CN111927606B - 对诊断的评估时间点的确定 - Google Patents
对诊断的评估时间点的确定 Download PDFInfo
- Publication number
- CN111927606B CN111927606B CN202010396642.3A CN202010396642A CN111927606B CN 111927606 B CN111927606 B CN 111927606B CN 202010396642 A CN202010396642 A CN 202010396642A CN 111927606 B CN111927606 B CN 111927606B
- Authority
- CN
- China
- Prior art keywords
- value
- model
- diagnostic method
- values
- catalytic converter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 62
- 238000003745 diagnosis Methods 0.000 title description 49
- 238000002405 diagnostic procedure Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000003197 catalytic effect Effects 0.000 claims description 123
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 71
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 34
- 239000007789 gas Substances 0.000 claims description 23
- 229910021529 ammonia Inorganic materials 0.000 claims description 16
- 230000010354 integration Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- LRDAUUGUXQIHED-UHFFFAOYSA-N N.[N]=O Chemical compound N.[N]=O LRDAUUGUXQIHED-UHFFFAOYSA-N 0.000 claims description 2
- 239000000470 constituent Substances 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 20
- 238000006243 chemical reaction Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 9
- 238000011144 upstream manufacturing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 239000004202 carbamide Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007435 diagnostic evaluation Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 239000003054 catalyst Substances 0.000 description 2
- 239000003638 chemical reducing agent Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006722 reduction reaction Methods 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- 229910002089 NOx Inorganic materials 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010531 catalytic reduction reaction Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/10—Testing internal-combustion engines by monitoring exhaust gases or combustion flame
- G01M15/102—Testing internal-combustion engines by monitoring exhaust gases or combustion flame by monitoring exhaust gases
-
- 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
- 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
-
- 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
- F01N2560/021—Exhaust systems with means for detecting or measuring exhaust gas components or characteristics the means being an exhaust gas sensor for measuring or detecting ammonia NH3
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Exhaust Gas After Treatment (AREA)
Abstract
本发明涉及一种用于确定用于对构件进行诊断的诊断方法的适当的评估时间点的方法，其中该诊断方法基于至少一个所测量的传感器值和至少一个经建模的比较值（cOBDsim），其中该方法包括：在诊断方法中，通过所计算的模型值（cBPU）来替代至少一个所测量的传感器值，其中用于计算模型值的模型（20）是构件在如下状态下的模型，该状态应该通过诊断方法来识别；利用所计算的模型值来实施（102、104、106）诊断方法；获得诊断方法的结果值（aOBDsim）；重复之前的步骤，直至结果值达到预先给定的阈值；而且将诊断方法的适当的评估时长规定为如下时长，在所述时长之后，结果值达到了所述阈值。
Description
技术领域
本发明涉及一种用于确定对构件的诊断方法的适当的评估时间点的方法以及一种用于执行该方法的计算单元和一种用于执行该方法的计算机程序。
背景技术
在机动车中，很多系统都有关功能能力和对极限值的遵守方面予以监控，例如所有尾气相关的系统、尤其是催化净化器。那么，根据法规，应严格遵守不同的极限值，常常被指定为排放极限值。
因为损坏的催化净化器不再能够实现对有害物质的充分转化，所以例如在运行时持续地监控用于减少尾气中的氮氧化物（NOx）的SCR催化净化器（SCR，SelectiveCatalytic Reduction（选择性催化还原））的状态。在此，将一氧化氮NO和二氧化氮NO2统称为氮氧化物。SCR催化净化器的基本原理在于：在存在氨气（NH3）作为还原剂的情况下，氮氧化物分子在催化净化器表面上被还原成元素氮。还原剂通常以释放NH3的尿素水溶液（HWL）的形式来提供，该尿素水溶液通过在SCR催化净化器上游的受控制的配量装置来提供。通过对催化净化器前后的氮氧化物浓度的传感器测量，可以监控催化净化器的效率并且借此间接监控催化净化器的当前状态，而且在识别出老化或损坏时，可以通过报警指示灯请求用户去修理厂更换。
这种以及其它诊断方法可以分别跨确定的监控时间段地执行，该监控时间段通过对相对应的标准、诸如催化净化器的效率求平均来确定。该监控时间段例如可以作为固定的时间窗来预先给定，或者可以等待达到确定的条件，例如在催化净化器前面的氮氧化物的确定的质量，该质量通过氮氧化物值的积分来确定。在此，求平均或积分用于：将在诊断中的短暂的不精确或干扰过滤并且因此实现鲁棒的监控结果。
在其它诊断方法中，“学习”在确定的时间段内的参数或诊断，也就是说诊断方法例如由于反馈而随着时长增加变得更精确或更好。即适当的监控特征只有在一定的时间段内才表现出来。然而，在这种方法的情况下，存在如下问题：难以确定适当的评估时间点。如果对诊断评估得太早，则相对应的监控标准可能还没有充分地构造，也就是说还没有被学习。如果对诊断评估得太晚，则诊断的频率降低。因为对于诊断频率来说也存在法律规定、诸如IUMPR（In Use Monitor Performance Ratio），所以值得期望的是：实现对于诊断方法来说最佳的评估时间点，在该评估时间点，在诊断频率足够的情况下对分别所要诊断的状态（例如构件的损坏）的可靠区分是可能的。如上文所描述的针对评估时间点的简单方案不能考虑诊断方法的精度和可评估性随着时间如何变化，例如从何时起“学习”方法具有针对所希望的参数的足够的数据基础。
发明内容
按照本发明，提出了具有专利独立权利要求的特征的一种用于确定用于对构件进行诊断的诊断方法的适当的评估时间点的方法以及一种用于执行该方法的计算单元和一种用于执行该方法的计算机程序。有利的设计方案是从属权利要求以及随后的描述的主题。
按照本发明，在此，在诊断方法中，至少一个所测量的传感器值被所计算的模型值替代，该模型值在应该可靠地被识别出的状态下对所要诊断的构件进行建模。紧接着，该诊断方法在所计算的模型值的情况下作为仿真来实施。诊断的结果值，例如调定量、在诊断时通常被评估的积分或平均值现在予以检查并且执行仿真方法，直至该结果值达到预先给定的阈值。那么，该诊断方法的适当的评估时间点被规定为该结果值达到了阈值的时间点。应指出：时间点和时长这里等效。由于时间点被确定，同时也确定了（直至该时间点的）时长。那么，该诊断方法的适当的评估时长被规定为如下时长，在该时长之后，该结果值达到了阈值。以这种方式，可以关于诊断的频率和分辨精度方面优化诊断评估，使得也得到更精确的诊断。
优选地，该诊断方法针对构件来执行并且对该构件的评估在这样确定的时间点或在这样确定的适当的时长之后被触发。这样，诊断可以在当前的运行条件下被执行，并且一旦存在对于解释的足够的数据基础，就触发评估。
按照一个示例性的实施方式，该方法还可以包括：针对该诊断方法的结果值规定初始值；在使用模型的情况下执行该诊断方法，在该模型中将该结果值规定到该初始值，用于获得来自初始化模型中的参数；而且使用来自该初始化模型中的参数，用来计算经建模的比较值和/或所计算的模型值。
所要诊断的构件例如可以是SCR催化净化器。在这种情况下，该诊断方法例如可以包括如下步骤：针对模型催化净化器的预先给定的状态计算至少一个经建模的比较值；在催化净化器后面检测尾气中的至少一个所测量的传感器值；求该至少一个所测量的传感器值与该至少一个经建模的比较值的差值；而且求结果值，该结果值为在预先确定的时间段内的多个差值的积分的积分值。利用这种诊断方法，可以评估在确定的时间段内在模型与测量数据之间所存在的差，其中通过按照本发明的方法可以规定监控阶段的分别所要评估的时间段应该最佳为多久。
按照在SCR催化净化器中的另一实施方式，该诊断方法可以包括如下步骤：针对模型催化净化器的预先给定的状态计算至少一个经建模的比较值；在催化净化器后面检测尾气中的至少一个所测量的传感器值；求该至少一个所测量的传感器值与该至少一个经建模的比较值的差值；通过状态观测器来放大该差值；求在预先确定的时间段内的多个差值的积分的积分值，用来获得结果值；而且将该结果值返回到模型催化净化器的模型中，用来修正经建模的比较值。通过在该方法中使用的观测器，该模型可以在诊断中与测量值更好地适配。于是，利用按照本发明的方法，可以确定用来通过充分修正的模型获得鲁棒的诊断结果的最佳时长。易于理解的是：求积分值在实践中将作为求和来实现。
在这种实施方式中，所测量的传感器值和所计算的模型值例如可以是如下值之一：氮氧化物值、氨气值或者组合的氮氧化物-氨气值，其中这些值例如可以分别说明尾气成分的浓度或质量流。
按照本发明的计算单元、例如机动车的控制设备尤其在程序技术上被设立用于执行按照本发明的方法。
尤其是当进行实施的控制设备还被用于其它任务并且因而总归存在时，按照本发明的方法以具有用于执行所有方法步骤的程序代码的计算机程序或计算机程序产品的形式的实现方案也是有利的，因为这造成了特别低的成本。尤其是，适合于提供该计算机程序的数据载体是磁存储器、光存储器和电存储器，诸如硬盘、闪速存储器、EEPROM、DVD以及其它等等。通过计算机网络（因特网、内联网等等）来下载程序也是可能的。
本发明的其它优点和设计方案从描述以及附图中得到。
本发明依据实施例在附图中示意性地示出并且在下文参考附图予以描述。
附图说明
图1示出了在尾气管路中的示例性的催化净化系统，在该催化净化系统中能使用按照本发明的方法；
图2示意性地示出了按照本发明的第一实施方式的方法的原理；
图3示出了具有用于图2中的方法的示例性的方法步骤的流程图；而
图4a和4b示出了针对如在图2中那样的示例性实施方式的在学习阶段所仿真的面积因子和氮氧化物值的曲线。
具体实施方式
本发明的实施方式尤其适合于如下诊断方法，所述诊断方法应该跨确定的时间段地运行，而且所述诊断方法基于所测量的值和模型值相结合地做出关于所诊断的构件、例如催化净化器的状态的结论。优选地，本发明的实施方式适合于“学习型”诊断方法，即其中相关的监控标准跨一定时间地被构造使得对诊断的评估在确定的时间段之后才可能或有意义的这种诊断方法。
在此，可以首先考虑针对其应找到最佳评估时间点的诊断方法，其中测量值和经建模的比较值应该影响该诊断方法。接着，基于该诊断方法，同样可以通过仿真值来替代被规定为测量值的值。为此，可以优选地使用对如下构件的仿真，该构件对应于所要识别的构件（例如损坏的催化净化器）。紧接着检查：从评估阶段的哪个时间点或哪个时长起在这些条件下获得足够的诊断结果。为了确定该时间点，例如可以使用阈值。
尤其可能的是：基于所确定的经建模的或所计算的和所测量的尾气值来监控SCR催化净化器。两个这种方法在下文用作示例，以便示例性地描述用于确定最佳评估时间点的方法的按照本发明的实施方式。
在第一示例性诊断方法中，监控SCR催化净化器的状态。这样的催化净化系统在图1中概述。在此，在尾气管路中设置一个或多个催化净化器元件，尾气流10从内燃机被引入到所述一个或多个催化净化器元件中，用于尾气处理。在附图中，首先示出了柴油氧化催化净化器（DOC）11，两个SCR催化净化器元件12和13连接到该柴油氧化催化净化器下游，这两个SCR催化净化器元件例如也可以包括具有SCR涂层（SCRF）12的颗粒过滤器元件。在每个SCR催化净化器元件12、13前面，各布置有配量模块14和15，用于将尿素水溶液（HWL）配量地引入到该系统中。每个配量模块14、15都由控制单元19来控制，其中优选地所有模块由同一单元、例如发动机控制设备来操控。还安装有多个传感器16、17和18，这些传感器可以测量在该系统的不同位置处的尾气值。
尤其是，在每个催化净化器元件11、12、13前面和/或后面都可以安装氮氧化物传感器和/或氨气传感器，该氮氧化物传感器和/或氨气传感器在尾气流中测量相应的成分的浓度和/或转化率和/或质量流。在此，可以涉及NOx传感器，该NOx传感器也对氨气（NH3）交叉敏感，或者可以涉及多气体传感器，该多气体传感器可以单独地输出NOx和NH3的值。即在交叉敏感的NOx传感器的情况下，实际上获得在催化净化器后面的氮氧化物和氨气成分的组合的传感器信号。同样，也可以在尾气流中的相应的位置16、17、18布置针对NOx和NH3的多个单独的传感器。
所有传感器的测量值都被转发给控制单元19来处理。当然，也可以使用其它的、这里未示出的传感器，诸如在系统的不同位置的温度传感器、氧传感器、空气质量流量计以及其它传感器。
附加地，可以在所确定的预先给定的状态下对这种催化净化器进行理论建模，例如在所谓的WPA状态（worst performing acceptable）下进行理论建模，该WPA状态描述了恰好仍要定义为未受损的构件，或者在BPU状态（best performing unacceptable）下进行理论建模，该BPU状态描述了恰好要定义为损坏的构件。优选地，也可以选择中间层模型，该中间层模型处在这两个状态BPU与WPA之间。接着，例如可以根据该模型来计算在催化净化器后面的氮氧化物和氨气的理论浓度值。同样，这种方法在使用其它尾气值、诸如质量流而不是浓度的情况下也是可能的，或者可以在适当的传感器的情况下针对NOx值和/或NH3值分开地被执行。
接着，在催化净化器后面的经建模的和所测量的浓度值之间的偏差可以通过求差来量化。在接下来的步骤中，该偏差接着可以在使用观测器的情况下被修正。在此，观测器被理解为如下系统，该系统根据所观测的参考系统的已知输入参量和输出参量来重建该系统的不可测量的参量。为此，观测器将所观测的参考系统模拟为模型，而且利用调节器来跟踪可测量的并且因此与参考系统可比较的状态参量。在当前的示例性诊断方法中，SCR催化净化器形成参考系统，而且使用该催化净化器的所谓的面积因子，作为不可测量的参量。面积因子被理解为修正因子，该修正因子呈现SCR催化净化器的损坏并且与SCR催化净化器的催化活性面积成比例。在车载诊断（On-Board-Diagnose，OBD）中被用于评价SCR催化净化器的面积因子例如可以在WPA催化净化器的情况下为1而在BPU催化净化器的情况下具有接近0的值。
即，在一定程度上可以通过观测器来形成闭环控制回路，该闭环控制回路对在诊断中所使用的催化净化器模型进行修正。为此，模型值与测量值之差可以相对应地通过观测器来放大、紧接着乘以为-1的因子并且被输送给积分器。借此所获得的面积因子又被输送给模型并且对该模型进行修正。
接着，可以规定该面积因子的阈值，低于该阈值例如表明是BPU催化净化器或损坏的催化净化器，或者超过该阈值表明是WPA催化净化器。
这种用于具有观测器的催化净化器的诊断方法更详细地描述在申请人的DE 102019 206683“用于监控SCR催化净化器的方法”中，关于进一步的细节参阅该DE 10 2019206683。
现在，针对这种学习型诊断方法应该找到适合于评估的时间点，即直至该方法达到了足够的诊断精度和在所要识别的状态之间的足够的分辨精度的时长。在上述示例中，在此可以涉及如下时间点或时长，在该时间点或时长之后，将如所描述的面积因子与诊断阈值进行比较，以便识别催化净化器是否低于阈值并且被归为损坏。
按照本发明，在此可以通过其它模型值来替代测量值。如果如上文所描述的那样使用中间层催化净化器用于在诊断技术中的建模，则现在例如可以使用经建模的BPU催化净化器作为用于确定评估时间点的比较值。以这种方式，可以确定：该方法可以从哪个评估时间点开始鲁棒地识别出这种BPU催化净化器。即，该诊断方法的针对在催化净化器后面的尾气参数的真实的传感器测量值至少部分地被相对应的经建模的BPU值所替代并且接着整个进一步的诊断方法都基于此来仿真运行。在两种模型中，除了预先确定或所计算的参数之外，也可以加入所测量的或所调用的参数，作为其它参量，例如在确定的时间点基于对配量模块的操控而被配给到催化净化系统中的氨气浓度、在催化净化器上游的所测量的或所计算的氮氧化物浓度、在催化净化器中的温度，以及其它参数。
替代可在实际诊断方法中说明什么时候超过了关于损坏或未受损的构件的阈的阈值，现在可以规定如下阈值，该阈值说明了从什么时候起诊断有说服力。那么，直至达到该阈值的时长优选地说明了对于该方法来说最早的最佳评估时间点。那么，稍后的评估时间点虽然会同样可靠或还更有说服力，但是如已经描述的那样由于诊断阶段较长而诊断频率会降低，这通常不符合期望。但是，在相对应的规定下，例如基于其它标准，当然也可以选择稍后的诊断时间点；优选地，这样找到的阈值对于可评估的诊断来说只是用作对于评估来说所需的最低前提。
也可以执行多个这种仿真来确定评估时间点，例如在使用不同的替代模型的情况下执行多个这种仿真来确定评估时间点；这样，在第一次仿真中可以通过经建模的BPU催化净化器来替代测量，而在第二次仿真中可以通过经建模的WPA催化净化器来替代测量。即，以这种方式，在设定适当的阈值的情况下，获得两个不同的评估时间点，例如针对WPA和BPU催化净化器的两个不同的评估时间点。接着，视对诊断的其它要求而定，作为实际上被用于诊断的评估时间点，例如可以规定：两个条件都必须满足，即当两个（或稍后的）时间点都到达时，才对诊断进行评估。这样可以实现：两种状态能在诊断中可靠地被识别。
优选地，用于确定评估时间点的方法与实际诊断方法并行地进行，使得在达到评估时间点的条件时可以直接触发该诊断方法的评估。这样，所有当前的运行条件也可以如所希望的那样影响对评估时间点的确定。替选地，适当的评估时间点可以被存储和读取，以便稍后被用作该诊断方法的时长。
即，在图2中示意性示出的用于确定诊断的优选的评估时间点的第一示例性方法可以详细地按如下来构造：
被配给到SCR催化净化器中的氨气浓度根据对第一配量模块的操控来计算。在SCR催化净化器上游（即在进入到催化净化器之前）的尾气流中的氮氧化物浓度要么可以借助于第一氮氧化物传感器来测量要么可以借助于模型来确定。这些参数被输送给第一SCR催化净化器的反应动力学模型21、例如中间层催化净化器的模型21，该中间层催化净化器处在WPA与BPU状态之间。获得在时间点t的针对氨气浓度/>和针对氮氧化物浓度/>的仿真值作为输出，这些仿真值共同得到两个浓度的加和信号：
。
替代实际的传感器测量值，如在诊断中，现在可以使用催化净化器的BPU模型20，作为第二分量。在催化净化器前面的氨气和氮氧化物浓度和/>也作为输入条件影响该模型。接着，获得经建模的加和值/>作为结果，该加和值对应于在经建模的BPU催化净化器下游的氮氧化物/>和氨气/>的经建模的浓度/>之和，
接着，将该经建模的“传感器值”与来自通过观测器修正的中间层模型的第一经建模的值之和进行比较。为此，求这些值之差，
。
该差被输送给观测器22，该观测器通过乘以相对应的因子来产生差信号的相对应的放大或加权。这些因子可以根据不同的催化净化器参数来选择，这些催化净化器参数可以包括：该催化净化器的温度；该催化净化器的温度梯度；在SCR催化净化器上游的尾气质量流；和在SCR催化净化器上游的氮氧化物质量流；以及在SCR催化净化器下游的经建模的氨气质量流。如果例如不满足准许条件并且当前的差因而不应该有影响，则因子也可以是0。加权后的结果乘以-1并且被输送给积分器23。因此，观测器输出所仿真的面积因子aOBDsim，该面积因子可以取在0至1的范围内的值。接着，如在实际诊断中那样，即使在确定评估时间点时也使用该面积因子aOBDsim，以便对反应动力学模型进行修正并且这样使观测器回路闭环。
替代如可在诊断本身中进行的那样对面积因子进行评估从而关于催化净化器状态做出判断，将这样从适当的评估模块24（例如在控制单元中的诊断软件）获得的面积因子aOBDsim与所选择的阈值进行比较，达到该阈值表明：到目前为止的时间段足够用于识别相应的催化净化器状态。即将面积因子低于阈值（在经建模的BPU催化净化器作为第二模型的情况下）或超过阈值（例如在经建模的WPA催化净化器作为第二模型的情况下）的时间点定义为评估时间点。相对应地，如果用于确定评估时间点的方法与实际诊断和相应的测量并行地进行，则在达到该阈值时可以直接通过OBD系统、例如相对应的诊断软件来对诊断进行评估。这样，找到了用于对诊断的评估的最佳时间点。替选地，所找到的评估时间点也可以被转交给其它单元或者被存储。
仿真模型21和面积因子在新的监控阶段开始时被初始化到如下值，该值例如可以对应于在BPU与WPA之间的催化净化器。因为面积因子例如在WPA催化净化器的情况下可以为1而在BPU催化净化器的情况下可以取接近0的值，所以例如可以选择为0.6的初始面积因子，作为用于初始化的值，但是同样可以选择其它适当的值。
为了使表示催化净化器的NH3料位的状态参量正确地初始化，可以持续地并行地计算具有该面积因子的另一、第三催化净化器模型（初始化模型）。接着，在对经修正的仿真模型进行初始化的情况下，所述状态利用初始化模型的状态来改写。
图3示例性地示出了具有这些步骤的方法。在此，在步骤100中，首先将仿真模型21和面积因子初始化。紧接着，在步骤102中更新所有被使用的模型，即经修正的SCR仿真模型21、BPU模型20以及初始化模型。
接着，在步骤104中，依据这些准许条件来检查是否满足诊断的条件。如果情况如此，在步骤106中计算经仿真的面积因子aOBDsim。否则，这些模型被更新和计算，直至满足这些准许条件。
在步骤108中，检查面积因子是否低于预先给定的阈。如果否，则在使用该经仿真的面积因子的情况下对这些模型重新进行更新并且开始下一个计算轮次。如果面积因子低于该阈，则步骤110中在使用测量值的情况下触发实际诊断的诊断评估。
在图4中，示出了经仿真的学习阶段的示例性图表。在此，图4a示出了相对于所绘制的时间的经仿真的面积因子aOBDsim，而图4b再现了不同的经建模的NOx传感器值的、即来自相应的模型的成分NOx和NH3的加和值的并行的变化过程。在此，图4b中的最上方的线是在BPU催化净化器作为第二模型的情况下经仿真的传感器值，中间的线是来自通过观测器所修正的模型仿真的仿真值/>，而最下方的线是在初始化模型中的中间层催化净化器、也就是说具有预先给定的初始面积因子并且没有观测器修正的中间层催化净化器的经仿真的传感器值/>。
在该示例中，经修正的模型以面积因子为ainit = 0.61的初始值来进行计算。在该时间点，经仿真的传感器值示出了与初始化模型（下方的曲线）相同的值。通过由于两个模型值的偏差而进行的对面积因子aOBDsim的适配，经修正的模型（中间曲线，）随着诊断时间增加而越来越接近BPU模型/>。而面积因子aOBDsim并行地变小。
作为评估的合适的阈，这里例如可以选择针对经仿真的为aOBDsim = 0.54的面积因子的阈值as，该阈值通过图4a中的水平线as来标记。接着，相对应地得到所属的时间点或所属的评估时长t0，该时间点或评估时长利用在图表中的箭头来标记，在该箭头处低于阈as。在该时间点t0，经修正的模型（中间的线）和BPU模型/>的经仿真的传感器值已经基本上相等，这意味着：从该时间点起或在该评估时长之后，对于该诊断方法来说足够可靠地识别BPU模型是可能的。在此，适当的值和阈值取决于实际的催化净化器特性并且尤其是取决于所要识别的极限催化净化器的损坏程度。
优选地，针对用于确定适当的评估时间点的相应的方法，使用与对于实际诊断方法来说相同的准许条件。
此外，这种利用仿真模型的方法不仅可以被用于确定评估时间点，而且可以从中推导出用于准许诊断的条件。
例如，由于温度升高，NH3可能从催化净化器中排出。该过程可能导致：在未受损的催化净化器（WPA）的情况下的氨气泄漏大于在损坏的催化净化器（BPU）的情况下的氨气泄漏，在该损坏的催化净化器中已经存储有较少的NH3。借此，在催化净化器后面的组合的传感器值在未受损的催化净化器的情况下也许大于在损坏的催化净化器的情况下。按照所描述的诊断方法，接着会获得被减小的面积因子并且将该被减小的面积因子错误地视为储存能力降低的标志，使得这也许导致对损坏的催化净化器的（错误）诊断。该情况可以通过对经建模的NH3值的比较来识别，因为接着WPA模型的经建模的NH3泄漏高于在BPU模型或初始化模型的情况下，而且诊断可以相对应地停止或冻结。这不仅适合于对构件的实际诊断而且适合于用于确定评估时间点的仿真诊断。
这种方法的精度强烈取决于催化净化器的所使用的建模的精度。为了使这一点影响诊断，可以将加权因子应用于所测量的或所仿真的和经建模的值的差值，这些差值可能根据运行参量而发生变化。这些加权因子针对每个轮次或针对每个差值都单独地被确定并且与该差值相乘。由此，可以更大程度地考虑所预期的模型精度高的阶段，而所预期的精度低的阶段只是有条件地或者完全不影响相应的方法。
例如，可以使用一般的运行条件，如对NOx传感器和尿素水溶液的配量模块的准许，作为这些加权的条件。此外，可选地，但是例如也可以单独地或组合地使用催化净化器温度、尾气质量流和在催化净化器前面的NOx质量流，用于限制。
对于所有这种条件来说，在极端情况下可能的是：使观测器或积分器或该诊断方法的其它累进元件暂时停用并且因此将诊断“冻结”，即，使某些建模不精确的阶段完全不影响诊断或对评估时间点的确定并且紧接着使诊断部分再次继续。
同样合理且可能的是：考虑催化净化器的温度梯度用于加权。在温度梯度高的情况下，在SCR催化净化器中，在NOx反应与NH3解吸之间发生竞争，这使建模变得困难。为了考虑这一点，可以将当前的温度梯度与阈值进行比较。如果在确定的时间内超过该阈，则该方法或该观测器可以复位到之前所存储的值，该值例如对应于在首次超过温度梯度的阈时的值。以这种方式，不精确的阶段不予以考虑，而不是在温度梯度每次短暂升高时都完全阻止诊断。
按照另一示例性实施方式，可以确定诊断方法的所预期的学习效率，该学习效率接着被用于准许或触发诊断评估。在此，可以确定和评估被仿真的传感器值。参考图2中的诊断/仿真方法，为此可以对BPU模型与经修正的仿真模型之差进行加和或积分。该积分与来自BPU模型和初始化模型的传感器值的经加和的或经积分的差相比。如果1减结果，则借此获得如下比例，通过使用观测器来将在经修正的仿真模型中的面积因子修正了该比例：
学习效率=。
该学习效率可以被用作针对诊断的准许条件，使得如果该诊断在相应的评估时间点被触发，则只有当所预期的学习效率也高于预先给定的阈值时，才实施该诊断。
附加地或替选地，学习效率也可以直接被用作触发条件，使得当该学习效率达到所选择的阈值时，诊断总是精确地被评估。
与针对评估时间点的确定所描述的一样，这里也可以通过WPA催化净化器模型来替代BPU催化净化器模型，或者不仅可以单独地考虑BPU模型而且可以单独地考虑WPA模型，而且借此可以计算该学习效率的两个值。例如当对于两个模型来说该学习效率都满足预先给定的条件时，又可以实施评估。
在本发明的另一实施例中，使用没有反馈的更简单的方法，作为诊断方法。在此，与在第一示例中类似，可以使用催化净化器的第一模型，例如WPA催化净化器或者在WPA与BPU之间的状态下的中间层催化净化器，而且据此可以计算在催化净化器后面的氮氧化物值和氨气值。同样，可以重新通过交叉敏感的氮氧化物传感器来测量在催化净化器后面的NH3和NOx的组合的值。然后，对于实际诊断来说，可以求在催化净化器后面的氮氧化物和氨气加和值的测量值与模型值之差，该差紧接着但是不像之前那样被输送给调节器或观测器，而是在一定的时间内被积分。在此，这些差值可以利用其它加权因子、准许条件等等来适配，以便例如在诊断期间抑制所确定的因子或阶段的影响，而没有完全不采纳该诊断。在该时间期满之后，将积分值与如下阈值进行比较，该阈值又说明了催化净化器是损坏还是未受损。如果使用了中间层催化净化器作为第一模型，则积分器在该积分器未受损的情况下变成负向而在该积分器损坏的情况下变成正向；以这种方式可以规定：在诊断的预先给定的评估时长之后的正的积分值说明了该催化净化器损坏。
这种诊断方法在申请人同日的专利申请DE 10 2019 206873.1“通过将氮氧化物传感器信号与经建模的值进行比较来监控催化净化器的状态从而减少氮氧化物”中更详细地予以描述，关于进一步的细节，参阅该专利申请。
现在，可以重新利用本发明的另一实施方式，以便找到适合于评估该诊断方法的时间点、即最佳时长，在该最佳时长内求积分值，而且在该最佳时长之后将该积分值与阈值进行比较。
为此，可以重新通过其它模型值来替代传感器测量值。以这种方式，在一定程度上在使用第二模型的情况下对该诊断方法的副本进行仿真，并且在此检查从什么时候起经仿真的诊断结果达到足够明显的结果，即从什么时候起积分值有说服力并且允许对两个相关状态的可靠的分开。在此，例如可以重新针对第一模型选择中间层模型，而且接着针对评估时间点将WPA模型和/或BPA模型仿真为第二模型值，而不是在催化净化器后面的所测量的传感器值。以这种方式，重新获得一个或多个评估时间点，所述一个或多个评估时间点可以被用作针对该诊断方法的条件。在该方法中，其它加权方法和准许条件也可能有影响。
因为构件的运行条件以及因此还有经建模的值、比如在催化净化器中的温度或者质量流可能不断地发生变化，所以这种用于确定适合的评估时间点的方法可以持续地或周期性地被执行。接着，分别有效的最佳评估时间点可以作为参数直接被转交给正在进行的诊断方法和/或以适合的方式被存储在控制单元中并且被调用，以便这样可以随时执行不仅频繁而且分辨清晰的诊断。同样，用于确定评估时间点的方法可以如已经描述的那样并行地被执行并且在达到相应的阈值或条件时对诊断进行评估。
在所有实施方式中，可以使用任意的适合于相应的构件的模型，所述模型在本领域中基本上公知。对至少一个经建模的尾气测量值的计算例如可以基于反应动力学模型或基于数据的模型（也就是说综合特性曲线模型）来实现。公知的模型也可以从文献中得知，例如“Unsteady analysis of NO Reduction over Selective Catalyst Reduction –De-NOxMonolith Catalysts”，E Tronconi, A. Cavanna, P. Forzatti, Ind. Eng.Chem. Res 1998年，37期，2341-2349页。这些模型能在现代机动车（Kfz）控制设备中实现并且不仅描绘了SCR催化净化器的NOx转化而且描绘了NH3泄漏。
如果替代已经提到的反应动力学模型而将数据运行的模型、诸如综合特性曲线模型用于计算，则可以获得面积因子，其方式是替代表面而观测SCR催化净化器的最大氨气储存能力并且对SCR催化净化器的最大氨气储存能力进行修正。也可设想的是：面积因子影响多个参数。这样，在物理模型中，除了表面之外也可以对反应速度进行修正。在综合特性曲线模型中，除了最大储存能力之外，也可以对氮氧化物转化进行修正。接着，观测器值通过换算、尤其是借助于特性曲线的换算而被换算到物理参量。即使在这些替选方案的情况下，也可以相对应地使用其它仿真模型来确定评估时间点，而且接着可以将在该仿真中的相应的被用于模型修正的值与阈值进行比较，以便确定从什么时候起诊断使有意义的评估变得可能。
虽然本发明这里是利用关于催化净化器和特定的诊断方法的示例来描述的，但是本发明可以被用于确定在任意的相对应的诊断方法、尤其是学习型诊断方法中的评估时间点。这可以是与来自其它领域的在确定的时间段内构造的监控方法相同的用于催化净化器诊断的其它方法。同样易于理解的是：所提到的可影响模型和条件的各个参数只是示例性地提到并且可以通过对（例如在催化净化器中的）相应的过程有影响的其它参数和条件来替代。
Claims (9)
1.一种用于确定用于对机动车的构件进行诊断的诊断方法的适当的评估时间点的方法，其中所述诊断方法基于至少一个关于所述构件所测量的传感器值和至少一个经建模的比较值(cOBDsim)，其中所述诊断方法和用于确定所述诊断方法的适当的评估时间点的方法并行地被实施，其中用于确定所述诊断方法的适当的评估时间点的方法包括：
在所述诊断方法中，通过所计算的模型值(cBPU)来替代至少一个所测量的传感器值，其中用于计算所述模型值的模型(20)是所述构件在如下状态下的模型，所述状态应该通过所述诊断方法来识别；
利用所计算的模型值来实施(102、104、106)所述诊断方法；
获得所述诊断方法的结果值(aOBDsim)；
重复之前的步骤，直至所述结果值达到预先给定的阈值；
将所述诊断方法的适当的评估时间点规定为所述结果值达到了阈值的时间点，而且在所规定的评估时间点触发所述诊断方法的评估。
2.根据权利要求1所述的方法，所述方法还包括：
针对所述诊断方法的结果值规定初始值；
在使用模型的情况下执行所述诊断方法，在所述模型中将所述结果值规定到所述初始值，用于获得来自初始化模型中的参数；而且
使用来自所述初始化模型中的参数，用来计算经建模的比较值和/或所计算的模型值。
3.根据权利要求1或2所述的方法，其中所述构件是SCR催化净化器，而且其中所述诊断方法包括如下步骤：
针对模型催化净化器的预先给定的状态计算至少一个经建模的比较值；
在所述催化净化器后面检测尾气中的至少一个所测量的传感器值；
求所述至少一个所测量的传感器值与所述至少一个经建模的比较值的差值；
求结果值，所述结果值为在预先确定的时间段内的多个差值的积分的积分值。
4.根据权利要求1或2所述的方法，其中所述构件是SCR催化净化器，而且其中所述诊断方法包括如下步骤：
针对模型催化净化器(21)的预先给定的状态计算至少一个经建模的比较值；
在所述催化净化器后面检测尾气中的至少一个所测量的传感器值；
求所述至少一个所测量的传感器值与所述至少一个经建模的比较值的差值；
通过状态观测器(22)来放大所述差值；
求在预先确定的时间段内的多个差值的积分的积分值(23)，用来获得结果值；而且将所述结果值(aOBDsim)返回到模型催化净化器的模型中，用来修正随后的经建模的比较值。
5.根据权利要求3所述的方法，其中所述至少一个所测量的传感器值和至少一个所计算的模型值是如下值之一：氮氧化物值、氨气值或者组合的氮氧化物-氨气值。
6.根据权利要求3所述的方法，其中所述至少一个传感器值和所述至少一个所计算的模型值分别说明尾气成分的浓度或质量流。
7.根据权利要求1或2所述的方法，所述方法包括：
检查针对所述诊断方法的准许条件；而且
只有当满足所述准许条件时，才计算所述结果值。
8.一种机动车的计算单元，所述计算单元被设立为执行根据上述权利要求之一所述的方法的所有方法步骤。
9.一种机器可读的存储介质，其具有被存储在其上的计算机程序，当所述计算机程序在计算单元上实施时，所述计算机程序促使所述计算单元执行根据权利要求1至7之一所述的方法的所有方法步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102019206879.0A DE102019206879A1 (de) | 2019-05-13 | 2019-05-13 | Bestimmung des Auswertezeitpunkts einer Diagnose |
| DE102019206879.0 | 2019-05-13 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111927606A CN111927606A (zh) | 2020-11-13 |
| CN111927606B true CN111927606B (zh) | 2024-05-28 |
Family
ID=73018770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010396642.3A Active CN111927606B (zh) | 2019-05-13 | 2020-05-12 | 对诊断的评估时间点的确定 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11448568B2 (zh) |
| CN (1) | CN111927606B (zh) |
| DE (1) | DE102019206879A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102021209369A1 (de) | 2021-08-26 | 2023-03-02 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Überwachen eines Oxidationskatalysators |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011077251B3 (de) * | 2011-06-09 | 2012-06-06 | Ford Global Technologies, Llc | Diagnoseverfahren und Diagnosemodul für einen Filter eines NOx Sensors eines Abgassystems |
| DE102011003084A1 (de) * | 2011-01-25 | 2012-07-26 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Überwachung einer Abgasreinigungsanlage |
| DE102013206431A1 (de) * | 2013-04-11 | 2014-10-16 | Continental Automotive Gmbh | Verfahren zur Überwachung eines Partikelfilters auf Basis eines Partikelsensors |
| DE102017201393A1 (de) * | 2017-01-30 | 2018-08-02 | Robert Bosch Gmbh | Verfahren zur Fehlererkennung in einem SCR-System mittels eines Ammoniak-Schlupfs |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001304032A (ja) * | 2000-04-27 | 2001-10-31 | Toyota Motor Corp | 触媒劣化検出装置 |
| JP2011074926A (ja) * | 2009-09-29 | 2011-04-14 | Suzuki Motor Corp | 油温センサの故障診断装置 |
| US8510024B2 (en) * | 2010-09-09 | 2013-08-13 | GM Global Technology Operations LLC | Model-based diagnostic method and system for a selective reduction catalyst device in a vehicle |
| DE102011003106B4 (de) * | 2011-01-25 | 2023-02-16 | Robert Bosch Gmbh | Verfahren zur Überwachung der Freigabe eines Systems |
| JP6811209B2 (ja) * | 2018-05-25 | 2021-01-13 | 株式会社Ｓｏｋｅｎ | アンモニアセンサの劣化判定装置 |
-
2019
- 2019-05-13 DE DE102019206879.0A patent/DE102019206879A1/de active Pending
-
2020
- 2020-05-11 US US16/871,274 patent/US11448568B2/en active Active
- 2020-05-12 CN CN202010396642.3A patent/CN111927606B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011003084A1 (de) * | 2011-01-25 | 2012-07-26 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Überwachung einer Abgasreinigungsanlage |
| DE102011077251B3 (de) * | 2011-06-09 | 2012-06-06 | Ford Global Technologies, Llc | Diagnoseverfahren und Diagnosemodul für einen Filter eines NOx Sensors eines Abgassystems |
| DE102013206431A1 (de) * | 2013-04-11 | 2014-10-16 | Continental Automotive Gmbh | Verfahren zur Überwachung eines Partikelfilters auf Basis eines Partikelsensors |
| DE102017201393A1 (de) * | 2017-01-30 | 2018-08-02 | Robert Bosch Gmbh | Verfahren zur Fehlererkennung in einem SCR-System mittels eines Ammoniak-Schlupfs |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200363294A1 (en) | 2020-11-19 |
| CN111927606A (zh) | 2020-11-13 |
| US11448568B2 (en) | 2022-09-20 |
| DE102019206879A1 (de) | 2020-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6422343B2 (ja) | 内燃機関のガスセンサのダイナミック特性を監視する方法および装置 | |
| US10815860B2 (en) | Method for monitoring a nitrogen oxide storage catalyst | |
| CN105089757B (zh) | 用于识别颗粒过滤器的烟尘负载和灰渣负载的方法和装置 | |
| US10161845B2 (en) | Method for monitoring a particulate filter | |
| JP2009520155A (ja) | センサまたは排気ガス後処理システムの機能を監視するための方法および装置 | |
| US11098630B2 (en) | Method and computer program product for diagnosing a particle filter | |
| US9416715B2 (en) | Method for monitoring an exhaust system of an internal combustion engine | |
| CN109931129B (zh) | 用于监测内燃机的排气后处理系统的方法和装置 | |
| JP2016156357A (ja) | 排気装置の異常判定システム | |
| US20120011829A1 (en) | Method to operate a diesel particulate filter | |
| GB2475318A (en) | Method for diagnosing catalytic device by estimating an aging index | |
| CN108374711B (zh) | 用于借助于氨逸出在scr系统中进行故障识别的方法 | |
| US20150190749A1 (en) | Method and Apparatus for Estimating the Amount of Reductant Slip in a Selective Catalytic Reduction Device | |
| CN108374712B (zh) | 用于借助于氨逸出在scr系统中进行故障识别的方法 | |
| CN111927606B (zh) | 对诊断的评估时间点的确定 | |
| US10584624B2 (en) | Method and arrangement for correcting for error of particulate matter sensors | |
| US20230220793A1 (en) | Method for ascertaining an exhaust gas composition of an exhaust gas of an internal combustion engine | |
| CN111927607A (zh) | 监控用于减少氮氧化物的催化净化器的状态 | |
| CN110953053B (zh) | 用于温度传感器组件的功能检查方法 | |
| WO2008048175A1 (en) | Method and arrangement for monitoring the functioning of an exhaust gas aftertreatment system | |
| US20240044275A1 (en) | Verfahren zur diagnose eines partikelfilters für einen verbrennungsmotor | |
| EP3995677A1 (en) | Control device of after-treatment system, after-treatment system, method of controlling after-treatment system, and computer program | |
| WO2008088285A1 (en) | A method and an arrangement for monitoring the functioning of an exhaust gas after treatment system | |
| CN115217599A (zh) | 用于诊断用于内燃机的scr系统的方法和设备 | |
| CN112443380A (zh) | 用于借助于颗粒传感器来监控颗粒过滤器的方法 |
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 |