CN110425024A - 用于概率车载诊断的系统和方法 - Google Patents

用于概率车载诊断的系统和方法 Download PDF

Info

Publication number
CN110425024A
CN110425024A CN201910349780.3A CN201910349780A CN110425024A CN 110425024 A CN110425024 A CN 110425024A CN 201910349780 A CN201910349780 A CN 201910349780A CN 110425024 A CN110425024 A CN 110425024A
Authority
CN
China
Prior art keywords
probability
score
sample
scr catalyst
efficiency
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.)
Pending
Application number
CN201910349780.3A
Other languages
English (en)
Inventor
科里·亨德里克森
米希尔·J·范尼乌斯塔特
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.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
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
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN110425024A publication Critical patent/CN110425024A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • F01N13/008—Mounting or arrangement of exhaust sensors in or on exhaust apparatus
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/021—Introducing corrections for particular conditions exterior to the engine
    • F02D41/0235—Introducing corrections for particular conditions exterior to the engine in relation with the state of the exhaust gas treating apparatus
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
    • F02D41/1439—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the position of the sensor
    • F02D41/1441—Plural sensors
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
    • F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
    • F02D41/146—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an NOx content or concentration
    • F02D41/1461—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an NOx content or concentration of the exhaust gases emitted by the engine
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
    • F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
    • F02D41/146—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an NOx content or concentration
    • F02D41/1463—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an NOx content or concentration of the exhaust gases downstream of exhaust gas treatment apparatus
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • 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
    • F01N2560/14—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics having more than one sensor of one kind
    • 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
    • F01N2610/00—Adding substances to exhaust gases
    • F01N2610/02—Adding substances to exhaust gases the substance being ammonia or urea
    • 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
    • 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
    • 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
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/08—Exhaust gas treatment apparatus parameters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
    • F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
    • F02D41/1454—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an oxygen content or concentration or the air-fuel ratio
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
    • 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)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Analytical Chemistry (AREA)
  • Exhaust Gas After Treatment (AREA)

Abstract

本公开提供了用于概率车载诊断的方法和系统。在一个示例中，一种方法可以包括：计算车辆系统部件的所测得的工况的样本的概率度量；对多个样本的多个概率度量求平均，所述多个概率度量包括所述概率度量，所述多个样本包括所述样本；以及基于所述平均的多个概率度量来确定所述车辆系统部件是否已劣化。以此方式，可以在不考虑特定诊断进入条件的情况下连续地监测车辆系统部件的功能性。

Description

用于概率车载诊断的系统和方法
技术领域
本描述总体涉及用于车辆系统中的车载诊断的方法和系统。
背景技术
现代的车辆通常包括具有车载诊断(OBD)软件的控制器，以便监测各种车辆和发动机部件的性能并且在特定部件或系统具有已劣化的性能时警告车辆操作者和/或维修人员。典型的OBD方法要求在正常驾驶条件下并且在标准排放循环上对达到给定阈值的劣化进行稳健检测。也就是说，传统的OBD方法识别其中在标称系统与阈值系统之间出现稳健间隔的特定进入条件，使得可以准确地执行对劣化的检测。
由Smith等在U.S.9,638,122中示出一种示例性方法。其中，通过计算在不同的催化剂温度下的SCR转化效率来监测选择性催化还原(SCR)催化剂的性能。当SCR催化剂温度高于阈值时例如通过调整排气再循环(EGR)操作来人为地增加原料气NOx水平，从而从NOx传感器获得更可靠的读数。
然而，本文发明人已经认识到此类系统的潜在问题。作为一个示例，用于诊断的进入条件可能会将分类限制于可能不经常遇到的操作点，从而导致较低的使用监测性能比率(IUMPR)或者使用侵入性策略，例如主动地改变工况，这会使车辆操作降级。此外，甚至当结果接近阈值且因此模糊不清时，可能作出劣化或标称的分类决策。
发明内容
在一个示例中，通过一种用于车载诊断的方法来解决上文描述的问题，所述方法包括：使用概率分类器来计算车辆系统部件的所测得的工况的样本的概率度量；对多个样本的多个概率度量求平均，所述多个概率度量包括所述概率度量，所述多个样本包括所述样本；以及基于所述平均的多个概率度量来确定所述车辆系统部件是否已劣化。以此方式，可以连续地监测所述车辆系统部件，例如SCR催化剂，而不管驾驶条件如何并且不主动地操纵工况。此外，所述概率方法使得能够基于多个测量结果，例如中间床效率和排气尾管效率，来评估例如SCR催化剂等车辆系统部件，而不是基于在先前的方法中通常使用的单个测量结果来评估。
作为一个示例，概率分类器可以基于SCR催化剂的中间床效率和排气尾管效率来计算SCR催化剂已劣化的概率。如果所述概率是模糊的或不确定的，那么可以丢弃或拒绝所述概率。以此方式，本文提供的系统和方法实现对车辆系统部件的劣化的稳健检测而不管进入条件如何，从而提高了IUMPR。
应理解，提供以上概要来以简化的形式介绍在详细描述中进一步描述的一系列概念。这不意味着识别所要求保护的主题的关键或本质特征，所要求保护的主题的范围唯一地由在所述具体实施方式之后的权利要求书界定。此外，所要求保护的主题不限于解决上述或在本公开的任何部分中所述的任何缺点的实现方式。
附图说明
图1示出车辆的发动机系统的示意性描绘。
图2示出高级流程图，所述高级流程图说明根据实施例的用于概率车载诊断的示例性方法。
图3示出图表，所述图表说明根据实施例的用于SCR催化剂效率的测量结果的概率分类器的预测分布。
图4示出一组图表，所述一组图表说明根据实施例的示例性通过得分。
图5示出一组图表，所述一组图表说明根据实施例的示例性失败得分。
图6示出一组图表，所述一组图表说明根据实施例的随时间根据概率度量对平均得分的示例性计算。
图7示出图表，所述图表说明根据实施例的用于接受平均得分的阈值。
具体实施方式
以下描述涉及用于车辆系统(例如，图1的系统)中的概率车载诊断的系统和方法。概率车载诊断的方法，例如在图2中描绘的方法，可以包括：计算在所有条件下的通过/失败的概率度量，在本文还被称为概率得分，以及仅当概率充分指示通过或失败时接受结果，并且在它们是模糊时拒绝所述结果。举例来说，可以训练概率分类器以根据选择性催化还原(SCR)催化剂效率的测量结果来计算概率得分，如图3中描绘。所述概率得分可以指示SCR催化剂正常起作用的概率，如图4中描绘，并且可以进一步指示SCR催化剂已劣化的概率，如图5中描绘。可以根据随时间获取的给定数目的样本来计算平均得分，如图6中所示，以便进一步增加概率方法的稳健性。可以使用不同的阈值来评估所述平均得分，如图7中所示。
图1示出在车辆的推进系统中可能包括的多气缸发动机10的一个气缸的示意图。发动机10可以至少部分由包括控制器12的控制系统以及来自车辆操作者132的经由输入装置130的输入进行控制。在此示例中，输入装置130包括加速踏板和踏板位置传感器134以用于产生比例踏板位置信号PP。发动机10的燃烧室(即，气缸)30可以包括燃烧室壁32与定位在其中的活塞36。活塞36可以联接到曲轴40，使得活塞的往复运动被转化为曲轴的旋转运动。曲轴40可以经由中间变速器系统而联接到车辆的至少一个驱动轮。此外，起动机马达可以经由飞轮(未示出)联接到曲轴40以实现发动机10的起动操作。
燃烧室30可以经由进气道42从进气岐管44接收进气并且可以经由排气道48排出燃烧气体。进气岐管44和排气道48可以分别经由进气门52和排气门54而选择性地与燃烧室30连通。在一些实施例中，燃烧室30可以包括两个或更多个进气门和/或两个或更多个排气门。
在图1中描绘的示例中，进气门52和排气门54可以经由相应的凸轮致动系统51和53通过凸轮致动来控制。凸轮致动系统51和53可以各自包括一个或多个凸轮并且可以利用凸轮廓线变换(CPS)系统、可变凸轮正时(VCT)系统、可变气门正时(VVT)系统和/或可变气门升程(VVL)系统中的一者或多者，控制器12可以操作所述系统来改变气门操作。进气门52和排气门54的位置可以分别由位置传感器55和57确定。在替代性实施例中，进气门52和/或排气门54可以由电动气门致动来控制。举例来说，气缸30可以替代地包括经由电动气门致动进行控制的进气门和经由包括CPS系统和/或VCT系统的凸轮致动进行控制的排气门。
在一些实施例中，发动机10的每个气缸可以配置有用于向其提供燃料的一个或多个燃料喷射器。作为非限制性示例，气缸30示出为包括一个燃料喷射器66。燃料喷射器66示出为直接联接到气缸30，以便与经由电子驱动器68从控制器12接收到的信号FPW的脉冲宽度成比例地在所述气缸中直接喷射燃料。以此方式，燃料喷射器66提供被认为是将燃料直接喷射(在下文还称为“DI”)到燃烧室30中的燃料喷射器。还将了解，气缸30可以在燃烧循环期间从多次喷射接收燃料。
在一个示例中，发动机10可以是通过压缩点火来燃烧空气和柴油燃料的柴油发动机。在其他非限制性示例中，发动机10可以通过压缩点火和/或火花点火来燃烧不同的燃料，包括汽油、生物柴油或含有醇的混合燃料(例如，汽油与乙醇或汽油与甲醇)。
进气道42可以包括具有节流板64的节气门62。在此特定示例中，可以由控制器12经由提供给与节气门62一起包括的电动马达或致动器的信号来改变节气门板64的位置，这是通常称为电子节气门控制(ETC)的配置。以此方式，可以操作节气门62来改变提供给其他发动机燃烧气缸中的燃烧室30的进气。可以通过节气门位置信号TP将节流板64的位置提供给控制器12。进气道42可以包括质量空气流量传感器120和岐管空气压力传感器122，用于将相应的信号MAF和MAP提供给控制器12。
此外，在所公开的实施例中，排气再循环(EGR)系统可以经由EGR通道140将排气的期望的部分从排气道48运送到进气岐管44。可以由控制器12经由EGR阀142来改变所提供的EGR的量。通过将排气引入到发动机10，减少了用于燃烧的可用氧气的量，进而降低了燃烧火焰温度且(例如)减少了NOx的形成。如所描绘，EGR系统还包括EGR传感器144，所述EGR传感器可以布置在EGR通道140内并且可以提供排气的压力、温度和浓度中的一者或多者的指示。在一些条件下，可以使用EGR系统来调节燃烧室内的空气和燃料混合物的温度，从而提供在一些燃烧模式期间控制点火的正时的方法。此外，在一些条件期间，可以通过控制排气门正时，例如通过控制可变气门正时机构，来使燃烧气体的一部分保持或被捕集在燃烧室中。
排气系统128包括在排气处理系统150的上游联接到排气道48的排气传感器126。排气传感器126可以是用于提供排气空气/燃料比率的指示的任何合适的传感器，例如线性氧传感器或UEGO(通用或广范围排气氧气)、二态氧传感器或EGO、HEGO(经过加热的EGO)、NOx、HC或CO传感器。排气处理150示出为沿着排气道48布置在排气传感器126的下游。
在图1中示出的示例中，排气处理系统150是基于尿素的选择性催化还原(SCR)系统。所述SCR系统至少包括(例如)SCR催化剂152、尿素存储储器154和尿素喷射器156。在其他实施例中，排气处理系统150可以另外或替代地包括其他部件，例如微粒过滤器、稀NOx捕集器、三元催化剂、各种其他排放控制装置，或其组合。在所描绘的示例中，尿素喷射器156从尿素存储储器154提供尿素。然而，可以使用各种替代性方法，例如固态尿素球丸，所述固态尿素球丸产生氨蒸气，随后将所述氨蒸气喷射到或按计量供给到SCR催化剂152。在另一示例中，稀NOx捕集器可以定位在SCR催化剂152的上游，以依据馈送到稀NOx捕集器的空气/燃料比率的程度或富度来产生用于SCR催化剂152的NH3。
排气处理系统150还包括定位在SCR催化剂152的下游的排气尾管排气传感器162。在所描绘的实施例中，排气传感器162可以是例如测量后SCR NOx的量的NOx传感器。排气处理系统150可以还包括定位在尿素喷射器156和SCR催化剂152的上游的原料气排气传感器158。在所描绘的实施例中，原料气排气传感器158可以是(例如)用于测量用于在SCR催化剂处处理的在排气道中接收的前SCRNOx的量的NOx传感器。排气处理系统150还包括定位在SCR催化剂152的中间床的中间床排气传感器164。在所描绘的实施例中，中间床排气传感器164可以是例如测量中间SCR NOx的量的NOx传感器。
在一些示例中，可以基于排气尾管排气传感器162、中间床排气传感器164和原料气排气传感器158中的一者或多者的输出来确定SCR系统的效率。举例来说，可以通过将SCR催化剂的上游的NOx水平(经由传感器158)与SCR催化剂的下游的NOx水平(经由传感器162)进行比较来确定SCR系统效率。具体来说，可以通过将SCR催化剂的上游的NOx水平(经由原料气排气传感器158)与在SCR催化剂152的下游所测得的NOx水平(经由排气尾管排气传感器162)进行比较来确定SCR催化剂152的排气尾管效率。此外，可以通过将SCR催化剂的上游的NOx水平(经由原料气排气传感器158)与在SCR催化剂152的中间床所测得的NOx水平(经由中间床排气传感器164)进行比较来确定SCR催化剂152的中间床效率。如本文进一步描述，可以通过使用SCR催化剂152的排气尾管效率和/或中间床效率作为概率分类器中的特征来诊断SCR催化剂152。在不包括处于SCR催化剂152的上游的专用的NOx传感器158的其他实施例中，转化效率可以基于定位在SCR系统的上游的排气传感器126(例如，当传感器126测量NOx时)。
排气系统150还包括温度传感器160，所述温度传感器仅置于SCR催化剂152的上游和附近以测量进入催化剂的排气的温度。控制器12因此可以从温度传感器160接收SCR催化剂152的温度的测量结果。替代地，温度传感器160可以定位成使得其提供排气岐管温度的指示。
控制器12在图1中示出为微型计算机，所述微型计算机包括微处理器单元102、输入/输出端口104、用于可执行程序和校准值的在此特定示例中示出为只读存储器芯片106的电子存储介质、随机存取存储器108、不失效存储器110和数据总线。除了先前论述的那些信号之外，控制器12可以与联接到发动机10的传感器通信并且从所述传感器接收各种信号，包括来自质量空气流量传感器120的进气质量空气流量(MAF)的测量结果；来自联接到冷却套筒114的温度传感器112的发动机冷却剂温度(ECT)；来自联接到曲轴40的霍尔效应传感器118(或者其他类型)的表面点火感测信号(PIP)；来自节气门位置传感器的节气门位置(TP)；来自传感器122的绝对岐管压力信号(MAP)；以及来自排气传感器126和158的排气组分浓度。可以由控制器12从信号PIP产生发动机转速信号(RPM)。
存储介质只读存储器106可以被编程有非暂时性计算机可读数据，所述非暂时性计算机可读数据表示可以由处理器102执行以用于执行在下文描述的方法以及预期但未具体列出的其他变体的指令。本文参考图2来描述示例性方法。
如上文描述，图1仅示出多气缸发动机的一个气缸，并且每个气缸可以类似地包括其自身的一组进气门/排气门、燃料喷射器、火花塞等。
图2示出高级流程图，所述高级流程图说明根据实施例的用于概率车载诊断的示例性方法200。具体来说，方法200涉及基于针对工况而计算的概率度量来确定车辆部件是否已劣化。与其他诊断方法相比，根据方法200，不需要进入条件来测量工况或对工况进行取样以便确定车辆部件的劣化。参考图1的系统和部件来描述方法200，但应了解，可以在不脱离本公开的范围的情况下使用其他系统和部件来实施所述方法。可以将方法200实施为非暂时性存储器中的可执行指令，所述非暂时性存储器例如为存储介质只读存储器106，并且所述方法可以由例如处理器102等处理器执行。
方法200开始于202。在202处，方法200通过将N界定为等于1来初始化迭代次数N。如本文进一步论述，方法200对针对阈值数目的样本TN(在本文还称为迭代阈值TN)而计算的多个概率度量求平均，并且因此迭代次数N针对每个迭代增加一，直到迭代次数N等于迭代阈值TN为止。
在初始化迭代次数N之后，方法200继续进行到205。在205处，方法200对与车辆部件相关的工况进行取样。工况可以包括(例如)发动机转速、发动机负荷、温度、氧气浓度、排气组分浓度、致动器位置、空气流、效率等。可以根据由一个或多个传感器产生的信号、存储在控制器12的存储器中的布尔值或数值、由控制器12产生的建模信号等对工况进行取样。由方法200取样的特定工况与正被诊断的车辆部件相关。举例来说，为了监测SCR催化剂，例如SCR催化剂152，方法200可以对由接近SCR催化剂而定位的一个或多个排气传感器或NOx传感器产生的信号进行取样，所述一个或多个排气传感器或NOx传感器例如是原料气排气传感器158、排气尾管排气传感器162和中间床排气传感器164。此外，所述工况可以包括根据由排气传感器产生的信号而计算的SCR催化剂的效率。举例来说，可以根据由原料气排气传感器158所测得的排气浓度与由中间床排气传感器164所测得的排气浓度之间的差值来计算SCR催化剂152的中间床效率，而可以根据由原料气排气传感器158或中间床排气传感器164所测得的排气浓度与由排气尾管排气传感器162所测得的排气浓度之间的差值来计算SCR催化剂152的排气尾管效率。因此，为了监测SCR催化剂152，方法200可以对由原料气排气传感器158、中间床排气传感器164和排气尾管排气传感器162产生的信号进行取样，并且可以进一步基于经取样的信号来计算SCR催化剂152的中间床效率和排气尾管效率。
如本文进一步描述，经取样的工况可以用作概率分类器的特征。可以在短时间窗口上计算所述特征以增加对信号之间的时间延迟的稳健性。举例来说，可以根据下式在时间窗口上计算排气尾管效率：
其中ηTP是排气尾管效率，t0是在时间窗口开头处的时间，tw是时间窗口的长度(例如，10秒)，CTP是由排气尾管排气传感器162测得的排气浓度，并且CFG是由原料气排气传感器158测得的排气浓度。
在210处继续，方法200计算样本的概率度量，所述概率度量包括通过得分P通过和失败得分P失败。所述概率度量包括正被诊断的车辆部件已劣化或未劣化的可能性有多大的定量量度。通过得分P通过因此包括车辆部件未劣化的可能性有多大的定量量度，而失败得分P失败包括车辆部件已劣化的可能性有多大的定量量度。在一个示例中，通过得分P通过包括概率，并且因此通过得分P通过的值的范围可以从零(0)到一(1)，其中通过得分P通过为一指示有100％的概率车辆部件未劣化。同时，失败得分P失败可以对应于概率，但替代地其范围可以从零(0)到负一(-1)，其中失败得分P失败为负一指示有100％的概率车辆部件已劣化。因此，方法200可以计算通过概率并且将通过得分P通过设定为等于通过概率，并且此外方法200可以计算失败概率，并且将失败得分P失败设定为等于负的失败概率(例如，P失败＝-失败_概率)。以此方式，虽然概率的范围始终在0与1之间，但通过得分P通过的范围是从0到1，而失败得分P失败的范围是从0到-1。应了解，在其他示例中，通过得分和失败得分两者都可以直接对应于范围是从0到1的概率，在那种情况下，本领域技术人员将了解，应考虑范围是从0到1的失败得分来调整本文描述的阈值和不等式。
例如，方法200可以使用概率分类的监督学习方法来计算概率度量，所述概率分类例如是高斯过程分类、k最近邻分类、决策树分类等。在一些示例中，方法200可以使用概率分类器来计算在205处获取的样本的通过得分P通过以及失败得分P失败。在其他示例中，方法200可以使用概率分类器来计算在205处获取的样本的通过得分P通过，并且随后可以基于所述通过得分P通过来计算失败得分P失败。举例来说，方法200可以通过使所述通过得分P通过减去一来计算所述失败得分P失败：
P失败＝P通过-1。
以此方式，通过得分P通过等于一从而指示有100％的概率车辆部件是标称的样本将具有等于0的对应的失败得分P失败，从而指示有0％的概率车辆部件已劣化，而通过得分P通过等于0.7从而指示有70％的概率车辆部件是标称的样本将具有等于-0.3的对应的失败得分P失败，从而指示有30％的概率车辆部件已劣化(例如，因为失败_概率＝-P失败＝0.3)。
可以在多个训练数据上训练概率分类器，所述多个训练数据包括处于标称或全寿命(FUL)状态以及已劣化或阈值状态的给定车辆部件的工况。标称或FUL车辆部件包括处于其表现最差但仍可接受的状态的车辆部件，而已劣化或阈值车辆部件包括处于其表现最佳但不可接受的状态的车辆部件。
作为说明性和非限制性示例，所述车辆部件可以包括SCR催化剂。用于训练概率分类器的工况因此可以包括在穿过SCR催化剂的中点测得的中间床效率或SCR催化剂转化NOx的效率，以及在排气尾管中的SCR催化剂的下游测得的排气尾管效率或SCR催化剂转化NOx的效率。如上文论述，可以根据由(例如)原料气排气传感器158、中间床排气传感器164和排气尾管排气传感器162产生的信号来测量此类效率。举例来说，可以根据由原料气排气传感器158所测得的排气浓度与由中间床排气传感器164所测得的排气浓度之间的差值来计算SCR催化剂的中间床效率，而可以根据由原料气排气传感器158或中间床排气传感器164所测得的排气浓度与由排气尾管排气传感器162所测得的排气浓度之间的差值来计算SCR催化剂的排气尾管效率。特定用于训练概率分类器的工况因此可以包括在大范围的其他车辆工况下针对一种或多种FUL SCR催化剂和一种或多种阈值SCR催化剂而测得的多个中间床效率和排气尾管效率。本文关于图3进一步描述可以如何在此类数据上训练概率分类器的示例。因此，在205处取样的工况可以包括用于输入到概率分类器的特征。在诊断SCR催化剂的示例中，中间床效率和排气尾管效率可以包括用于输入到概率分类器的特征。
在一些示例中，可以使用单个概率分类器来计算通过得分P通过。在其他示例中，可以在个别特征上训练多个个别的概率分类器，并且可以通过对个别结果求平均来组合结果，在本领域中还称为推进。举例来说，关于本文描述的SCR催化剂诊断，可以在中间床效率数据上训练第一概率分类器，而可以在排气尾管效率数据上训练第二概率分类器。因此可以通过由个别的概率分类器输出的个别的通过得分的加权和来获得总的通过得分P通过：
P通过＝w1P通过，1+w2P通过，2，
其中w1和w2是权重，P通过,1是由第一概率分类器输出的第一通过得分，并且P通过,2是由第二概率分类器输出的第二通过得分。单独的小分类器可以被更快地训练并且导致比在大组特征上训练的单个分类器更低的存储器要求。
于在210处计算包括通过得分P通过和失败得分P失败的概率度量之后，方法200继续进行到215。在215处，方法200确定通过得分P通过是否大于第一阈值T1。第一阈值T1包括第一通过阈值，并且被配置成使得大于第一阈值T1的通过得分P通过被视为对于可信地诊断车辆部件来说是可接受的。如果通过得分P通过大于第一阈值T1(“是”)，那么接受所述通过得分P通过并且方法200继续进行到下文进一步描述的225。
然而，如果通过得分P通过小于或等于第一阈值T1(“否”)，那么方法200继续进行到220。在220处，方法200确定失败得分P失败是否小于第二阈值T2。第二阈值T2包括第一失败阈值，并且被配置成使得小于第二阈值T2的失败得分P失败被视为对于可信地诊断车辆部件来说是可接受的。因此，如果失败得分P失败不小于第二阈值T2(“否”)，那么方法200已经确定通过得分P通过和失败得分P失败在车辆部件是标称还是已劣化方面是模糊的。因此，方法200继续进行到217，其中方法200拒绝所述样本，并且方法200返回。
然而，再次参看220，如果失败得分P失败小于第二阈值T2(“是”)，那么方法200继续进行到225。因此，如果通过得分P通过大于第一阈值T1或者如果失败得分P失败小于第二阈值T2，那么方法200前进到225。方法200因此在所有条件下计算通过/失败的概率度量，但仅当概率充分指示通过或失败时接受结果，并且另外当得分是模糊时拒绝所述样本。
如果通过得分P通过大于第一阈值T1或者失败得分P失败小于第二阈值T2，那么方法200继续进行到225。在225处，方法200通过对多个样本的多个概率度量求平均来计算平均得分Pavg，所述多个概率度量包括在210处计算的概率度量，所述多个样本包括在205处获取的样本。在一个示例中，方法200可以通过对每个样本的通过得分P通过与失败得分P失败之间的差值求和来计算平均得分Pavg：
其中P通过,i包括第i个通过得分P通过，|P失败,i|包括第i个失败得分P失败的绝对值，并且N是当前迭代次数。
在227处继续，方法200确定迭代次数N是否等于迭代阈值TN。可以选择或界定所述迭代阈值TN以使得计算足够数目的样本的平均得分Pavg。如果迭代次数N不等于迭代阈值TN(“否”)，那么方法200继续进行到228。在228处，方法200通过将N设定为等于N+1来增加所述迭代次数N。举例来说，如果当前迭代次数N是1，那么方法200将迭代次数N设定为2，而如果当前迭代次数N是10，那么方法200将迭代次数N设定为11，且依此类推。方法200随后继续进行到205以对工况进行取样。以此方式，方法200一直迭代到迭代次数N等于迭代阈值TN，使得基于样本的数目和等于迭代阈值TN的对应的概率度量来计算平均得分Pavg。
再次参看227，一旦迭代次数N等于迭代阈值TN(“是”)，方法200便前进到230。在230处，方法200确定平均得分Pavg是否大于第三阈值T3。所述第三阈值T3包括第二通过阈值，并且被配置成使得大于第三阈值T3的平均得分Pavg被视为车辆部件是标称的稳健指示。因此，如果平均得分Pavg大于第三阈值T3(“是”)，那么方法200继续进行到232，因此方法200产生车辆部件是标称的指示。所述车辆部件是标称的所述指示可以存储在控制器12的非暂时性存储器中。方法200随后返回。
然而，再次参看230，如果平均得分Pavg小于或等于第三阈值T3，那么方法200继续进行到235。在235处，方法200确定平均得分Pavg是否小于第四阈值T4。所述第四阈值T4包括第二失败阈值，并且被配置成使得小于第四阈值T4的平均得分Pavg被视为车辆部件已劣化的稳健指示。
如果平均得分不小于第四阈值T4(“否”)，那么方法200继续进行到237，因此方法200拒绝所述平均得分Pavg。方法200随后返回。因此，如果平均得分Pavg不大于第三阈值T3并且不小于第四阈值T4，那么平均得分Pavg在车辆部件是标称还是已劣化方面是模糊的，并且所述平均得分Pavg被拒绝。
然而，再次参看235，如果平均得分Pavg小于第四阈值T4(“是”)，那么所述平均得分Pavg充分指示车辆部件已劣化。方法200因此继续进行到240，因此方法200产生车辆部件已劣化的指示。例如，所述指示可以存储在控制器12的非暂时性存储器中。在245处，方法200输出车辆部件已劣化的警告。可以例如经由车辆的仪表盘向车辆的操作者显示所述警告。所述警告一般可以指示车辆需要维修，或者所述警告可以特别指示车辆部件需要维修。另外或替代地，所述警告可以存储在OBD数据库中，可以由技术员可以通信地耦合到车辆的OBD扫描仪来访问所述OBD数据库，使得技术员可以经由所述OBD扫描仪来检索指示车辆部件已劣化的所述警告。方法200随后返回。
因此，提供用于概率车载诊断的方法。所述方法包括：使用概率分类器来计算车辆系统部件的所测得的工况的样本的概率度量；对多个样本的多个概率度量求平均，所述多个概率度量包括所述概率度量，所述多个样本包括所述样本；以及基于所述平均的多个概率度量来确定所述车辆系统部件是否已劣化。
作为方法200的说明性示例，图3至图7通过图形描绘其中方法200被配置成诊断车辆的例如SCR催化剂152等SCR催化剂的实施例。图3示出图表300，所述图表说明用于根据实施例的概率分类器的训练数据。如上文论述，基于SCR催化剂的流动路径中的各个点处(具体来说，上游、中间床和下游)的排气浓度的测量结果而计算的中间床效率和排气尾管效率可以用作概率分类器的特征。为此，图表300示出中间床效率和排气尾管效率的多个测量结果。具体来说，图表300包括在图表300中描绘成有阴影圆圈的FUL SCR催化剂的中间床效率和排气尾管效率的多个测量结果302，以及在图表300中描绘成无阴影圆圈的阈值SCR催化剂的中间床效率和排气尾管效率的多个测量结果304。图表300上的每个圆圈表示在相同的时刻所收集的中间床效率和排气尾管效率的特定测量结果。在车辆的广泛的操作点上获取所述多个测量结果302和304。换句话说，所述多个测量结果302和304不限于在特定进入条件期间的收集。如所描绘，中间床效率和排气尾管效率的测量结果跨越阈值SCR催化剂和FUL SCR催化剂两者的效率的整个范围而延伸，但FUL SCR催化剂的测量结果302更密集地集中在图表300的右上角，而阈值SCR催化剂的测量结果304接近图表300的右上角而密集集中。对随时间而计算的多个概率得分求平均的方法因此提供用于基于此类测量结果302和304来诊断SCR催化剂的稳健方法。相比而言，基于阈值的方法(例如)在使用此类测量结果302和304来实施的情况下将可能产生许多错误肯定和错误否定，并且因此此类基于阈值的方法可能必然受限于用于获取测量结果的特定进入条件。
使用包括多个测量结果302和304的训练数据集来训练概率分类器，例如高斯过程分类器，其中分别将多个测量结果302和304标记成对应于FUL SCR催化剂和阈值SCR催化剂。在概率分类器的训练期间，概率分类器根据多个测量结果302和304并且进一步根据与其相关联的标记而了解SCR催化剂是标称或已劣化的概率。图表300描绘用于说明概率分类器可以了解的各种概率的多个概率阈值。举例来说，概率阈值320对应于有90％的概率SCR催化剂是标称的。因此，如果将高于概率阈值320的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出有90％或更大的概率SCR催化剂是标称的通过得分P通过。
类似地，概率阈值322对应于有80％的概率SCR催化剂是标称的，概率阈值324对应于有70％的概率SCR催化剂是标称的，概率阈值326对应于有60％的概率SCR催化剂是标称的，概率阈值328对应于有50％的概率SCR催化剂是标称的，概率阈值330对应于有40％的概率SCR催化剂是标称的，概率阈值332对应于有30％的概率SCR催化剂是标称的，概率阈值334对应于有20％的概率SCR催化剂是标称的，并且概率阈值336对应于有10％的概率SCR催化剂是标称的。
因此，如果将在概率阈值320与概率阈值322之间的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出在0.8与0.9之间的通过得分P通过(对应于有80％与90％之间的概率SCR催化剂是标称的)。类似地，如果将在概率阈值322与概率阈值324之间的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出在0.7与0.8之间的通过得分P通过(对应于有70％与80％之间的概率SCR催化剂是标称的)。如果将在概率阈值324与概率阈值326之间的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出在0.6与0.7之间的通过得分P通过(对应于有60％与70％之间的概率SCR催化剂是标称的)。如果将在概率阈值326与概率阈值328之间的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出在0.5与0.6之间的通过得分P通过(对应于有50％与60％之间的概率SCR催化剂是标称的)。如果将在概率阈值328与概率阈值330之间的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出在0.4与0.5之间的通过得分P通过(对应于有40％与50％之间的概率SCR催化剂是标称的)。如果将在概率阈值330与概率阈值332之间的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出在0.3与0.4之间的通过得分P通过(对应于有30％与40％之间的概率SCR催化剂是标称的)。如果将在概率阈值332与概率阈值334之间的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出在0.2与0.3之间的通过得分P通过(对应于有20％与30％之间的概率SCR催化剂是标称的)。如果将在概率阈值334与概率阈值336之间的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出在0.1与0.2之间的通过得分P通过(对应于有10％与20％之间的概率SCR催化剂是标称的)。如果将低于概率阈值336的中间床效率和排气尾管效率的测量结果输入到概率分类器，那么所述概率分类器输出低于0.1的通过得分P通过(对应于有10％以下的概率SCR催化剂是标称的)。可以如上文描述根据通过得分计算出对应的失败得分。
图4示出一组图表400，所述一组图表说明根据实施例的示例性概率度量。具体来说，所述一组图表400说明FUL SCR催化剂的示例性通过得分405以及阈值SCR催化剂的通过得分410。所述一组图表400进一步说明上文关于图2称为第一阈值T1的通过阈值415。如所描绘，通过阈值415可以被选择或被配置成使得高于通过阈值415的通过得分被视为有效，而低于通过阈值415的通过得分被视为不确定或模糊并且因此被拒绝。
类似地，图5示出一组图表500，所述一组图表说明根据实施例的示例性概率度量。具体来说，所述一组图表500说明标称SCR催化剂的失败得分505以及阈值SCR催化剂的失败得分510。可以根据在图4中描绘的通过得分405和410计算出失败得分505和510。所述一组图表500进一步说明上文关于图2称为第二阈值T2的失败阈值515。如所描绘，失败阈值515可以被选择或被配置成使得低于失败阈值515的失败得分被视为有效，而高于失败阈值515的失败得分被视为不确定或模糊并且因此被拒绝。
图6示出一组图表600，所述一组图表说明根据实施例的平均概率度量的示例性计算。具体来说，所述一组图表600说明随时间针对例如SCR催化剂152等SCR催化剂的中间床效率和排气尾管效率的样本而计算的多个通过得分603(描绘为圆圈)和对应的多个失败得分605(描绘为正方形)。所述一组图表600进一步说明适合于随时间求平均的若干样本615。如所描绘，样本的数目615仅在个别结果被接受时递增。更具体来说，样本的数目615仅在多个通过得分603中的通过得分高于通过阈值607或者多个失败得分605中的失败得分低于失败阈值608时递增。如所描绘，一些通过得分603不高于通过阈值607，并且因此样本的数目615在收集到此类样本之后不递增。
所述一组图表600进一步说明随时间计算的移动平均或平均得分625。当样本的数目615达到样本的阈值数目时，使用那个时间的平均得分625来确定SCR催化剂152是否已劣化。如果平均得分625高于通过阈值627，那么SCR催化剂152在正常界限内被视为标称或起作用的，而如果平均得分625低于失败阈值629，那么SCR催化剂152被视为已劣化或出故障。如所描绘，平均得分625的通过阈值627不同于概率度量的通过阈值607，并且类似地，平均得分625的失败阈值629不同于概率度量的失败阈值608。在本示例中，SCR催化剂152是标称的，并且因此平均得分625在达到样本的阈值数目的两个时间高于通过阈值627。
此外，在所描绘的示例中，用于诊断SCR催化剂152的样本的阈值数目被设定为十二。然而，应了解，小于或大于十二的样本的数目可以用作样本的阈值数目。此外，在当达到样本的阈值数目时确定SCR催化剂152的状态之后，将平均得分625和样本的数目615复位为零。以此方式，可以随时间连续地且定期地而不是在特定进入条件期间监测SCR催化剂152的机能，进而提高IUMPR。此外，因为用于诊断SCR催化剂152的方法不限于特定进入条件，所以可以在不考虑驾驶条件或排放驾驶循环的状态的情况下监测SCR催化剂152。
图7示出图表700，所述图表说明根据实施例的多个平均得分。具体来说，图表700描绘阈值SCR催化剂的平均得分705以及FULSCR催化剂的平均得分715。图表700描绘失败阈值707，所述失败阈值在上文关于图2被称为第四阈值T4，低于所述失败阈值的平均得分(例如，平均得分705中的一者)被视为可接受。类似地，图表700描绘通过阈值712，所述通过阈值在上文关于图2被称为第三阈值T3，高于所述通过阈值的平均得分(例如，平均得分710中的一者)被视为可接受。在失败阈值707与通过阈值712之间的平均得分可以视为不确定或模糊的并且因此可以被拒绝。
如所描绘，基于相对少量的样本来计算平均得分705和710的一些平均得分。举例来说，对于阈值SCR催化剂的平均得分705，基于五个以下样本而计算的一些平均得分705处于可接受范围内(低于阈值707)以及拒绝范围内(在阈值707和712之间)。为了获得关于SCR催化剂是否已劣化或出故障的准确决策，上文关于图2所描述的迭代阈值TN因此可以被选择或被配置成使得基于足够数目的样本来计算平均得分。
以此方式，在当传统的方法将评估不了性能度量时启用车辆系统部件的概率诊断，进而提高IUMPR。此外，本文提供的系统和方法使得能够自动地识别其中出现较大间隔的条件和测量，进而提高车载诊断的稳健性。
本公开的技术效果是连续地监测和诊断车辆系统部件而不管车辆的驾驶条件如何。本公开的另一技术效果是对车辆系统部件的劣化的稳健且明确的检测。本公开的另一技术效果是产生指示已劣化的车辆系统部件的警告。
作为一个实施例，一种方法包括：使用概率分类器来计算车辆系统部件的所测得的工况的样本的概率度量；对多个样本的多个概率度量求平均，所述多个概率度量包括所述概率度量，所述多个样本包括所述样本；以及基于所述平均的多个概率度量来确定所述车辆系统部件是否已劣化。
在所述方法的第一示例中，所述方法还包括在所述概率度量处于阈值范围内的情况下丢弃所述样本。在任选地包括所述第一示例的所述方法的第二示例中，所述车辆系统部件包括选择性催化还原(SCR)催化剂，并且所测得的工况包括所述SCR催化剂的效率。在任选地包括所述第一示例和所述第二示例中的一者或多者的所述方法的第三示例中，所述方法还包括在所述SCR催化剂的上游的位置、所述SCR催化剂的中间的位置以及所述SCR催化剂的下游的位置中的一者或多者处感测排气浓度。在任选地包括所述第一示例到所述第三示例中的一者或多者的所述方法的第四示例中，所述方法还包括计算所述SCR催化剂的中间床效率和所述SCR催化剂的排气尾管效率，其中所述SCR催化剂的效率包括所述中间床效率和所述排气尾管效率。在任选地包括所述第一示例到第四示例中的一者或多者的所述方法的第五示例中，所述概率分类器包括高斯过程分类器、k最近邻分类器和决策树分类器中的一者。在任选地包括所述第一示例到所述第五示例中的一者或多者的所述方法的第六示例中，所述概率度量包括由所述概率分类器计算的通过得分和根据所述通过得分而计算的失败得分。在任选地包括所述第一示例到所述第六示例中的一者或多者的所述方法的第七示例中，对所述多个概率度量求平均包括对所述多个样本中的每个样本的所述通过得分与所述失败得分之间的差值求和。
作为另一实施例，一种用于车辆系统部件的车载诊断的方法包括：获取与所述车辆系统部件相关的工况的样本；计算所述样本的概率度量；根据多个样本的多个概率度量来计算平均得分，所述多个概率度量包括所述概率度量，所述多个样本包括所述样本；响应于所述平均得分高于第一阈值，指示所述车辆系统部件是标称的；响应于所述平均得分低于第二阈值，指示所述车辆系统部件已劣化；以及响应于在所述第一阈值与所述第二阈值之间的所述平均得分，丢弃所述平均得分。
在所述方法的第一示例中，所述方法还包括确定从所述多个样本中的第二样本计算的所述多个概率度量中的第二概率度量处于第二阈值范围内，并且丢弃所述第二概率度量和所述第二样本以使得所述第二概率度量和所述第二样本不包括在所述平均得分的所述计算中。在任选地包括所述第一示例的所述方法的第二示例中，计算所述样本的所述概率度量包括将所述样本输入到概率分类器，使用处于全寿命(FUL)状态的第二车辆系统部件和处于阈值状态的第三车辆系统部件的多个数据来训练所述概率分类器。在任选地包括所述第一示例和所述第二示例中的一者或多者的所述方法的第三示例中，所述概率度量包括通过得分和失败得分，并且所述方法还包括在所述通过得分低于第三阈值并且所述失败得分高于第四阈值的情况下丢弃所述样本。在任选地包括所述第一示例到所述第三示例中的一者或多者的所述方法的第四示例中，所述方法还包括在所述多个样本中的样本的数目达到样本的阈值数目时计算所述平均得分。
作为另一实施例，一种系统包括：车辆系统部件；至少一个传感器，所述至少一个传感器被配置成测量所述车辆系统部件的工况；以及控制器，所述控制器通信地联接到所述至少一个传感器并且配置有非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器来：使用概率分类器来计算由所述至少一个传感器测得的所述车辆系统部件的所述工况的样本的概率度量；对多个样本的多个概率度量求平均，所述多个概率度量包括所述概率度量，所述多个样本包括所述样本；以及基于所述平均的多个概率度量来确定所述车辆系统部件是否已劣化。
在所述系统的第一示例中，所述车辆系统部件包括选择性催化还原(SCR)催化剂。在任选地包括所述第一示例的所述系统的第二示例中，所述至少一个传感器包括接近所述SCR催化剂且在所述SCR催化剂的上游定位的第一排气传感器、定位在所述SCR催化剂的中间的第二排气传感器、以及接近所述SCR催化剂且在所述SCR催化剂的下游定位的第三排气传感器。在任选地包括所述第一示例和所述第二示例中的一者或多者的所述系统的第三示例中，所述工况的所述样本包括由所述第一排气传感器、所述第二排气传感器和所述第三排气传感器测得的所述SCR催化剂的中间床效率和排气尾管效率。在任选地包括所述第一示例到所述第三示例中的一者或多者的所述系统的第四示例中，所述概率度量包括通过得分和失败得分，并且所述控制器还配置有所述非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器来在所述通过得分低于第一阈值并且所述失败得分高于第二阈值的情况下拒绝所述多个样本中的所述样本。在任选地包括所述第一示例到第四示例中的一者或多者的所述系统的第五示例中，所述控制器还配置有所述非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器来在所述平均的多个概率度量处于阈值范围内的情况下拒绝所述平均的多个概率度量，并且在所述平均的多个概率度量低于所述阈值范围的情况下确定所述车辆系统部件已劣化。在任选地包括所述第一示例到所述第五示例中的一者或多者的所述系统的第六示例中，所述控制器还配置有所述非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器来在所述平均的多个概率度量低于所述阈值范围时产生和输出指示所述车辆系统部件已劣化的警告。
应注意，本文包括的示例性控制和估计例程可以用于各种发动机和/或车辆系统配置。本文公开的控制方法和例程可以作为可执行指令存储在非暂时性存储器中，并且可以由包括控制器与各种传感器、致动器和其他发动机硬件的组合的控制系统执行。本文描述的特定例程可以表示任何数目的处理策略中的一者或多者，所述处理策略例如为事件驱动、中断驱动、多任务、多线程等。因此，可以按照所说明的序列、并行地或者在一些情况下省略所说明的各种动作、操作和/或功能。同样地，不一定需要所述处理次序来实现本文描述的示例性实施例的特征和优势，而是出于说明和描述的简易性而提供。可以依据所使用的特定策略来反复地执行所说明的动作、操作和/或功能中的一者或多者。此外，所描述的动作、操作和/或功能可以清晰地表示将要编程到发动机控制系统中的计算机可读存储介质的非暂时性存储器中的代码，其中通过在包括各种发动机硬件部件与电子控制器的组合的系统中执行指令来实施所描述的动作。
将了解，本文公开的配置和例程在本质上是示例性的，并且不应在限制意义上看待这些特定实施例，因为众多变化是可能的。举例来说，以上技术可以应用于V-6、I-4、I-6、V-12、对置4缸以及其他发动机类型。本公开的主题包括本文公开的各种系统和配置与其他特征、功能和/或性质的所有新颖和非明显的组合和子组合。
所附权利要求特别指出被视为新颖和非明显的特定组合和子组合。这些权利要求可能提及“一”元件或“第一”元件或其等效物。应将此类权利要求理解为包括并入一个或多个此类元件，既不要求也不排除两个或更多个此类元件。通过修正本权利要求书或者通过在此申请或相关申请中呈现新的权利要求书来要求保护所公开的特征、功能、元件和/或性质的其他组合和子组合。此类权利要求书，无论与原始权利要求书相比在范围上更广、更窄、相等或不同，也都被视为包括在本公开的主题内。
根据本发明，一种方法包括：使用概率分类器来计算车辆系统部件的所测得的工况的样本的概率得分；对多个样本的多个概率得分求平均，所述多个概率得分包括所述概率得分，所述多个样本包括所述样本；以及基于所述平均的多个概率得分来确定所述车辆系统部件是否已劣化。
根据实施例，本发明的特征还在于在所述概率得分处于阈值范围内的情况下丢弃所述样本。
根据实施例，所述车辆系统部件包括选择性催化还原(SCR)催化剂，并且其中所测得的工况包括所述SCR催化剂的效率。
根据实施例，本发明的特征还在于在所述SCR催化剂的上游的位置、所述SCR催化剂的中间的位置以及所述SCR催化剂的下游的位置中的一者或多者处感测排气浓度。
根据实施例，本发明的特征还在于计算所述SCR催化剂的中间床效率和所述SCR催化剂的排气尾管效率，其中所述SCR催化剂的效率包括所述中间床效率和所述排气尾管效率。
根据实施例，所述概率分类器包括高斯过程分类器、k最近邻分类器和决策树分类器中的一者。
根据实施例，所述概率得分包括由所述概率分类器计算的通过得分和根据所述通过得分而计算的失败得分。
根据实施例，对所述多个概率得分求平均包括对所述多个样本中的每个样本的所述通过得分与所述失败得分之间的差值求和。
根据本发明，一种用于车辆系统部件的车载诊断的方法包括：获取与所述车辆系统部件相关的工况的样本；计算所述样本的概率度量；根据多个样本的多个概率度量来计算平均得分，所述多个概率度量包括所述概率度量，所述多个样本包括所述样本；响应于所述平均得分高于第一阈值，指示所述车辆系统部件是标称的；响应于所述平均得分低于第二阈值，指示所述车辆系统部件已劣化；以及响应于在所述第一阈值与所述第二阈值之间的所述平均得分，丢弃所述平均得分。
根据实施例，本发明的特征还在于确定从所述多个样本中的第二样本计算的所述多个概率度量中的第二概率度量处于第二阈值范围内，并且丢弃所述第二概率度量和所述第二样本以使得所述第二概率度量和所述第二样本不包括在所述平均得分的所述计算中。
根据实施例，计算所述样本的所述概率度量包括将所述样本输入到概率分类器，使用处于全寿命(FUL)状态的第二车辆系统部件和处于阈值状态的第三车辆系统部件的多个数据来训练所述概率分类器。
根据实施例，所述概率度量包括通过得分和失败得分，并且还包括在所述通过得分低于第三阈值并且所述失败得分高于第四阈值的情况下丢弃所述样本。
根据实施例，本发明的特征还在于在所述多个样本的数目达到样本的阈值数目时计算所述平均得分。
根据本发明，提供一种系统，所述系统具有：车辆系统部件；至少一个传感器，所述至少一个传感器被配置成测量所述车辆系统部件的工况；控制器，所述控制器通信地联接到所述至少一个传感器并且配置有非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器来：使用概率分类器来计算由所述至少一个传感器测得的所述车辆系统部件的所述工况的样本的概率度量；对多个样本的多个概率度量求平均，所述多个概率度量包括所述概率度量，所述多个样本包括所述样本；以及基于所述平均的多个概率度量来确定所述车辆系统部件是否已劣化。
根据实施例，所述车辆系统部件包括选择性催化还原(SCR)催化剂。
根据实施例，所述至少一个传感器包括接近所述SCR催化剂且在所述SCR催化剂的上游定位的第一排气传感器、定位在所述SCR催化剂的中间的第二排气传感器、以及接近所述SCR催化剂且在所述SCR催化剂的下游定位的第三排气传感器。
根据实施例，所述工况的所述样本包括由所述第一排气传感器、所述第二排气传感器和所述第三排气传感器测得的所述SCR催化剂的中间床效率和排气尾管效率。
根据实施例，所述概率度量包括通过得分和失败得分，并且其中所述控制器还配置有所述非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器来在所述通过得分低于第一阈值并且所述失败得分高于第二阈值的情况下拒绝所述多个样本中的所述样本。
根据实施例，所述控制器还配置有所述非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器来在所述平均的多个概率度量处于阈值范围内的情况下拒绝所述平均的多个概率度量，并且在所述平均的多个概率度量低于所述阈值范围的情况下确定所述车辆系统部件已劣化。
根据实施例，所述控制器还配置有所述非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器来在所述平均的多个概率度量低于所述阈值范围时产生和输出指示所述车辆系统部件已劣化的警告。

Claims (15)

1.一种方法(200)，其包括：
使用概率分类器来计算(210)车辆系统部件的所测得的工况(205)的样本的概率得分；
对多个样本的多个概率得分求平均(225)，所述多个概率得分包括所述概率得分，所述多个样本包括所述样本；以及
基于所述平均的多个概率得分来确定(235)所述车辆系统部件是否已劣化。
2.如权利要求1所述的方法，其还包括在所述概率得分处于阈值范围内的情况下丢弃(217)所述样本。
3.如权利要求1所述的方法，其中所述车辆系统部件包括选择性催化还原(SCR)催化剂(152)，并且其中所述所测得的工况(205)包括所述SCR催化剂(152)的效率。
4.如权利要求3所述的方法，其还包括在所述SCR催化剂(152)的上游(158)的位置、所述SCR催化剂(152)的中间(164)的位置以及所述SCR催化剂(152)的下游(162)的位置中的一者或多者处感测(205)排气浓度。
5.如权利要求4所述的方法，其还包括计算(205)所述SCR催化剂(152)的中间床效率和所述SCR催化剂(152)的排气尾管效率，其中所述SCR催化剂(152)的效率包括所述中间床效率和所述排气尾管效率。
6.如权利要求1所述的方法，其中所述概率分类器包括高斯过程分类器、k最近邻分类器和决策树分类器中的一者。
7.如权利要求1所述的方法，其中所述概率得分包括由所述概率分类器计算(210)的通过得分和根据所述通过得分而计算(210)的失败得分。
8.如权利要求7所述的方法，其中对所述多个概率得分求平均(225)包括对所述多个样本中的每个样本的所述通过得分与所述失败得分之间的差值求和。
9.一种系统，其包括
车辆系统部件(152)；
至少一个传感器(162)，所述至少一个传感器(162)被配置成测量所述车辆系统部件(152)的工况；
控制器(12)，所述控制器(12)通信地联接到所述至少一个传感器(162)并且配置有非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器(12)来：
使用概率分类器来计算(210)由所述至少一个传感器测得的所述车辆系统部件的所述工况的样本的概率度量；
对多个样本的多个概率度量求平均(225)，所述多个概率度量包括所述概率度量，所述多个样本包括所述样本；以及
基于所述平均的多个概率度量来确定(230、235)所述车辆系统部件是否已劣化。
10.如权利要求9所述的系统，其中所述车辆系统部件(152)包括选择性催化还原(SCR)催化剂(152)。
11.如权利要求10所述的系统，其中所述至少一个传感器(162)包括接近所述SCR催化剂(152)且在所述SCR催化剂(152)的上游定位的第一排气传感器(158)、定位在所述SCR催化剂(152)的中间的第二排气传感器(164)、以及接近所述SCR催化剂(152)且在所述SCR催化剂(152)的下游定位的第三排气传感器(162)。
12.如权利要求11所述的系统，其中所述工况的所述样本包括由所述第一排气传感器(158)、所述第二排气传感器(164)和所述第三排气传感器(162)测得的所述SCR催化剂(152)的中间床效率和排气尾管效率。
13.如权利要求9所述的系统，其中所述概率度量包括通过得分和失败得分，并且其中所述控制器(12)还配置有所述非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器(12)来在所述通过得分低于(215)第一阈值并且所述失败得分高于(220)第二阈值的情况下拒绝(217)所述多个样本中的所述样本。
14.如权利要求9所述的系统，其中所述控制器(12)还配置有所述非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器(12)来在所述平均的多个概率度量处于阈值范围内(230、235)的情况下拒绝(237)所述平均的多个概率度量，并且在所述平均的多个概率度量低于(235)所述阈值范围的情况下确定所述车辆系统部件(152)已劣化。
15.如权利要求14所述的系统，其中所述控制器(12)还配置有所述非暂时性存储器中的可执行指令，所述可执行指令在被执行时致使所述控制器(12)来在所述平均的多个概率度量低于(235)所述阈值范围时产生(240)和输出(245)指示所述车辆系统部件(152)已劣化的警告。
CN201910349780.3A 2018-05-01 2019-04-28 用于概率车载诊断的系统和方法 Pending CN110425024A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/968,032 2018-05-01
US15/968,032 US11107307B2 (en) 2018-05-01 2018-05-01 Systems and methods for probabilistic on-board diagnostics

Publications (1)

Publication Number Publication Date
CN110425024A true CN110425024A (zh) 2019-11-08

Family

ID=68276605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910349780.3A Pending CN110425024A (zh) 2018-05-01 2019-04-28 用于概率车载诊断的系统和方法

Country Status (3)

Country Link
US (1) US11107307B2 (zh)
CN (1) CN110425024A (zh)
DE (1) DE102019111174A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113779494A (zh) * 2021-09-22 2021-12-10 潍柴动力股份有限公司 Scr故障诊断方法和装置
CN114961949A (zh) * 2022-05-09 2022-08-30 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

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10865985B2 (en) * 2018-02-20 2020-12-15 General Electric Technology Gmbh System and method for operating a combustion chamber
US11003999B1 (en) 2018-11-09 2021-05-11 Bottomline Technologies, Inc. Customized automated account opening decisioning using machine learning
US20200151812A1 (en) * 2018-11-09 2020-05-14 Bottomline Technologies (De), Inc. Method and system for automated account opening decisioning
US11409990B1 (en) 2019-03-01 2022-08-09 Bottomline Technologies (De) Inc. Machine learning archive mechanism using immutable storage
US11687807B1 (en) 2019-06-26 2023-06-27 Bottomline Technologies, Inc. Outcome creation based upon synthesis of history

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5631831A (en) * 1993-02-26 1997-05-20 Spx Corporation Diagnosis method for vehicle systems
US8019501B2 (en) 1995-06-07 2011-09-13 Automotive Technologies International, Inc. Vehicle diagnostic and prognostic methods and systems
US5656765A (en) * 1995-06-28 1997-08-12 General Motors Corporation Air/fuel ratio control diagnostic
US5940535A (en) 1996-10-31 1999-08-17 Industrial Technology Research Institute Method and apparatus for designing a highly reliable pattern recognition system
US5941918A (en) * 1997-07-30 1999-08-24 Engelhard Corporation Automotive on-board monitoring system for catalytic converter evaluation
DE19901066C1 (de) * 1999-01-14 2000-08-10 Daimler Chrysler Ag Verfahren zur Erkennung von durchlaßverringernden Veränderungen in einem Abgaskatalysatorkörper
US6292723B1 (en) * 1999-09-30 2001-09-18 General Electric Company Embedded engine diagnostic system
US6860100B1 (en) * 2000-03-17 2005-03-01 Ford Global Technologies, Llc Degradation detection method for an engine having a NOx sensor
US6594989B1 (en) * 2000-03-17 2003-07-22 Ford Global Technologies, Llc Method and apparatus for enhancing fuel economy of a lean burn internal combustion engine
US6694243B2 (en) * 2001-02-27 2004-02-17 General Motors Corporation Method and apparatus for determining oxygen storage capacity time of a catalytic converter
US6564543B1 (en) * 2001-04-07 2003-05-20 Ford Global Technologies, Llc System and method for monitoring a conditioning catalyst
US6581371B1 (en) * 2002-02-20 2003-06-24 Ford Global Technologies, Inc. Engine catalyst monitor
US7027953B2 (en) 2002-12-30 2006-04-11 Rsl Electronics Ltd. Method and system for diagnostics and prognostics of a mechanical system
US6879906B2 (en) * 2003-06-04 2005-04-12 Ford Global Technologies, Llc Engine control and catalyst monitoring based on estimated catalyst gain
US7043899B2 (en) * 2004-05-26 2006-05-16 Daimlerchrysler Corporation On-line catalyst monitoring using a Kalman filter
US7195001B1 (en) * 2005-09-02 2007-03-27 Ford Global Technologies, Llc Fuel injector activity verification
US8151560B2 (en) * 2005-12-06 2012-04-10 Ford Global Technologies, Llc System and method for monitoring particulate filter performance
US7278304B2 (en) * 2005-12-06 2007-10-09 Ford Global Technologies Llc System and method for performing a particulate sensor diagnostic
US20070137181A1 (en) * 2005-12-16 2007-06-21 Devesh Upadhyay Exhaust gas aftertreatment systems
US7740009B2 (en) * 2006-03-17 2010-06-22 Ford Global Technologies, Llc Spark control for improved engine operation
DE102006017824B4 (de) 2006-04-13 2018-10-11 Dspace Digital Signal Processing And Control Engineering Gmbh Methode zum Konstruieren einer Diagnosefunktion
US7526950B2 (en) * 2007-01-31 2009-05-05 Ford Global Technologies, Llc Emission control diagnostic system and method
US8010471B2 (en) 2007-07-13 2011-08-30 Microsoft Corporation Multiple-instance pruning for learning efficient cascade detectors
US8141340B2 (en) * 2008-04-30 2012-03-27 Cummins Ip, Inc Apparatus, system, and method for determining the degradation of an SCR catalyst
US20100101214A1 (en) * 2008-10-24 2010-04-29 Herman Andrew D Diagnostic methods for selective catalytic reduction (scr) exhaust treatment system
US8091416B2 (en) * 2009-01-16 2012-01-10 GM Global Technology Operations LLC Robust design of diagnostic enabling conditions for SCR NOx conversion efficiency monitor
US8555613B2 (en) * 2009-03-02 2013-10-15 GM Global Technology Operations LLC Model-based diagnostics of NOx sensor malfunction for selective catalyst reduction system
US20100226582A1 (en) 2009-03-03 2010-09-09 Jiebo Luo Assigning labels to images in a collection
US8515710B2 (en) * 2009-03-16 2013-08-20 GM Global Technology Operations LLC On-board diagnostics of temperature sensors for selective catalyst reduction system
US8240194B2 (en) * 2009-07-30 2012-08-14 Ford Global Technologies, Llc Methods and systems for diagnostics of an emission system with more than one SCR region
US8701390B2 (en) * 2010-11-23 2014-04-22 International Engine Intellectual Property Company, Llc Adaptive control strategy
US9121323B2 (en) * 2011-04-15 2015-09-01 GM Global Technology Operations LLC Nitrogen oxide sensor stuck-in-range diagnostic tool
US8800356B2 (en) * 2011-09-28 2014-08-12 Ford Global Technologies, Llc Engine catalyst diagnostics
US9273587B2 (en) 2013-01-28 2016-03-01 Cummins Ip, Inc. Method, system, and apparatus for diagnosing an exhaust aftertreatment component
US9097166B2 (en) * 2013-03-22 2015-08-04 Ford Global Technologies, Llc Integrated fuel catalyst monitor
US9638122B2 (en) 2013-12-20 2017-05-02 Ford Global Technologies, Llc Method to diagnose SCR catalyst
US20160160779A1 (en) * 2014-12-08 2016-06-09 Caterpillar Inc. Prognostic Engine System and Method

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113779494A (zh) * 2021-09-22 2021-12-10 潍柴动力股份有限公司 Scr故障诊断方法和装置
CN113779494B (zh) * 2021-09-22 2023-10-20 潍柴动力股份有限公司 Scr故障诊断方法和装置
CN114961949A (zh) * 2022-05-09 2022-08-30 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
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

Also Published As

Publication number Publication date
DE102019111174A1 (de) 2019-11-07
US11107307B2 (en) 2021-08-31
US20190340847A1 (en) 2019-11-07

Similar Documents

Publication Publication Date Title
CN110425024A (zh) 用于概率车载诊断的系统和方法
CN104727915B (zh) 诊断scr催化剂的方法
CN104632335B (zh) 针对NOx传感器退化的方法和系统
CN109424407A (zh) 用于检测排气空气泄漏的系统和方法
CN103967569B (zh) 氧化催化转化器老化程度的确定
CN108049978B (zh) 在具有跳过点火控制情况下的发动机诊断
US7801666B2 (en) Air-fuel ratio detection apparatus of internal combustion engine
CN105443202B (zh) 通过PNA控制NOx的方法
CN104213978B (zh) 用于汽缸组失火检测和再启用的方法和系统
US7171929B2 (en) Method to estimate variable valve performance degradation
KR102601397B1 (ko) 질소산화물 저장 촉매 컨버터의 모니터링 방법
US8857153B2 (en) Method for measuring the quality of ammonia injection for an exhaust gas after treatment system of a vehicle
US20080216557A1 (en) Method and apparatus for estimating exhaust temperature of an internal combustion engine
US20080034742A1 (en) Failure diagnosis method for reducing agent addition valve
CN108487996A (zh) 用于内燃发动机的异常诊断装置及异常诊断方法
JP2005163696A (ja) 内燃機関の失火検出装置
CN107313844A (zh) 用于发动机后处理系统的方法和系统
CN104632334A (zh) 针对还原剂喷射器退化的方法和系统
US11041423B2 (en) Method and system for leak detection at a particulate filter
JP7307928B2 (ja) 排気圧力読取値を使用して内燃機関の異常を検出するための診断システム及び方法
CN106555688A (zh) 用于空燃比失衡监测器的系统和方法
US20130291520A1 (en) Method of estimating a variation of a quantity of soot accumulated in a diesel particulate filter
CN103375291A (zh) 估测进气湿度的方法
US6581371B1 (en) Engine catalyst monitor
CN104832304A (zh) 非介入式排气传感器监测

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