CN111322143A - 柴油机颗粒捕集器的诊断方法、云端服务器及车载终端 - Google Patents

Abstract

本发明提供的柴油机颗粒捕集器的诊断方法、云端服务器及车载终端，接收车辆发送的运行数据，根据运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据比较结果，判断所述DPF是否出现故障；即本发明示例通过将车辆的运行数据上传至云端服务器进行数据处理从而判断DPF是否发生故障，解决了现有技术中车载控制器的存储、运算资源不足的问题，提高了判断DPF是否出现故障的准确性。

Description

柴油机颗粒捕集器的诊断方法、云端服务器及车载终端

技术领域

本发明涉及柴油机技术领域，尤其涉及一种柴油机颗粒捕集器的诊断方法、云端服务器及车载终端。

背景技术

柴油机产生的颗粒物(Particulate Matter，简称PM)会对大气环境及人体健康造成极大的危害。柴油机颗粒捕集器(Diesel Particulate Filter，简称DPF)作为降低PM排放的最有效手段之一，成为柴油机后处理系统的重要组成部分。但随着柴油机运行时间的增加，DPF中捕集到的PM逐渐增多，排气背压增高，严重时会影响柴油机的性能，因此在DPF使用过程中，需要及时对DPF进行主动再生以去除PM，而诊断DPF能否正常工作也成为重要课题之一。

现有技术中，通常是通过安装在车辆上的控制器采集、存储并计算DPF相关再生数据，但控制器存储容量有限，无法实现存储海量的历史数据；其次，控制器运算资源有限，也无法承担大量的复杂计算任务。

因此，亟需一种新的柴油机颗粒捕集器的诊断方法，以解决控制器资源不足的问题。

发明内容

针对上述问题，本发明提供了一种柴油机颗粒捕集器的诊断方法、云端服务器及车载终端。

第一方面，本发明提供了一种柴油机颗粒捕集器的诊断方法，应用于云端服务器，所述方法包括：接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障。

在其他可选的实施方式中，所述根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息之前，还包括：获取正常工作状态的DPF在各固定车况下的DPF再生间隔历史数据；基于所述DPF再生间隔历史数据构建自学习模型，输出各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线，获取所述关系对照表。

在其他可选的实施方式中，所述对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障，包括：判断所述DPF再生间隔信息是否在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内；若否，输出报警指令至车辆以使车辆输出报警信息以提示DPF存在故障。

在其他可选的实施方式中，还包括：若所述DPF再生间隔信息在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内，则将所述DPF再生间隔信息、车辆行驶总里程以及车况占比输入自学习模型，更新所述关系对照表。

在其他可选的实施方式中，所述DPF再生间隔信息为为DPF再生间隔期间车辆所行驶的里程或消耗的油量。

在其他可选的实施方式中，所述方法还包括：根据所述运行数据确定DPF再生所消耗的碳载量，判断所述碳载量是否满足预设碳载量阈值；则根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息；若不满足，则根据运行数据确定DPF实际再生间隔信息；根据所述碳载量、预设碳载量阈值以及所述DPF实际再生间隔信息确定DPF再生间隔信息。

第二方面，本发明提供了一种柴油机颗粒捕集器的诊断方法，应用于车载终端，所述方法包括：采集预设时间内车辆的运行数据；发送所述运行数据至云端服务器，以使云端服务器根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；并对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；其中，所述预设关系对照表中记录有处于正常工作状态下的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线。

在其他可选的实施方式中，还包括：接收云端服务器发送的报警指令，并根据所述报警指令输出报警信息以提示DPF存在故障。

第三方面，本发明提供了一种云端服务器，包括：接收模块，用于接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；计算模块，用于根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；判断模块，用于对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障。

第四方面，本发明提供了一种车载终端，包括：采集模块，用于采集预设时间内车辆的运行数据；发送模块，用于发送所述运行数据至云端服务器，以使云端服务器根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；并对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线。

本发明提供的柴油机颗粒捕集器的诊断方法、云端服务器及车载终端，应用于云端服务器，接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；即本发明示例通过将车辆的运行数据上传至云端服务器，在云端服务器上进行数据处理从而判断DPF是否发生故障，解决了现有技术中车载控制器的存储、运算资源不足的问题，提高了判断DPF是否出现故障的准确性。

附图说明

图1为本发明所基于的一种柴油机颗粒捕集器诊断系统网络架构图；

图2为本发明提供的一种柴油机颗粒捕集器的诊断方法的流程示意图；

图3为本发明提供的一种在不同车况下DPF再生间隔里程示意图；

图4为本发明提供的另一种柴油机颗粒捕集器的诊断方法；

图5为本发明提供的一种DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的对比示意图；

图6为本发明提供的再一种柴油机颗粒捕集器的诊断方法的流程示意图；

图7为本发明提供的一种柴油机颗粒捕集器的诊断方法的流程示意图；

图8为本发明提供的一种云端服务器的结构示意图；

图9为本发明提供的一种车载终端的结构示意图。

具体实施方式

为使本发明示例的目的、技术方案和优点更加清楚，下面将结合本发明示例中的附图，对本发明示例中的技术方案进行清楚、完整地描述。

首先，对本发明中所涉及的名词进行解释：

柴油机颗粒捕集器：(Diesel Particulate Filter，简称DPF)是一种通过物理过滤的方法对柴油机排放的颗粒物(Particulate Matter，PM)进行捕集的装置。

DPF主动再生：随着PM在DPF中的累积，DPF的前后压差会增大，使得柴油机的排气被压增大，从而恶化柴油机的油耗，甚至堵塞排气管，导致柴油机损坏，所以在使用DPF过程中，会实时检测DPF颗粒物的含量，当DPF颗粒物超过限值时，会对DPF进行主动再生。所谓主动再生是指，在符合一定条件时，主动去除DPF过滤器上吸附的碳烟颗粒物，恢复DPF的过滤性能。目前主动再生的主要方法是，向柴油机氧化催化器(Diesel Oxidation Catalyst，简称DOC)前喷射柴油并燃烧，通过提高DPF内的温度，将DPF的碳烟燃烧。

DPF能否正常主动再生是衡量DPF是否发现故障的重要标志。现有技术中，通常是通过安装在车辆上的控制器采集、存储并计算DPF相关再生数据，但控制器存储容量有限，无法实现存储海量的历史数据；其次，控制器运算资源有限，也无法承担大量的复杂计算任务。

因此，为解决上述问题，本发明的技术构思在于，将采集的车辆运行数据上传至云端服务器，在云端服务器上进行数据处理，从而解决了现有技术中车载控制器存储、运算资源不足的问题，提高了判断DPF是否出现故障的准确性。

图1为本发明所基于的一种柴油机颗粒捕集器诊断系统网络架构图，如图1所示，所述柴油机颗粒捕集器诊断系统网络架构图包括车载终端1和云端服务器2，车载终端1和云端服务器2通过互联网技术进行无线通信。其中，车载终端1和云端服务器2可以执行下述任一实施例中的柴油机颗粒捕集器的诊断方法。

第一方面，本发明示例提供了一种柴油机颗粒捕集器的诊断方法，图2为本发明提供的一种柴油机颗粒捕集器的诊断方法的流程示意图。

如图2所示，该柴油机颗粒捕集器的诊断方法包括：

步骤101、接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程。

具体来说，安装在车辆上的车载终端，例如传感器等，会实时监测并采集车辆的运行数据，所述运行数据可以包括导航数据、DPF主动再生数据等，一般来说，传感器的采集频率比较高，例如可为100ms，即每100ms就会采集一次车辆的运行数据，并将采集的运行数据上传至云端服务器上。云端服务器可以根据运行数据中的导航数据确定车辆行驶的总里程，还可以根据运行数据确定DPF再生间隔信息和DPF再生间隔期间的车况占比。可选的，可以接收预设时间内的车辆发送的运行数据，所述预设时间可以根据DPF主动再生时间进行相应设置，例如根据DPF主动再生的历史数据可知，DPF主动再生间隔时间较长，通常为几天、甚至一个月等，因此为了计算车辆DPF再生间隔信息，预设时间可以为较长的一段时间，例如一个月，即云端服务器接收一个月的车辆运行数据，然后根据这一个月的运行数据计算DPF再生间隔信息和DPF再生间隔期间的车况占比。

可选的，所述DPF再生间隔信息为DPF再生间隔期间车辆所行驶的里程或消耗的油量。具体来说，DPF再生间隔信息为车辆在两次DPF再生间隔期间所行驶里程数或者消耗的油量。

可选的，本实施例中所述的车况占比可以为车辆在DPF再生间隔期间在不同车况下行驶里程的占比情况，不同的车况可以包括高速、市郊、城市等类型。一般来说，车辆不可能一直行驶在某固定车况下，即车辆在一段时间内可能在高速、市郊、城市之前转换，而且一般来说，在不同车况或者说不同工况下，DPF主动再生间隔信息是不同的，如图3为本发明提供的一种在不同固定车况下DPF再生间隔里程示意图，如图3所示，在高速路段，车辆行驶比较顺畅，则DPF再生间隔期间车辆行驶的路程较长，在市郊路段，车辆行驶顺畅度要小于高速路段，DPF再生间隔期间车辆行驶的路程较高速路段短，在城市路上，可能比较堵车，则DPF再生间隔期间车辆行驶的路程最短，并从图3可以看出，随着车辆行驶总里程的增加，DPF再生间隔里程会逐渐减小。

步骤102、根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息。

其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线。

具体来说，在云端服务器中预先存储有关系对照表，关系对照表可以参考图3所示，即关系对照表中记录有DPF正常工作状态下在高速、市郊、城市等各固定工况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线，也就是说可以根据车辆当前行驶的总里程，确定某固定工况下、当前总里程下的DPF再生间隔基准信息，例如，在高速工况下，当车辆行驶的总里程达到约5万千米时，DPF再生间隔基准约为500km，即车辆每在高速路段行驶500km，DPF会进行一次再生，又例如，在市郊工况下，当车辆行驶的总里程达到约11万千米时，DPF再生间隔基准为400km，在城市工况下，当车辆行驶的总里程达到约12万千米时，DPF再生间隔基准为300km。但在实际情况中，车辆不可能一直行驶在固定工况下，即在DPF再生间隔期间，车辆可能一段时间行驶在高速车况下，一段时间行驶在市郊车况下，一段时间行驶在城市车况下，或者说车辆会在高速、城郊、市区等固定工况下来回转换，而车辆各车况占比情况可以根据采集的车辆运行数据确定；优选的，与所述车况占比对应的DPF再生间隔基准信息，可以为各固定工况对应的DPF再生间隔基准信息与对应的车况占比的乘积之和。

举例来说，某车辆行驶总里程为A千米，在DPF再生间隔期间，车辆行驶里程为B千米，即DPF再生间隔信息为B千米，其中，在这B千米中高速车况占比30％，即在高速车况下行驶了B*30％＝B1千米，市郊车况占比为40％，即在市郊车况下行驶了B*40％＝B2千米，城市车况占比为30％，即载城市车况下行驶了B*30％＝B3千米。则可以根据车辆行驶总里程为A千米，在预设关系对照表中查找高速、市郊、城市对应的DPF再生间隔基准里程，以DPF再生间隔基准里程以500km、400km、300km为例，然后根据各车况占比和DPF再生间隔基准里程确定与所述车况占比对应的DPF再生间隔基准信息，计算公式如下：500*30％+400*40％+300*30％＝400千米。

步骤103、对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障。

具体来说，在云端服务器上，判断DPF再生间隔信息是否与所述车况占比对应的DPF再生间隔基准信息相差较大，若相差较大，说明车辆的DPF出现故障，若相差较小，说明DPF能够正常工作。举例来说，将DPF再生间隔期间车辆行走的里程B千米与上述的400千米对比，如果二者相差很大，则DPF出现故障，若二者相差很小，则DPF正常工作。

本发明示例提供的柴油机颗粒捕集器的诊断方法，应用于云端服务器，通过接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；即本发明示例通过将车辆的运行数据上传至云端服务器，在云端服务器上进行数据处理从而判断DPF是否发生故障，解决了现有技术中车载控制器的存储、运算资源不足的问题，提高了判断DPF是否出现故障的准确性。

结合前述的各实现方式，图4为本发明提供的另一种柴油机颗粒捕集器的诊断方法，如图4所示，该柴油机颗粒捕集器的诊断方法包括：

步骤201、获取正常工作状态的DPF在各固定车况下的DPF再生间隔历史数据。

步骤202、基于所述DPF再生间隔历史数据构建自学习模型，输出各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线，获取所述关系对照表。

步骤203、接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程。

步骤204、根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息。

其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线。

步骤205、判断所述DPF再生间隔信息是否在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内。

若是，执行步骤206，结束；若否，执行步骤207，结束。

步骤206、将所述DPF再生间隔信息、车辆行驶总里程以及车况占比输入自学习模型，更新所述关系对照表。结束。

步骤207、输出报警指令至车辆以使车辆输出报警信息以提示DPF存在故障。结束。

本实施方式中的步骤203、步骤204与前述实施方式中的步骤101、步骤102的实现方式类似，在此不进行赘述。

与前述实施方式不同的是，本实施方式进一步限定了关系对照表的获取过程，以及DPF是否出现故障对应的处理方式。在本实施方式中，获取正常工作状态的DPF在在各固定车况下的DPF再生间隔历史数据；基于所述DPF再生间隔历史数据构建自学习模型，输出各固定工况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线，获取所述关系对照表；判断所述DPF再生间隔信息是否在所述DPF再生间隔基准信息对应的预设范围内；若是，则将所述DPF再生间隔信息、车辆行驶总里程以及车况占比输入自学习模型，更新所述关系对照表，若否，输出报警指令至车辆以使车辆输出报警信息以提示DPF存在故障。

具体来说，首先获取DPF正常工作状态下，在各固定车况下DPF再生间隔的历史数据，利用所述历史数据建立自学习模型，通过该自学习模型获取在各固定工况下DPF再生间隔基准信息随车辆行驶总里程变化的曲线，即获得对应的预设关系对照表，如图3所示。然后计算接收到的车辆运行数据，获得根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息，然后判断DPF再生间隔信息是否在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内，若DPF再生间隔信息在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内，说明DPF能够正常工作，此时可以将DPF再生间隔信息、车辆行驶总里程以及车况占比输入至自学习模型，更新所述预设关系对照表，以便于在对车辆进行下一次DPF诊断时，按照新的预设关系对照表判断，进一步提高判断的准确性；若DPF再生间隔信息不在所述车况占比对应DPF再生间隔基准信息对应的预设范围内，说明车辆的DPF发生故障，此时云端服务器可以输出一个报警指令至车辆的报警装置等，以使车辆根据报警指令发出报警消息，提示司机DPF发生故障，使得司机及时对DPF进行检修。

本发明示例提供的柴油机颗粒捕集器的诊断方法，应用于云端服务器，通过获取正常工作状态的DPF在各固定车况下的DPF再生间隔历史数据；基于所述DPF再生间隔历史数据构建自学习模型，输出各固定车况下对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线，获取所述关系对照表；判断所述DPF再生间隔信息是否在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内；若是，则将所述DPF再生间隔信息、车况占比输入自学习模型，更新所述关系对照表，若否，输出报警指令至车辆以使车辆输出报警信息以提示DPF存在故障；即本发明示例中的关系对照表通过自学习模型建立，当测出DPF正常工作时，将DPF再生间隔信息、车辆行驶总里程以及车况占比输入自学习模型中，更新关系对照表，提高了下一次判断该车辆DPF是否故障的准确性。

结合前述的各实现方式，图6为本发明提供的再一种柴油机颗粒捕集器的诊断方法的流程示意图，如图6所示，该柴油机颗粒捕集器的诊断方法包括：

步骤301、接收预设时间内车辆发送的运行数据。

步骤302、根据所述运行数据确定DPF再生后的碳载量，判断所述碳载量是否满足预设碳载量阈值。

若是，执行步骤303、步骤306-308；若否，执行步骤304-308。

步骤303、根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息。

步骤304、根据运行数据确定DPF实际再生间隔信息；

步骤305、根据所述碳载量、预设碳载量阈值以及所述DPF实际再生间隔信息确定DPF再生间隔信息。

步骤306、根据所述运行数据计算DPF再生间隔期间的车况占比以及车辆行驶总里程。

步骤307、根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息。

其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线。

步骤308、对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障。

本实施方式中的步骤301、步骤303、步骤306与前述实施方式中的步骤101的实现方式类似，步骤307、步骤308分别与前述实施方式中的步骤102以及步骤103的实现方式类似，在此不进行赘述。

与前述实施方式不同的是，为了避免由于DPF再生过程中由于断电等外在因素导致的DPF再生不完全而导致的DPF误诊断，在本实施方式中，接收辆发送的运行数据之后，根据所述运行数据确定DPF再生后所消耗的碳载量，判断所述碳载量是否满足预设碳载量阈值；若满足，则根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息；若不满足，则根据运行数据确定DPF实际再生间隔信息；根据所述碳载量、预设碳载量阈值以及所述DPF实际再生间隔信息确定DPF再生间隔信息。

具体来说，云端服务器接收预设时间内的运行数据后，根据运行数据确定DPF再生所消耗的碳载量，判断所消耗的碳载量是否达到预设碳载量阈值，优选的，预设碳载量阈值可以为DPF完全再生时所消耗的碳载量，例如3.5g/L，需要说明的是，针对不同的车型，DPF完全再生所消耗的碳载量是不同的，当待测车辆的DPF再生后所消耗的碳载量为2g/L时，显然并未达到预设碳载量阈值3.5g/L，说明此时DPF可能因外界因素如断电等导致的DPF再生不完全，为了避免因为DPF再生不完全导致的DPF误诊断，需要将DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息在同一量纲上，即可以根据运行数据确定DPF再生期间车辆实际行驶的里程作为DPF实际再生间隔信息，然后再根据碳载量、预设碳载量阈值以及所述DPF实际再生间隔信息确定DPF再生间隔信息。

举例来说，假设预设碳载量阈值为x1，实际计算得到的DPF再生后碳载量为x2，且x2<x1，说明此时DPF未再生完全，并根据运行数据确定DPF再生期间车辆实际行驶里程为A千米，即DPF实际再生间隔信息为A千米，然后根据公式A*x1/x2计算出DPF再生间隔信息，并将A*x1/x2与所述车况占比对应的DPF再生间隔基准信息进行比较，其中，与所述车况占比对应的DPF再生间隔基准信息可参考前述示例获取。如图5为本发明提供的一种DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的对比示意图，如图5所示，判断DPF再生间隔信息是否在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内，进而判断DPF是否存在故障。

本发明示例提供的柴油机颗粒捕集器的诊断方法，通过根据所述运行数据确定DPF再生所消耗的碳载量，判断所述碳载量是否满足预设碳载量阈值；若满足，则根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息；若不满足，则根据运行数据确定DPF实际再生间隔信息；根据所述碳载量、预设碳载量阈值以及所述DPF实际再生间隔信息确定DPF再生间隔信息；即本发明示例通过DPF再生所消耗的碳载量是否满足预设碳载量阈值，避免因非DPF故障造成的DPF再生异常，提高了DPF故障判断的准确性。

第二方面，本发明示例提供了一种柴油机颗粒捕集器的诊断方法，应用于车载终端，图7为本发明提供的一种柴油机颗粒捕集器的诊断方法的流程示意图。

如图7所示，该柴油机颗粒捕集器的诊断方法包括：

步骤401、采集预设时间内车辆的运行数据。

步骤402、发送所述运行数据至云端服务器，以使云端服务器根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；并对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障。

其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线。

作为可选示例，所述方法还包括：接收云端服务器发送的报警指令，并根据所述报警指令输出报警信息以提示DPF存在故障。

具体来说，车载终端会采集预设时间内的车辆运行数据，并将运行数据上传至云端服务器，云端服务器根据运行数据计算DPF再生间隔信息和车况占比，再根据车况占比以及预先存储在云端服务器上的预设关系对照表，计算出与所述车况占比对应的DPF再生间隔基准信息，判断DPF再生间隔信息是否在所述车况占比对应的DPF再生间隔基准信息对应的区间范围内，若否，云端服务器向车辆发送报警指令，车载终端接收该报警指令后发出报警消息，以提醒司机DPF存在故障，方便司机及时检修。

本发明示例提供的柴油机颗粒捕集器的诊断方法，应用于车载终端，通过采集预设时间内车辆的运行数据；发送所述运行数据至云端服务器，以使云端服务器根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；并对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；即本发明示例通过将车辆的运行数据上传至云端服务器，在云端服务器上进行数据处理从而判断DPF是否发生故障，解决了现有技术中车载控制器的存储、运算资源不足的问题，提高了判断DPF是否出现故障的准确性。

第三方面，本发明示例提供了一种云端服务器，图8为本发明提供的一种云端服务器的结构示意图，如图8所示，该云端服务器包括：

接收模块10，用于接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；计算模块20，用于根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；判断模块30，用于对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障。

在其他可选的实施方式中，还包括模型建立模块40，所述模型建立模块40用于获取正常工作状态的DPF在各固定车况下的DPF再生间隔历史数据；基于所述DPF再生间隔历史数据构建自学习模型，输出各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线，获取所述关系对照表。

在其他可选的实施方式中，所述判断模块30具体用于：判断所述DPF再生间隔信息是否在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内；若否，输出报警指令至车辆以使车辆输出报警信息以提示DPF存在故障。

在其他可选的实施方式中，所述判断模块30还具体用于：若所述DPF再生间隔信息在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内，则将所述DPF再生间隔信息、车辆行驶总里程以及车况占比输入自学习模型，更新所述关系对照表。

在其他可选的实施方式中，所述DPF再生间隔信息为DPF再生间隔期间车辆所行驶的里程或消耗的油量。

在其他可选的实施方式中，所述装置还包括处理模块50，所述处理模块50用于根据所述运行数据确定DPF再生所消耗的碳载量，判断所述碳载量是否满足预设碳载量阈值；若满足，则根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息；若不满足，则根据运行数据确定DPF实际再生间隔信息；根据所述碳载量、预设碳载量阈值以及所述DPF实际再生间隔信息确定DPF再生间隔信息。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的云端服务器的具体工作过程以及相应的有益效果，可以参考前述方法示例中的对应过程，在此不再赘述。

本发明示例提供的云端服务器，通过接收模块，用于接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；计算模块，用于根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；判断模块，用于对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；即本发明示例通过将车辆的运行数据上传至云端服务器，在云端服务器上进行数据处理从而判断DPF是否发生故障，解决了现有技术中车载控制器的存储、运算资源不足的问题，提高了判断DPF是否出现故障的准确性。

第四方面，本发明示例提供了一种车载终端，图9为本发明提供的一种车载终端的结构示意图，如图9所示，该车载终端包括：

采集模块60，用于采集车辆的运行数据；发送模块70，用于发送所述运行数据至云端服务器，以使云端服务器根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；并对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线。

在其他可选的实施方式中，还包括报警模块80，所述报警模块90用于接收云端服务器发送的报警指令，并根据所述报警指令发出报警提示以提示DPF存在故障。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的车载终端的具体工作过程以及相应的有益效果，可以参考前述方法示例中的对应过程，在此不再赘述。

本发明示例提供的车载终端，通过采集模块，用于采集车辆的运行数据；发送模块，用于发送所述运行数据至云端服务器，以使云端服务器根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；并对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；即本发明示例通过将车辆的运行数据上传至云端服务器，在云端服务器上进行数据处理从而判断DPF是否发生故障，解决了现有技术中车载控制器的存储、运算资源不足的问题，提高了判断DPF是否出现故障的准确性。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种柴油机颗粒捕集器的诊断方法，其特征在于，应用于云端服务器，所述方法包括：

接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；

根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；

对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障。

2.根据权利要求1所述的柴油机颗粒捕集器的诊断方法，其特征在于，所述根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息之前，还包括：

获取正常工作状态的DPF在各固定车况下的DPF再生间隔历史数据；

基于所述DPF再生间隔历史数据构建自学习模型，输出各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线，获取所述关系对照表。

3.根据权利要求2所述的柴油机颗粒捕集器的诊断方法，其特征在于，所述对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障，包括：

判断所述DPF再生间隔信息是否在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内；

若否，输出报警指令至车辆以使车辆输出报警信息以提示DPF存在故障。

4.根据权利要求3所述的柴油机颗粒捕集器的诊断方法，其特征在于，还包括：若所述DPF再生间隔信息在所述车况占比对应的DPF再生间隔基准信息对应的预设范围内，则将所述DPF再生间隔信息、车辆行驶总里程以及车况占比输入自学习模型，更新所述关系对照表。

5.根据权利要求1-4任一项所述的柴油机颗粒捕集器的诊断方法，其特征在于，所述DPF再生间隔信息为DPF再生间隔期间车辆所行驶的里程或消耗的油量。

6.根据权利要求1-4任一项所述的柴油机颗粒捕集器的诊断方法，其特征在于，所述方法还包括：

根据所述运行数据确定DPF再生所消耗的碳载量，判断所述碳载量是否满足预设碳载量阈值；

若满足，则根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息；

若不满足，则根据运行数据确定DPF实际再生间隔信息；根据所述碳载量、预设碳载量阈值以及所述DPF实际再生间隔信息确定DPF再生间隔信息。

7.一种柴油机颗粒捕集器的诊断方法，其特征在于，应用于车载终端，所述方法包括：

采集车辆的运行数据；

发送所述运行数据至云端服务器，以使云端服务器根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；并对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；

其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线。

8.根据权利要求7所述的柴油机颗粒捕集器的诊断方法，其特征在于，还包括：接收云端服务器发送的报警指令，并根据所述报警指令输出报警信息以提示DPF存在故障。

9.一种云端服务器，其特征在于，包括：

接收模块，用于接收车辆发送的运行数据，根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；

计算模块，用于根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线；

判断模块，用于对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障。

10.一种车载终端，其特征在于，包括：

采集模块，用于采集车辆的运行数据；

发送模块，用于发送所述运行数据至云端服务器，以使云端服务器根据所述运行数据计算柴油机颗粒捕集器DPF再生间隔信息、DPF再生间隔期间的车况占比以及车辆行驶总里程；根据所述车况占比、车辆行驶总里程以及预设关系对照表，确定与所述车况占比对应的DPF再生间隔基准信息；并对所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息进行比较，并根据所述DPF再生间隔信息与所述车况占比对应的DPF再生间隔基准信息的比较结果，判断所述DPF是否出现故障；

其中，所述预设关系对照表中记录有处于正常工作状态的DPF在各固定车况下所对应的DPF再生间隔基准信息随车辆行驶总里程变化的曲线。

Images