CN111775943B - 通过对驾驶行为的预测控制来降低发动机排放的方法 - Google Patents

通过对驾驶行为的预测控制来降低发动机排放的方法 Download PDF

Info

Publication number
CN111775943B
CN111775943B CN202010419483.4A CN202010419483A CN111775943B CN 111775943 B CN111775943 B CN 111775943B CN 202010419483 A CN202010419483 A CN 202010419483A CN 111775943 B CN111775943 B CN 111775943B
Authority
CN
China
Prior art keywords
driver
engine
driving behavior
working condition
driving
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010419483.4A
Other languages
English (en)
Other versions
CN111775943A (zh
Inventor
刘诗曼
赵瑞文
翟洋
赵帅
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.)
Sinotruk Data Co ltd
China Automotive Technology and Research Center Co Ltd
Original Assignee
Sinotruk Data Co ltd
China Automotive Technology and Research Center Co Ltd
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 Sinotruk Data Co ltd, China Automotive Technology and Research Center Co Ltd filed Critical Sinotruk Data Co ltd
Priority to CN202010419483.4A priority Critical patent/CN111775943B/zh
Publication of CN111775943A publication Critical patent/CN111775943A/zh
Application granted granted Critical
Publication of CN111775943B publication Critical patent/CN111775943B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Transportation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mechanical Engineering (AREA)
  • Computational Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明提供了一种通过对驾驶行为的预测控制来降低发动机排放的方法，包括以下步骤：A.收集驾驶员驾驶行为信息；B.建立驾驶行为数据库；C.分析驾驶行为，确定行驶车辆的状态；D.得到驾驶员期望得到的发动机工况；E.确定结合真实驾驶员驾驶行为，明确与驾驶员期望得到的发动机工况相对应的发动机操作点；F.通过PID控制来调整发动机工况，判断是否满足驾驶员期望得到的发动机工况；G.在进行完步骤F的调试工作后，进行虚拟仿真，并在得到结果之后，计算排放中的CO、CO2气体的浓度，并进行定量分析，判断排放是否降低。本发明有益效果：通过结合驾驶员驾驶行为，使得关于发动机减少排放的仿真实验结果更具有现实意义。

Description

通过对驾驶行为的预测控制来降低发动机排放的方法
技术领域
本发明属于发动机排放测试技术领域，尤其是涉及一种通过对驾驶行为的预测控制来降低发动机排放的方法。
背景技术
目前，降低发动机排放的方法有很多种类。其中，在发动机的涡轮增压技术中加入可变几何涡轮增压器(VGT)和电辅助涡轮增压器(EAT)技术来减少排放的方式较为常见。但是由于目前的VGT和EAT技术在虚拟仿真中仅仅输入一些较为简单的数据，选取的数据较为单一，这样会导致得到的结论仅仅停留在简单场景中，比较单调，并不具有足够的现实意义。此外，现有的方法还会限制虚拟仿真的范围，将真实驾驶员的驾驶环境与虚拟仿真场景相分离，不具有足够的代表性，结论难具有说服力。
发明内容
有鉴于此，本发明旨在提出一种通过对驾驶行为的预测控制来降低发动机排放的方法，以解决上述问题的不足之处。
为达到上述目的，本发明的技术方案是这样实现的：
通过对驾驶行为的预测控制来降低发动机排放的方法，包括以下步骤：
A.收集驾驶员驾驶行为信息；
B.建立驾驶行为数据库；
C.分析驾驶行为，进行典型瞬态分析，确定驾驶员的行驶车辆的状态；
D.确定典型瞬态分析中驾驶员对于发动机工况的需求，得到驾驶员期望得到的发动机工况；
E.确定结合真实驾驶员驾驶行为，明确与驾驶员期望得到的发动机工况相对应的发动机操作点；
F.通过PID控制来调整发动机工况，判断是否满足驾驶员期望得到的发动机工况，若满足，则进行步骤G；若不满足，则重新进行步骤F，调试PID控制对VGT和EAT的控制方式进行完善；
G.在进行完步骤F的调试工作后，进行虚拟仿真，并在得到结果之后，计算排放中的CO、CO2气体的浓度，并进行定量分析，判断排放是否降低，若是，则进行步骤H；若不是，则重新进行步骤D，选取其它典型瞬态分析中的驾驶员需求；
H.结束，并记录数据。
进一步的，所述步骤A中驾驶员驾驶行为信息包括油门开度、刹车频次、踏板踩下角度、每公里油耗、加速时间、减速时间。
进一步的，所述步骤C中使用Markov数据分析算法进行驾驶行为的分析，并且基于发动机转速、发动机扭矩和车速进行典型瞬态分析，确定驾驶员的行驶车辆的状态为匀速、变速、空载或熄火状态。
进一步的，所述步骤D根据步骤C中获取的典型瞬态分析得到驾驶员对于发动机的平均制动有效压力需求、RPM需求、扭矩需求。
进一步的，所述步骤A中驾驶员驾驶行为的采集过程是将驾驶员的信息和驾驶车辆的的信息作为驾驶行为数据的输入量传递到驾驶员驾驶行为信息收集模块中；所述步骤B中将采集到的驾驶行为数据进行本地储存并形成驾驶行为数据库，进行驾驶行为识别。
进一步的，所述步骤F中，对发动机模型进行先稳态后瞬态的控制，且对发动机进行PID控制时，PID控制器的P值和I值关系式如下：
Figure BDA0002496391180000031
其中U(t)代表PID控制后的输出值,Kpe(t)代表P值,
Figure BDA0002496391180000032
代表I值。
相对于现有技术，本发明所述的通过对驾驶行为的预测控制来降低发动机排放的方法具有以下优势：
本发明所述的通过对驾驶行为的预测控制来降低发动机排放的方法通过结合驾驶员驾驶行为，使得关于发动机减少排放的仿真实验结果更具有现实意义。在减少排放的基础上满足驾驶员的驾驶需要。真实驾驶数据相较于虚拟的实验数据，它会受到驾驶员情绪，驾驶行为的影响，更加满足汽车市场的需要，克服了现有的方法还会限制虚拟仿真的范围，使得真实驾驶员的驾驶环境与虚拟仿真场景相结合，进一步使得虚拟仿真实验更具有代表性，结论更具有现实意义。此外，关于驾驶员驾驶行为的大数据可以与车联网强强联合，车企也可以实时搜集这些数据，并进行车辆的发动机状态的实时监督，在平时可以为驾驶员提供保养建议，在汽车故障时可以为车辆维修提供数据支持。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的通过对驾驶行为的预测控制来降低发动机排放的方法流程图；
图2为本发明实施例中驾驶员驾驶行为的采集流程图；
图3为本发明实施例所述的PID控制流程图；
图4为本发明实施例所述的BMEP需求曲线；
图5为本发明实施例所述的RPM需求曲线；
图6为本发明实施例发动机排放中的CO气体的浓度示意图；
图7为本发明实施例发动机排放中的CO2气体的浓度示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示，通过对驾驶行为的预测控制来降低发动机排放的方法，包括以下步骤：
A.收集驾驶员驾驶行为信息；
B.建立驾驶行为数据库；
C.分析驾驶行为，进行典型瞬态分析，确定驾驶员的行驶车辆的状态；
D.确定典型瞬态分析中驾驶员对于发动机工况的需求，得到驾驶员期望得到的发动机工况；
E.确定结合真实驾驶员驾驶行为，明确与驾驶员期望得到的发动机工况相对应的发动机操作点，操作点包括油门开度、刹车频次、踏板踩下角度、每公里油耗、加速或减速时间等；
F.通过PID控制来调整发动机工况，判断是否满足驾驶员期望得到的发动机工况，之后通过图像判断调试后的发动机工况是否满足驾驶员的驾驶需求；若满足，则进行步骤G；若不满足，则重新进行步骤F，调试PID控制对VGT和EAT的控制方式进行完善；
G.在进行完步骤F的调试工作后，进行虚拟仿真，并在得到结果之后，计算排放中的CO、CO2气体的浓度，并进行定量分析，之后通过图像判断排放是否降低，若是，则进行步骤H；若不是，则重新进行步骤D，选取其它典型瞬态分析中的驾驶员需求；
H.结束，并记录数据，更新驾驶行为数据库。
所述步骤A中驾驶员驾驶行为信息包括油门开度、刹车频次、踏板踩下角度、每公里油耗、加速时间、减速时间。
所述步骤C中使用Markov数据分析算法进行驾驶行为的分析，并且基于发动机转速、发动机扭矩和车速进行典型瞬态分析，确定驾驶员的行驶车辆的状态为匀速、变速、空载或熄火状态。
所述步骤D根据步骤C中获取的典型瞬态分析得到驾驶员对于发动机的平均制动有效压力需求、RPM需求、扭矩需求。
如图2所示，所述步骤A中以驾驶环境作为驾驶员的输入量，驾驶员需要在驾驶时考虑路况信息。之后，通过驾驶员的行为信息来控制驾驶车辆，因此驾驶员驾驶行为的采集过程是将驾驶员的信息和驾驶车辆的的信息作为驾驶行为数据的输入量传递到驾驶员驾驶行为信息收集模块中。所述驾驶行为数据包括街道类型(例如直到、转弯)、交通条件(由时间决定的高峰期、非高峰期)、驾驶员的性别及驾驶员的情绪(激进、平稳、悲伤等)。所述步骤B中将采集到的驾驶行为数据进行本地储存并形成驾驶行为数据库，进行驾驶行为识别。
如图3所示，所述步骤F中，对发动机模型进行先稳态后瞬态的控制，且对发动机进行PID控制时，需要考虑PID控制器中P值和I值的确定，D值的取值影响范围较少，故不考虑，其中PID控制器的P值和I值关系式如下：
Figure BDA0002496391180000061
其中U(t)代表PID控制后的输出值,Kpe(t)代表P值,
Figure BDA0002496391180000062
代表I值。
结合30秒真实驾驶员驾驶行为的2.2L柴油发动机的例子，本实施例的工作过程如下：
在进行驾驶员驾驶行为数据的采集中，需要考虑街道设计、交通管理、交通条件和天气条件。此外，不同的驾驶员有不同的驾驶风格，这也会导致驾驶行为数据的变化；
在驾驶员的驾驶行为数据中，基于发动机转速(RPM)、发动机扭矩(Nm)和车速(kph)找到模型中的一些典型瞬态，并确定驾驶员驾驶控制下的行驶车辆的状态，例如匀速、变速、空载或熄火；
在进行典型瞬态提取时，在这里列举一个30秒真实驾驶员驾驶行为。发动机扭矩在6秒钟之内完成了0-250Nm的快速过渡，在此期间油耗很小，满足了驾驶员减少车辆排放的要求。此时，汽车处于高速且稳定的状态，从而实现了相对理想的汽车行驶状态；
之后使用MATLAB得到一个30秒的典型瞬态过程的发动机扭矩(Nm)和发动机转速值(RPM)，并将这些值输出到Excel；并根据BMEP的公式，计算得到驾驶员的RPM需求和平均制动有效压力(BMEP)需求，BMEP的公式如下，
BMEP＝(n×t×2×3.14)/d，
式中，n为每次行程的转数，t为扭矩，d为容量。此外，本实验中使用的柴油发动机模型是4缸四冲程直喷2.2升柴油发动机，所以n＝2，d＝2.2L；
在进行了典型瞬态提取之后，要进一步选取典型瞬态分析中的驾驶员需求，在这里选取驾驶员的BMEP需求和RPM需求，如图4和图5所示，在得到驾驶员期望得到的发动机工况后，再下一步就需要通过PID控制来调整发动机工况。这里所用的发动机模型为2.2L柴油发动机模型，使用可变几何涡轮增压器(VGT)和电辅助涡轮增压器(EAT)的PID控制来调整发动机工况，并与真实驾驶员驾驶行为的数据相结合，用以证明发动机中增加结合真实驾驶员驾驶行为可以有效改善排放问题，具体体现在发动机的工作参数的改变和排放量的改善，具体在GT-power中的2.2L柴油发动机模型中进行虚拟仿真实验；
在使用控制变量比较有无驾驶行为参与的发动机模型排放问题时，如图6和图7所示，可以看出结合真实驾驶员驾驶行为的发动机模型比没有驾驶行为参与的相同柴油发动机模型的CO和CO2浓度更低，这说明在发动机中增加结合真实驾驶员驾驶行为可以有效改善排放问题。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.通过对驾驶行为的预测控制来降低发动机排放的方法，其特征在于，包括以下步骤：
A.收集驾驶员驾驶行为信息；
B.建立驾驶行为数据库；
C.分析驾驶行为，进行典型瞬态分析，确定驾驶员和行驶车辆的状态；
D.确定典型瞬态分析中驾驶员对于发动机工况的需求，得到驾驶员期望得到的发动机工况；
E.结合真实驾驶员驾驶行为，明确与驾驶员期望得到的发动机工况相对应的发动机操作点；
F.通过PID控制来调整发动机工况，判断是否满足驾驶员期望得到的发动机工况，若满足，则进行步骤G；若不满足，则重新进行步骤F，调试PID控制对可变几何涡轮增压器VGT和电辅助涡轮增压器EAT的控制方式进行完善；
G.在进行完步骤F的调试工作后，进行虚拟仿真，并在得到结果之后，计算排放中的CO、CO2气体的浓度，并进行定量分析，判断排放是否降低，若是，则进行步骤H；若不是，则重新进行步骤D，选取其它典型瞬态分析中的驾驶员需求；
H.结束，并记录数据。
2.根据权利要求1所述的通过对驾驶行为的预测控制来降低发动机排放的方法，其特征在于：所述步骤A中驾驶员驾驶行为信息包括油门开度、刹车频次、踏板踩下角度、每公里油耗、加速时间、减速时间。
3.根据权利要求1所述的通过对驾驶行为的预测控制来降低发动机排放的方法，其特征在于：所述步骤C中使用Markov数据分析算法进行驾驶行为的分析，并且基于发动机转速、发动机扭矩和车速进行典型瞬态分析，确定驾驶员的行驶车辆的状态为匀速、变速、空载或熄火状态。
4.根据权利要求1所述的通过对驾驶行为的预测控制来降低发动机排放的方法，其特征在于：所述步骤D根据步骤C中获取的典型瞬态分析得到驾驶员对于发动机的平均制动有效压力需求、发动机RPM需求、扭矩需求。
5.根据权利要求1所述的通过对驾驶行为的预测控制来降低发动机排放的方法，其特征在于：所述步骤A中驾驶员驾驶行为的采集过程是将驾驶员的信息和驾驶车辆的的信息作为驾驶行为数据的输入量传递到驾驶员驾驶行为信息收集模块中；所述步骤B中将采集到的驾驶行为数据进行本地储存并形成驾驶行为数据库，进行驾驶行为识别。
6.根据权利要求1所述的通过对驾驶行为的预测控制来降低发动机排放的方法，其特征在于：所述步骤F中，对发动机模型进行先稳态后瞬态的控制，且对发动机进行PID控制时，PID控制器的P值和I值关系式如下：
Figure FDA0003176773020000021
其中U(t)代表PID控制后的输出值，Kpe(t)代表P值，
Figure FDA0003176773020000022
代表I值。
CN202010419483.4A 2020-05-18 2020-05-18 通过对驾驶行为的预测控制来降低发动机排放的方法 Active CN111775943B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010419483.4A CN111775943B (zh) 2020-05-18 2020-05-18 通过对驾驶行为的预测控制来降低发动机排放的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010419483.4A CN111775943B (zh) 2020-05-18 2020-05-18 通过对驾驶行为的预测控制来降低发动机排放的方法

Publications (2)

Publication Number Publication Date
CN111775943A CN111775943A (zh) 2020-10-16
CN111775943B true CN111775943B (zh) 2021-10-19

Family

ID=72753883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010419483.4A Active CN111775943B (zh) 2020-05-18 2020-05-18 通过对驾驶行为的预测控制来降低发动机排放的方法

Country Status (1)

Country Link
CN (1) CN111775943B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008041617A1 (de) * 2008-08-27 2010-03-04 Ford Global Technologies, LLC, Dearborn Verfahren und Anordnung zur Bereitstellung von Hinweisen für eine optimierte Kraftstoffnutzung bei einem Kraftfahrzeug
KR101168744B1 (ko) * 2008-12-03 2012-07-26 한국전자통신연구원 정속 주행 시스템 및 그 방법
US9764726B2 (en) * 2009-01-02 2017-09-19 Ford Global Technologies, Llc Methods and systems for assisted direct start control
DE102012104155B4 (de) * 2012-05-11 2024-09-19 FEV Europe GmbH Verfahren zum Einstellen eines Massenstroms einer Abgasrückführung
DE102014217925A1 (de) * 2014-09-08 2016-03-10 Robert Bosch Gmbh Verfahren zur Diagnose eines Sensors in einem Abgastrakt eines Kraftfahrzeugs
CN108216253B (zh) * 2018-01-05 2020-07-10 重庆青山工业有限责任公司 车辆的驾驶员类型识别控制功能模块构架及控制系统
US10605155B2 (en) * 2018-03-09 2020-03-31 Ford Global Technologies, Llc System and method for operating an electric assisted variable geometry turbocharger
CN110155057B (zh) * 2019-05-24 2021-04-02 同济大学 车辆能量管理系统及管理方法
CN111038485B (zh) * 2019-12-30 2021-02-19 山东大学 基于驾驶风格识别的混合动力汽车控制方法及系统

Also Published As

Publication number Publication date
CN111775943A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN109716337B (zh) 用于对机动车进行基于仿真的分析的方法
CN103038478B (zh) 带增压器的内燃机的控制装置
CN112115556B (zh) 基于整车启停工况下车内振动仿真分析方法及存储介质
RU2701620C2 (ru) Прогнозное управление на основе адаптивной модели для планирования маршрута автомобиля
CN109895758A (zh) 一种混合动力汽车发动机扭矩控制方法、系统及车辆
CN101324208B (zh) 一种电控汽油机瞬态工况空燃比控制方法
Lasocki The WLTC vs NEDC: A case study on the impacts of driving cycle on engine performance and fuel consumption
CN116340718A (zh) 一种基于轨迹数据的汽车碳排放估计模型构建方法及系统
CN110962855A (zh) 一种增程式汽车发动机扭矩控制系统及其方法
Salim et al. Benefits of spark-ignition engine fuel-saving technologies under transient part load operations
CN107038144A (zh) 一种基于obd车辆状态信息的汽油车实时油耗计算方法
CN111775943B (zh) 通过对驾驶行为的预测控制来降低发动机排放的方法
CN107035560B (zh) 基于驾驶员类型在线识别的发动机控制系统
CN113553663A (zh) 电机系统的选型方法、终端和可读存储介质
Abas et al. Engine operational benefits with cylinder deactivation in Malaysian urban driving conditions
CN113217204A (zh) 车辆控制方法、车辆用控制装置以及服务器
CN101586501B (zh) 用于降低发动机瞬态燃料消耗率的方法及系统
CN113864073B (zh) 增程式混合动力汽车的氧传感器诊断的控制方法及系统
Barothi et al. Simulation and comparative analysis of pollutant emissions before and after PID control of engine functioning
JP2004211613A (ja) 燃料消費率算定システム
LU503784B1 (en) Analysis and evaluation system for engine quality based on big data
CN115434792B (zh) 一种汽油机颗粒捕集器主动再生控制方法及系统
CN116576033B (zh) 一种基于车联网大数据的发动机空燃比的预测与监控方法
CN115114785B (zh) 一种发动机性能指标参数化快速预测方法
CN118387078A (zh) 一种货车节油控制方法、装置、设备及存储介质

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