模型；
图中标号：1为试验用柴油机，2为测功机，3为颗粒物数量与粒径分布测量设备，4为进气管路，5为排气管路，6为主操控台，7为取样位置，8为气流方向。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
图1为本发明提供的柴油机排气后处理系统颗粒物分布模型构建方法流程图。下面对每一步骤进行更为详细说明。
步骤1，进行柴油机外特性和中间转速、最高转速的负荷特性点的台架试验，测取颗粒物数量与粒径分布数据。
该步骤需要的试验设备有试验柴油机1、测功机2、颗粒物数量与粒径分布测量设备3等，试验连接线路图如图2所示。本实施例中，颗粒物数量与粒径分布测量设备采用EEPS颗粒物粒径分析仪。利用二级稀释系统对排气进行稀释，二级稀释系统中，利用EEPS颗粒物粒径分析仪的进气流量产生的真空度作为动力，将稀释空气经过滤器吸入，与经过一级稀释后的混合气混合，成为最终的待测样气进入EEPS颗粒物粒径分析仪，PN浓度为：
CPN＝CEEPSR
R＝r1r2
式中：CPN为PN实际浓度，CEEPS为EEPS测量浓度；R为总的稀释比；r1和r2分别为一级稀释比和二级稀释比，其中，一级稀释通过控制单元旋钮调节，由旋转盘稀释器自动完成。
柴油机台架试验工况点为外特性点、中间转速和最高转速的负荷特性点。外特性点为100％负荷，转速从800r/min升至2200r/min，转速间隔为200r/min；中间转速和最高转速选择的负荷依次为10％、25％、50％、75％。
以某型柴油机为例，具体台架试验PN测量的外特性和负荷特性工况点如表1所示。
表1本发明提供的柴油机台架试验PN测量的外特性和负荷特性工况点
步骤2，基于非线性最小二乘法，对测取的PN数据进行第一次多元线性回归分析。
非线性最小二乘法(Non-linear least squares)，是以误差的平方和最小为准则来估计非线性静态模型参数的一种参数估计方法。设非线性系统的模型为：
y＝f(x,θ)
式中：y是系统输出信号，x是输入信号，θ是向量参数。这里的非线性是指对参数θ的非线性模型，不包括输入输出变量随时间的变化关系。估计参数的准则(目标函数)选为模型的误差平方和非线性最小二乘法就是求使Q达到极小的参数估计值。
拟合曲线方程表达式为：
式中：pi(i＝1～5)和qj(j＝1～2)均为拟合参数。第一次PN数据多元线性回归分析结果如图3所示。
步骤3，选取校正决定系数(R_adjusted)为回归拟合主要评价指标进行拟合精度分析。
R2(值范围0～1)在一元线性回归模型中，用于衡量响应变量和预测变量的线性关系。但是在多元线性回归模型中，因涉及多个预测变量，R2则衡量响应变量和多个预测变量之间的关系。在单变量线性回归中，R越大，说明拟合程度越好。但是，R2和n有关，随着n增加而变大。本发明拟合采用多元线性回归模型，为对添加的非显著变量给出惩罚，采用校正决定系数(R_adjusted)作为回归拟合的主要评价指标。R_adjusted越接近1，表明方程的变量的解释能力越强，模型对数据的拟合效果更好。R_adjusted计算公式如下：
式中：p为特征数量，n为样本个数；wi为权值；yi为测量值；
为预测值；
为样本均值。
将0.98作为回归分析精度的限值，只有R2_adjusted(adjusted R-squared)平均值大于0.98时，才认为拟合精度良好，进行下步骤建模；否则，重新返回步骤2再次拟合。
本实施例回归拟合精度分析结果如表2所示，adjusted R-squared平均值为0.984，拟合情况良好，可用于下一步分析。
表2回归拟合精度分析
步骤4，基于第一次线性回归分析结果，对多元线性回归分析方程参数(pi(i＝1～5)和qj(j＝1～2))变量，采用最小二乘法进行第二次回归分析，并建立催化器入口参数脉谱(MAP)。图4为拟合方程参数二次回归分析MAP。
步骤5，基于拟合MAP，最终建立以发动机工况(转速、转矩)为输入条件的柴油机排气后处理系统入口颗粒物数量与粒径分布模型，如图5所示。该模型可以计算不同工况下，柴油机排气中不同粒径的PM浓度。将PM简化为均匀球体，可进一步计算得到PM质量。图5中，u1、u2指的是两个输入接口，分别对应转速和扭矩；1代表增益为1，2、3、4代表变量的幂。
在另一实施例中提供一种柴油机排气后处理催化器的结构设计方法，该方法利用所述的柴油机排气后处理系统颗粒物分布模型构建方法获得入口颗粒物数量与粒径分布模型，基于该模型实现结构设计。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (7)
1.一种柴油机排气后处理系统颗粒物分布模型构建方法，其特征在于，包括以下步骤：
1）基于柴油机台架试验，获取外特性点和负荷特性点的柴油机原排PN数据；
2）对所述柴油机原排PN数据进行一次基于非线性最小二乘法的多元线性回归分析，获得多元线性回归分析方程；
3）判断步骤2）的回归拟合精度是否大于设定值，若是，则执行步骤4），若否，则返回步骤2）；
4）对步骤2）获得的多元线性回归分析方程参数变量进行回归分析，获得催化器入口参数脉谱；
5）基于所述催化器入口参数脉谱，建立以发动机工况为输入条件的柴油机排气后处理系统入口颗粒物数量与粒径分布模型，用于计算不同工况下，柴油机排气中不同粒径的PM浓度。
2.根据权利要求1所述的柴油机排气后处理系统颗粒物分布模型构建方法，其特征在于，步骤1）中，所述负荷特性点包括中间转速负荷特性点和最高转速的负荷特性点。
3.根据权利要求1所述的柴油机排气后处理系统颗粒物分布模型构建方法，其特征在于，步骤1）中，采用EEPS颗粒物粒径分析仪从待测样气中获得柴油机原排PN数据。
4.根据权利要求3所述的柴油机排气后处理系统颗粒物分布模型构建方法，其特征在于，所述EEPS颗粒物粒径分析仪的测量区间为5.6~560 nm。
5.根据权利要求1所述的柴油机排气后处理系统颗粒物分布模型构建方法，其特征在于，步骤3）中，以校正决定系数
作为回归拟合精度，所述校正决定系数计算公式为：
式中，p为特征数量，n为样本个数，
为权值，
为测量值，
为预测值，
为样本均值。
6.根据权利要求1所述的柴油机排气后处理系统颗粒物分布模型构建方法，其特征在于，步骤3）中，所述设定值为0.95~1。
7.一种柴油机排气后处理催化器的结构设计方法，其特征在于，该方法利用权利要求1-6任一所述的柴油机排气后处理系统颗粒物分布模型构建方法获得入口颗粒物数量与粒径分布模型，基于该模型实现结构设计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910429330.5A CN110261124B (zh) | 2019-05-22 | 2019-05-22 | 柴油机排气后处理系统颗粒物分布模型构建方法及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910429330.5A CN110261124B (zh) | 2019-05-22 | 2019-05-22 | 柴油机排气后处理系统颗粒物分布模型构建方法及应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110261124A CN110261124A (zh) | 2019-09-20 |
| CN110261124B true CN110261124B (zh) | 2021-07-16 |
Family
ID=67915107
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910429330.5A Active CN110261124B (zh) | 2019-05-22 | 2019-05-22 | 柴油机排气后处理系统颗粒物分布模型构建方法及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110261124B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111366475B (zh) * | 2020-03-25 | 2023-02-03 | 中国电建集团成都勘测设计研究院有限公司 | 一种碎粒型结构面及结构带抗剪强度参数获取方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010002424A1 (de) * | 2010-02-26 | 2011-09-01 | Robert Bosch Gmbh | Vorrichtung zur Messung einer Partikelkonzentration in Kraftfahrzeugabgasen |
| JP2012137374A (ja) * | 2010-12-27 | 2012-07-19 | Horiba Ltd | 排ガス分析システム及び排ガス分析方法 |
| CN202676461U (zh) * | 2012-07-25 | 2013-01-16 | 南车戚墅堰机车有限公司 | 柴油机试验台 |
| CN104296997A (zh) * | 2014-10-22 | 2015-01-21 | 华南理工大学 | 一种车用柴油机节能减排试验台 |
| US9784166B2 (en) * | 2014-12-30 | 2017-10-10 | Cummins Inc. | NOx sensor diagnostic for an exhaust aftertreatment system |
| CN106202635B (zh) * | 2016-06-28 | 2019-04-26 | 西安理工大学 | 一种基于多元回归模型的高速列车动态轴温预测方法 |
| CN106840703B (zh) * | 2017-03-07 | 2023-04-07 | 上海市环境科学研究院 | 尾气后处理装置的减排效果评价方法、系统及测试设备 |
-
2019
- 2019-05-22 CN CN201910429330.5A patent/CN110261124B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110261124A (zh) | 2019-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106593672B (zh) | 基于lcce优化的柴油发动机标定方法 | |
| CN108647430B (zh) | 一种dpf碳加载计算方法 | |
| CN110966092B (zh) | 基于pems测试规则和obd数据远程确认车辆排放因子的方法 | |
| US20150190749A1 (en) | Method and Apparatus for Estimating the Amount of Reductant Slip in a Selective Catalytic Reduction Device | |
| CN112240235A (zh) | 一种scr的控制方法及装置 | |
| WO2021057444A1 (zh) | 一种柴油机scr氨比值因子的快速标定方法 | |
| CN113738483B (zh) | 满足超低排放的后处理系统的控制方法及装置 | |
| CN113432880A (zh) | 一种基于发动机台架测试重型车排放油耗的系统及方法 | |
| CN110261124B (zh) | 柴油机排气后处理系统颗粒物分布模型构建方法及应用 | |
| WO2024159891A1 (zh) | 一种scr催化剂性能智能标定方法 | |
| CN110414090B (zh) | 一种柴油车后处理器设计开发多目标优化方法 | |
| CN112163334A (zh) | 一种基于重型柴油机原排的dpf碳载量离线标定方法 | |
| CN115238651A (zh) | 一种ecu数据分析nox排放值的方法 | |
| Song et al. | An experimental and modeling study of reaction kinetics for a Cu-Zeolite SCR catalyst based on engine experiments | |
| CN105223022A (zh) | 一种基于发动机台架的催化剂考核装置和方法 | |
| CN109944706B (zh) | 氮氧化合物排放的调控方法及装置 | |
| Zanardo et al. | Grey box control oriented SCR model | |
| CN109779728A (zh) | 柴油机后处理装置催化器内部状态估计方法 | |
| CN111828151B (zh) | 一种发动机scr后处理器的标定方法 | |
| CN115862756A (zh) | 一种催化器性能评价方法、装置、介质、电子设备 | |
| CN115263505A (zh) | 一种车辆nox排放预测方法、装置及存储介质 | |
| CN114112420B (zh) | 一种车辆氮氧化物排放测试方法及相关装置 | |
| CN109253884B (zh) | 基于神经网络的涡轮排气背压估计方法 | |
| Zhu et al. | Neural Network-Based Prediction of NH3 Leakage from SCR Systems for Diesel Engines | |
| Andersson et al. | AECC/Concawe 2016 GPF RDE PN test programme: PN measurement above and below 23nm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |