CN110295984B - 催化剂状态推定装置及方法、以及非瞬时性记录介质 - Google Patents

催化剂状态推定装置及方法、以及非瞬时性记录介质 Download PDF

Info

Publication number
CN110295984B
CN110295984B CN201910208723.3A CN201910208723A CN110295984B CN 110295984 B CN110295984 B CN 110295984B CN 201910208723 A CN201910208723 A CN 201910208723A CN 110295984 B CN110295984 B CN 110295984B
Authority
CN
China
Prior art keywords
catalyst
model
information
temperature
exhaust gas
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.)
Expired - Fee Related
Application number
CN201910208723.3A
Other languages
English (en)
Other versions
CN110295984A (zh
Inventor
池户隆人
上田松荣
永冈真
武藤晴文
森厚平
保崎一司
永井敦
高本聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from JP2018216272A external-priority patent/JP6815366B2/ja
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN110295984A publication Critical patent/CN110295984A/zh
Application granted granted Critical
Publication of CN110295984B publication Critical patent/CN110295984B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
    • F01N11/002—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring or estimating temperature or pressure in, or downstream of the exhaust apparatus
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/92—Chemical or biological purification of waste gases of engine exhaust gases
    • B01D53/94—Chemical or biological purification of waste gases of engine exhaust gases by catalytic processes
    • B01D53/9404—Removing only nitrogen compounds
    • B01D53/9409—Nitrogen oxides
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/92—Chemical or biological purification of waste gases of engine exhaust gases
    • B01D53/94—Chemical or biological purification of waste gases of engine exhaust gases by catalytic processes
    • B01D53/9495—Controlling the catalytic process
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N13/00—Exhaust or silencing apparatus characterised by constructional features ; Exhaust or silencing apparatus, or parts thereof, having pertinent characteristics not provided for in, or of interest apart from, groups F01N1/00 - F01N5/00, F01N9/00, F01N11/00
    • F01N13/009—Exhaust or silencing apparatus characterised by constructional features ; Exhaust or silencing apparatus, or parts thereof, having pertinent characteristics not provided for in, or of interest apart from, groups F01N1/00 - F01N5/00, F01N9/00, F01N11/00 having two or more separate purifying devices arranged in series
    • F01N13/0093—Exhaust or silencing apparatus characterised by constructional features ; Exhaust or silencing apparatus, or parts thereof, having pertinent characteristics not provided for in, or of interest apart from, groups F01N1/00 - F01N5/00, F01N9/00, F01N11/00 having two or more separate purifying devices arranged in series the purifying devices are of the same type
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N3/00—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust
    • F01N3/08—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous
    • F01N3/10—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust
    • F01N3/101—Three-way catalysts
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N3/00—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust
    • F01N3/08—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous
    • F01N3/10—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust
    • F01N3/18—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust characterised by methods of operation; Control
    • F01N3/20—Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust characterised by methods of operation; Control specially adapted for catalytic conversion ; Methods of operation or control of catalytic converters
    • F01N3/2066—Selective catalytic reduction [SCR]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N9/00—Electrical control of exhaust gas treating apparatus
    • F01N9/005—Electrical control of exhaust gas treating apparatus using models instead of sensors to determine operating characteristics of exhaust systems, e.g. calculating catalyst temperature instead of measuring it directly
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2251/00—Reactants
    • B01D2251/20—Reductants
    • B01D2251/206—Ammonium compounds
    • B01D2251/2067—Urea
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2258/00—Sources of waste gases
    • B01D2258/01—Engine exhaust gases
    • B01D2258/012—Diesel engines and lean burn gasoline engines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/92—Chemical or biological purification of waste gases of engine exhaust gases
    • B01D53/94—Chemical or biological purification of waste gases of engine exhaust gases by catalytic processes
    • B01D53/9445—Simultaneously removing carbon monoxide, hydrocarbons or nitrogen oxides making use of three-way catalysts [TWC] or four-way-catalysts [FWC]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
    • F01N11/002—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring or estimating temperature or pressure in, or downstream of the exhaust apparatus
    • F01N11/005—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring or estimating temperature or pressure in, or downstream of the exhaust apparatus the temperature or pressure being estimated, e.g. by means of a theoretical model
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2550/00—Monitoring or diagnosing the deterioration of exhaust systems
    • F01N2550/02—Catalytic activity of catalytic converters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2560/00—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics
    • F01N2560/02—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics the means being an exhaust gas sensor
    • F01N2560/026—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics the means being an exhaust gas sensor for measuring or detecting NOx
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2560/00—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics
    • F01N2560/06—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics the means being a temperature sensor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2560/00—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics
    • F01N2560/07—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics the means being an exhaust gas flow rate or velocity meter or sensor, intake flow meters only when exclusively used to determine exhaust gas parameters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/04—Methods of control or diagnosing
    • F01N2900/0402—Methods of control or diagnosing using adaptive learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/06—Parameters used for exhaust control or diagnosing
    • F01N2900/14—Parameters used for exhaust control or diagnosing said parameters being related to the exhaust gas
    • F01N2900/1404—Exhaust gas temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/06—Parameters used for exhaust control or diagnosing
    • F01N2900/14—Parameters used for exhaust control or diagnosing said parameters being related to the exhaust gas
    • F01N2900/1411—Exhaust gas flow rate, e.g. mass flow rate or volumetric flow rate
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/06—Parameters used for exhaust control or diagnosing
    • F01N2900/16—Parameters used for exhaust control or diagnosing said parameters being related to the exhaust apparatus, e.g. particulate filter or catalyst
    • F01N2900/1614—NOx amount trapped in catalyst
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/06—Parameters used for exhaust control or diagnosing
    • F01N2900/16—Parameters used for exhaust control or diagnosing said parameters being related to the exhaust apparatus, e.g. particulate filter or catalyst
    • F01N2900/1621—Catalyst conversion efficiency
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/06—Parameters used for exhaust control or diagnosing
    • F01N2900/16—Parameters used for exhaust control or diagnosing said parameters being related to the exhaust apparatus, e.g. particulate filter or catalyst
    • F01N2900/1622—Catalyst reducing agent absorption capacity or consumption amount
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/06—Parameters used for exhaust control or diagnosing
    • F01N2900/18—Parameters used for exhaust control or diagnosing said parameters being related to the system for adding a substance into the exhaust
    • F01N2900/1806—Properties of reducing agent or dosing system
    • F01N2900/1812—Flow rate
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/12—Improving ICE efficiencies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Biomedical Technology (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Chemical & Material Sciences (AREA)
  • Toxicology (AREA)
  • Materials Engineering (AREA)
  • Exhaust Gas After Treatment (AREA)
  • Exhaust Gas Treatment By Means Of Catalyst (AREA)

Abstract

本公开涉及催化剂状态推定装置及方法、以及非瞬时性记录介质。催化剂状态推定装置包含第1传感器、存储器和处理器。所述第1传感器设置于供来自内燃机的排出气体流通的主流路，构成为取得对所述排出气体中的有害物质进行净化的催化剂的信息。所述存储器构成为预先存储包含至少一个数学模型的催化剂状态推定模型。所述处理器构成为通过将由所述第1传感器取得的所述催化剂的所述信息适用于所述催化剂状态推定模型，来推定所述催化剂的净化性能。

Description

催化剂状态推定装置及方法、以及非瞬时性记录介质
技术领域
本公开涉及催化剂状态推定装置、信息处理装置的催化剂状态推定方法以及存储有程序的非瞬时性记录介质。
背景技术
已知有利用数学模型定量地预测各种条件下的现象的技术。作为这样的数学模型之一，已知有将位于人脑内的神经网络由称为人造神经元的数学模型来表现的神经网络(NN：Neural Network)。
例如在日本特开2003-328732中记载了对NN输入周围温度、进气管压力及温度、燃料消耗率、发动机转速的各值，来预测从选择性还原催化剂(SCR催化剂：SelectiveCatalytic Reductioncatalyst)排出的氮氧化物(NOx)的量。例如在日本特开2009-180086中记载了对NN输入EGR阀升程量指令值、增压压力、进气温度、排气压力、燃料喷射量、进气流量、发动机转数的各值，来预测被NOx(氮氧化物)存储还原催化剂(NSR催化剂：NOxStorage Reductioncatalyst)捕捉的NOx的量。例如在日本特开2011-132915中记载了对NN输入发动机转数、燃料喷射量、燃料喷射正时、进气量、空燃比、排气温度、增压压力的各值，来预测从发动机排出的NOx的量。
发明内容
已知有将例如SCR催化剂、NSR催化剂、三元催化剂(Three-Way Catalyst)、微粒状物质去除过滤器(DPF：Diesel Particulate Filter)、氧化催化剂(DOC催化剂：DieselOxidation Catalyst)等不同功能的各种催化剂单独或组合使用来净化内燃机的排出气体的情况。存在想要利用数学模型来推定(预测)这样的催化剂的净化性能的期望。
但是，在记载在日本特开2003-328732、日本特开2009-180086、日本特开2011-132915的技术中，都是仅设想了与内燃机(发动机)及其进气系统相关的参数作为对NN的输入。此处，由于催化剂的净化性能也受到催化剂的温度和/或催化剂所吸附的添加剂的量等的影响而发生变动，所以在记载在日本特开2003-328732、日本特开2009-180086、日本特开2011-132915的技术中均存在无法高精度地推定催化剂的净化性能的问题。
另外，在记载在日本特开2003-328732、日本特开2009-180086、日本特开2011-132915的技术中，没有考虑到在使用多个催化剂净化内燃机的排出气体的构成(例如设置两个以上的SCR催化剂的构成)中对该多个催化剂的净化性能进行推定。
本发明在推定对内燃机的排出气体进行净化的催化剂的净化性能的技术中可提高推定的精度。
本发明是为了解决上述问题的至少一部分而完成的，能够作为以下的形态来实现。
本发明的第1技术方案是催化剂状态推定装置。所述催化剂状态推定装置包含第1传感器、存储器和处理器。所述第1传感器设置于供来自内燃机的排出气体流通的主流路，构成为取得对所述排出气体中的有害物质进行净化的催化剂的第1信息。所述存储器构成为预先存储包含至少一个数学模型的催化剂状态推定模型。所述处理器构成为通过将由所述第1传感器取得的所述催化剂的所述第1信息适用于所述催化剂状态推定模型来推定所述催化剂的净化性能。
催化剂的净化性能受到催化剂的信息(例如催化剂的温度、催化剂所吸附的添加剂的量)的影响而发生变动。根据上述构成，处理器通过将对催化剂的净化性能产生影响的该催化剂的信息适用于催化剂状态推定模型，能够高精度地推定催化剂的净化性能。即，根据上述构成，在推定对内燃机的排出气体进行净化的催化剂的净化性能的技术中，能够提高推定的精度。
也可以是，所述催化剂状态推定装置还包含取得向所述催化剂流入的所述排出气体的第2信息的第2传感器。也可以是，所述处理器构成为除了所述催化剂的所述第1信息以外，还将由所述第2传感器取得的所述排出气体的所述第2信息适用于所述催化剂状态推定模型，由此推定所述催化剂的所述净化性能。根据上述构成，处理器通过将对催化剂的净化性能产生影响的这些催化剂的信息、和向催化剂流入的排出气体的信息这两者适用于催化剂状态推定模型，能够进一步高精度地推定催化剂的净化性能。
也可以是，所述催化剂状态推定装置还包含取得向所述催化剂供给的添加剂的第3信息的第3传感器。也可以是，所述处理器构成为，除了所述催化剂的所述第1信息以外，还将由所述第3传感器取得的所述添加剂的所述第3信息适用于所述催化剂状态推定模型，由此推定所述催化剂的所述净化性能。根据上述构成，在推定如选择性还原催化剂(SCR催化剂：Selective Catalytic Reductioncatalyst)或者存储还原催化剂(NSR催化剂：NOxStorage Reductioncatalyst)那样使用添加剂来净化有害物质的催化剂的净化性能的情况下，能够进一步提高推定的精度。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型包含由机器学习模型构成的第1模型。也可以是，所述第1模型将作为关于所述催化剂的所述第1信息的所述主流路中的所述催化剂的前端的温度、所述催化剂的温度、在前一时刻所述催化剂所吸附的添加剂的吸附量中的至少一个作为输入，将所述催化剂中的氮氧化物的净化率作为输出。也可以是，所述处理器构成为，利用所述第1模型来推定作为所述催化剂的所述净化性能的所述氮氧化物的所述净化率。关于机器学习模型，只要输入输出变量具有因果关系即可，即使是如果不进行复杂的函数近似就无法分类和/或回归的情况下(例如包含难以用物理公式明示的现象的情况、需要多个描述现象的物理公式的情况、因假设较多因素的影响而针对物理公式的输入变多的情况)，也能够以低运算负荷得到输出(推定结果)。根据上述构成，处理器利用由机器学习模型构成的第1模型来推定氮氧化物的净化率，因此能够以低运算负荷并且高速地实施由较多因素影响的氮氧化物的净化率的推定。另外，通过将进行了充分学习的机器学习模型设为第1模型，处理器能够高精度地推定氮氧化物的净化率。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型包含由机器学习模型构成的第2模型。也可以是，所述第2模型将作为关于所述催化剂的所述第1信息的所述主流路中的所述催化剂的前端的温度、所述催化剂的温度、在前一时刻所述催化剂所吸附的添加剂的吸附量、所述催化剂的温度的时间微分值、所述催化剂中的添加剂的所述吸附量与饱和吸附量之比中的至少一个作为输入，将从所述催化剂流出的添加剂的流出量作为输出。也可以是，所述处理器构成为，利用所述第2模型来推定作为所述催化剂的所述净化性能的所述流出量。根据上述构成，处理器利用由机器学习模型构成的第2模型来推定从催化剂流出的添加剂的流出量，因此能够以低运算负荷并且高速地实施由更多因素影响的流出量的推定。另外，通过将进行了充分学习的机器学习模型设为第2模型，处理器能够高精度地推定流出量。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型包含由物理模型构成的第3模型。也可以是，所述第3模型将作为所述催化剂的所述第1信息的所述主流路中的所述催化剂的前端的温度和所述催化剂的温度中的至少一个作为输入，将在所述催化剂中对氮氧化物的净化反应无贡献的添加剂的量作为输出。也可以是，所述处理器构成为，利用所述第3模型来推定作为所述催化剂的净化性能的在所述催化剂中对所述氮氧化物的所述净化反应无贡献的所述添加剂的量。物理模型是基于实际的物理定律而在相似定律之上成立的规律，因此通过物理模型得到的输出(推定结果)满足物理定律。另一方面，机器学习模型是作为庞大数据的学习结果而构建的模型，因此存在得不到满足物理定律的输出(推定结果)的情况。根据上述构成，处理器利用由物理模型构成的第3模型来推定在催化剂中对氮氧化物的净化反应无贡献的添加剂的量，因此能够遵守物理定律且高精度地进行会产生影响的因素较少的上述添加剂的量的推定。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型是以由所述第1模型推定的当前的所述氮氧化物的净化率、由所述第2模型推定的当前的所述流出量、以及由所述第3模型推定的当前的在所述催化剂中对氮氧化物的净化反应无贡献的添加剂的量作为输入，并且使用物理定律来求取下个时刻的吸附于所述催化剂的添加剂的吸附量的模型。也可以是，所述处理器构成为，利用所述催化剂状态推定模型来推定作为所述催化剂的所述净化性能的下个时刻的所述吸附量。根据上述构成，处理器一并使用作为机器学习模型的第1及第2模型的推定结果(氮氧化物的净化率、从催化剂流出的添加剂的流出量)、以及作为物理模型的第3模型的推定结果(在催化剂中对氮氧化物的净化反应无贡献的添加剂的量)，并使用物理定律，来推定吸附于催化剂的添加剂的吸附量。因此，根据上述构成，能够满足物理定律并且高精度且高速地实施由更多因素影响的吸附量的推定。另外，吸附于催化剂的添加剂的吸附量受到之前时刻的吸附量的影响而发生变动(换言之，受到时间历史记录的影响而发生变动)。根据上述构成，处理器利用第1～第3模型的当前的推定结果来推定下个时刻的吸附量，因此能够基于之前时刻的催化剂的净化性能，高精度地推定下个时刻的催化剂的净化性能。
在所述催化剂状态推定装置中，也可以是，所述第1模型以及所述第2模型还将作为所述排出气体的第2信息的所述排出气体的温度、所述排出气体的流量、以及所述排出气体所包含的氮氧化物的量中的至少一个作为输入，将作为所述添加剂的第3信息的向所述催化剂流入的所述添加剂的流入量作为输入。也可以是，所述第3模型还将作为所述排出气体的所述第2信息的所述排出气体的温度作为输入，将作为所述添加剂的所述第3信息的向所述催化剂流入的所述添加剂的流入量作为输入。根据上述构成，在第1～第3模型中，由于考虑多种信息来进行推定，所以能够进一步高精度地推定催化剂的净化性能。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型包含多个所述第1模型和多个所述第2模型。也可以是，所述多个所述第1模型使用从劣化度不同的多个所述催化剂取得的训练数据来生成。也可以是，所述多个所述第2模型使用所述训练数据来生成。根据上述构成，催化剂状态推定模型包含使用从劣化度不同的多个催化剂取得的训练数据来生成的多个第1及第2模型，因此能够根据催化剂的劣化度来采用最优的第1模型以及第2模型。其结果是，根据上述构成，能够进一步高精度地推定催化剂的净化性能。
在所述催化剂状态推定装置中，也可以是，在所述主流路中设置有同种的多个所述催化剂的情况下，所述第1传感器构成为至少取得在所述主流路中位于最上游的所述催化剂的所述第1信息。也可以是，所述处理器构成为通过将由所述第1传感器取得的所述催化剂的所述第1信息适用于所述催化剂状态推定模型，来推定作为所述多个催化剂整体的所述净化性能。根据上述构成，在主流路中设置有多个催化剂的情况下，处理器通过将位于最上游的催化剂的信息适用于催化剂状态推定模型，能够推定主流路上的作为多个催化剂整体的净化性能。即，根据上述构成，由于能够将主流路上的多个催化剂视为1个催化剂来推定净化性能，所以与分别推定各催化剂的净化性能的情况相比，能够减少催化剂信息的传感器等的数量和/或要预先准备的催化剂状态推定模型的数量，并且能够降低催化剂状态推定装置的运算负荷。另外，处理器在设置于主流路的多个催化剂为同种催化剂的情况下将它们视为1个催化剂来推定净化性能。只要是同种催化剂，决定净化性能的催化剂的信息项目(例如催化剂的温度、催化剂所吸附的添加剂的量)就不存在差异，因此处理器能够高精度地推定净化性能。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型包含由机器学习模型构成的第1模型。也可以是，所述第1模型将作为所述催化剂的所述第1信息的所述位于最上游的催化剂的前端的温度、各所述催化剂的温度、以及在前一时刻所述多个催化剂所吸附的添加剂的吸附量的总和中的至少一个作为输入，将所述多个催化剂中的氮氧化物的净化量的总和作为输出。也可以是，所述处理器构成为利用所述第1模型来推定作为所述净化性能的所述氮氧化物的净化量。根据上述构成，处理器利用由机器学习模型构成的第1模型来推定多个催化剂中的氮氧化物的净化量的总和，因此能够以低运算负荷并且高速地实施由较多因素影响的氮氧化物的净化量的推定。另外，通过将进行了充分学习的机器学习模型设为第1模型，处理器能够高精度地推定氮氧化物的净化量。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型包含由机器学习模型构成的第2模型。也可以是，所述第2模型将作为所述催化剂的所述第1信息的所述位于最上游的催化剂的前端的温度、各所述催化剂的温度、在前一时刻所述多个催化剂所吸附的添加剂的吸附量的总和、各所述催化剂的温度的时间微分值、以及所述多个催化剂中的添加剂的所述吸附量的总和与饱和吸附量的总和之比中的至少一个作为输入，将从在所述主流路中位于最下游的所述催化剂流出的添加剂的流出量作为输出。也可以是，所述处理器构成为利用所述第2模型来推定作为所述净化性能的所述流出量。根据上述构成，处理器利用由机器学习模型构成的第2模型来推定从位于最下游的催化剂流出的添加剂的流出量，因此能够以低运算负荷并且高速地实施由更多因素影响的流出量的推定。另外，通过将进行了充分学习的机器学习模型设为第2模型，处理器能够高精度地推定流出量。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型包含由物理模型构成的第3模型。也可以是，所述第3模型将作为所述催化剂的第1信息的所述位于最上游的催化剂的前端的温度和各所述催化剂的温度中的至少一个作为输入，将向所述位于最上游的催化剂供给的添加剂中的、在所述多个催化剂中对氮氧化物的净化反应无贡献的添加剂的量作为输出。也可以是，所述处理器构成为利用所述第3模型来推定作为所述净化性能的对所述氮氧化物的所述净化反应无贡献的所述添加剂的量。根据上述构成，处理器利用由物理模型构成的第3模型来推定向位于最上游的催化剂供给的添加剂中的、在多个催化剂中对氮氧化物的净化反应无贡献的添加剂的量，因此能够遵守物理定律且高精度地实施会产生影响的因素较少的上述添加剂的量的推定。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型是将由所述第1模型推定的当前的所述氮氧化物的净化量的总和、由所述第2模型推定的当前的所述流出量、以及由所述第3模型推定的当前的对所述氮氧化物的净化反应无贡献的添加剂的量作为输入，并且使用物理定律来求取下个时刻的所述多个催化剂所吸附的添加剂的吸附量的总和的模型。也可以是，所述处理器构成为利用所述催化剂状态推定模型来推定作为所述净化性能的下个时刻的所述吸附量的总和。根据上述构成，处理器一并使用作为机器学习模型的第1及第2模型的推定结果(多个催化剂的氮氧化物的净化量的总和、从位于最下游的催化剂流出的添加剂的流出量)、以及作为物理模型的第3模型的推定结果(向位于最上游的催化剂供给的添加剂中的、在多个催化剂中对氮氧化物的净化反应无贡献的添加剂的量)，并使用物理定律来推定多个催化剂所吸附的添加剂的吸附量的总和。因此，根据上述构成，能够满足物理定律并且高精度且高速地实施由更多因素影响的吸附量的总和的推定。另外，多个催化剂所吸附的添加剂的吸附量的总和受到之前时刻的吸附量的总和的影响而发生变动(换言之，受到时间历史记录的影响而发生变动)。根据该构成，处理器利用第1～第3模型的当前的推定结果来推定下个时刻的吸附量的总和，因此能够基于之前时刻的催化剂的净化性能来高精度地推定下个时刻的催化剂的净化性能。
也可以是，所述催化剂状态推定装置还包含：第2传感器，其构成为取得向所述位于最上游的催化剂流入的排出气体的第2信息；以及第3传感器，其构成为取得向所述位于最上游的所述催化剂供给的所述添加剂的第3信息。也可以是，在所述第1模型以及所述第2模型中，还将作为所述排出气体的所述第2信息的所述排出气体的温度、所述排出气体的流量、以及所述排出气体所包含的氮氧化物的量中的至少一个作为输入，将作为所述添加剂的所述第3信息的向所述位于最上游的催化剂流入的所述添加剂的流入量作为输入。也可以是，所述第3模型还将作为所述排出气体的所述第2信息的所述排出气体的温度作为输入，将作为所述添加剂的所述第3信息的向所述位于最上游的催化剂流入的所述添加剂的流入量作为输入。除了催化剂的信息以外，催化剂的净化性能还受到流入催化剂中的排出气体的信息(例如排出气体的温度、排出气体的流量、排出气体中的氮氧化物的量)和/或添加剂的信息(例如添加剂的量)的影响而发生变动。根据上述构成，处理器通过将对催化剂的净化性能产生影响的这些催化剂的信息、排出气体的信息和添加剂的信息适用于催化剂状态推定模型，能够进一步高精度地推定催化剂的净化性能。
在所述催化剂状态推定装置中，也可以是，所述催化剂状态推定模型包含使用从催化剂组取得的训练数据生成的所述第1模型和所述第2模型中的至少一个模型。也可以是，所述催化剂组由配置在范本用主流路中的同种的多个所述催化剂构成，在所述催化剂组中，在所述范本用主流路中位于最上游的所述催化剂的入口被视为所述催化剂组的入口，在所述范本用主流路中位于最下游的所述催化剂的出口被视为所述催化剂组的出口。根据上述构成，通过使配置在范本用主流路中的多个催化剂作为1个催化剂(催化剂组)来进行学习，能够构建催化剂状态推定模型的第1以及/或者第2模型。因此，在催化剂状态推定模型的第1以及/或者第2模型中，能够考虑到属于催化剂组的各催化剂之间的主流路(排气管等)的影响。通过使用这样构建的催化剂状态推定模型，处理器不需要主流路上的各催化剂之间的排气管等的信息，就能够高精度地推定作为多个催化剂整体的净化性能。
也可以是，所述催化剂状态推定装置还包含基于所述位于最上游的所述催化剂的温度来推定设置于所述主流路的其他所述催化剂的温度的温度推定部。根据上述构成，温度推定部能够基于位于最上游的催化剂的温度来推定设置于主流路的其他催化剂的温度，因此能够省略取得其他催化剂的温度的传感器等。
本发明的第2技术方案是信息处理装置的催化剂状态推定方法。所述信息处理装置包含：传感器，其设置于供来自内燃机的排出气体流通的主流路；存储器，其预先存储包含至少一个数学模型的催化剂状态推定模型；以及处理器。所述催化剂状态推定方法包括：由所述传感器取得对所述排出气体中的有害物质进行净化的催化剂的信息；以及通过将所述催化剂的所述信息适用于所述催化剂状态推定模型，由所述处理器推定所述催化剂的净化性能。
本发明的第3技术方案是存储有程序的非瞬时性记录介质。所述程序使计算机执行取得步骤和推定步骤。所述取得步骤是通过传感器取得对所述排出气体中的有害物质进行净化的催化剂的第1信息的步骤。所述推定步骤是通过将所述催化剂的所述第1信息适用于催化剂状态推定模型而由处理器推定所述催化剂的净化性能的步骤。所述催化剂状态推定模型包含至少一个数学模型，预先存储在存储器中。
此外，本发明能够通过各种技术方案来实现。例如能够通过催化剂状态推定装置以及系统、包含催化剂状态推定装置的排气净化装置以及排气净化系统、这些装置以及系统的控制方法、在这些装置以及系统中执行的计算机程序、用于发布该计算机程序的服务器装置等形态来实现。
附图说明
下面，结合附图描述本发明的示例性实施例的特征、优点、以及技术及工业意义，其中相同的标记表示相同的部件。
图1是作为本发明的一实施方式的排气净化系统的框图。
图2是对第1模型进行说明的图。
图3是对第3模型进行说明的图。
图4是表示由推定部进行的推定处理的步骤的流程图。
图5是对推定处理的步骤S24进行说明的图。
图6是第2实施方式的排气净化系统的框图。
图7是第3实施方式的排气净化系统的框图。
图8是第4实施方式的排气净化系统的框图。
图9是第5实施方式的排气净化系统的框图。
图10是第6实施方式的排气净化系统的框图。
图11是表示由第6实施方式的推定部进行的推定处理的步骤的流程图。
图12是第7实施方式的排气净化系统的框图。
具体实施方式
图1是作为本发明的一实施方式的排气净化系统1的框图。本实施方式的排气净化系统1具备燃烧状态控制部91及内燃机92、排气净化装置20和催化剂状态推定装置10。本实施方式的排气净化装置20是净化内燃机92的排出气体中的有害物质(氮氧化物：NOx)的装置，作为催化剂具备选择性还原催化剂(SCR催化剂：Selective CatalyticReductioncatalyst)40，作为添加剂使用产生氨气(NH3)的尿素水。本实施方式的催化剂状态推定装置10能够推定搭载于排气净化装置20的SCR催化剂40的状态、具体而言是SCR催化剂40的净化性能。
内燃机92例如是柴油发动机或者稀薄燃烧(lean burn)运转方式的汽油发动机。燃烧状态控制部91通过控制对内燃机92进行的空气和/或燃料的喷射来将内燃机92内的空燃比控制为稀薄、理想配比、较浓等各种状态。燃烧状态控制部91例如由电子控制单元(ECU，Electronic Control Unit)执行。此外，在以下的说明中，将排气净化装置20中的靠近内燃机92的一侧称为“上游侧”，将远离内燃机92的一侧称为“下游侧”。在图1的情况下，左侧相当于上游侧，右侧相当于下游侧。
排气净化装置20具备：从内燃机92伸出的排气管30、设置在排气管30上的SCR催化剂40、和尿素泵单元62及尿素喷嘴64。排气管30形成供来自内燃机92的排出气体流通的主流路。来自内燃机92的排出气体穿过排气管30内的主流路，通过SCR催化剂40后释放到外部空气中。SCR催化剂40接受添加剂的供给，净化排出气体中的NOx。SCR催化剂40是“催化剂”的一例。尿素泵单元62在内部贮藏作为添加剂的尿素水，并且内置有将尿素水送到尿素喷嘴64的泵。尿素喷嘴64是尿素水的喷射口，设置在SCR催化剂40的上游侧，对SCR催化剂40供给尿素水。
催化剂状态推定装置10具备CPU11、存储器(存储部)12、流量取得部52、NOx浓度取得部54、前端温度取得部56和温度取得部58。CPU11以及存储部12例如由ECU执行。
CPU11通过将存储在ROM中的计算机程序在RAM中展开并执行，来控制催化剂状态推定装置10的各部。此外，CPU11作为推定部110发挥功能，接收从流量取得部52、NOx浓度取得部54、前端温度取得部56、以及温度取得部58取得的各取得值，执行后述的推定处理。存储部12由快闪存储器、存储卡、硬盘等构成。在存储部12中预先存储有催化剂状态推定模型120。催化剂状态推定模型120包含第1模型121、第2模型122和第3模型123。
图2是对第1模型121进行说明的图。第1模型121是用于推定SCR催化剂40的NOx净化率的模型，由机器学习模型、具体而言是由神经网络(NN：Neural Network)构成。如图2所示，本实施方式的第1模型121由输入层、中间层、输出层这3层构成，例示了将中间层设为1层并且中间层的元素使用S函数的情况。此外，中间层的元素也可以不使用S函数。
成为第1模型121的输入变量的矢量U由n个分量(u1、u2、……、un，n为自然数)构成。矢量U的各分量能够采用以下的a1项～a3项所示的参数。(a1)催化剂的信息：SCR催化剂40的前端的温度、SCR催化剂40的温度、以及在前一时刻SCR催化剂40所吸附的NH3的吸附量中的至少一个；(a2)排出气体的信息：来自内燃机92的排出气体的温度、排出气体的流量、以及排出气体所包含的NOx的量中的至少一个；(a3)添加剂的信息：流入SCR催化剂40的NH3的流入量。
此处，对于矢量U而言，关于a1项所示的催化剂的信息，需要输入至少一个以上，关于a2项、a3项所示的排出气体的信息和添加剂的信息，既可以输入至少一个，也可以全都省略。但是，为了提高第1模型121的NOx净化率的推定精度，最好是所输入的参数数量多。
将矢量U的各分量输入到输入层之后，在中间层，使矢量U的各分量ui与权重常数Wij之积相加(数学式1)。然后，如数学式2所示那样，在考虑了中间层的每个节点的特征值θj(偏值)的基础上，使其通过S函数后输出。在输出层，求取将输入值Yj与权重常数Wjk之积相加后与特征值θk(偏值)之和并输出(数学式3)。第1模型121的输出变量Z是在由输入变量(矢量U)表示的诸条件下的SCR催化剂40的NOx净化率的推定值。此外，n表示输入变量的数个分量的个数，m表示中间层节点的个数。第1模型121是“第1模型”的一例。
Figure BDA0001999831310000131
Figure BDA0001999831310000132
Figure BDA0001999831310000133
第1模型121以使输出变量Z与成为推定对象的物理量(第1模型121的情况下为NOx净化率)一致的方式使NN学习输入变量和输出变量的关系，预先决定NN中的各值Wij、θj、Wjk、θk。在第1模型121的学习中，优选使用在内燃机92过渡运转时所取得的数据作为训练数据。此外，中间层的节点数例如能够考虑针对训练数据的精度和针对未用作训练数据的数据的精度来决定。
第2模型122是用于推定从SCR催化剂40流出的NH3的流出量的模型，由机器学习模型、具体而言是由NN构成。除了后述内容以外，第2模型122具有与图2中说明的第1模型121同样的构成。
成为第2模型122的输入变量的矢量U由n个分量(u1、u2、……、un，n为自然数)构成。矢量U的各分量能够采用以下的b1项～b3项所示的参数。(b1)催化剂的信息：SCR催化剂40的前端的温度、SCR催化剂40的温度、在前一时刻SCR催化剂40所吸附的NH3的吸附量(实际吸附量)、SCR催化剂40的温度的时间微分值、以及SCR催化剂40中的NH3的吸附量(实际吸附量)与饱和吸附量之比中的至少一个；(b2)排出气体的信息：来自内燃机92的排出气体的温度、排出气体的流量、以及排出气体所包含的NOx的量中的至少一个；(b3)添加剂的信息：流入SCR催化剂40的NH3的流入量。
对于第2模型122的矢量U而言，与第1模型121同样，关于b1项所示的催化剂的信息，需要输入至少一个以上，关于b2项、b3项所示的排出气体的信息和添加剂的信息，既可以输入至少一个以上，也可以全都省略。但是，为了提高第2模型122的流出量的推定精度，最好是所输入的参数的数量多。
第2模型122的输出变量Z是在由输入变量(矢量U)表示的诸条件下从SCR催化剂40流出而失去的NH3的流出量的推定值。此外，第2模型122是“第2模型”的一例。
图3是对第3模型123进行说明的图。第3模型123是用于推定在SCR催化剂40中对NOx的净化反应无贡献的添加剂(NH3)的量的模型，由物理模型构成。已知特别是在高温环境下NH3因热分解和/或氧化反应而失去，在SCR催化剂40中对NOx的净化反应无贡献。在第3模型123中，将这些因热分解以及氧化反应而减少的NH3的量推定为对NOx的净化反应无贡献的添加剂(NH3)的量。如图3所示，第3模型123由阿仑尼乌斯公式(Arrhenius equation)构成。在阿仑尼乌斯公式中，关于频率因子(A)、活化能(E)，能够使用预先通过实验等求出的值。
成为第3模型123的输入变量的矢量U由n个分量(u1、u2、……、un，n为自然数)构成。矢量U的各分量能够采用以下的c1项～c3项所示的参数。(c1)催化剂的信息：SCR催化剂40的前端的温度和SCR催化剂40的温度中的至少一个；(c2)排出气体的信息：来自内燃机92的排出气体的温度；(c3)添加剂的信息：流入SCR催化剂40的NH3的流入量。
与第1模型121同样，对于第3模型123的矢量U而言，关于c1项所示的催化剂的信息，需要输入至少一个以上，关于c2、c3项所示的排出气体的信息和添加剂的信息，既可以输入至少一个以上，也可以全都省略。但是，为了提高第3模型123的对NOx的净化反应无贡献的NH3的量的推定精度，最好是所输入的参数数量多。
第3模型123的输出变量Z是在由输入变量(矢量U)表示的诸条件下在SCR催化剂40中对NOx的净化反应无贡献的NH3的量的推定值。此外，第3模型123是“第3模型”的一例。
返回图1，继续进行说明。流量取得部52取得来自内燃机92的排出气体的流量。流量取得部52例如也可以通过取得由设置于排气管30的皮托管式流量计测定的测定信号来实现。另外，流量取得部52也可以基于针对内燃机92的进气量信号和/或燃料喷射量信号来推定排出气体的流量。排气温度取得部53是测定来自内燃机92的排出气体的温度的传感器。NOx浓度取得部54是测定向SCR催化剂40流入的排出气体中的NOx浓度的传感器。此外，NOx浓度取得部54也可以取代基于传感器的测定而基于内燃机92的燃烧状态(稀薄、理想配比、较浓)来推定排出气体中的NOx浓度。前端温度取得部56是测定SCR催化剂40的入口附近(前端)的温度的传感器。温度取得部58是测定SCR催化剂40的床层温度的传感器。
此外，流量取得部52、排气温度取得部53和NOx浓度取得部54是取得流入SCR催化剂40的排出气体的信息的“第2传感器”的一例。前端温度取得部56和温度取得部58是取得SCR催化剂40的信息的“第1传感器”的一例。
图4是表示推定部110的推定处理的步骤的流程图。推定处理是推定SCR催化剂40的净化性能的处理，可在任意定时(timing)执行。例如推定处理既可以根据来自排气净化系统1或者催化剂状态推定装置10的使用者的请求来执行，也可以根据来自搭载排气净化系统1的车辆中的其他控制部的请求来执行。图4所示的推定处理定期地执行。
此外，在以后的说明中将例示如下情况：采用a1项～a3项中除了SCR催化剂40的前端的温度以外的全部参数作为上述的第1模型121的输入，采用b1项～b3项中所述的全部参数作为第2模型122的输入，采用c1项～c3项中所述的全部参数作为第3模型123的输入。另外，在以后的说明中，Δt表示催化剂状态推定装置10的单位时间(例如CPU11的运算周期、上述的各取得部52～58的取样周期)，时刻t＝kΔt是指当前时刻，时刻t＝(k+1)Δt是指后一时刻(1个单位时间之后)，时刻t＝(k-1)Δt是指前一时刻(1个单位时间之前)。k是整数。
在步骤S10中，推定部110判定推定处理的开始条件是否成立。具体而言，例如在温度取得部58为正常、尿素泵单元62以及尿素喷嘴64为正常、并且NOx浓度取得部54为活性状态的情况下，推定部110能够判定为推定处理的开始条件成立。在推定处理的开始条件成立的情况下(步骤S10：“是”)，推定部110使处理转变到步骤S12。在推定处理的开始条件不成立的情况下(步骤S10：“否”)，推定部110使处理结束。
在步骤S12中，推定部110从流量取得部52取得当前(时刻t＝kΔt)的排气管30内部的流量Q[k]。在步骤S14中，推定部110算出当前(时刻t＝kΔt)的流入SCR催化剂40的NOx量NOx_SCRin。具体而言，推定部110从NOx浓度取得部54取得流入SCR催化剂40的排出气体中的当前的NOx浓度[k]。接着，推定部110基于所取得的排出气体中的NOx浓度[k]和通过步骤S12取得的排出气体的流量Q[k]，算出NOx量NOx_SCRin[k]。
在步骤S16中，推定部110从温度取得部58取得当前(时刻t＝kΔt)的SCR催化剂40的床层温度T[k]。在步骤S18中，推定部110基于从尿素喷嘴64喷射的尿素水的喷射量，使用预先准备的计算式和/或映射表等，算出当前(时刻t＝kΔt)的流入SCR催化剂40的NH3的流入量NH3_SCRin[k]。此外，在步骤S18中，推定部110还作为取得添加剂的信息的“第3传感器”发挥功能。
在步骤S20中，推定部110从排气温度取得部53取得当前(时刻t＝kΔt)的流入SCR催化剂40的排出气体的温度T_SCRin[k]。此外，在步骤S20中，推定部110也可以取得SCR催化剂40的入口附近(前端)的温度替代排出气体的温度来作为T_SCRin[k]。
在步骤S22中，推定部110利用以下的数学式4算出当前(时刻t＝kΔt)的SCR催化剂40的床层温度T的时间微分值DiffT[k]。在数学式4中，Δt表示温度取得部58的取样周期，T[k]表示通过步骤S16取得的当前的SCR催化剂40的床层温度T，T[k-1]表示通过步骤S16取得的前一时刻的SCR催化剂40的床层温度T。此外，在步骤S22中，推定部110还作为取得催化剂的信息的“第1传感器”发挥功能。
DiffT[k]＝(T[k]-T[k-1])/Δt…(4)
图5是对推定处理的步骤S24进行说明的图。在图5中，横轴表示SCR催化剂40的床层温度，纵轴表示SCR催化剂40中的NH3的饱和吸附量。SCR催化剂40中的NH3的饱和吸附量如图示那样具有随着床层温度的上升而减少的特性NP。表示特性NP的关系式预先通过实验等求出并存储在存储部12中。
在图4的步骤S24中，推定部110算出SCR催化剂40中的NH3的实际吸附量与饱和吸附量之比。具体而言，推定部110将通过步骤S16所取得的当前的SCR催化剂40的床层温度T[k]应用到表示特性NP的关系式中，来求取当前(时刻t＝kΔt)的SCR催化剂40的NH3的饱和吸附量StrtNH3Ad[k](图5)。接着，使用所求出的饱和吸附量StrtNH3Ad[k]和当前(时刻t＝kΔt)的SCR催化剂40的NH3的实际吸附量NH3Ad[k]，算出实际吸附量与饱和吸附量之比r[k]。
关于当前(时刻t＝kΔt)的SCR催化剂40的NH3的实际吸附量NH3Ad[k]，推定部110能够使用在上一次执行的推定处理(图4)中所得到的推定值作为实际吸附量NH3Ad[k]。例如，在初次执行推定处理时等没有上一次的推定值的情况下，推定部110能够使用预定的默认值(default value)作为实际吸附量NH3Ad[k]。默认值能够任意地设定，例如能够使用0或者饱和吸附量。此外，在步骤S22中，推定部110还作为取得催化剂的信息的“第1传感器”发挥功能。
在步骤S26中，推定部110算出SCR催化剂40的NOx净化率的推定值。具体而言，推定部110将通过步骤S12～S20求出的当前(时刻t＝kΔt)的以下各值设定为用于推定NOx净化率的第1模型121(图2)的输入变量矢量U，求取输出变量Z。推定部110将从第1模型121得到的输出变量Z设为当前(时刻t＝kΔt)的SCR催化剂40的NOx净化率NOxConv[k]。(a1)催化剂的信息：SCR催化剂40的温度(床层温度)T[k](步骤S16)、在前一时刻SCR催化剂40所吸附的NH3的吸附量(实际吸附量)NH3Ad[k](上一次的推定处理的结果)；(a2)排出气体的信息：来自内燃机92的排出气体的温度T_SCRin[k](步骤S20)、排出气体的流量Q[k](步骤S12)、排出气体所包含的NOx的量NOx_SCRin[k](步骤S14)；(a3)添加剂的信息：流入SCR催化剂40的NH3的流入量NH3_SCRin[k](步骤S18)。
这样，在步骤S26中，推定部110利用第1模型121来推定作为SCR催化剂40的净化性能的NOx净化率NOxConv[k]。如第1模型121这样的机器学习模型，只要输入输出变量(例如输入变量的矢量U和输出变量Z)具有因果关系即可，即使是如果不进行复杂的函数近似就无法分类和/或回归的情况下(例如包含难以用物理公式明示的现象的情况、需要多个描述现象的物理公式的情况、因假设较多因素的影响而针对物理公式的输入变多的情况)，也能够以低运算负荷得到输出(推定结果)。根据步骤S26，推定部110利用由机器学习模型构成的第1模型121来推定NOx净化率NOx Conv[k]，因此能够以低运算负荷并且高速地实施由较多因素影响的NOx的净化率的推定。另外，通过将进行了充分学习的机器学习模型设为第1模型121，推定部110能够高精度地推定NOx的净化率。
在步骤S28中，推定部110算出从SCR催化剂40流出的NH3的流出量的推定值。具体而言，推定部110将通过步骤S12～S24求出的当前(时刻t＝kΔt)的以下各值设定为用于推定NH3的流出量的第2模型122的输入变量矢量U，求取输出变量Z。推定部110将从第2模型122得到的输出变量Z设为当前(时刻t＝kΔt)的从SCR催化剂40流出的NH3的流出量NH3_SCRout[k]。(b1)催化剂的信息：SCR催化剂40的温度(床层温度)T[k](步骤S16)、在前一时刻SCR催化剂40所吸附的NH3的吸附量(实际吸附量)NH3Ad[k](上一次的推定处理的结果)、SCR催化剂40的温度的时间微分值DiffT[k](步骤S22)、SCR催化剂40中的NH3的吸附量(实际吸附量)与饱和吸附量之比r[k](步骤S24)；(b2)排出气体的信息：来自内燃机92的排出气体的温度T_SCRin[k](步骤S20)、排出气体的流量Q[k](步骤S12)、排出气体所包含的NOx的量NOx_SCRin[k](步骤S14)；(b3)添加剂的信息：流入SCR催化剂40的NH3的流入量NH3_SCRin[k](步骤S18)。
这样，在步骤S28中，推定部110利用第2模型122来推定作为SCR催化剂40的净化性能的NH3的流出量NH3_SCRout[k]。第2模型122与上述的第1模型121同样地由机器学习模型构成，因此能够以低运算负荷并且高速地实施由更多因素影响的NH3的流出量的推定。另外，通过将进行了充分学习的机器学习模型设为第2模型122，推定部110能够高精度地推定流出量。
在步骤S30中，推定部110算出在SCR催化剂40中对NOx的净化反应无贡献的添加剂(NH3)的量的推定值。具体而言，推定部110将通过步骤S16～S20求出的当前(时刻t＝kΔt)的以下各值设定为用于推定对NOx的净化反应无贡献的NH3的量的第3模型123的输入变量矢量U，求取输出变量Z。推定部110将从第3模型123得到的输出变量Z设为当前(时刻t＝kΔt)的对NOx的净化反应无贡献的NH3的量NH3_thrmlytc[k]。(c1)催化剂的信息：SCR催化剂40的温度(床层温度)T[k](步骤S16)；(c2)排出气体的信息：来自内燃机92的排出气体的温度T_SCRin[k](步骤S20)；(c3)添加剂的信息：流入SCR催化剂40的NH3的流入量NH3_SCRin[k](步骤S18)。
这样，在步骤S30中，推定部110利用第3模型123来推定作为SCR催化剂40的净化性能的、对NOx的净化反应无贡献的NH3的量NH3_thrmlytc[k]。如第3模型123这样的物理模型是基于实际的物理定律而在相似定律之上成立的规律。因此，利用第3模型123(物理模型)得到的输出(推定结果)满足物理定律。另一方面，第1模型121以及第2模型122(机器学习模型)是作为庞大数据的学习结果所构建的模型，因此存在得不到满足物理定律的输出(推定结果)的情况。根据步骤S30，推定部110利用由物理模型构成的第3模型123来推定在SCR催化剂40中对NOx的净化反应无贡献的NH3(添加剂)的量，因此能够遵守物理定律且高精度地进行会产生影响的因素较少的上述NH3的量的推定。
在步骤S32中，推定部110利用以下的数学式5算出在后一时刻(时刻t＝(k+1)Δt)SCR催化剂40所吸附的NH3的吸附量的推定值。此外，数学式5作为“催化剂状态推定模型120”发挥功能。
NH3Ad[k+1]＝NH3Ad[k]+(NH3_SCRin[k]-NH3_SCRout[k])-(NOxConv[k]/100)×NOx_SCRin[k]-NH3_thrmlytc[k]…(5)
数学式5的各值分别是由推定部110通过步骤S12～S30推定或者算出的、当前(时刻t＝kΔt)的SCR催化剂40的净化性能(状态)。具体而言，NOxConv[k]是由第1模型121推定出的SCR催化剂40的NOx净化率。NH3_SCRout[k]是由第2模型122推定出的从SCR催化剂40流出的NH3的流出量。NH3_thrmlytc[k]是由第3模型123推定出的对NOx的净化反应无贡献的NH3的量。NH3Ad[k]是作为上一次的推定处理的结果所得到的、SCR催化剂40所吸附的NH3的吸附量(实际吸附量)。NH3_SCRin[k]是流入SCR催化剂40的NH3的流入量。NOx_SCRin[k]是流入SCR催化剂40的排出气体所包含的NOx的量。
在步骤S32结束之后，推定部110输出通过步骤S32推定出的NH3的吸附量NH3Ad[k+1]。输出能够以任意方式实施，例如既可以显示在催化剂状态推定装置10所具备的未图示的显示部中，也可以记录在存储部12内的推定历史记录中，也可以向搭载排气净化系统1的车辆中的其他控制部发送信号。另外，推定部110也可以将通过步骤S12～S30中的至少某一步骤所取得、算出、推定出的结果与通过步骤S32推定出的NH3的吸附量NH3Ad[k+1]一起输出，或者输出该结果来替代NH3的吸附量NH3Ad[k+1]。然后，推定部110使处理结束。
如以上那样，根据第1实施方式的催化剂状态推定装置10，推定部110利用催化剂状态推定模型120来推定SCR催化剂40所吸附的NH3(添加剂)的吸附量NH3Ad[k+1]。从数学式5可以明确，催化剂状态推定模型120一并使用作为机器学习模型(NN模型)的第1模型121及第2模型122的推定结果(NOx净化率、从SCR催化剂40流出的NH3的流出量)、以及作为物理模型的第3模型123的推定结果(在SCR催化剂40中对NOx的净化反应无贡献的NH3的量)，并使用物理定律，来推定在后一时刻(时刻t＝(k+1)Δt)SCR催化剂40所吸附的NH3(添加剂)的吸附量NH3Ad[k+1]。因此，根据本实施方式，推定部110能够满足物理定律并且高精度且高速地实施由较多因素(例如a1项～a3项、b1项～b3项、c1项～c3项中列举的因素)影响的吸附量NH3Ad[k+1]的推定。
另外，SCR催化剂40所吸附的NH3(添加剂)的吸附量受到之前时刻(时刻t＝kΔt)的吸附量NH3Ad[k]的影响而发生变动(换言之，受到时间历史记录的影响而发生变动)。第1实施方式的推定部110使用第1模型121、第2模型122、以及第3模型123的当前的推定结果NOxConv[k]、NH3_SCRout[k]、以及NH3_thrmlytc[k]，来推定后一时刻(时刻t＝(k+1)Δt)的吸附量NH3Ad[k+1]。因此，推定部110能够基于之前时刻(时刻t＝kΔt)的SCR催化剂40的净化性能，高精度地推定下个时刻的SCR催化剂40的净化性能。
并且，SCR催化剂40的净化性能受到催化剂的信息(例如SCR催化剂40的温度、SCR催化剂40所吸附的NH3的量)的影响而发生变动。根据第1实施方式的催化剂状态推定装置10，推定部110通过将对SCR催化剂40的净化性能产生影响的该催化剂的信息采用为成为第1模型121(a1项)、第2模型122(b1项)、以及第3模型123(a3项)的输入变量的矢量U的参数，由此适用于催化剂状态推定模型120。其结果是，推定部110能够高精度地推定SCR催化剂40的净化性能，在推定净化内燃机92的排出气体的SCR催化剂40的净化性能的技术中，能够提高推定的精度。
并且，SCR催化剂40的净化性能除了催化剂的信息以外还受到流入催化剂中的排出气体的信息(例如排出气体的温度、排出气体的流量、排出气体中的NOx的量)的影响而发生变动。根据第1实施方式的催化剂状态推定装置10，推定部110通过将对SCR催化剂40的净化性能产生影响的这些催化剂的信息(a1项、b1项、c1项)、以及流入催化剂中的排出气体的信息(a2项、b2项、c2项)双方适用于催化剂状态推定模型120，能够进一步高精度地推定SCR催化剂40的净化性能。另外，推定部110通过除了催化剂的信息(a1项、b1项、c1项)以外还将添加剂的信息(例如NH3的量、a3项、b3项、c3项)适用于催化剂状态推定模型120，来推定SCR催化剂40的净化性能。因此，例如在推定如本实施方式中例示的SCR催化剂40或者除此以外的存储还原催化剂(NSR催化剂：NOxStorage Reductioncatalyst)那样使用添加剂来净化有害物质的催化剂的净化性能的情况下，能够进一步提高推定的精度。
并且，如果使用在内燃机92过渡运转时所取得的数据作为生成第1模型121以及第2模型122时的训练数据，除了能够推定在内燃机92通常运转时的SCR催化剂40的净化性能以外，推定部110还能够推定在内燃机92过渡运转时的SCR催化剂40的净化性能。
图6是第2实施方式的排气净化系统1a的框图。在图1所示的第1实施方式中，推定部110利用第1～第3模型121～123的推定结果，推定在后一时刻(时刻t＝(k+1)Δt)SCR催化剂40所吸附的NH3的吸附量作为SCR催化剂40的净化性能。但是，第2实施方式的推定部110a利用第1模型121来推定当前(时刻t＝kΔt)的SCR催化剂40的NOx净化率NOx Conv[k]作为SCR催化剂40的净化性能。
在第2实施方式的存储部12中预先存储有仅包含图2中说明的第1模型121的催化剂状态推定模型120a。推定部110a利用催化剂状态推定模型120a的第1模型121来执行由图4说明的推定处理中的步骤S10～步骤S24和步骤S26。在执行步骤S26之后，推定部110a输出在步骤S26中被推定出的SCR催化剂40的NOx净化率NOxConv[k]作为SCR催化剂40的净化性能。这样，在第2实施方式中，也能够起到与上述的第1实施方式同样的效果。
此外，在排气净化系统1a中，也可以以替代第1模型121或者与第1模型121一起的方式具备第2模型122。在该情况下，推定部110a以替代步骤S26或者与步骤S26一起的方式执行步骤S28，并输出其推定结果作为SCR催化剂40的净化性能。另外，在排气净化系统1a中，也可以以替代第1模型121或者与第1模型121一起的方式具备第3模型123。在该情况下，推定部110a以替代步骤S26或者与步骤S26一起的方式执行步骤S30，并输出其推定结果作为SCR催化剂40的净化性能。另外，在排气净化系统1a中，也可以以不具备上述的数学式5的方式具备第1模型121、第2模型122和第3模型123。在该情况下，推定部110a执行步骤S26～步骤S30，并输出其推定结果作为SCR催化剂40的净化性能。这样，也能够起到与上述的第1实施方式同样的效果。
图7是第3实施方式的排气净化系统1b的框图。在图1所示的第1实施方式中，推定了SCR催化剂的净化性能。但是，在第3实施方式的排气净化系统1b中，具备存储还原催化剂(NSR催化剂)来替代SCR催化剂，推定NSR催化剂的净化性能。
排气净化系统1b还具备燃料过量供给(rich spike，浓峰)控制部93，并且具备催化剂状态推定装置10b来替代催化剂状态推定装置10，具备排气净化装置20b来替代排气净化装置20。燃料过量供给控制部93是通过控制对内燃机92进行的空气和/或燃料的喷射来产生燃料过量供给(极短时间的富油燃烧(fuel-rich combustion))的控制部，例如由ECU执行。燃料过量供给控制部93通过发生燃料过量供给，使从内燃机92供给的一氧化碳(CO)、氢气(H2)、碳化氢(HC)作为还原剂，将NSR催化剂70所存储的NOx还原、去除。
排气净化装置20b具备NSR催化剂70来替代SCR催化剂40，而不具备尿素泵单元62以及尿素喷嘴64。NSR催化剂70通过将排出气体中所包含的NOx积存(存储)在存储物质中来净化排出气体中的NOx。NSR催化剂70是“催化剂”的一例。
催化剂状态推定装置10b具备前端温度取得部76来替代前端温度取得部56，具备温度取得部78来替代温度取得部58，具备推定部110b来替代推定部110，具备催化剂状态推定模型120b来替代催化剂状态推定模型120。前端温度取得部76是测定NSR催化剂70的入口附近(前端)的温度的传感器。温度取得部78是测定NSR催化剂70的床层温度的传感器。前端温度取得部76和温度取得部78是取得NSR催化剂70的信息的“第1传感器”的一例。
催化剂状态推定模型120b与第1实施方式的催化剂状态推定模型120同样地包含：由机器学习模型构成的、以NSR催化剂70的NOx的净化率作为输出的第1模型；由机器学习模型构成的、以来自NSR催化剂70的CO、H2、HC的流出量作为输出的第2模型；以及由物理模型构成的、以对NOx的净化反应无贡献的CO、H2、HC的量作为输出的第3模型。推定部110b利用这样的催化剂状态推定模型120b来执行图2的推定处理，使用物理定律(例如质量守恒定律、物料守恒定律、热量守恒定律、能量守恒定律)求取NSR催化剂70中的NOx的存储量。此外，NSR催化剂70中的NOx的存储量与第1实施方式的NH3吸附量同样地受到之前时刻的存储量的影响而发生变动(换言之，受到时间历史记录的影响而发生变动)。
这样，在使用NSR催化剂70的第3实施方式中，也能够起到与上述的第1实施方式同样的效果。
图8是第4实施方式的排气净化系统1c的框图。在图1所示的第1实施方式中，推定了SCR催化剂的净化性能。但是，在第4实施方式的排气净化系统1c中，具备三元催化剂(Three-Way Catalyst)来替代SCR催化剂，推定三元催化剂的净化性能。
排气净化系统1c具备催化剂状态推定装置10c来替代催化剂状态推定装置10，具备排气净化装置20c来替代排气净化装置20。排气净化装置20c具备三元催化剂80来替代SCR催化剂40，并且不具备尿素泵单元62以及尿素喷嘴64。三元催化剂80通过对排出气体中所包含的CO、HC、NOx分别进行氧化或者还原将其去除，净化这些有害物质。此外，本实施方式的三元催化剂80具有储氧能力(OSC：Oxygen Storage Capacity)，能够积存(存储)流入三元催化剂80的排出气体中的氧气(O2)。
催化剂状态推定装置10c具备氧气浓度取得部84来替代NOx浓度取得部54，具备前端温度取得部86来替代前端温度取得部56，具备温度取得部88来替代温度取得部58，具备推定部110c来替代推定部110，具备催化剂状态推定模型120c来替代催化剂状态推定模型120。氧气浓度取得部84取得来自内燃机92的排出气体中的O2浓度。氧气浓度取得部84例如既可以通过取得由设置于排气管30的A/F传感器测定出的测定信号来实现，也可以通过取得由氧气传感器测定出的测定信号来实现。氧气浓度取得部84也可以基于针对内燃机92的进气量信号和/或燃料喷射量信号来推定排出气体中的O2浓度。氧气浓度取得部84还作为取得添加剂的信息的“第3传感器”发挥功能。前端温度取得部86是测定三元催化剂80的入口附近(前端)的温度的传感器。温度取得部88是测定三元催化剂80的床层温度的传感器。前端温度取得部86和温度取得部88是取得三元催化剂80的信息的“第1传感器”的一例。
催化剂状态推定模型120c与第1实施方式的催化剂状态推定模型120同样地包含：由机器学习模型构成的、以三元催化剂80中的CO、HC、NOx中的至少任一种的净化率作为输出的第1模型；由机器学习模型构成的、以来自三元催化剂80的O2的流出量作为输出的第2模型；以及由物理模型构成的、以对CO、HC、NOx的净化反应无贡献的O2的量作为输出的第3模型。推定部110c利用这样的催化剂状态推定模型120c来执行图2的推定处理，并使用物理定律(例如质量守恒定律、物料守恒定律、热量守恒定律、能量守恒定律)求取三元催化剂80中的O2的存储量。此外，三元催化剂80中的O2的存储量与第1实施方式的NH3吸附量同样地，受到之前时刻的存储量的影响而发生变动(换言之，受到时间历史记录的影响而发生变动)。
这样，在使用三元催化剂80的第4实施方式中，也能够起到与上述的第1实施方式同样的效果。
图9是第5实施方式的排气净化系统1d的框图。在图1所示的第1实施方式中，利用单一的第1、第2模型121、122推定了SCR催化剂40的净化性能。但是，在第5实施方式的排气净化系统1d中，分别利用多个第1、第2模型121d、122d来推定SCR催化剂40的净化性能。
排气净化系统1d具备催化剂状态推定装置10d来替代催化剂状态推定装置10。催化剂状态推定装置10d具备推定部110d来替代推定部110，具备催化剂状态推定模型120d来替代催化剂状态推定模型120。催化剂状态推定模型120d包含多个第1模型121d、多个第2模型122d、以及第3模型123。各第1模型121d使用从劣化度不同的多个SCR催化剂40取得的训练数据来分别生成。具体而言，例如第1模型121d(1)基于从劣化程度较小的SCR催化剂40取得的训练数据来生成、第1模型121d(2)基于从劣化程度中等的SCR催化剂40取得的训练数据来生成，第1模型121d(3)基于从劣化程度较大的SCR催化剂40取得的训练数据来生成。劣化程度(劣化度)既可以基于SCR催化剂40的状态和/或SCR催化剂40的更换时期等来判定，也可以基于从SCR催化剂40排出的排出气体中的NOx浓度来判定，也可以基于车辆的行驶距离等来判定。各第2模型122d与第1模型121d同样地使用从劣化度不同的多个SCR催化剂40取得的训练数据来分别生成。
推定部110d在推定处理(图2)的步骤S26中利用与SCR催化剂40的劣化程度相对应的第1模型121d来推定SCR催化剂40的NOx净化率。另外，在步骤S28中，利用与SCR催化剂40的劣化程度相对应的第2模型122d来推定从SCR催化剂40流出的NH3的流出量。
这样，在第5实施方式中，也能够起到与上述的第1实施方式同样的效果。另外，根据第5实施方式，由于催化剂状态推定模型120d包含使用从劣化度不同的多个SCR催化剂40取得的训练数据而生成的多个第1模型121d以及第2模型122d，所以能够根据SCR催化剂40的劣化度采用最优的第1模型121d以及第2模型122d。其结果是，根据第5实施方式，能够进一步高精度地推定催化剂的净化性能。
图10是第6实施方式的排气净化系统1e的框图。在图1所示的第1实施方式中，推定了一个SCR催化剂的净化性能。但是，在第6实施方式的排气净化系统1e中，搭载多个SCR催化剂，推定作为该多个SCR催化剂整体的净化性能。排气净化系统1e具备催化剂状态推定装置10e来替代催化剂状态推定装置10，具备排气净化装置20e来替代排气净化装置20。
排气净化装置20e还具备配置在SCR催化剂40的下游侧的第二SCR催化剂41。以后，为了区分，也将SCR催化剂40称为第一SCR催化剂40。第二SCR催化剂41是与第一SCR催化剂40同种的选择性还原催化剂。在本实施方式中，“同种催化剂”是指催化剂的排气净化机理相同或者类似的催化剂。第二SCR催化剂41利用第一SCR催化剂40中未使用完而排出的添加剂(NH3)对第一SCR催化剂40中未净化完而排出的有害物质(NOx)进行净化。此外，排气净化装置20e也可以构成为具备从尿素泵单元62对第二SCR催化剂41单独供给尿素水的尿素喷嘴。以后，也将搭载于排气净化装置20e的多个同种催化剂(第一及第二SCR催化剂40、41)统称为“催化剂组CG”。在图10所示的构成中，第一SCR催化剂40是“位于最上游的催化剂”的一例，第二SCR催化剂41是“位于最下游的催化剂”的一例。
催化剂状态推定装置10e还具备由测定第二SCR催化剂41的床层温度的传感器构成的第2温度取得部59。另外，催化剂状态推定装置10e具备推定部110e来替代推定部110，具备催化剂状态推定模型120e来替代催化剂状态推定模型120。推定部110e的推定处理的内容与第1实施方式(图4)不同。催化剂状态推定模型120e包含第1模型121e、第2模型122e和第3模型123e。
第1模型121e是针对搭载于排气净化装置20e的多个同种催化剂(即第1及第二SCR催化剂40、41)用于推定该多个催化剂中的NOx的净化量的总和的模型。第1模型121e与第1实施方式同样地，由机器学习模型、具体而言是由NN构成。成为第1模型121e的输入变量的矢量U的各分量能够采用以下的a11项～a13项所示的参数。(a11)催化剂的信息：位于最上游的第一SCR催化剂40的前端的温度、第一及第二SCR催化剂40、41各自的温度、以及在前一时刻多个催化剂所吸附的NH3的吸附量的总和中的至少一个；(a12)排出气体的信息：从内燃机92向位于最上游的第一SCR催化剂40流入的排出气体的温度、该排出气体的流量、以及向位于最上游的第一SCR催化剂40流入的排出气体所包含的NOx的量中的至少一个；(a13)添加剂的信息：向位于最上游的第一SCR催化剂40流入的NH3的流入量。
与第1实施方式同样地，对于矢量U而言，关于a11项所示的催化剂的信息，需要输入至少一个以上，关于a12项、a13项所示的排出气体的信息和添加剂的信息，既可以输入至少一个以上，也可以全都省略。矢量U的各分量被输入到输入层之后的处理与第1实施方式同样。第1模型121e的输出变量Z是在由输入变量(矢量U)表示的诸条件下的、多个催化剂(即第一及第二SCR催化剂40、41)的NOx的净化量的总和的推定值。
第1模型121e与第1实施方式同样地，以使输出变量Z与成为推定对象的物理量一致的方式使NN学习输入变量与输出变量的关系，预先决定NN中的各值Wij、θj、Wjk、θk。在该学习时，在本实施方式中，关于配置在范本用主流路(排气管)中的由同种的多个催化剂(第一及第二SCR催化剂)构成的催化剂组，将位于最上游的第一SCR催化剂的入口视为催化剂组的入口，将位于最下游的第二SCR催化剂的出口视为催化剂组的出口，优选使用从该催化剂组取得的训练数据。
第2模型122e是用于推定从多个催化剂流出的NH3的流出量、换言之是从位于最下游的第二SCR催化剂41流出的NH3的流出量的模型。第2模型122e与第1实施方式同样地，由机器学习模型、具体而言是由NN构成。成为第2模型122e的输入变量的矢量U的各分量能够采用以下的b11项～b13项所示的参数。(b11)催化剂的信息：位于最上游的第一SCR催化剂40的前端的温度、第一及第二SCR催化剂40、41各自的温度、在前一时刻多个催化剂所吸附的NH3的吸附量的总和(实际吸附量的总和)、第一SCR催化剂40的温度的时间微分值及第二SCR催化剂41的温度的时间微分值、以及多个催化剂中的NH3的吸附量的总和(实际吸附量的总和)与NH3的饱和吸附量的总和之比中的至少一个；(b12)排出气体的信息：从内燃机92向位于最上游的第一SCR催化剂40流入的排出气体的温度、该排出气体的流量、以及向位于最上游的第一SCR催化剂40流入的排出气体所包含的NOx的量中的至少一个；(b13)添加剂的信息：向位于最上游的第一SCR催化剂40流入的NH3的流入量。
与第1实施方式同样地，对于矢量U而言，关于b11项所示的催化剂的信息，需要输入至少一个以上，关于b12项、b13项所示的排出气体的信息和添加剂的信息，既可以输入至少一个以上，也可以全都省略。第2模型122e的输出变量Z是在由输入变量(矢量U)表示的诸条件下从多个催化剂流出而失去的NH3的流出量、换言之是从位于最下游的第二SCR催化剂41流出而失去的NH3的流出量的推定值。此外，第2模型122e与第1模型121e同样地，当使NN学习输入变量与输出变量的关系时，关于配置在范本用主流路(排气管)中的由同种的多个催化剂(第一及第二SCR催化剂)构成的催化剂组，将位于最上游的第一SCR催化剂的入口视为催化剂组的入口，将位于最下游的第二SCR催化剂的出口视为催化剂组的出口，优选使用从该催化剂组取得的训练数据。
第3模型123e是用于推定向位于最上游的第一SCR催化剂40供给的添加剂(NH3)中的、在多个催化剂中对NOx的净化反应无贡献的添加剂的量的模型。第3模型123e与第1实施方式同样地，由物理模型、具体而言是由阿仑尼乌斯公式构成。成为第3模型123e的输入变量的矢量U的各分量能够采用以下的c11项～c13项所示的参数。(c11)催化剂的信息：位于最上游的第一SCR催化剂40的前端的温度、以及第一及第二SCR催化剂40、41各自的温度中的至少一个；(c12)排出气体的信息：从内燃机92向位于最上游的第一SCR催化剂40流入的排出气体的温度；(c13项)添加剂的信息：向位于最上游的第一SCR催化剂40流入的NH3的流入量。
与第1实施方式同样地，对于矢量U而言，关于c11项所示的催化剂的信息，需要输入至少一个以上，关于c12项、c13项所示的排出气体的信息和添加剂的信息，既可以输入至少一个以上，也可以全都省略。第3模型123e的输出变量Z是在由输入变量(矢量U)表示的诸条件下在多个催化剂中对NOx的净化反应无贡献的NH3的量的推定值。
图11是表示第6实施方式的推定部110e的推定处理的步骤的流程图。第6实施方式的推定处理是推定作为多个催化剂整体的净化性能的处理，与图4所示的第1实施方式同样地在任意的定时执行。在以后的说明中，说明所使用的a11项～a13项、b11项～b13项、c11项～c13项的各参数、Δt、时刻t＝kΔt、时刻t＝(k+1)Δt、时刻t＝(k-1)Δt各自的定义与第1实施方式相同。另外，在以后的说明中，仅对与图4所示的第1实施方式不同的处理进行说明。
在步骤S14e中，推定部110e算出当前(时刻t＝kΔt)的向位于最上游的第一SCR催化剂40流入的NOx量NOx_SCRin。在步骤S16e中，推定部110e从第1温度取得部58取得当前(时刻t＝kΔt)的第一SCR催化剂40的床层温度T1[k]。另外，推定部110e从第2温度取得部59取得当前(时刻t＝kΔt)的第二SCR催化剂41的床层温度T2[k]。在步骤S18e中，推定部110e基于从尿素喷嘴64喷射的尿素水的喷射量算出当前(时刻t＝kΔt)的向位于最上游的第一SCR催化剂40流入的NH3的流入量NH3_SCRin[k]。
在步骤S20e中，推定部110e从排气温度取得部53取得当前(时刻t＝kΔt)的向位于最上游的第一SCR催化剂40流入的排出气体的温度T1_SCRin[k]。在步骤S22e中，推定部110e利用以下的数学式6分别算出当前(时刻t＝kΔt)的各SCR催化剂(第一及第二SCR催化剂40、41)的床层温度Tn的时间微分值DiffTn[k]。数学式6的变量n是用于区分各催化剂的自然数。
DiffTn[k]＝(Tn[k]-Tn[k-1])/Δt…(6)
在步骤S24e中，推定部110e算出多个催化剂中的NH3的实际吸附量的总和与饱和吸附量的总和之比。具体而言，推定部110e将通过步骤S16e取得的当前的第一SCR催化剂40的床层温度T1[k]应用到表示特性NP的关系式中，求取当前(时刻t＝kΔt)的第一SCR催化剂40的NH3的饱和吸附量(图5)。同样地，推定部110e将通过步骤S16e取得的当前的第二SCR催化剂41的床层温度T2[k]应用到表示特性NP的关系式中，求取当前(时刻t＝kΔt)的第二SCR催化剂41的NH3的饱和吸附量。推定部110e将所求出的各饱和吸附量之和设为多个催化剂中的NH3的饱和吸附量的总和StrtNH3Ad[k]。接着，推定部110e使用所求出的饱和吸附量的总和StrtNH3Ad[k]和当前(时刻t＝kΔt)的多个催化剂的NH3的实际吸附量的总和NH3Ad[k]，算出实际吸附量的总和与饱和吸附量的总和之比r[k]。此外，关于多个催化剂的NH3的实际吸附量的总和NH3Ad[k]，能够利用通过上一次执行的推定处理得到的推定值这一点、以及在没有推定值等情况下能够利用预定的默认值这一点与第1实施方式是同样的。
在步骤S26e中，推定部110e算出多个催化剂(即第一及第二SCR催化剂40、41)的NOx的净化量的总和的推定值。具体而言，推定部110e将通过步骤S12、S14e～S20e求出的当前(时刻t＝kΔt)的各值设定为第1模型121e的输入变量矢量U，求取输出变量Z。推定部110e将从第1模型121e所得到的输出变量Z设为当前(时刻t＝kΔt)的多个催化剂的NOx的净化量的总和NOxConv[k]。
在步骤S28e中，推定部110e算出从多个催化剂流出而失去的NH3的流出量、换言之是从位于最下游的第二SCR催化剂41流出而失去的NH3的流出量的推定值。具体而言，推定部110e将通过步骤S12、S14e～S24e求出的当前(时刻t＝kΔt)的各值设定为第2模型122e的输入变量矢量U，求取输出变量Z。推定部110e将从第2模型122e所得到的输出变量Z设为当前(时刻t＝kΔt)的从多个催化剂流出而失去的NH3的流出量NH3_SCRout[k]。
在步骤S30e中，推定部110e算出向位于最上游的第一SCR催化剂40供给的添加剂(NH3)中的、在多个催化剂中对NOx的净化反应无贡献的添加剂的量的推定值。具体而言，推定部110e将通过步骤S16e～S20e求出的当前(时刻t＝kΔt)的各值设定为第3模型123e的输入变量矢量U，求取输出变量Z。推定部110e将从第3模型123e所得到的输出变量Z设为当前(时刻t＝kΔt)的在多个催化剂中对NOx的净化反应无贡献的NH3的量NH3_thrmlytc[k]。
在步骤S32e中，推定部110e通过第1实施方式的步骤S32中所说明的数学式5算出在后一时刻(时刻t＝(k+1)Δt)多个催化剂所吸附的NH3的吸附量的总和的推定值。此处，适用于数学式5的各值分别是由推定部110e通过步骤S12、S14e～S30e推定或者算出的当前(时刻t＝kΔt)的多个催化剂的净化性能(或者状态)。在步骤S32e结束之后，推定部110e输出通过步骤S32e推定出的NH3的吸附量的总和NH3Ad[k+1]。详细情况与第1实施方式相同。
如以上那样，根据第6实施方式的催化剂状态推定装置10e，也能够起到与上述的第1实施方式同样的效果。另外，根据第6实施方式的催化剂状态推定装置10e，在主流路(排气管30)中设置有多个催化剂(第一及第二SCR催化剂40、41)的情况下，推定部110e通过将位于最上游的第一SCR催化剂40的信息适用于催化剂状态推定模型120e，能够推定作为多个催化剂整体的净化性能。即，根据第6实施方式的催化剂状态推定装置10e，由于能够将主流路上的多个催化剂(第1及第二SCR催化剂40、41)视为1个催化剂(即催化剂组CG)来推定催化剂组CG的净化性能，所以与分别推定各催化剂的净化性能的情况相比，能够减少催化剂信息的取得部(例如构成向第二SCR催化剂41流入的排出气体的流量取得部、排气温度取得部、NOx浓度取得部、第二SCR催化剂41的前端温度取得部等的传感器)的数量或者要预先准备的催化剂状态推定模型120e的数量，并且能够降低催化剂状态推定装置10e的运算负荷。另外，在设置于主流路的多个催化剂为同种催化剂(在第6实施方式的例子中为SCR催化剂)的情况下，推定部110e将它们视为1个催化剂(催化剂组CG)来推定净化性能。只要是同种催化剂，由于决定净化性能的催化剂的信息项目(例如催化剂的温度、催化剂所吸附的添加剂的量)不存在差异，所以推定部110e能够高精度地推定净化性能。
另外，根据第6实施方式的催化剂状态推定装置10e，将配置在范本用主流路中的多个催化剂作为1个催化剂(催化剂组)，使用从该催化剂组取得的训练数据进行学习，由此能够构建催化剂状态推定模型120e的第1模型121e以及/或者第2模型122e。因此，在催化剂状态推定模型120e的第1模型121e以及/或者第2模型122e中，能够考虑到属于催化剂组的各催化剂间的主流路(排气管等)的影响。通过在推定处理中使用像这样构建的催化剂状态推定模型120e，推定部110e不需要主流路(排气管30)上的各催化剂间(第一SCR催化剂40与第二SCR催化剂41之间)的排气管等的信息，能够高精度地推定作为多个催化剂整体的净化性能。
此外，在上述第6实施方式中，例示了两个SCR催化剂(第一及第二SCR催化剂40、41)作为多个催化剂的具体例。但是，排气净化系统1e也可以具备3个以上的SCR催化剂。另外，排气净化系统1e既可以具备多个NSR催化剂，也可以具备多个三元催化剂。图11中所说明的第6实施方式的推定处理能够适用于同种的多个催化剂。
图12是第7实施方式的排气净化系统1f的框图。在图10所示的第6实施方式中，设置于排气净化装置20e的各催化剂的温度(床层温度)由分别设置于各催化剂的第1及第2温度取得部58、59分别取得。但是，在第7实施方式的排气净化系统1f中，催化剂状态推定装置10f具备推定位于最上游的第一SCR催化剂40以外的其他催化剂(在图12的例子中为第二SCR催化剂41)的温度的温度推定部159，来替代第2温度取得部59。
温度推定部159基于由第1温度取得部58取得的第一SCR催化剂40的温度T1，使用预先准备的计算式和/或映射表等，算出第二SCR催化剂41的温度T2。此外，除了位于最上游的第一SCR催化剂40的温度T1以外，温度推定部也可以还考虑来自内燃机92的排出气体的温度、排出气体的流量、在第一SCR催化剂40中因排出气体中的NOx进行反应而产生的反应热、其他任意的参数，来算出第二SCR催化剂41的温度T2。另外，即使是在排气净化系统1f搭载有3个以上的催化剂的情况下，也同样地，温度推定部159能够基于位于最上游的第一SCR催化剂40的温度T1等，使用预先准备的计算式和/或映射表等，来算出其他催化剂的温度Tn(n是用于区分各催化剂的自然数)。推定部110f在图11所说明的推定处理的步骤S16e中从温度推定部159取得其他催化剂的温度Tn。
如以上那样，根据第7实施方式的催化剂状态推定装置10f，也能够起到与上述的第1以及第6实施方式同样的效果。另外，根据第7实施方式的催化剂状态推定装置10f，由于温度推定部159能够基于位于最上游的第一SCR催化剂40的温度来推定设置于主流路(排气管30)的第二SCR催化剂41的温度，所以能够省略取得第二SCR催化剂41的温度的取得部(传感器等)。
本发明不限定于上述的实施方式，能够在不脱离其要旨的范围内实施各种技术方案，例如也能够实施如下所述的变形。
在上述实施方式中，示出了排气净化系统的构成的一例。但是，排气净化系统的构成能够进行各种变形。例如在排气净化系统的排气净化装置中，组合搭载SCR催化剂、NSR催化剂和三元催化剂中的多个催化剂，催化剂状态推定装置也可以分别推定这些多个催化剂的净化性能。另外，在排气净化装置中，也可以搭载去除微粒状物质(PM)的微粒状物质去除过滤器(DPF：Diesel Particulate Filter)，催化剂状态推定装置推定该DPF的净化性能。
例如，取得催化剂的床层温度的温度取得部也可以设置在催化剂的前方(入口附近)或者后方(出口附近)。
例如，由流量取得部、NOx浓度取得部、前端温度取得部、温度取得部分别取得的流量、NOx浓度、前端温度、催化剂的温度中的至少任一个，也可以替代传感器的计测值而以利用催化剂状态推定模型推定出的温度来代用。具体而言，例如催化剂的温度与上述的SCR催化剂中的NH3吸附量、NSR催化剂中的NOx的存储量、以及三元催化剂中的O2的存储量同样地，受到时间历史记录的影响。因此，也可以另外生成能够推定催化剂温度的催化剂状态推定模型，通过该催化剂状态推定模型来推定催化剂的温度。
在上述实施方式中，示出了推定部的推定处理的一例(图4、图11)。但是，推定处理的内容能够进行各种变形。例如，在图4所示的推定处理中，既可以变更步骤S12～S24的执行顺序，也可以变更步骤S26～S30的执行顺序。在图11所示的推定处理中也同样地，既可以变更步骤S12～S24e的执行顺序，也可以变更步骤S26e～S30e的执行顺序。
例如，除了上述的各步骤以外，推定部还可以执行以下的步骤S100、S102。步骤S100、S102能够在任意的定时执行。步骤S100：推定部判定SCR催化剂的床层温度T[k]是否为SCR催化剂中的NH3的饱和吸附量成为0的预定温度阈值以上。在床层温度T[k]为预定温度阈值以上的情况下，推定部将在后一时刻(时刻t＝(k+1)Δt)SCR催化剂所吸附的NH3的吸附量的推定值NH3Ad[k+1]重置为0。步骤S102：推定部使尿素水从尿素泵单元以及尿素喷嘴充分喷射，直到SCR催化剂中的NH3的饱和吸附量达到100(饱和状态)为止。然后，推定部在后一时刻(时刻t＝(k+1)Δt)将SCR催化剂所吸附的NH3的吸附量的推定值NH3Ad[k+1]重置为100(饱和吸附量)。根据这样的步骤S100、S102，在因反复进行图4、图11所示的推定处理而积累误差、推定值与实际的值背离的情况下能够将其重置。
在上述第6以及第7实施方式中，第1模型是针对多个同种催化剂(第一及第二SCR催化剂)推定该多个催化剂的NOx的净化量的总和的模型。但是，也可以将第1模型与第1实施方式同样地定义为推定多个催化剂的NOx净化率的模型。在该情况下，多个催化剂的NOx净化率例如在针对由同种的多个催化剂构成的催化剂组将位于最上游的催化剂的入口视为催化剂组的入口、将位于最下游的催化剂的出口视为催化剂组的出口的情况下，能够定义为“(入口的NOx量(或者NOx浓度)-出口的NOx量(或者NOx浓度))/入口的NOx量(或者NOx浓度)”乘以100。
以上，基于实施方式、变形例对本发明进行了说明，但是上述技术方案的实施方式是为了容易理解本技术方案，并非限定本技术方案。本技术方案在不脱离其主旨以及权利要求的范围内可进行变更、改良，并且本技术方案中包含其等价物。另外，如果其技术特征在本说明书中没有作为必要特征进行说明，则能够适当删除。

Claims (18)

1.一种催化剂状态推定装置，其特征在于，包括：
第1传感器，其设置于供来自内燃机的排出气体流通的主流路，构成为取得对所述排出气体中的有害物质进行净化的催化剂的第1信息，且在所述主流路中设置有同种的多个所述催化剂的情况下，构成为至少取得在所述主流路中位于最上游的所述催化剂的所述第1信息；
第2传感器，其取得向位于最上游的所述催化剂流入的所述排出气体的第2信息；
第3传感器，其取得向位于最上游的所述催化剂供给的添加剂的第3信息；
存储器，其构成为预先存储包含至少一个数学模型的催化剂状态推定模型；以及
处理器，其构成为通过将由所述第1传感器取得的所述催化剂的所述第1信息、由所述第2传感器取得的所述排出气体的所述第2信息、以及由所述第3传感器取得的所述添加剂的所述第3信息适用于所述催化剂状态推定模型来推定作为所述多个催化剂整体的净化性能。
2.根据权利要求1所述的催化剂状态推定装置，
所述催化剂状态推定模型包含由机器学习模型构成的第1模型，所述第1模型将作为所述催化剂的所述第1信息的所述主流路中的所述催化剂的前端的温度、所述催化剂的温度、以及在前一时刻所述催化剂所吸附的添加剂的吸附量中的至少一个作为输入，将所述催化剂中的氮氧化物的净化率作为输出，
所述处理器构成为利用所述第1模型来推定作为所述催化剂的所述净化性能的所述氮氧化物的所述净化率。
3.根据权利要求1所述的催化剂状态推定装置，
所述催化剂状态推定模型包含由机器学习模型构成的第2模型，所述第2模型将作为所述催化剂的所述第1信息的所述主流路中的所述催化剂的前端的温度、所述催化剂的温度、在前一时刻所述催化剂所吸附的添加剂的吸附量、所述催化剂的温度的时间微分值、以及所述催化剂中的添加剂的所述吸附量与饱和吸附量之比中的至少一个作为输入，将从所述催化剂流出的添加剂的流出量作为输出，
所述处理器构成为利用所述第2模型来推定作为所述催化剂的所述净化性能的所述流出量。
4.根据权利要求1所述的催化剂状态推定装置，
所述催化剂状态推定模型包含由物理模型构成的第3模型，所述第3模型将作为所述催化剂的所述第1信息的所述主流路中的所述催化剂的前端的温度、以及所述催化剂的温度中的至少一个作为输入，将在所述催化剂中对氮氧化物的净化反应无贡献的添加剂的量作为输出，
所述处理器构成为利用所述第3模型来推定作为所述催化剂的净化性能的在所述催化剂中对所述氮氧化物的所述净化反应无贡献的所述添加剂的量。
5.根据权利要求2所述的催化剂状态推定装置，
所述催化剂状态推定模型还包含由所述机器学习模型构成的第2模型和由物理模型构成的第3模型，
所述第2模型将作为所述催化剂的所述第1信息的所述主流路中的所述催化剂的所述前端的所述温度、所述催化剂的所述温度、在所述前一时刻所述催化剂所吸附的所述添加剂的所述吸附量、所述催化剂的温度的时间微分值、以及所述催化剂中的添加剂的所述吸附量与饱和吸附量之比中的至少一个作为输入，将从所述催化剂流出的添加剂的流出量作为输出，
所述第3模型将作为所述催化剂的第1信息的所述主流路中的所述催化剂的前端的温度、以及所述催化剂的温度中的至少一个作为输入，将在所述催化剂中对氮氧化物的净化反应无贡献的添加剂的量作为输出，
所述处理器构成为利用所述第2模型来推定作为所述催化剂的所述净化性能的所述流出量，并且构成为利用所述第3模型来推定作为所述催化剂的净化性能的在所述催化剂中对所述氮氧化物的所述净化反应无贡献的所述添加剂的量。
6.根据权利要求5所述的催化剂状态推定装置，
所述催化剂状态推定模型是下述模型：将由所述第1模型推定的当前的所述氮氧化物的净化率、由所述第2模型推定的当前的所述流出量、以及由所述第3模型推定的当前的在所述催化剂中对氮氧化物的净化反应无贡献的添加剂的量作为输入，使用物理定律来求取下个时刻的吸附于所述催化剂的添加剂的吸附量，
所述处理器构成为利用所述催化剂状态推定模型来推定作为所述催化剂的所述净化性能的下个时刻的所述吸附量。
7.根据权利要求6所述的催化剂状态推定装置，
所述第1模型以及所述第2模型还将作为所述排出气体的第2信息的所述排出气体的温度、所述排出气体的流量、以及所述排出气体所包含的氮氧化物的量中的至少一个作为输入，将作为所述添加剂的第3信息的向所述催化剂流入的所述添加剂的流入量作为输入，
所述第3模型还将作为所述排出气体的所述第2信息的所述排出气体的温度作为输入，将作为所述添加剂的所述第3信息的向所述催化剂流入的所述添加剂的流入量作为输入。
8.根据权利要求6或7所述的催化剂状态推定装置，
所述催化剂状态推定模型包含多个所述第1模型和多个所述第2模型，所述多个所述第1模型使用从劣化度不同的多个所述催化剂取得的训练数据来生成，所述多个所述第2模型使用所述训练数据来生成。
9.根据权利要求1所述的催化剂状态推定装置，
所述催化剂状态推定模型包含由机器学习模型构成的第1模型，所述第1模型将作为所述催化剂的所述第1信息的所述位于最上游的催化剂的前端的温度、各所述催化剂的温度、以及在前一时刻所述多个催化剂所吸附的添加剂的吸附量的总和中的至少一个作为输入，将所述多个催化剂的氮氧化物的净化量的总和作为输出，
所述处理器构成为利用所述第1模型来推定作为所述净化性能的所述氮氧化物的净化量的总和。
10.根据权利要求1所述的催化剂状态推定装置，
所述催化剂状态推定模型包含由机器学习模型构成的第2模型，所述第2模型将作为所述催化剂的所述第1信息的所述位于最上游的催化剂的前端的温度、各所述催化剂的温度、在前一时刻所述多个催化剂所吸附的添加剂的吸附量的总和、各所述催化剂的温度的时间微分值、以及所述多个催化剂中的添加剂的所述吸附量的总和与饱和吸附量的总和之比中的至少一个作为输入，将从在所述主流路中位于最下游的所述催化剂流出的添加剂的流出量作为输出，
所述处理器构成为利用所述第2模型来推定作为所述净化性能的所述流出量。
11.根据权利要求1所述的催化剂状态推定装置，
所述催化剂状态推定模型包含由物理模型构成的第3模型，所述第3模型将作为所述催化剂的所述第1信息的所述位于最上游的催化剂的前端的温度、以及各所述催化剂的温度中的至少一个作为输入，将向所述位于最上游的催化剂供给的添加剂中的在所述多个催化剂中对氮氧化物的净化反应无贡献的添加剂的量作为输出，
所述处理器构成为利用所述第3模型来推定作为所述净化性能的对所述氮氧化物的所述净化反应无贡献的所述添加剂的量。
12.根据权利要求9所述的催化剂状态推定装置，
所述催化剂状态推定模型包含由所述机器学习模型构成的第2模型和由物理模型构成的第3模型，
所述第2模型将作为所述催化剂的所述第1信息的所述位于最上游的所述催化剂的所述前端的所述温度、各所述催化剂的所述温度、在所述前一时刻所述多个催化剂所吸附的所述添加剂的所述吸附量的所述总和、各所述催化剂的温度的时间微分值、以及所述多个催化剂中的添加剂的所述吸附量的总和与饱和吸附量的总和之比中的至少一个作为输入，将从在所述主流路中位于最下游的所述催化剂流出的添加剂的流出量作为输出，
所述第3模型将作为所述催化剂的信息的所述位于最上游的催化剂的前端的温度、以及各所述催化剂的温度中的至少一个作为输入，将向所述位于最上游的催化剂供给的添加剂中的在所述多个催化剂中对氮氧化物的净化反应无贡献的添加剂的量作为输出，
所述处理器构成为利用所述第2模型来推定作为所述净化性能的所述流出量，并且构成为利用所述第3模型来推定作为所述净化性能的对所述氮氧化物的所述净化反应无贡献的所述添加剂的量。
13.根据权利要求12所述的催化剂状态推定装置，
所述催化剂状态推定模型是下述模型：将由所述第1模型推定的当前的所述氮氧化物的净化量的总和、由所述第2模型推定的当前的所述流出量、以及由所述第3模型推定的当前的对所述氮氧化物的净化反应无贡献的添加剂的量作为输入，使用物理定律来求取下个时刻的所述多个催化剂所吸附的添加剂的吸附量的总和，
所述处理器构成为利用所述催化剂状态推定模型来推定作为所述净化性能的下个时刻的所述吸附量的总和。
14.根据权利要求13所述的催化剂状态推定装置，
在所述第1模型以及所述第2模型中，还将作为所述排出气体的所述第2信息的所述排出气体的温度、所述排出气体的流量、以及所述排出气体所包含的氮氧化物的量中的至少一个作为输入，将作为所述添加剂的所述第3信息的向所述位于最上游的催化剂流入的所述添加剂的流入量作为输入，
所述第3模型还将作为所述排出气体的所述第2信息的所述排出气体的温度作为输入，将作为所述添加剂的所述第3信息的向所述位于最上游的催化剂流入的所述添加剂的流入量作为输入。
15.根据权利要求13或14所述的催化剂状态推定装置，
所述催化剂状态推定模型包含使用从催化剂组取得的训练数据生成的所述第1模型和所述第2模型中的至少一方的模型，
所述催化剂组由配置在范本用主流路中的同种的多个所述催化剂构成，在所述催化剂组中，在所述范本用主流路中位于最上游的所述催化剂的入口被视为所述催化剂组的入口，在所述范本用主流路中位于最下游的所述催化剂的出口被视为所述催化剂组的出口。
16.根据权利要求1所述的催化剂状态推定装置，还包括：
温度推定部，其基于所述位于最上游的所述催化剂的温度来推定设置于所述主流路的其他的所述催化剂的温度。
17.一种信息处理装置的催化剂状态推定方法，
所述信息处理装置包含：设置于供来自内燃机的排出气体流通的主流路的第1传感器、第2传感器、第3传感器、预先存储包含至少一个数学模型的催化剂状态推定模型的存储器、以及处理器，
所述催化剂状态推定方法的特征在于，包括：
通过所述第1传感器取得对所述排出气体中的有害物质进行净化的催化剂的第1信息，且在所述主流路中设置有同种的多个所述催化剂的情况下，至少取得在所述主流路中位于最上游的所述催化剂的所述第1信息；
通过所述第2传感器取得向位于最上游的所述催化剂流入的所述排出气体的第2信息；
通过所述第3传感器取得向位于最上游的所述催化剂供给的添加剂的第3信息；以及
通过将所述催化剂的所述第1信息、由所述第2传感器取得的所述排出气体的所述第2信息、以及由所述第3传感器取得的所述添加剂的所述第3信息适用于所述催化剂状态推定模型，由所述处理器推定作为所述多个催化剂整体的净化性能。
18.一种存储有程序的非瞬时性记录介质，其特征在于，
所述程序使计算机执行取得步骤和推定步骤，
所述取得步骤包括：
通过第1传感器取得对排出气体中的有害物质进行净化的催化剂的第1信息、且在主流路中设置有同种的多个所述催化剂的情况下，至少取得在所述主流路中位于最上游的所述催化剂的所述第1信息；
通过第2传感器取得向位于最上游的所述催化剂流入的所述排出气体的第2信息；以及
通过第3传感器取得向位于最上游的所述催化剂供给的添加剂的第3信息，
所述推定步骤是通过将所述催化剂的所述第1信息、由所述第2传感器取得的所述排出气体的所述第2信息、以及由所述第3传感器取得的所述添加剂的所述第3信息适用于催化剂状态推定模型来由处理器推定作为所述多个催化剂整体的净化性能的步骤，所述催化剂状态推定模型包含至少一个数学模型并预先存储在存储器中。
CN201910208723.3A 2018-03-21 2019-03-19 催化剂状态推定装置及方法、以及非瞬时性记录介质 Expired - Fee Related CN110295984B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2018053672 2018-03-21
JP2018-053672 2018-03-21
JP2018216272A JP6815366B2 (ja) 2018-03-21 2018-11-19 触媒状態推定装置、触媒の状態を推定する方法及びコンピュータプログラム
JP2018-216272 2018-11-19

Publications (2)

Publication Number Publication Date
CN110295984A CN110295984A (zh) 2019-10-01
CN110295984B true CN110295984B (zh) 2021-08-20

Family

ID=67984870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910208723.3A Expired - Fee Related CN110295984B (zh) 2018-03-21 2019-03-19 催化剂状态推定装置及方法、以及非瞬时性记录介质

Country Status (2)

Country Link
US (1) US10947886B2 (zh)
CN (1) CN110295984B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4083397B1 (en) * 2021-04-30 2024-04-03 Volvo Truck Corporation A method for reducing deposits related to a reduction agent in a portion of an exhaust aftertreatment system
CN114961949B (zh) * 2022-05-09 2024-01-16 潍柴动力股份有限公司 Scr系统的故障诊断方法、装置、设备和介质
US20240159197A1 (en) * 2022-11-15 2024-05-16 GM Global Technology Operations LLC METHOD AND SYSTEM FOR EVALUATING A NOx SENSOR

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646847A (zh) * 2007-02-21 2010-02-10 沃尔沃拉斯特瓦格纳公司 用于控制尾气后处理系统的控制方法及尾气后处理系统
CN101787917A (zh) * 2009-01-28 2010-07-28 通用汽车环球科技运作公司 在被动选择性催化还原系统的三效催化剂中生成氨的技术
JP2014206150A (ja) * 2013-04-16 2014-10-30 株式会社豊田中央研究所 排ガス浄化制御装置及びプログラム
CN104314650A (zh) * 2014-07-29 2015-01-28 潍柴动力股份有限公司 一种scr前馈控制方法和装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6882929B2 (en) 2002-05-15 2005-04-19 Caterpillar Inc NOx emission-control system using a virtual sensor
JP2006242094A (ja) 2005-03-03 2006-09-14 Hino Motors Ltd 排気浄化装置
JP5000539B2 (ja) 2008-01-29 2012-08-15 本田技研工業株式会社 内燃機関の排気浄化装置
JP2011132915A (ja) 2009-12-25 2011-07-07 Honda Motor Co Ltd 物理量推定装置
JP6268688B1 (ja) 2016-10-19 2018-01-31 マツダ株式会社 エンジンの排気浄化制御装置
DE102017218480A1 (de) * 2017-10-16 2019-04-18 Robert Bosch Gmbh Verfahren zur Ermittlung einer NOx-Konzentration und eines NH3-Schlupfes stromabwärts eines SCR-Katalysators

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646847A (zh) * 2007-02-21 2010-02-10 沃尔沃拉斯特瓦格纳公司 用于控制尾气后处理系统的控制方法及尾气后处理系统
CN101787917A (zh) * 2009-01-28 2010-07-28 通用汽车环球科技运作公司 在被动选择性催化还原系统的三效催化剂中生成氨的技术
JP2014206150A (ja) * 2013-04-16 2014-10-30 株式会社豊田中央研究所 排ガス浄化制御装置及びプログラム
CN104314650A (zh) * 2014-07-29 2015-01-28 潍柴动力股份有限公司 一种scr前馈控制方法和装置

Also Published As

Publication number Publication date
CN110295984A (zh) 2019-10-01
US20190292970A1 (en) 2019-09-26
US10947886B2 (en) 2021-03-16

Similar Documents

Publication Publication Date Title
JP6815366B2 (ja) 触媒状態推定装置、触媒の状態を推定する方法及びコンピュータプログラム
CN110295984B (zh) 催化剂状态推定装置及方法、以及非瞬时性记录介质
US10196956B2 (en) Method for controlling an injector for injecting a reductant into an exhaust system of an internal combustion engine
EP2873822B1 (en) On-board catalyst deterioration monitoring and control system adaptation in internal combustion engines
CN100385102C (zh) 用于控制向scr催化剂的尿素供给的系统
US8191413B2 (en) Method for determining the nitrogen dioxide concentration in exhaust gases
CN104775883B (zh) 确定排气后处理系统颗粒过滤器中积累煤烟估计量的方法
Zhang et al. Ammonia coverage ratio and input simultaneous estimation in ground vehicle selective catalytic reduction (SCR) systems
WO2005068797A1 (en) Method and device for controlling the injection of reducing agent
CN109931129B (zh) 用于监测内燃机的排气后处理系统的方法和装置
US20140056788A1 (en) Method for the model-based feedback control of an scr system having at least one scr catalytic converter
CN110177924A (zh) 基于rf传感器的结构
Yang et al. Square-root unscented Kalman filter for ammonia coverage ratio and input ammonia estimations in diesel-engine urea-SCR system
Zhou et al. State estimation in the automotive SCR deNOx process
SE534479C2 (sv) Skattning av en avvikelse för åtminstone en modellvariabel hos en katalysatormodell
US11795854B2 (en) Method for ascertaining an exhaust gas composition of an exhaust gas of an internal combustion engine
JP2021071104A (ja) 触媒状態推定装置、触媒の状態を推定する方法、及びコンピュータプログラム
CN107605576A (zh) 选择性催化还原催化器的柴油废气流体（def）定量给料
JP7279687B2 (ja) 触媒状態推定装置、触媒の状態を推定する方法、及びコンピュータプログラム
JP2022081026A (ja) センサ状態推定装置、後処理システム、センサの状態を推定する方法、及びコンピュータプログラム
KR20210043070A (ko) 배기가스 후처리 시스템 제어 장치
Surenahalli Dynamic model based state estimation in a heavy duty diesel aftertreatment system for onboard diagnostics and controls
KR102348619B1 (ko) 선택적 촉매환원 학습 시스템 및 선택적 촉매환원 학습 방법
CN111927606B (zh) 对诊断的评估时间点的确定
SE1250038A1 (sv) Avgasefterbehandlingssystem för en förbränningsmotor

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210820