CN113446096B - 催化剂的再利用评价系统 - Google Patents

Abstract

提供一种在对净化车辆的发动机的排气的催化剂进行再利用时，能够适当地进行与再利用的用途相符的催化剂的再利用评价的催化剂的再利用评价系统。再利用评价系统(10)是在净化车辆(1)的发动机(7)的排气的催化剂(81)搭载于车辆的状态下，进行用于催化剂的再利用的评价的系统。再利用评价系统具备：劣化推定部(11)，基于车辆的运转状态推定催化剂的劣化度；再利用设定部(12)，根据催化剂的再利用的用途，设定催化剂的劣化度的范围作为催化剂的再利用范围；及再利用判定部(13)，在由劣化推定部推定出的催化剂的劣化度处于由再利用设定部设定的再利用范围内时，判定为在再利用的用途A～C中能够进行催化剂的再利用。

Description

催化剂的再利用评价系统

技术领域

本发明涉及催化剂的再利用评价系统，进行用于催化剂的再利用的评价，所述催化剂净化车辆的发动机的排气。

背景技术

以往，为了净化从车辆的发动机排出的排气，在车辆中具备排气净化装置。在排气净化装置中具备对来自发动机的排气进行净化的催化剂。在专利文献1中公开了使用Cmax法等对该催化剂的劣化进行诊断的技术。然而，即使是劣化少的催化剂，在废弃车辆时，也将这样的催化剂与车辆一起废弃。

现有技术文献

专利文献

专利文献1：国际公开2011/099164号

发明内容

发明所要解决的课题

在专利文献1中，根据搭载于该车辆的情况下的催化剂的净化性能来诊断催化剂的劣化，但没有从催化剂的再利用的观点出发来诊断催化剂的劣化。即，所要求的催化剂的净化性能根据进行再利用时的催化剂的用途而不同。

本发明是鉴于这样的课题点而做出的，作为本发明，提供一种在对净化车辆的发动机的排气的催化剂进行再利用时，能够适当地进行与再利用的用途相符的催化剂的再利用评价的再利用评价系统。

用于解决课题的技术方案

鉴于上述课题，本发明涉及的再利用评价系统，在净化车辆的发动机的排气的催化剂搭载于车辆的状态下，进行用于所述催化剂的再利用的评价，所述再利用评价系统的特征在于，具备：劣化推定部，基于所述车辆的运转状态推定所述催化剂的劣化度；再利用设定部，根据所述催化剂的再利用的用途，设定所述催化剂的劣化度的范围作为所述催化剂的再利用范围；以及再利用判定部，在由所述劣化推定部推定出的所述催化剂的劣化度处于由所述再利用设定部设定的所述再利用范围内时，判定为在所述再利用的用途中能够进行所述催化剂的再利用。

根据本发明，首先，通过劣化推定部，基于车辆的运转状态来推定催化剂的劣化度。此外，催化剂的劣化度是将催化剂的劣化的程度数值化而得到的值，催化剂的劣化度越高，则催化剂对排气的净化效率越低。从这一点出发，在本发明中，在再利用设定部中，根据催化剂的再利用的用途，将催化剂的劣化度的范围设定为催化剂的再利用范围。在再利用判定部中，在由劣化推定部推定出的催化剂的劣化度处于由再利用设定部设定的再利用范围内时，判定为在再利用的用途中能够进行催化剂的再利用，所以在对催化剂进行再利用时，能够适当地进行与再利用的用途相符的催化剂的再利用评价(即，能否进行催化剂的再利用)。

作为更优选的技术方案，所述再利用评价系统还具备检测所述发动机的失火(miss fire)的失火检测部，在所述失火检测部检测出所述发动机的失火的情况下，所述再利用判定部判定为无法进行所述催化剂的再利用。

通常，在由失火检测部检测出发动机的失火的情况下，燃料与吸入空气混合后的未燃气体作为排气通过催化剂，催化剂过度地发热，催化剂多会受损。因此，在再利用判定部中，即使催化剂的劣化度处于再利用范围内，也能够判定为这样的催化剂无法再利用，所以在对催化剂进行再利用时，能够适当地进行与再利用的用途相符的催化剂的再利用评价。

在此，催化剂的劣化度可以根据该车辆的行驶距离、发动机的工作时间等进行推定。然而，作为更优选的技术方案，所述劣化推定部，基于在从所述车辆被制造后到推定所述催化剂的劣化度为止的期间中，对所述发动机处于预定的输出范围内的时间进行累计而得到的输出累计时间、对所述催化剂的床温(bed temperature)处于预定的范围内的时间进行累计而得到的床温累计时间、或对所述发动机进行稀燃烧的时间进行累计而得到的燃烧累计时间中的至少一个，来推定所述催化剂的劣化度。

通常，在发动机的输出处于预定的范围(例如，成为高输出的范围)内时，催化剂容易因从发动机排出的排气而劣化。另外，在由于排气的净化而催化剂的床温处于预定的范围内(例如，比通常的温度高的范围)时，催化剂容易劣化。进而，在发动机进行了稀燃烧时(以比理论空燃比薄的混合气进行运转时)，催化剂的床温上升，催化剂容易劣化。

因此，在该技术方案中，根据作为对催化剂容易劣化的状态进行累计而得到的时间的输出累计时间、床温累计时间、或燃烧累计时间中的至少一个值来推定催化剂的劣化度。由此，劣化推定部能够根据车辆的运转状态更准确地推定催化剂的劣化度。

在此，也可以通过劣化推定部，例如以使得随着输出累计时间、床温累计时间、或燃烧累计时间中的至少一个值的增大，而催化剂的劣化度增大的方式，例如根据数学式、图表、或表格等来推定催化剂的劣化度。然而，虽然如上所述，输出累计时间、床温累计时间、或燃烧累计时间是与催化剂的劣化相关的参数，然而，存在即使可根据一个参数唯一地推定催化剂的劣化度，但无法准确地推定催化剂的劣化度的情况。因此，优选综合考虑这些参数来推定催化剂的劣化度。

作为这样的技术方案，所述劣化推定部还具备劣化学习部，所述劣化学习部，针对学习用的多个催化剂中的各催化剂，将所述输出累计时间、所述床温累计时间、所述燃烧累计时间、以及催化剂的劣化度作为教师数据，对所述催化剂的劣化度的算出进行机器学习，所述劣化学习部被输入成为劣化度的推定的对象的催化剂的所述输出累计时间、所述床温累计时间以及所述燃烧累计时间，算出成为劣化度的推定的对象的催化剂的劣化度。

根据该技术方案，具备学习部，所述学习部将对催化剂的劣化度影响大的输出累计时间、床温累计时间以及燃烧累计时间的值、和算出了该值的催化剂的劣化度作为教师数据，对催化剂的劣化度的算出进行机器学习。通过由这样的学习部进行学习后的催化剂的劣化度的算出，能够更准确地推定催化剂的劣化度。此外，作为教师数据的催化剂的劣化度既可以使用实际测定出的催化剂的劣化度，也可以使用已经推定出的催化剂的劣化度中的、针对在再利用时获得了有效的净化效率的催化剂推定出的催化剂的劣化度。

作为更优选的技术方案，所述再利用评价系统还具备劣化预测部，所述劣化预测部根据所述输出累计时间、所述床温累计时间以及所述燃烧累计时间中的任一个累计时间、和由所述劣化推定部推定出的所述催化剂的劣化度，来预测与所述累计时间相应的所述催化剂的劣化度的进展。

根据该技术方案，劣化推定部能够推定高精度的催化剂的劣化度，所以能够将输出累计时间、床温累计时间以及燃烧累计时间中的任一个累计时间作为时间轴，高精度地推定催化剂的劣化度。

在此，再利用的用途可以是一个，针对一个再利用的用途设定催化剂的劣化度的范围。然而，作为更优选的技术方案，所述再利用设定部按多个再利用的用途中的每个用途设定所述催化剂的劣化度的范围，所述再利用判定部基于按所述多个再利用的用途中的每个用途设定的催化剂的劣化度的范围来判定是否能够进行所述催化剂的再利用。根据该技术方案，按多个再利用的用途中的每个用途设定催化剂的劣化度的范围，所以能够在更广泛的催化剂的劣化度的范围内对催化剂进行再利用。

作为更优选的技术方案，催化剂的再利用评价系统可以搭载于每个车辆，但例如也可以搭载于在车外设置的服务器等。作为该情况下的更优选的技术方案，所述劣化推定部针对多个所述车辆的催化剂推定每个所述车辆的所述催化剂的劣化度，所述再利用评价系统还具备车辆台数确定部，所述车辆台数确定部确定所述多个车辆中的搭载有被判定为能够再利用的催化剂的车辆及其台数。

根据该技术方案，针对多个车辆，确定了具有在其用途中能够再利用的催化剂的车辆及其台数，所以能够管理可以作为能够再利用的催化剂而供给的催化剂的个数。由此，能够在废弃该车辆之前容易有保障。

发明的效果

根据本发明，在对净化车辆的发动机的排气的催化剂进行再利用时，能够适当地进行与再利用的用途相符的催化剂的再利用评价。

附图说明

图1是具备由本发明的实施方式涉及的再利用评价系统评价的催化剂的车辆的主要部分的剖视图。

图2是具有图2所示的车辆用催化剂的催化剂转换器的示意图。

图3是图1所示的再利用评价系统的框图。

图4是图1所示的劣化推定部的框图。

图5是用于说明基于图4所示的输出累计时间算出部、床温累计时间算出部以及燃烧累计时间算出部的算出方法的图表。

图6是示出图4所示的劣化学习部的一例的示意图。

图7是用于说明图4所示的劣化设定部对多个再利用的用途中的每个用途的设定、和劣化预测部所进行的催化剂的劣化的预测的图表。

图8是用于说明使用了实施方式涉及的催化剂的再利用评价系统的催化剂的再利用的评价方法的流程图。

图9是示出图3所示的再利用评价系统的变形例的示意图。

标号说明

1：车辆；

7：发动机；

10：再利用评价系统；

11：劣化推定部；

11D：劣化学习部；

12：再利用设定部；

13：再利用判定部；

14：失火检测部；

15：劣化预测部；

16：车辆台数确定部；

81：催化剂；

AT：输出累计时间；

BT：床温累计时间；

CT：燃烧累计时间。

具体实施方式

1.关于进行再利用的评价的催化剂和搭载有该催化剂的车辆

以下，参照图1和图2对进行再利用评价的催化剂和搭载有该催化剂的车辆进行说明。

如图1所示，搭载于车辆的发动机7连接于进气管62，通过进气管62的吸入空气的量通过控制节气门61的气门开度来进行调整。

调整后的吸入空气经由进气门73流入由气缸体71和活塞72形成的燃烧室79，并与由燃料喷射阀74喷射出的燃料(汽油)混合。混合后的混合气在燃烧室79内通过火花塞75进行点火而燃烧，燃烧后的排气经由排气门76从排气歧管77排出。

由排气歧管77排出的排气通过排气净化装置8进行净化。具体而言，排气净化装置8具备连接于排气歧管77的催化剂转换器80、和在催化剂转换器80的下游处连接于催化剂转换器80的催化剂转换器84。

催化剂转换器80具备对来自排气歧管77的排气进行净化的催化剂81、和收纳催化剂81的壳体82。同样地，催化剂转换器84也具备进一步对未被催化剂转换器80净化完的排气进行净化的催化剂85、和收纳催化剂85的壳体86。壳体82、86例如由不锈钢、碳钢、或铝等金属材料构成。

在本实施方式中，排气的上游侧的催化剂转换器80与排气的下游侧的催化剂转换器84采用相同的构成。以下，对上游侧的催化剂转换器80的构成进行详细描述，省略下游侧的催化剂转换器84的构成的说明。

如图2所示，催化剂转换器80的壳体82具有入口侧锥形部82a、主体部82b以及出口侧锥形部82c。入口侧锥形部82a是供来自排气歧管77的排气流入，排气的流路截面从排气的上游朝向下游扩大的锥形。主体部82b在排气流动的上游侧与入口侧锥形部82a连续地形成，并且为排气的流路截面恒定的筒状。出口侧锥形部82c在排气流动的上游侧与主体部82b连续地形成，并且为排气的流路截面从排气的上游朝向下游缩小的锥形。催化剂81配置在主体部82b内。

在本实施方式中，发动机7为汽油发动机，所以催化剂81是对汽油发动机的排气的烃(HC)、一氧化碳(CO)、氮氧化物(NOx)进行净化的三元催化剂。

催化剂81是在载体(催化剂载体)上担载有净化排气的金属催化剂的催化剂。载体也可以由陶瓷材料或金属材料中的任一种材料构成。作为陶瓷材料，例如可以举出以氧化铝(alumina)、氧化锆(zirconia)、堇青石(cordierite)、二氧化钛(titania)、碳化硅以及氮化硅等中的任一种作为主成分的多孔质的陶瓷材料。作为金属材料，优选为具有耐热性和耐腐蚀性的材料，例如可以举出不锈钢、铝等。

在本实施方式中，作为一例，催化剂81的载体为圆柱状，并且是由陶瓷材料构成的、形成有供排气通过的多个孔的蜂窝构造的载体。

催化剂81的金属催化剂为粒状，并且经由陶瓷材料担载于形成催化剂81的室的内壁面。作为成为金属催化剂的金属，可选择包含铂、铑及钯中的至少一种的贵金属。作为将催化剂金属担载于载体的陶瓷材料，可以举出氧化锆与氧化铝、二氧化铈与氧化铝、或二氧化铈-氧化锆与氧化铝的混合材料等。在将金属催化剂担载于载体时，可以通过将包含上述的陶瓷材料和金属催化剂的浆料涂布于载体，并将其烧结而获得。像这样搭载于车辆1的催化剂81在进行再利用时以催化剂转换器80的形态从车辆1卸下。

在本实施方式中，具备控制车辆1的行驶的控制装置10A。控制装置10A是对车辆1的发动机7等进行控制的装置，具备未图示的CPU等运算装置、和RAM、ROM等存储装置。运算装置对用于进行后述的发动机7的控制的控制量等进行运算。

在发动机7设置有检测发动机7的转矩的转矩检测传感器93、和通过检测曲轴78的旋转角度来检测发动机的转速的曲轴角检测传感器94。将由上述的传感器93、94检测出的发动机7的转矩、发动机7的转速向控制装置10A输入。而且，在催化剂转换器80设置有检测催化剂81的床温的温度传感器87，将检测出的床温向控制装置10A输入。

控制装置10A根据来自驾驶员的要求，为了以预定的输出驱动发动机7，而输出节气门61的气门开度的控制信号、控制燃料喷射阀74的喷射正时和喷射量的控制信号、以及控制火花塞75的点火正时的控制信号等。由此，能够进行车辆1的发动机7的控制。

2.关于再利用评价系统10

在本实施方式中，车辆1还具备上述的再利用评价系统10。再利用评价系统10是在催化剂81搭载于车辆1的状态下进行用于催化剂81的再利用的评价的系统。再利用评价系统10与控制装置10A同样地具备未图示的CPU等运算装置、和RAM、ROM等存储装置，再利用评价系统10连接于输入装置91和显示装置92。在输入装置91，输入后述的催化剂的再利用范围，在显示装置92，输出催化剂的再利用的判定结果。

此外，在本实施方式中，如图1所示，单独设置了车辆1的控制装置10A和再利用评价系统10，但它们也可以由一个运算装置和存储装置构成。如图3所示，作为软件，再利用评价系统10具备劣化推定部11、再利用设定部12、再利用判定部13、失火检测部14以及劣化预测部15。

2-1.关于劣化推定部11

劣化推定部11基于车辆1的运转状态来推定催化剂81的劣化度。催化剂81的劣化度是表示通过催化剂81对排气进行净化的净化效率的降低程度的数值。因此，催化剂81的劣化度越低，则排气的净化效率越高，从而催化剂81越容易进行再利用。

例如，劣化推定部11可以根据车辆1的行驶距离来推定催化剂81的劣化度，也可以通过利用Cmax法对催化剂81的氧吸藏容量(Cmax)进行计测，根据氧吸藏容量来推定催化剂81的劣化度。在该情况下，也可以将与氧吸藏容量相应的数值用作催化剂的劣化程度。此外，在该Cmax法中，进行如下空燃比控制，该空燃比控制是使空燃比以化学计量比为中心振动，由此强制地使流入催化剂81的排气的空燃比在稀侧与浓侧之间发生变化的控制。在进行该空燃比控制时，能够根据配置在催化剂81的下游的氧传感器(未图示)的输出值算出催化剂81的氧吸藏容量。

2-1-1.关于利用了累计时间的催化剂的劣化度的推定

与上述的催化剂的劣化度的推定不同，在本实施方式中，如图4和图5所示那样推定催化剂81的劣化度。如图4所示，劣化推定部11具备输出累计时间算出部11A、床温累计时间算出部11B、燃烧累计时间算出部11C、以及劣化学习部11D。

输出累计时间算出部11A在从车辆1被制造后到推定催化剂81的劣化度为止的期间中，对发动机7处于预定的输出范围R1内的时间进行累计。具体而言，如图5所示，对于由转矩检测传感器93检测出的发动机7的输出，设定催化剂81的劣化加剧的发动机7的输出范围(发动机7的输出高的范围)R1。输出累计时间算出部11A对处于该范围R1内的时间A1、A2、A3…进行累计。由此，输出累计时间算出部11A算出输出累计时间AT。

床温累计时间算出部11B在从车辆1被制造后到推定催化剂81的劣化度为止的期间中，对催化剂81的床温处于预定的温度范围R2内的时间进行累计。具体而言，如图5所示，对于由温度传感器87检测出的催化剂81的床温，设定催化剂81的劣化加剧的催化剂81的温度范围(催化剂81的活化中的高温度范围)R2。床温累计时间算出部11B对处于该范围R2内的时间B1、B2、B3…进行累计。由此，床温累计时间算出部11B算出床温累计时间BT。

燃烧累计时间算出部11C在从车辆1被制造后到推定催化剂81的劣化度为止的期间中，对发动机7进行了稀燃烧的时间进行累计。具体而言，如图5所示，燃烧累计时间算出部11C根据进行控制的目标空燃比、或由空燃比传感器(未图示)检测出的发动机7的空燃比，对发动机7进行稀燃烧的时间C1、C2、C3…进行累计。燃烧累计时间算出部11C算出燃烧累计时间CT。

随着输出累计时间AT、床温累计时间BT以及燃烧累计时间CT的延长，催化剂81的劣化度变大。因此，劣化推定部11也可以根据所算出的输出累计时间AT、床温累计时间BT以及燃烧累计时间CT中的任一个来推定催化剂81的劣化度。

然而，虽然输出累计时间AT、床温累计时间BT、或燃烧累计时间CT是与催化剂81的劣化相关的参数，然而，存在即使可根据一个参数推定催化剂81的劣化度，但无法准确地推定催化剂81的劣化度的情况。因此，优选综合考虑这些参数来推定催化剂81的劣化度。

2-1-2.关于基于机器学习(人工智能)的催化剂的劣化度的算出

因此，在本实施方式中，具备根据上述的累计时间AT、BT、CT算出催化剂81的劣化度的劣化学习部11D。具体而言，劣化学习部11D针对多个催化剂中的各催化剂，将输出累计时间、床温累计时间、燃烧累计时间、以及催化剂81的劣化度作为教师数据，对催化剂的劣化度的算出进行机器学习。

在本实施方式中，作为其一例，劣化学习部11D由图6所示的深度神经网络(DeepNeural Network)11D’((DNN)：以下称为“神经网络”)构成。劣化学习部11D的神经网络11D’被输入成为劣化度的推定的对象的催化剂81的输出累计时间A1、床温累计时间B1以及燃烧累计时间C1，算出成为劣化度的推定的对象的催化剂81的劣化度。

神经网络11D’具备输入输出累计时间A1、床温累计时间B1以及燃烧累计时间C1的输入神经元要素11a、输出催化剂81的劣化度的输出神经元要素11d、以及作为将输入神经元要素11a与输出神经元要素11d连结的中间层的中间神经元要素11b、11c。在本实施方式中，中间神经元要素11b、11c由2层构成，但不限定于上述的层数。如图6所示，各神经元要素11a、11b、11c、11d按该顺序依次结合，各神经元要素被输入该结合后的神经元要素进行运算的神经元参数，对将激活函数代入该神经元参数而得到的值乘以权重系数，从而运算出新的神经元参数。

在作为人工智能而对催化剂81的劣化度的算出进行学习时，将针对学习用的催化剂算出的输出累计时间、床温累计时间以及燃烧累计时间向输入神经元要素11a输入。与此同时，也输入学习用的催化剂的劣化度。由此，通过输出神经元要素11d算出催化剂的劣化度，并且以使得该催化剂的劣化度处于预定的范围内的方式修正各神经元要素的权重系数，从而对催化剂的劣化度的算出进行学习。作为教师数据，可使用针对实际使用的催化剂的输出累计时间、床温累计时间以及燃烧累计时间、和针对该催化剂测定出的催化剂的劣化度。测定出的催化剂的劣化度例如可以是通过上述的Cmax法测定出的值，只要能够更准确地测定或算出催化剂的劣化度，则用作教师数据的催化剂的劣化度就没有特别的限定。

像这样，在人工智能的应用阶段使用通过修正权重系数而构建的神经网络11D’。由此，当向输入神经元要素11a输入成为劣化度的评价对象的催化剂81的输出累计时间AT、床温累计时间BT以及燃烧累计时间CT时，由输出神经元要素11d算出催化剂81的劣化度，从而能够更准确地推定催化剂81的劣化度。

2-2.关于再利用设定部12

再利用设定部12根据催化剂81的再利用的用途，将催化剂81的劣化度的范围设定为催化剂81的再利用范围。在本实施方式中，如图7所示，再利用设定部12按多个再利用的用途A～C中的每个用途设定催化剂81的劣化度的范围。这些设定通过输入装置91来进行。

再利用设定部12将催化剂81的劣化度为0以上且小于D1的范围设定为再利用的用途A的再利用范围U1。同样地，再利用设定部12将催化剂81的劣化度为D1以上且小于D2的范围设定为再利用的用途B的再利用范围U2。同样地，再利用设定部12将催化剂81的劣化度为D2以上且小于D3的范围设定为再利用的用途C的再利用范围U3。

此外，在本实施方式中，催化剂81的劣化度为D3以上的范围的话，设定为催化剂81无法再利用的范围。此外，在本实施方式中，例示出再利用的用途A～C这3个用途，但再利用的用途也可以是一个，并设定与之相应的再利用范围，也可以设定3个以外的多个再利用的用途和与之相应的再利用范围。

在此，在图7中，以使得催化剂的劣化度的范围根据再利用的用途A～C而不重叠的方式划分为再利用范围U1～U3，但对于再利用范围U1～U3，催化剂的劣化度的范围也可以重叠。

例如，再利用的用途A是针对催化剂受损的其他车辆的、更换用的催化剂81的使用。再利用的用途B是用于生成氢气的催化剂的使用。具体而言，将包含催化剂81的催化剂转换器80安装于供给含有一氧化碳(例如城市煤气)和水蒸气的气体的供给管、和排出管。经由供给管供给一氧化碳和水蒸气，通过它们的改质反应而产生氢气和二氧化碳。再利用的用途C是对从燃烧炉等排出的排气进行净化的催化剂81的使用。

再利用的用途A～C是用途的一例，不限定于这些用途。与再利用的用途A～C相应的催化剂的再利用范围U1～U3由对催化剂81要求的性能来决定。

2-3.关于再利用判定部13

再利用判定部13在由劣化推定部11推定出的催化剂81的劣化度处于由再利用设定部12设定的再利用范围U1(U2、U3)内时，判定为在再利用的用途U1(U2、U3)中能够进行催化剂81的再利用。

在本实施方式中，再利用判定部13基于按多个再利用的用途U1～U2中的每个用途设定的催化剂81的劣化度的范围(即再利用范围U1、U2、U3)来判定是否能够进行催化剂81的再利用。例如，如图7所示，在由劣化推定部11推定出催化剂81的劣化度为“d”的情况下，由于催化剂的劣化度“d”处于D1以上且小于D2的范围即再利用范围U2，所以判定为是再利用的用途B。此外，在由劣化推定部11推定出催化剂81的劣化度为D3以上的情况下，判定为不存在催化剂81的再利用的用途(即无法进行再利用)。像这样，由再利用判定部13判定出的结果向显示装置92输出。

2-4.关于失火检测部14的失火检测和再利用判定

失火检测部14检测发动机7的失火。关于发动机7的失火，例如，失火检测部14根据由曲轴角检测传感器94检测出的曲轴78的旋转角度算出发动机7的转速，在发动机7的转速的变动超出了预定的范围的情况下，判定为在发动机7的燃烧室79中所喷射的燃料不燃烧(发动机7失火)。

在此，再利用判定部13在失火检测部14检测出发动机7的失火的情况下，判定为无法进行催化剂81的再利用。在该情况下，即使催化剂81的劣化度处于能够再利用的范围内(具体而言，催化剂的劣化度小于D3)，再利用判定部13也判定为无法进行催化剂81的再利用。

在像这样由失火检测部14检测出发动机的失火的情况下，燃料与吸入空气混合后的未燃气体作为排气通过催化剂81，催化剂81过度地发热，催化剂81多会受损。因此，在再利用判定部13中，对于这样的催化剂81，即使催化剂81的劣化度处于再利用范围内，也能够判定为无法进行再利用，所以在对催化剂81进行再利用时，能够适当地进行与再利用的用途相符的催化剂81的再利用的评价。像这样，由再利用判定部13判定出的结果与发动机7的失火的结果一起向显示装置92输出。

2-5.关于劣化预测部15

劣化预测部15根据由劣化推定部11算出的输出累计时间、床温累计时间以及燃烧累计时间中的任一个累计时间、和由劣化推定部11推定出的催化剂81的劣化度，来预测与累计时间相应的催化剂81的劣化度的进展。

具体而言，如图7所示，例如，将输出累计时间、床温累计时间以及燃烧累计时间中的任一个累计时间作为时间轴，随着累计时间的增加而推定催化剂81的劣化度。如图7所示，例如，通过由劣化推定部11持续地推定催化剂81的劣化度，能够求出到累计时间t为止的期间中的劣化曲线S1。

接着，根据该劣化曲线S1算出随着累计时间的增加而增加的催化剂81的劣化度的劣化预测曲线S2。关于劣化预测曲线S2，也可以在与催化剂81同种的催化剂，通过函数等设定相对于累计时间的、催化剂81的劣化度的标准曲线(未图示)，并根据该函数算出劣化预测曲线S2。另外，在劣化曲线S1为大致直线的情况下，也可以将该劣化曲线S1和劣化预测曲线S2视为直线，通过最小二乘法算出劣化预测曲线S2。像这样，劣化预测部15预测与累计时间相应的催化剂81的劣化度的进展，并将该预测结果以此后增加的累计时间和催化剂的劣化度的表格的形式，例如以图7所示的图表的形式向显示装置92输出。像这样，通过预测催化剂81的劣化度，能够预测其用途中的催化剂81的再利用可能性。

3.关于利用了再利用评价系统10的再利用评价方法

以下，参照图8所示的流程图对再利用评价方法进行说明。首先，在步骤S81中，经由输入装置91来设定与催化剂81的再利用的用途相应的催化剂81的再利用范围。由此，在再利用设定部12中，根据催化剂81的再利用的用途来设定催化剂81的劣化度的范围。

接着，在步骤S82中，在将净化车辆1的发动机7的排气的催化剂81搭载于车辆1的状态下，通过劣化推定部11的输出累计时间算出部11A、床温累计时间算出部11B以及燃烧累计时间算出部11C算出输出累计时间AT、床温累计时间BT以及燃烧累计时间CT。

接着，在步骤S83中，将所算出的输出累计时间AT、床温累计时间BT以及燃烧累计时间CT向劣化学习部11D输入，由劣化学习部11D算出催化剂81的劣化度。像这样，能够通过劣化推定部11对搭载于车辆1的状态的催化剂81进行劣化度的推定。此外，在劣化学习部11D中，在步骤S81之前生成并保存通过上述的教师数据进行了学习后的数据(程序)。

接着，在步骤S84中，由再利用判定部13来判定由劣化推定部11推定出的催化剂81的劣化度是否处于由再利用设定部12设定的再利用范围内。此外，此处所说的再利用范围是图7所示的催化剂81的劣化度为0以上且小于D3的范围。在此，在催化剂81的劣化度处于由再利用设定部12设定的再利用范围外的情况下，即，催化剂81的劣化度为D3以上的情况下，前进至步骤S88，由再利用判定部13判定为无法再利用催化剂81。

在步骤S85中催化剂81的劣化度处于由再利用设定部12设定的再利用范围内的情况下，前进至步骤S85，由失火检测部14来判定是否检测出搭载于车辆1的发动机7的失火。在此，在检测出了发动机7的失火的情况下，前进至步骤S88，由再利用判定部13判定为无法再利用催化剂81。

在步骤S86中，由于通过一系列的步骤判定为能够进行催化剂81的再利用，所以基于催化剂81的劣化度来确定催化剂81的再利用的用途。例如，在图7所示的情况下，催化剂81的劣化度为“d”，所以判定为催化剂81的再利用的用途为B。

在步骤S87中，由劣化预测部15来预测催化剂81的劣化的进展，并将在上述的一系列的步骤中所得到的结果向显示装置92输出。

像这样，根据本实施方式，在对净化车辆1的发动机7的排气的催化剂81进行再利用时，能够适当地进行与再利用的用途相符的催化剂81的再利用评价。

此外，虽然在本实施方式中，将再利用评价系统10搭载于车辆1，但例如也可以如图9所示那样，将再利用评价系统10以服务器的形式设置于车外，再利用评价系统10经由网络6进行多个车辆1的再利用评价。

在该情况下，再利用评价系统10的劣化推定部11针对多个车辆1的催化剂81，推定每个车辆1的催化剂81的劣化度。再利用判定部13判定在每个车辆1的催化剂81的再利用的用途中是否能够进行催化剂81的再利用。

再利用评价系统10除了图3所示的构成以外，还具备车辆台数确定部16。车辆台数确定部16对多个车辆1中的多个车辆确定搭载有被判定为能够再利用的催化剂81的车辆1及其台数。更具体而言，在本实施方式中，再利用设定部12按多个再利用的用途A～C中的每个用途设定了催化剂81的劣化度的范围。因此，车辆台数确定部16针对多个车辆1，按每个用途确定具有判定为能够再利用的催化剂81的车辆1及其台数。

根据该技术方案，针对多个车辆1，确定具有在用途A～C中能够再利用的催化剂的车辆1及其台数，所以能够管理与用途相应的能够作为可再利用的催化剂81而供给的催化剂81的个数。由此，在废弃该车辆1之前，能够容易按每个用途确保可再利用的催化剂81。

以上，对本发明的一实施方式进行了详细描述，但本发明不限定于所述的实施方式，能够在不脱离权利要求书所记载的本发明的思想的范围内进行各种设计变更。

Claims (6)

1.一种催化剂的再利用评价系统，在净化车辆的发动机的排气的催化剂搭载于车辆的状态下，进行用于所述催化剂的再利用的评价，

所述催化剂的再利用评价系统的特征在于，具备：

劣化推定部，基于所述车辆的运转状态推定所述催化剂的劣化度；

再利用设定部，根据所述催化剂的再利用的用途，设定所述催化剂的劣化度的多个范围中的一个范围作为所述催化剂的再利用范围，所述再利用范围是所述催化剂从车辆卸下后的再利用的范围，所述催化剂的劣化度的多个范围中的每个范围是基于所述催化剂的不同的再利用可能性的范围；以及

再利用判定部，在由所述劣化推定部推定出的所述催化剂的劣化度处于由所述再利用设定部设定的所述再利用范围内时，判定为在所述再利用的用途中能够进行所述催化剂的再利用，

所述劣化推定部，基于在从所述车辆被制造后到推定所述催化剂的劣化度为止的期间中，对所述发动机处于预定的输出范围内的时间进行累计而得到的输出累计时间、对所述催化剂的床温处于预定的范围内的时间进行累计而得到的床温累计时间或对所述发动机进行稀燃烧的时间进行累计而得到的燃烧累计时间中的至少一个，来推定所述催化剂的劣化度。

2.根据权利要求1所述的催化剂的再利用评价系统，其特征在于，

所述再利用评价系统还具备检测所述发动机的失火的失火检测部，

在所述失火检测部检测出所述发动机的失火的情况下，所述再利用判定部判定为无法进行所述催化剂的再利用。

3.根据权利要求1所述的催化剂的再利用评价系统，其特征在于，

所述劣化推定部还具备劣化学习部，所述劣化学习部针对学习用的多个催化剂中的各催化剂，将所述输出累计时间、所述床温累计时间、所述燃烧累计时间以及催化剂的劣化度作为教师数据，对所述催化剂的劣化度的算出进行机器学习，

所述劣化学习部被输入成为劣化度的推定的对象的催化剂的所述输出累计时间、所述床温累计时间以及所述燃烧累计时间，算出成为劣化度的推定的对象的催化剂的劣化度。

4.根据权利要求1所述的催化剂的再利用评价系统，其特征在于，

所述再利用评价系统还具备劣化预测部，所述劣化预测部根据所述输出累计时间、所述床温累计时间以及所述燃烧累计时间中的任一个累计时间和由所述劣化推定部推定出的所述催化剂的劣化度，来预测与所述累计时间相应的所述催化剂的劣化度的进展。

5.根据权利要求1~4中任一项所述的再利用评价系统，其特征在于，

所述再利用设定部按多个再利用的用途中的每个用途设定所述催化剂的劣化度的范围，

所述再利用判定部基于按所述多个再利用的用途中的每个用途设定的催化剂的劣化度的范围来判定是否能够进行所述催化剂的再利用。

6.根据权利要求1~4中任一项所述的再利用评价系统，其特征在于，

所述劣化推定部针对多个所述车辆的催化剂推定每个所述车辆的所述催化剂的劣化度，

所述再利用评价系统还具备车辆台数确定部，所述车辆台数确定部确定多个车辆中的搭载有被判定为能够再利用的催化剂的车辆及其台数。

Images