CN112504685B - 基于dpf碳载量的发动机故障预警方法 - Google Patents
基于dpf碳载量的发动机故障预警方法 Download PDFInfo
- Publication number
- CN112504685B CN112504685B CN202011299431.4A CN202011299431A CN112504685B CN 112504685 B CN112504685 B CN 112504685B CN 202011299431 A CN202011299431 A CN 202011299431A CN 112504685 B CN112504685 B CN 112504685B
- Authority
- CN
- China
- Prior art keywords
- array
- engine
- value
- original data
- dpf
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 66
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 66
- 238000011068 loading method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000009825 accumulation Methods 0.000 claims abstract description 11
- 239000002826 coolant Substances 0.000 claims description 15
- 239000000110 cooling liquid Substances 0.000 claims description 13
- 230000008929 regeneration Effects 0.000 claims description 8
- 238000011069 regeneration method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 abstract description 14
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000011049 filling Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 8
- 238000002485 combustion reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01M15/05—Testing internal-combustion engines by combined monitoring of two or more different engine parameters
-
- 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
- G01M15/042—Testing internal-combustion engines by monitoring a single specific parameter not covered by groups G01M15/06 - G01M15/12
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明涉及基于DPF碳载量的发动机故障预警方法,包含步骤:采集原始数据包;将原始数据包组合成为A数组;再次采集原始数据包,组合成为B数组;计算得到每个原始数据包的碳载量值;对比A数组和B数组中的碳载量值,判断对比结果是否超过期望差异;如果超过期望差异,则发出发动机超出分布规律报警信号;否则,将B数组填充进A数组,清空B数组,然后再次循环执行上述步骤,直至发动机关机。本发明实现了通过监测DPF中碳颗粒积累情况反推柴油发动机运行状态的目的;可以在故障萌芽而尚未至严重程度时,及时报警,大幅降低了维修成本和安全风险。
Description
技术领域
本发明涉及柴油发动机检修技术领域,具体地涉及基于DPF碳载量的发动机故障预警方法。
背景技术
柴油发动机因其效率高、输出力矩大,在各领域的应用都十分广泛;柴油发动机都会标配DPF作为尾气处理装置,使排放的尾气达到现行的环保法律法规。DPF采用的是吸附法处理尾气,其原理就是吸附发动机工作产生的碳颗粒;当碳颗粒积累到一定程度后,就需要进行再生处理,使其恢复工作能力,具体来说:
在发动机正常运行情况下,发动机产生的颗粒物数量和重量都有限,DPF捕集到的碳颗粒会缓慢累计,表现为碳载量数值上升;碳载量累计达到一定程度后,发动机后处理系统会启动DPF再生模式,高温会烧掉大部分的碳颗粒,完成后碳载量数据下降。
而发动机发生烧机油或燃烧不充分的故障时,则DPF中的碳颗粒的体积会明显增大,同时碳颗粒数量也会急剧增加。因此,可以通过监测DPF中的碳颗粒的积累情况来反推发动机的运行状态,从而在发动机尚未发生严重故障前报警,然后进入检修;事先预防与维护的成本要远小于发生故障乃至事故时的维修、善后成本。
但当前尚无此类在研或已实施的技术方案,为了提高对柴油机的运行状态监测效率,亟需一套技术方案填补此项空白。
发明内容
本发明针对上述问题,提供基于DPF碳载量的发动机故障预警方法,其目的在于通过监测DPF中的碳颗粒的积累情况来反推发动机的运行状态;实现了在发动机尚未发生严重故障前报警。
为解决上述问题,本发明提供的技术方案为:
一种基于DPF碳载量的发动机故障预警方法,包含以下步骤:
S100.按人工预设的采集频率和人工预设的采集时长,持续采集原始数据包,并按时间戳增序,将所述原始数据包逐一组合成为A数组;每个所述原始数据包包含所述时间戳相同的发动机转速信号、发动机扭矩信号和冷却液温度信号;
S200.再次按相同的所述采集频率和相同的所述采集时长,持续采集原始数据包,并按所述时间戳增序,将所述原始数据包逐一组合成为B数组;
S300.根据所述发动机转速信号、发动机扭矩信号和冷却液温度信号,计算得到所述A数组和所述B数组中每个所述原始数据包的碳载量值;
S400.对比所述A数组中的所述碳载量值,判断对比结果是否超过人工预设的置信值;然后根据判断的结果做出如下操作:
如果所述对比结果低于所述置信值,则发出发动机超出分布规律报警信号;
否则,用所述B数组替换所述A数组成为新的A数组,然后清空所述B数组,然后再次执行S200到S400,直至发动机关机;
所述碳载量值采用线性拟合,按下式计算:
z=a*x*x+b*x+c*y*y+d*y+e
其中:z为所述碳载量值;y为功率累计值;x为冷却液温度值,通过所述冷却液温度信号读取;a为所述冷却液温度的回归线二次估值系数,由人工预设;b为所述冷却液温度的回归斜率,由人工预设;c为所述功率累计值的回归线二次估值系数,由人工预设;d为所述功率累计值的回归斜率,由人工预设;e为回归线截距;
所述功率累计值按下式计算:
y=Σengintorqi*enginspeedi
其中:y为所述功率累计值;engintorqi为第i次采集的发动机扭矩值,通过所述发动机扭矩信号读取;enginspeedi为第i次采集的发动机扭转速,通过所述发动机转速信号读取;
根据权利要求1所述的基于DPF碳载量的发动机故障预警方法,其特征在于:对比所述A数组中的所述碳载量值,判断对比结果是否超过人工预设的置信值,具体包含以下步骤:
S410.对所述A数组中的所述碳载量值进行F方差齐性检验计算,得到检验F值;
S420.将所述F值与所述置信值,根据比较结果做出如下判断:
如果所述F值小于所述置信值,则判定对比结果低于人工预设的置信值;
否则,判定对比结果不低于人工预设的置信值;
所述置信值为95%。
优选地,所述发动机转速信号来自J1939协议,通过CAN总线获得;
所述发动机扭矩信号来自J1939协议,通过CAN总线获得;
所述冷却液温度信号来自J1939协议,通过CAN总线获得。
优选地,所述A数组和所述B数组都被设于计算单元的缓冲区上。
优选地,所述A数组中最末一个时间戳与第一个时间戳的差值,大于DPF的平均再生周期长度的1/3。
本发明与现有技术对比,具有以下优点:
1.由于本发明对DPF中的碳颗粒积累情况及时采样和计算分析,从而实现了通过监测DPF中碳颗粒积累情况反推柴油发动机运行状态的目的;
2.由于本发明对能及时发现柴油发动机处于运行故障状态,从而可以在故障萌芽而尚未至严重程度时,及时报警,大幅降低了维修成本和安全风险。
附图说明
图1为本发明具体实施例的发动机故障预警系统结构示意图;
图2为一种DPF的单次碳载量的增量的理想曲线示意图;
图3为本发明具体实施例的基于DPF碳载量的发动机故障预警方法的步骤示意图;
图4为本发明具体实施例的A/B数组填充过程的示意图;
图5为单个数组元素的结构示意图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
需要事先说明的是,本具体实施例是基于如图1所示结构的发动机故障预警系统实现的,包含车辆端信号采集模块、车载T-BOX信号传输模块和网络云平台信号处理模块,其中:
车辆端信号采集模块用于采集表征车辆行驶状态的各种信号,包括但不限于发动机转速信号、发动机扭矩信号、冷却液温度信号、环境温度、DPF灰载量、DPF更换状态和DPF后处理再生状态。
车载T-BOX信号传输模块用于将车辆端信号采集模块采集的表征车辆行驶状态的各种信号传输给网络云平台信号处理模块。
网络云平台信号处理模块包含计算单元,根据收到的表征车辆行驶状态的各种信号,通过计算处理,评估和判断当前发动机的状态,从而实现在发动机完全进入故障状态前提示发动可能出现了故障,并指引驾驶员维修或处理故障。
一种基于DPF碳载量的发动机故障预警方法,其原理在于柴油发动机气缸内烷烃的燃烧,都会产生颗粒;因此可以对DPF的单次碳载量的增量进行统计。
DPF由于其结构简单、原理和工艺相当成熟,出问题的概率极低以致可以忽略不计,所以对于正常运行状态下的发动机,其DPF的碳载量的增量曲线是可以画出理想曲线的,如图2所示;而如果网络云平台信号处理模块的计算单元计算出来的DPF的单次碳载量的增量偏离了理想曲线,则可以认为是发动机出现了故障,应该停机检修。
在这些故障中,如果机油通过活塞环进入气缸内后燃烧时,产生的碳颗粒会明显大于燃油产生的碳颗粒,这些颗粒会在DPF中快速累积,对比正常的DPF累积速度,故障状态下的气缸内不充分燃烧造成了DPF碳载快速增加效果中的40%或更多。
另一方面,发动机燃烧有各种故障的燃烧工况,也会产生过量的碳颗粒,也会在DPF碳载量和再生间隔上产生影响。
如图3所示,本预警方法包含以下步骤:
S100.按人工预设的采集频率和人工预设的采集时长,持续采集原始数据包,并按时间戳增序,将原始数据包逐一组合成为A数组;每个原始数据包包含时间戳相同的发动机转速信号、发动机扭矩信号和冷却液温度信号。
本具体实施例中,发动机转速信号来自J1939协议,通过CAN总线获得;发动机扭矩信号来自J1939协议,通过CAN总线获得;冷却液温度信号来自J1939协议,通过CAN总线获得。
S200.再次按相同的采集频率和相同的采集时长,持续采集原始数据包,并按时间戳增序,将原始数据包逐一组合成为B数组。
如图1所示,本具体实施例中,A数组和B数组的被设网络云平台信号处理模块的计算单元的缓冲区上。
本具体实施例中,采用预设-填充的方式组合原始数据包,具体来说:
如图4所示,首先在云平台的计算单元的缓冲区中,定义两个数组,即A数组和B数组,二者的长度、数据结构完全一致,这是为了在接下来的步骤中,满足进行F方差齐性检验计算的格式需要;A数组和B数组的长度,即每个数组中的数组元素的个数,等于在一个采集时长中所采集的原始数据包的个数,亦即采集时长和采集频率的乘积,同时也对应在一个采集时长中的采集时刻的个数;如图5所示,每个数组元素包含6个数据存储单元,分别对应时间戳、发动机转速信号、发动机扭矩信号、冷却液温度信号、功率累计值和碳载量值,其中时间戳、发动机转速信号、发动机扭矩信号和冷却液温度信号来自原始数据包的填充,而功率累计值和碳载量值则是计算后即时填充。
本具体实施例中,A数组中最末一个时间戳与第一个时间戳的差值,大于DPF的平均再生周期长度的1/3;DPF的平均再生周期可以通过查找DPF的使用说明书获取,属于DPF的技术参数。
S300.根据发动机转速信号、发动机扭矩信号和冷却液温度信号,计算得到A数组和B数组中每个原始数据包的碳载量值;碳载量值采用线性拟合,其原理是单次碳载量的增量应该正比于冷却液温度值,而反比于发动机的功率累计值,于是可以用二元线性回归算法进行处理,得到碳载量值按式(1)计算:
z=a*x*x+b*x+c*y*y+d*y+e (1)
其中:z为碳载量值;y为功率累计值;x为冷却液温度值,通过冷却液温度信号读取;a为冷却液温度的回归线二次估值系数,由人工预设;b为冷却液温度的回归斜率,由人工预设;c为功率累计值的回归线二次估值系数,由人工预设;d为功率累计值的回归斜率,由人工预设;e为回归线截距。
其中,a、b、c、d的值都可以人工设置,方便用户针对不同型号的发动机及自身需求,灵活设置其预警的阈值;e是回归线截距,当回归线确定后,则e是可以通过几何计算得到的。
其中,功率累计值按式(2)计算:
y=Σengintorqi*enginspeedi (2)
其中:y为功率累计值;engintorqi为第i次采集的发动机扭矩值,通过发动机扭矩信号读取;enginspeedi为第i次采集的发动机扭转速,通过发动机转速信号读取。
S400.对比所述A数组中的所述碳载量值,判断对比结果是否超过人工预设的置信值;然后根据判断的结果做出如下操作:
如果所述对比结果低于所述置信值,则发出发动机超出分布规律报警信号;
否则,用所述B数组替换所述A数组成为新的A数组,然后清空所述B数组,然后再次执行S200到S400,直至发动机关机。
本具体实施例中,对比A数组和B数组中的碳载量值,判断对比结果是否超过期望差异,具体包含以下步骤:
S410.对所述A数组中的所述碳载量值进行F方差齐性检验计算,得到检验F值。
本具体实施例中,置信值设为95%。
S420.将所述F值与所述置信值,根据比较结果做出如下判断:
如果所述F值小于所述置信值,则判定对比结果低于人工预设的置信值;
否则,判定对比结果不低于人工预设的置信值。
本具体实施例中,以三次采集,两次判断为例说明上述判定过程:
第一次采集A数组,省略时间戳、发动机转速信号、发动机扭矩信号,只留下碳载量值、功率累计值和冷却液温度值,可表示为:
A1[(10.2,12,85),(10.3,12,85),(10.4,14,84),(10.6,16,85),(10.8,18,91),(10.8,18,85),(10.8,20,89),(11.0,22,89),(11.2,23,92),(11.3,25,94),(11.3,26,91),(11.5,27,83),(11.6,28,86)]
其中,A1表示第一次采集得到的A数组。
第一次采集B数组,省略时间戳、发动机转速信号、发动机扭矩信号,只留下碳载量值、功率累计值和冷却液温度值,可表示为:
B1[(12.3,46,90),(12.4,50,90),(12.6,51,91),(12.6,52,82),(12.9,58,91),(12.9,60,87),(13.0,61,87),(13.1,65,75),(13.4,70,73),(13.4,75,73),(13.4,76,78),(13.6,76,59),(13.6,76,80)]
其中,B1表示第一次采集得到的B数组。
然后抽取A1数组中的碳载量值,可形成有向数组A1’,表示为:A1’[10.2,10.3,10.4,10.6,10.8,10.8,10.8,11.0,11.2,11.3,11.3,11.5,11.6]
其中,A1’表示抽取A1数组中的碳载量值,得到的有向数组。
对数组A1’做F方差齐性检验计算,可得结果:
F1=0.972967977
其中,F1表示数组A1’的F值。
相较人工预设的置信值0.95要高,因此判定对比结果不低于人工预设的置信值。这一对比结果说明发动机运行正常,于是不报警,而是将B数组替代A数组成为新的A数组,然后情况原来的B数组,即:
A2=B1
A2[(12.3,46,90),(12.4,50,90),(12.6,51,91),(12.6,52,82),(12.9,58,91),(12.9,60,87),(13.0,61,87),(13.1,65,75),(13.4,70,73),(13.4,75,73),(13.4,76,78),(13.6,76,59),(13.6,76,80)]
其中,A1表示第一次采集得到的A数组。
然后第二次采集B数组,省略时间戳、发动机转速信号、发动机扭矩信号,只留下碳载量值、功率累计值和冷却液温度值,可表示为:
B2[(14.4,78,78),(14.5,79,95),(14.8,81,90),(14.8,85,76),(15,96,90),(14.9,97,78),(14.8,99,90),(15.2,102,87),(15.5,103,87),(15.5,104,90),(15.4,110,80),(15.7,113,93),(15.7,115,90)]
其中,B2表示第一次采集得到的B数组。
然后抽取A2数组中的碳载量值,可形成有向数组A2’,表示为:
A2’[12.3,12.4,12.6,12.6,12.9,12.9,12.8,13.1,13.4,13.4,13.4,13.6,13.6]
其中,A2’表示抽取A2数组中的碳载量值,得到的有向数组。
对数组A2’做F方差齐性检验计算,可得结果:
F2=0.925556473
其中,F2表示数组A2’的F值。
相较人工预设的置信值0.95要低,因此判定对比结果低于人工预设的置信值。这一对比结果说明发动机运行故障,于是发出发动机超出分布规律报警信号,同时停止采集和判定工作;此时即使B数组中已经有新的数据,也不再有后续工作。
在本具体实施例中,网络云平台信号处理模块联通车辆的信息发布装置,如显示屏、扬声器等,将报警信息及时推送到对应车辆,提醒司机在发生严重故障前选择合适的时间和站点进行检查。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或”是要表示“非排它性的或者”。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于DPF碳载量的发动机故障预警方法,其特征在于:包含以下步骤:
S100.按人工预设的采集频率和人工预设的采集时长,持续采集原始数据包,并按时间戳增序,将所述原始数据包逐一组合成为A数组;每个所述原始数据包包含所述时间戳相同的发动机转速信号、发动机扭矩信号和冷却液温度信号;
S200.再次按相同的所述采集频率和相同的所述采集时长,持续采集原始数据包,并按所述时间戳增序,将所述原始数据包逐一组合成为B数组;
S300.根据所述发动机转速信号、发动机扭矩信号和冷却液温度信号,计算得到所述A数组和所述B数组中每个所述原始数据包的碳载量值;
S400.对比所述A数组中的所述碳载量值,判断对比结果是否超过人工预设的置信值;然后根据判断的结果做出如下操作:
如果所述对比结果低于所述置信值,则发出发动机超出分布规律报警信号;
否则,用所述B数组替换所述A数组成为新的A数组,然后清空所述B数组,然后再次执行S200到S400,直至发动机关机;
所述碳载量值采用线性拟合,按下式计算:
z=a*x*x+b*x+c*y*y+d*y+e
其中:z为所述碳载量值;y为功率累计值;x为冷却液温度值,通过所述冷却液温度信号读取;a为所述冷却液温度的回归线二次估值系数,由人工预设;b为所述冷却液温度的回归斜率,由人工预设;c为所述功率累计值的回归线二次估值系数,由人工预设;d为所述功率累计值的回归斜率,由人工预设;e为回归线截距;
所述功率累计值按下式计算:
y=∑engintorqi*enginspeedi
其中:y为所述功率累计值;engintorqi为第i次采集的发动机扭矩值,通过所述发动机扭矩信号读取;enginspeedi为第i次采集的发动机扭转速,通过所述发动机转速信号读取;
对比所述A数组中的所述碳载量值,判断对比结果是否超过人工预设的置信值,具体包含以下步骤:
S410.对所述A数组中的所述碳载量值进行F方差齐性检验计算,得到检验F值;
S420.将所述F值与所述置信值,根据比较结果做出如下判断:
如果所述F值小于所述置信值,则判定对比结果低于人工预设的置信值;
否则,判定对比结果不低于人工预设的置信值;
所述置信值为95%。
2.根据权利要求1所述的基于DPF碳载量的发动机故障预警方法,其特征在于:所述发动机转速信号来自J1939协议,通过CAN总线获得;
所述发动机扭矩信号来自J1939协议,通过CAN总线获得;
所述冷却液温度信号来自J1939协议,通过CAN总线获得。
3.根据权利要求1所述的基于DPF碳载量的发动机故障预警方法,其特征在于:所述A数组和所述B数组都被设于计算单元的缓冲区上。
4.根据权利要求1~3任一所述的基于DPF碳载量的发动机故障预警方法,其特征在于:所述A数组中最末一个时间戳与第一个时间戳的差值,大于DPF的平均再生周期长度的1/3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011299431.4A CN112504685B (zh) | 2020-11-19 | 2020-11-19 | 基于dpf碳载量的发动机故障预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011299431.4A CN112504685B (zh) | 2020-11-19 | 2020-11-19 | 基于dpf碳载量的发动机故障预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112504685A CN112504685A (zh) | 2021-03-16 |
CN112504685B true CN112504685B (zh) | 2022-09-23 |
Family
ID=74958140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011299431.4A Active CN112504685B (zh) | 2020-11-19 | 2020-11-19 | 基于dpf碳载量的发动机故障预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112504685B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114023030B (zh) * | 2021-11-11 | 2023-03-17 | 深圳中消云智慧安全有限公司 | 一种融合式的消防物联网监测预警方法 |
CN115059532B (zh) * | 2022-07-14 | 2023-05-12 | 东风商用车有限公司 | 颗粒捕集器载体孔道损坏诊断方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2513459A1 (en) * | 2009-12-14 | 2012-10-24 | Spheretech International | Diagnostic method for a diesel engine |
CN106812576A (zh) * | 2015-12-02 | 2017-06-09 | 康明斯排放处理公司 | 在空载或低负载期间的碳烟负载估计 |
CN107605583A (zh) * | 2017-09-21 | 2018-01-19 | 北京汽车研究总院有限公司 | 柴油车颗粒捕集器累碳量估算方法 |
FR3062170A1 (fr) * | 2017-01-24 | 2018-07-27 | Peugeot Citroen Automobiles Sa | Procede d’autorisation de traitement de combustions anormales dans un moteur thermique de vehicule automobile |
CN111636953A (zh) * | 2020-06-02 | 2020-09-08 | 潍柴动力股份有限公司 | 一种动力系统的控制装置及其控制方法 |
CN111810280A (zh) * | 2020-04-26 | 2020-10-23 | 东风商用车有限公司 | Dpf碳载量预警的系统 |
-
2020
- 2020-11-19 CN CN202011299431.4A patent/CN112504685B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2513459A1 (en) * | 2009-12-14 | 2012-10-24 | Spheretech International | Diagnostic method for a diesel engine |
CN106812576A (zh) * | 2015-12-02 | 2017-06-09 | 康明斯排放处理公司 | 在空载或低负载期间的碳烟负载估计 |
FR3062170A1 (fr) * | 2017-01-24 | 2018-07-27 | Peugeot Citroen Automobiles Sa | Procede d’autorisation de traitement de combustions anormales dans un moteur thermique de vehicule automobile |
CN107605583A (zh) * | 2017-09-21 | 2018-01-19 | 北京汽车研究总院有限公司 | 柴油车颗粒捕集器累碳量估算方法 |
CN111810280A (zh) * | 2020-04-26 | 2020-10-23 | 东风商用车有限公司 | Dpf碳载量预警的系统 |
CN111636953A (zh) * | 2020-06-02 | 2020-09-08 | 潍柴动力股份有限公司 | 一种动力系统的控制装置及其控制方法 |
Non-Patent Citations (1)
Title |
---|
柴油车DPF系统的OBD故障诊断策略研究;戴金池;《车用发动机》;20200228(第246期);第80-85页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112504685A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230018604A1 (en) | Cloud-Based Vehicle Fault Diagnosis Method, Apparatus, and System | |
CN112504685B (zh) | 基于dpf碳载量的发动机故障预警方法 | |
CN108343497B (zh) | 一种柴油车scr系统老化失效快速诊断系统及方法 | |
CN101963800A (zh) | 一种柴油车道路排放远程实时监测系统和监测方法 | |
CN112945309A (zh) | 基于大数据驱动的燃油加注质量的监控装置及方法 | |
CN201681298U (zh) | 基于can总线的车辆远程数据采集系统 | |
CN101853021A (zh) | 基于can总线的车辆远程数据采集系统 | |
CN207198655U (zh) | 一种基于obd的在用车排放数据采集在线传输终端设备 | |
CN110107388B (zh) | 一种故障诊断方法、诊断装置和发动机尾气处理系统 | |
CN109443779A (zh) | 一种动态诊断、提取柴油车实际运行nox高排放恶劣工况的方法和装置 | |
CN112682132B (zh) | 一种基于obd系统的远程监控平台的尿素加注点尿素质量分析方法 | |
CN112445183A (zh) | 一种基于柴油obd检测的远程监控平台及系统 | |
CN111963287B (zh) | 一种车辆发动机和后处理的obd交互系统、方法及装置 | |
CN211579994U (zh) | 一种满足机动车国六标准的远程监控模块及机动车 | |
CN111813075A (zh) | 工程机械在线监测方法、数据管理模块及在线监测系统 | |
CN117171921B (zh) | 柴油颗粒物尾气净化装置健康状态评估处理方法和装置 | |
CN207261081U (zh) | 颗粒捕集器失效在线自动告警系统 | |
CN112277651A (zh) | 一种电动车辆里程验证方法及相关设备 | |
CN116255234A (zh) | 利用远程排放管理终端数据监控在用车scr效率的方法 | |
CN110985173A (zh) | 基于不同喷油量下排温特征的排温传感器诊断方法 | |
EP3580079B1 (en) | A method and a control unit for controlling a hybrid driveline | |
CN114488994A (zh) | 一种提升车辆故障诊断鲁棒性的优化方法及装置 | |
CN115840902A (zh) | 劣质燃油添加地点的诊断方法 | |
CN114060132A (zh) | 一种基于排放远程监控的NOx传感器作弊甄别方法 | |
CN207879459U (zh) | 一种智能增压器的控制系统 |
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 |