CN113719337A - 颗粒捕捉系统处理方法及设备 - Google Patents
颗粒捕捉系统处理方法及设备 Download PDFInfo
- Publication number
- CN113719337A CN113719337A CN202111015286.7A CN202111015286A CN113719337A CN 113719337 A CN113719337 A CN 113719337A CN 202111015286 A CN202111015286 A CN 202111015286A CN 113719337 A CN113719337 A CN 113719337A
- Authority
- CN
- China
- Prior art keywords
- particle capture
- capture system
- regeneration
- early warning
- carbon
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- F01N9/002—Electrical control of exhaust gas treating apparatus of filter regeneration, e.g. detection of clogging
-
- 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
- F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
- F01N2900/06—Parameters used for exhaust control or diagnosing
- F01N2900/16—Parameters used for exhaust control or diagnosing said parameters being related to the exhaust apparatus, e.g. particulate filter or catalyst
- F01N2900/1606—Particle filter loading or soot amount
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Analytical Chemistry (AREA)
- Processes For Solid Components From Exhaust (AREA)
Abstract
本申请提供一种颗粒捕捉系统处理方法及设备。该方法包括:获取当前预警监测周期内车辆运行过程中的基础行驶数据以及车辆的颗粒捕捉系统的系统运行数据;根据基础行驶数据以及系统运行数据,确定当前预警监测周期的累碳特征以及再生特征;根据当前预警监测周期的累碳特征以及再生特征,确定颗粒捕捉系统的运行是否存在异常。本申请的方法,可以在颗粒捕捉系统发生故障之前确定颗粒捕捉系统的运行是否存在异常,避免颗粒捕捉系统发生故障而影响车辆的性能以及颗粒物的排放。
Description
技术领域
本申请涉及车辆技术领域,尤其涉及一种颗粒捕捉系统处理方法及设备。
背景技术
传统的车辆大致可以分为柴油车和汽油车两大类。由于具备油耗低、加速快、价格低、寿命长、可靠性高等优点,柴油车越来越受到人们的青睐。
颗粒捕捉系统(DPF,Diesel Particulate Filter)是柴油车尾气处理系统的重要组成部分,是一种安装在柴油车尾气处理系统中的陶瓷过滤器,它可以在微粒排放物质进入大气之前将其捕捉。当颗粒捕捉系统中积累的颗粒达到一定值时,为了避免柴油车性能下降,颗粒捕捉系统需要通过再生过程去除积累的颗粒,以保证颗粒捕捉系统能够继续正常工作。如果颗粒捕捉系统发生故障,可能会导致颗粒捕捉系统无法进行再生过程或者通过再生过程去除的颗粒较少,使得颗粒捕捉系统中积累的颗粒过多,从而严重影响柴油车的性能以及颗粒物的排放。
然而,现有技术中对颗粒捕捉系统进行处理时,只能判断颗粒捕捉系统是正常运行还是出现故障,并不能发现颗粒捕捉系统发生故障之前的运行异常以进行预警,导致颗粒捕捉系统故障报出时,往往已经产生了一些由颗粒捕捉系统运行异常而引起的不良影响,从而影响车辆的性能以及颗粒物的排放。
发明内容
本申请提供一种颗粒捕捉系统处理方法及设备,用以解决现有技术不能及时发现颗粒捕捉系统发生故障之前的运行异常的问题。
一方面,本申请提供一种颗粒捕捉系统处理方法,包括:
获取当前预警监测周期内车辆运行过程中的基础行驶数据以及所述车辆的颗粒捕捉系统的系统运行数据;
根据所述基础行驶数据以及所述系统运行数据,确定当前预警监测周期的累碳特征以及再生特征;
根据所述当前预警监测周期的累碳特征以及再生特征,确定所述颗粒捕捉系统的运行是否存在异常。
在一种可能的设计中,所述根据所述基础行驶数据以及所述系统运行数据,确定当前预警监测周期的累碳特征以及再生特征,具体包括:
对当前预警监测周期内的基础行驶数据和所述系统运行数据按照数据采集时间顺序进行排序;
按照颗粒捕捉系统循环周期,将排序后的基础行驶数据和所述系统运行数据进行分段,得到各分段样本数据;
从每段样本数据中,提取累碳特征以及再生特征。
在一种可能的设计中,所述按照颗粒捕捉系统循环周期,将排序后的基础行驶数据和所述系统运行数据进行分段,得到各分段样本数据之前,还包括:
获取发动机工作模式切换为颗粒捕捉系统状态的状态变化信息,并根据所述状态变化信息确定所述颗粒捕捉系统循环周期。
在一种可能的设计中,所述基础行驶数据包括车速、累计运行时间、累计运行里程和发动机转速中的至少一种;
所述颗粒捕捉系统的系统运行数据包括颗粒捕捉系统碳载量、废气流量、颗粒捕捉系统上游温度和颗粒捕捉系统下游温度中的至少一种。
在一种可能的设计中,所述累碳特征包括运行工况指数、行驶平均车速、车速零占比、累碳时长、废气流量总值和发动机高转速占比中的至少一种,所述再生特征包括再生时长、碳载量窗口最大值、碳载量窗口最小值、颗粒捕捉系统上游温度均值和颗粒捕捉系统下游温度均值中的至少一种;
其中,运行工况指数R=∝SC/SZ,所述∝表示根据车速设置的工况系数,所述SC表示各循环周期中累碳过程的运行里程,所述SZ表示各循环周期的运行里程;
车速零占比B=Ta/TZ,所述Ta表示各循环周期中车速为零的时长,所述Tz表示各循环周期的时长;
累碳时长TC=TSK-TSJ,所述TSK表示本次循环周期中再生过程开始的时刻,TSJ表示上次循环周期中再生过程结束的时刻;
废气流量总值L=∑Lt,所述Lt表示各循环周期的废气流量瞬时值;
发动机高转速占比P=Tf/TF,所述Tf表示各循环周期中发动机转速超过阈值的时长,所述TF表示各循环周期中发动机运行的时长;
再生时长TS=YSH-TSK,所述TSH表示本次循环周期中再生过程结束的时刻;
在一种可能的设计中,所述根据所述当前预警监测周期的累碳特征以及再生特征,确定所述颗粒捕捉系统的运行是否存在异常,具体包括:
采用特征单分类模型对所述当前预警监测周期的累碳特征以及再生特征进行单分类,获得单分类结果;若单分类结果中存在异常特征,则确定所述颗粒捕捉系统的运行存在异常;若单分类结果中不存在异常特征时,则确定所述颗粒捕捉系统的运行不存在异常;其中,所述特征单分类模型是采用所述车辆正常状态下采集的颗粒捕捉系统的系统状态训练得到的;
或者,
判断预设的异常特征库中是否存在所述累碳特征或所述再生特征;若所述异常特征库中存在所述累碳特征或所述再生特征,则确定所述颗粒捕捉系统的运行存在异常;若所述异常特征库中不存在所述累碳特征和所述再生特征,则确定所述颗粒捕捉系统的运行不存在异常。
在一种可能的设计中,所述特征单分类模型是通过下列方式获得的:
获取所述当前预警监测周期之前预设时长内的累碳特征和再生特征;
判断所述预设时长内的累碳特征和再生特征中是否存在异常特征;
若不存在异常特征,则采用所述预设时长内的累碳特征和再生特征作为训练集对所述当前预警监测周期的前一预警监测周期所使用的特征单分类模型进行训练,得到所述当前预警监测周期所使用的特征单分类模型;
若存在异常特征并且所述异常特征存在对应的故障信息,则将所述当前预警监测周期的前一预警监测周期所使用的特征单分类模型作为所述当前预警监测周期所使用的特征单分类模型;
若存在异常特征并且所述异常特征不存在对应的故障信息,则剔除所述异常特征,并且将所述预设时长内剩余的累碳特征和再生特征作为训练集,对所述当前预警监测周期的前一预警监测周期所使用的特征单分类模型进行训练,得到所述当前预警监测周期所使用的特征单分类模型。
另一方面,本申请提供一种颗粒捕捉系统处理设备,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器中存储的可执行指令,执行上述的方法。
第三方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现上述的方法。
第四方面,本申请提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法。
本申请提供的颗粒捕捉系统处理方法,可以根据当前预警监测周期内车辆运行过程中的基础行驶数据以及车辆的颗粒捕捉系统的系统运行数据,确定当前预警监测周期的累碳特征以及再生特征。之后,根据累碳特征以及再生特征确定当前预警监测周期内颗粒捕捉系统的运行是否存在异常。颗粒捕捉系统的运行过程可以分为累碳过程和再生过程,通过分别获取累碳过程的累碳特征和再生过程的再生特征,可以准确表征颗粒捕捉系统的运行状态,进一步通过当前预警监测周期内的累碳特征以及再生特征来判断颗粒捕捉系统的运行是否存在异常,从而在颗粒捕捉系统发生故障之前确定颗粒捕捉系统的运行是否存在异常,当颗粒捕捉系统的运行存在异常时,可以对用户进行预警以提示用户及时对车辆进行检修,避免颗粒捕捉系统发生故障而影响车辆的性能以及颗粒物的排放。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1a为本申请的一实施例提供的应用场景图;
图1b为本申请的另一实施例提供的应用场景图;
图2为本申请的一实施例提供的颗粒捕捉系统处理方法的流程示意图;
图3为本申请的一实施例提供的特征单分类模型的训练集确定示意图;
图4为本申请的另一实施例提供的颗粒捕捉系统处理方法的流程示意图;
图5是本申请的一实施例提供的颗粒捕捉系统处理设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
本申请具体的应用场景如图1a所示,服务器2获取车辆1运行过程中颗粒捕捉系统产生的各种系统运行数据,并且判断系统运行数据中是否存在故障数据。例如,车辆1在产生故障时会生成故障码,该故障码可以表示发生的故障的类别。服务器2在获取到颗粒捕捉系统对应的故障码后即可确定车辆1的颗粒捕捉系统已经发生故障,并且向车辆1发送故障信息,以使车辆1在接收到故障信息后输出报警信号,以便于用户接收到报警信号后对该车辆1的颗粒捕捉系统进行维修。
但是,车辆在接收到故障信息后向用户输出报警信号时,该车辆的颗粒捕捉系统已经发生故障,并且在发生故障之前颗粒捕捉系统还会有一段时间运行异常,导致此时往往已经产生了一些由颗粒捕捉系统运行异常和发生故障而引起的不良影响,从而影响车辆的性能以及颗粒物的排放。
本申请提供的颗粒捕捉系统处理方法,旨在解决现有技术的如上技术问题。该方法可以在颗粒捕捉系统发生故障之前确定颗粒捕捉系统的运行是否存在异常,当颗粒捕捉系统的运行存在异常时,可以对用户进行预警以提示用户及时对车辆进行检修,避免颗粒捕捉系统发生故障而影响车辆的性能以及颗粒物的排放。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1b是本申请一实施例的应用场景图,服务器2获取当前预警监测周期内车辆1运行过程中产生的基础行驶数据以及车辆1的颗粒捕捉系统的系统运行数据,根据基础行驶数据以及系统运行数据确定累碳特征以及再生特征。之后,服务器2根据预设的特征单分类模型判断累碳特征和再生特征中是否存在异常特征,若单分类结果中存在异常特征,则颗粒捕捉系统的运行存在异常,服务器2向车辆1发送异常消息。车辆1在接收到异常信息后输出预警信号,以便于用户在接收到预警信号后对该车辆1的颗粒捕捉系统进行检修,以避免颗粒捕捉系统发生故障而影响车辆1的性能以及颗粒物的排放。
实施例一
图2是本申请一实施例提供的颗粒捕捉系统处理方法的流程图,本申请实施例提供的颗粒捕捉系统处理方法的执行主体可以是服务器,也可以是车辆的控制器,本实施例以执行主体为服务器对颗粒捕捉系统处理方法进行说明。如图2所示,该颗粒捕捉系统处理方法可以包括以下步骤:
S101:获取当前预警监测周期内车辆运行过程中的基础行驶数据以及车辆的颗粒捕捉系统的系统运行数据。
在本实施例中,车辆运行过程产生的数据和车辆的颗粒捕捉系统运行时产生的数据有很多,本实施例中可以获取与颗粒捕捉系统运行异常有关的基础行驶数据和系统运行数据,具体的数据本领域技术人员可以根据经验灵活设置,在此不做任何限制。此外,本领域技术人员可以根据需要灵活设置预警监测周期,例如,预警监测周期可以是一天,也可以是一周,在此不做任何限制。
在本实施例中,在获取到当前预警监测周期内的基础行驶数据以及系统运行数据之后,还可以对数据中的空值或者异常值等进行数据清洗,避免空值带来的无效计算以及异常值等偶然误差对后续特征确定的影响。
在一个实施方式中,基础行驶数据包括车速、累计运行时间、累计运行里程和发动机转速中的至少一种;颗粒捕捉系统的系统运行数-据包括颗粒捕捉系统碳载量、废气流量、颗粒捕捉系统上游温度和颗粒捕捉系统下游温度中的至少一种。
在本实施方式中,通过上述基础行驶数据可以准确表征车辆当前的运行状态,通过上述系统运行数据可以准确表征当前预警监测周期颗粒捕捉系统的运行状态,从而提高后续步骤根据上述基础行驶数据和系统运行数据进行特征确定的准确性。
在本实施方式中,颗粒捕捉系统碳载量指的是颗粒捕捉系统中积累的颗粒的量,由于这些颗粒中碳元素含量较高,因此通常简称为碳载量。可以通过现有的颗粒捕捉系统背压模型计算得到颗粒捕捉系统碳载量,具体的计算方法在此不做赘述。废气流量指的是进入尾气处理系统的废气流量。颗粒捕捉系统上游温度指的是颗粒捕捉系统前端的温度,颗粒捕捉系统下游温度指的是颗粒捕捉系统后端的温度。当然,基础行驶数据也可以包括其他车辆运行时产生的数据,例如,发动机输出扭矩、发动机循环喷油量等;系统运行数据也可以包括其他颗粒捕捉系统运行时产生的数据,例如,颗粒捕捉系统压差等,在此不作限制。
S102:根据基础行驶数据以及系统运行数据,确定当前预警监测周期的累碳特征以及再生特征。
在本实施例中,颗粒捕捉系统的运行过程可以分为累碳过程和再生过程,累碳过程和再生过程中颗粒捕捉系统运行的侧重点不同,需要根据不同的过程提取不同的特征。因此,可以根据基础行驶数据以及系统运行数据分别确定累碳过程的累碳特征以及再生过程的再生特征,通过累碳特征以及再生特征准确表征当前预警监测周期颗粒捕捉系统的运行状态。
在一个实施方式中,累碳特征包括运行工况指数、行驶平均车速、车速零占比、累碳时长、废气流量总值和发动机高转速占比中的至少一种,再生特征包括再生时长、碳载量窗口最大值、碳载量窗口最小值、颗粒捕捉系统上游温度均值和颗粒捕捉系统下游温度均值中的至少一种。
在本实施方式中,运行工况指数R=∝SC/SZ,∝表示根据车速设置的工况系数,SC表示各循环周期中累碳过程的运行里程,SZ表示各循环周期的运行里程。工况系数∝是根据车速设置的,具体的设置方式本领域技术人员可以灵活设置。例如,车速小于40km/h为城市工况;车速大于等于40km/h,并且小于等于80km/h为郊区工况;车速大于80km/h为高速工况;城市工况系数∝=0;郊区工况系数∝=0.6;高速工况系数∝=1。
车速零占比B=Ta/Tz,Ta表示各循环周期中车速为零的时长,Tz表示各循环周期的时长。
累碳时长TC=TSK-TSJ,TSK表示本次循环周期中再生过程开始的时刻,TSJ表示上次循环周期中再生过程结束的时刻。
废气流量总值L=ΣLt,Lt表示各循环周期的废气流量瞬时值。
发动机高转速占比P=Tf/TF,Tf表示各循环周期中发动机转速超过阈值的时长,TF表示各循环周期中发动机运行的时长。
再生时长Ts=TSH-TSK,TSH表示本次循环周期中再生过程结束的时刻。
在本实施方式中,当颗粒捕捉系统处于累碳过程时,主要捕捉车辆行驶过程中产生的颗粒,在该过程中基础行驶数据对颗粒捕捉系统运行状态的影响较大,系统运行数据对颗粒捕捉系统运行状态的影响较小,因此提取累碳过程中的累碳特征时侧重于基础行驶数据。当颗粒捕捉系统处于再生过程时,主要通过再生过程燃烧掉累碳过程中捕捉到的颗粒,在该过程中系统运行数据对颗粒捕捉系统运行状态的影响较大,基础行驶数据对颗粒捕捉系统运行状态的影响较小,因此提取再生过程中的再生特征时侧重于系统运行数据。
在本实施方式中,通过运行工况指数、行驶平均车速、车速零占比、累碳时长、废气流量总值和发动机高转速占比等累碳特征可以准确表征累碳过程中颗粒捕捉系统的运行状态;通过再生时长、碳载量窗口最大值、碳载量窗口最小值、颗粒捕捉系统上游温度均值和颗粒捕捉系统下游温度等再生特征可以准确表征再生过程中颗粒捕捉系统的运行状态,后续步骤中通过当前预警监测周期的累碳特征以及再生特征判断颗粒捕捉系统的运行是否存在异常时,可以提高判断的准确性。
在本实施方式中,提取到累碳特征和再生特征之后,由于特征数量较多,后续计算量较大,可以利用对提取到的特征进行降维处理,具体降至的维度本领域技术人员可以灵活设置,具体的降维过程可以采用现有技术中的PCA等算法,在此不做赘述。
S103:根据当前预警监测周期的累碳特征以及再生特征,确定颗粒捕捉系统的运行是否存在异常。
在本实施例中,当颗粒捕捉系统的运行存在异常时,可以控制车辆输出预警信息以对用户预警,提醒用户颗粒捕捉系统发生异常,继续行驶可能会发生故障,以便用户及时进行检修,防止颗粒捕捉系统发生故障而影响车辆的性能以及颗粒物的排放。
在一个可能的实施方式中,S103根据当前预警监测周期的累碳特征以及再生特征,确定颗粒捕捉系统的运行是否存在异常,可以包括:判断预设的异常特征库中是否存在累碳特征或再生特征;若异常特征库中存在累碳特征或再生特征,则颗粒捕捉系统的运行存在异常;若异常特征库中不存在累碳特征和再生特征,则颗粒捕捉系统的运行不存在异常。
在本实施方式中,可以根据车辆出厂前的测试和车辆实际行驶过程中产生的异常特征等预先创建一个异常特征库,提取到当前预警监测周期的累碳特征以及再生特征后,可以判断该异常特征库中是否存在累碳特征或再生特征,若该异常特征库中存在当前预警监测周期的累碳特征或再生特征,则颗粒捕捉系统的运行存在异常。通过这样的设置,可以简单便捷地确定当前预警监测周期的累碳特征以及再生特征中是否存在异常特征,从而进一步判断颗粒捕捉系统的运行是否存在异常,提高了运行异常判断的效率。
在另一个可能的实施方式中,S103根据当前预警监测周期的累碳特征以及再生特征,确定颗粒捕捉系统的运行是否存在异常,还可以包括:采用特征单分类模型对当前预警监测周期的累碳特征以及再生特征进行单分类,获得单分类结果;若单分类结果中存在异常特征,则确定颗粒捕捉系统的运行存在异常;若单分类结果中不存在异常特征时,则确定颗粒捕捉系统的运行不存在异常;其中,特征单分类模型是采用车辆正常状态下采集的颗粒捕捉系统的系统状态训练得到的。
在本实施方式中,可以事先采集车辆正常状态下的颗粒捕捉系统的系统运行数据以及车辆的基础行驶数据,利用步骤S102中的方法根据车辆正常状态下的颗粒捕捉系统的系统运行数据以及车辆的基础行驶数据确定相应的特征,并且根据特征训练得到特征单分类模型。当确定当前预警监测周期的累碳特征以及再生特征后,利用该特征单分类模型对当前预警监测周期的累碳特征以及再生特征进行单分类,若单分类结果中存在异常特征,则确定颗粒捕捉系统的运行存在异常。通过这样的设置,可以提高当前预警监测周期中颗粒捕捉系统的运行异常判断的准确性。
在一个具体的实施方式中,上述特征单分类模型可以是根据一类支持向量机(OneClass-SVM)算法模型训练得到的,一类支持向量机算法模型可以根据输入的车辆正常状态下提取到的特征进行训练拟合出超平面,通过该超平面区分正常特征和异常特征。当前预警监测周期的累碳特征以及再生特征在输入训练好的特征单分类模型进行测试后,如果存在超出超平面的特征,则该特征为异常特征。
在一个实施方式中,特征单分类模型可以通过下列方式获得的:获取当前预警监测周期之前预设时长内的累碳特征和再生特征;判断预设时长内的累碳特征和再生特征中是否存在异常特征。
若不存在异常特征,则采用预设时长内的累碳特征和再生特征作为训练集对当前预警监测周期的前一预警监测周期所使用的特征单分类模型进行训练,得到当前预警监测周期所使用的特征单分类模型。
若存在异常特征并且异常特征存在对应的故障信息,则将当前预警监测周期的前一预警监测周期所使用的特征单分类模型作为当前预警监测周期所使用的特征单分类模型。
若存在异常特征并且异常特征不存在对应的故障信息,则剔除异常特征,并且将预设时长内剩余的累碳特征和再生特征作为训练集,对当前预警监测周期的前一预警监测周期所使用的特征单分类模型进行训练,得到当前预警监测周期所使用的特征单分类模型。
在本实施方式中,由于不同车辆之间存在差异性、不同驾驶员之间存在差异性、不同运行工况之间存在差异性等,导致不同车辆出厂后产生的系统运行数据及其对应的系统运行状态不同,同一车辆不同时期产生的系统运行数据及其对应的系统运行状态也不同。车辆刚出厂时有些系统运行数据对应正常的系统运行状态,但车辆行驶一段时间后这些系统运行数据对应的系统运行状态可能出现异常。为了解决上述问题,本申请利用当前预警监测周期之前预设时长内的累碳特征和再生特征对前一预警监测周期所使用的特征单分类模型进行训练,通过不断进行模型更新使特征单分类模型的单分类结果更加贴合当前颗粒捕捉系统的运行状态,单分类结果更加准确,进一步提高运行异常判断的准确性。
进一步的,利用当前预警监测周期之前预设时长内的累碳特征和再生特征对前一预警监测周期所使用的特征单分类模型进行模型更新时,通过判断预设时长内的累碳特征和再生特征中是否存在异常特征来确定是否要对模型进行更新。如果存在异常特征则进一步通过该存在异常特征是否存在对应的故障信息来确定是否要对模型进行更新以及具体的训练集。通过这样的设置,保证模型的训练集一直是当前预警监测周期之前预设时长内的正常特征,提高训了练集中特征的时效性和准确性,进一步提高特征单分类模型的单分类结果的准确性。
在本实施方式中,本领域技术人员可以灵活设置预设时长,例如,预设时长可以是一个周,也可以是一个月,在此不作限制。此外,为保证模型训练集中样本的数量以提高模型但分类效果,预设时长可以大于等于预警监测周期。故障信息可以是颗粒捕捉系统的故障码或者故障状态码,通过故障码可以判断发生故障的是否为颗粒捕捉系统,通过故障状态码可以判断故障是否发生以及故障的程度。如果某异常特征对应一个故障码,则该异常特征对应故障信息,当然,也可以通过其他数据确定异常特征是否对应故障信息,在此不作限制。
在一个具体的实施方式中,如图3所示,图3表示特征单分类模型的训练集确定示意图。中方格表示每一预警监测周期产生的累碳特征和再生特征,虚线框表示特征单分类模型的训练集。左图中方格5表示当前预警监测周期的前一预警监测周期的特征,虚线框中的方格1-4表示前一预警监测周期之前四周内的累碳特征和再生特征。前一预警监测周期的所使用的特征单分类模型是利用方格1-4中的特征训练得到的。在获取当前预警监测周期的特征单分类模型时,要使用当前预警监测周期之前四周内的特征,即方格2-5中的特征,此时需要判断方格2-5中的特征中是否存在异常特征。由于方格2-4中的特征在训练前一预警监测周期的所使用的特征单分类模型时已经用过,为正常特征,因此,只需判断方格5中的特征中是否存在异常特征。右图中,方案一:方格5中的特征中不存在异常特征,则将方格2-5中的特征作为训练集对前一预警监测周期的所使用的特征单分类模型进行训练,得到当前预警监测周期的特征单分类模型。方案二:方格5中的特征中存在异常特征,并且该异常特征存在对应的故障信息,则不对模型进行更新,将当前预警监测周期的前一预警监测周期所使用的特征单分类模型作为当前预警监测周期所使用的特征单分类模型。方案二:方格5中的特征中存在异常特征,并且该异常特征不存在对应的故障信息,则剔除异常特征,并且将方格2-5中剩余的累碳特征和再生特征作为训练集,对当前预警监测周期的前一预警监测周期所使用的特征单分类模型进行训练,得到当前预警监测周期所使用的特征单分类模型。
实施例二
图4是本申请一实施例提供的颗粒捕捉系统处理方法的流程图。如图4所示,上述S102根据基础行驶数据以及系统运行数据,确定当前预警监测周期的累碳特征以及再生特征,可以包括以下步骤:
S201:对当前预警监测周期内的基础行驶数据和系统运行数据按照数据采集时间顺序进行排序。
S202:按照颗粒捕捉系统循环周期,将排序后的基础行驶数据和系统运行数据进行分段,得到各分段样本数据。
S203:从每段样本数据中,提取累碳特征以及再生特征。
在本实施方式中,颗粒捕捉系统的运行过程包括累碳过程和再生过程,一个颗粒捕捉系统循环周期可以包括一个累碳过程和一个再生过程。通过切分颗粒捕捉系统循环周期,并且提取每一颗粒捕捉系统循环周期对应的累碳特征以及再生特征,可以使累碳特征以及再生特征更加准确地表征颗粒捕捉系统的运行状态,此外,切分颗粒捕捉系统循环周期也可以缩小异常特征的判断周期,只要提取到一个颗粒捕捉系统循环周期的累碳特征以及再生特征就可以判断其中是否存在异常特征,从而及时确定颗粒捕捉系统是否存在运行异常以进行预警。
在一个实施方式中,在步骤S202按照颗粒捕捉系统循环周期,将排序后的基础行驶数据和系统运行数据进行分段,得到各分段样本数据之前,还可以包括:
S204:获取发动机工作模式切换为颗粒捕捉系统状态的状态变化信息,并根据状态变化信息确定颗粒捕捉系统循环周期。
在本实施方式中,当颗粒捕捉系统从累碳过程切换为再生过程时,发动机工作模式会切换为颗粒捕捉系统状态;当颗粒捕捉系统从再生过程切换为累碳过程时,发动机工作模式会关闭颗粒捕捉系统状态,因此,从上一次发动机工作模式切换为颗粒捕捉系统状态到本次发动机工作模式切换为颗粒捕捉系统状态的时间段即为一个颗粒捕捉系统循环周期,通过这样的设置,简单便捷而又准确的实现颗粒捕捉系统循环周期的切分。
图5为本申请的一实施例提供的颗粒捕捉系统处理设备的结构示意图,如图5所示,该颗粒捕捉系统处理设备包括:处理器101和存储器102;存储器102存储有计算机程序;处理器101执行存储器存储的计算机程序,实现上述各方法实施例中颗粒捕捉系统处理方法的步骤。
该颗粒捕捉系统处理设备可以是独立的,也可以是车辆的一部分,该处理器101和存储器102可以采用车辆内部现有的硬件。
在上述颗粒捕捉系统处理设备中,存储器102和处理器101之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可以通过一条或者多条通信总线或信号线实现电性连接,如可以通过总线连接。存储器102中存储有实现数据访问控制方法的计算机执行指令,包括至少一个可以软件或固件的形式存储于存储器102中的软件功能模块,处理器101通过运行存储在存储器102内的软件程序以及模块,从而执行各种功能应用以及数据处理。
存储器102可以是,但不限于,随机存取存储器(Random Access Memory,简称:RAM),只读存储器(Read Only Memory,简称:ROM),可编程只读存储器(ProgrammableRead-Only Memory,简称:PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,简称:EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,简称:EEPROM)等。其中,存储器102用于存储程序,处理器101在接收到执行指令后,执行程序。进一步地,上述存储器102内的软件程序以及模块还可包括操作系统,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通信,从而提供其他软件组件的运行环境。
处理器101可以是一种集成电路芯片,具有信号的处理能力。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称:CPU)、网络处理器(Network Processor,简称:NP)等。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请的一实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现本申请各方法实施例的步骤。
本申请的一实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本申请各方法实施例的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种颗粒捕捉系统处理方法,其特征在于,包括:
获取当前预警监测周期内车辆运行过程中的基础行驶数据以及所述车辆的颗粒捕捉系统的系统运行数据;
根据所述基础行驶数据以及所述系统运行数据,确定当前预警监测周期的累碳特征以及再生特征;
根据所述当前预警监测周期的累碳特征以及再生特征,确定所述颗粒捕捉系统的运行是否存在异常。
2.根据权利要求1所述的方法,其特征在于,所述根据所述基础行驶数据以及所述系统运行数据,确定当前预警监测周期的累碳特征以及再生特征,具体包括:
对当前预警监测周期内的基础行驶数据和所述系统运行数据按照数据采集时间顺序进行排序;
按照颗粒捕捉系统循环周期,将排序后的基础行驶数据和所述系统运行数据进行分段,得到各分段样本数据;
从每段样本数据中,提取累碳特征以及再生特征。
3.根据权利要求2所述的方法,其特征在于,所述按照颗粒捕捉系统循环周期,将排序后的基础行驶数据和所述系统运行数据进行分段,得到各分段样本数据之前,还包括:
获取发动机工作模式切换为颗粒捕捉系统状态的状态变化信息,并根据所述状态变化信息确定所述颗粒捕捉系统循环周期。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述基础行驶数据包括车速、累计运行时间、累计运行里程和发动机转速中的至少一种;
所述颗粒捕捉系统的系统运行数据包括颗粒捕捉系统碳载量、废气流量、颗粒捕捉系统上游温度和颗粒捕捉系统下游温度中的至少一种。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述累碳特征包括运行工况指数、行驶平均车速、车速零占比、累碳时长、废气流量总值和发动机高转速占比中的至少一种,所述再生特征包括再生时长、碳载量窗口最大值、碳载量窗口最小值、颗粒捕捉系统上游温度均值和颗粒捕捉系统下游温度均值中的至少一种;
其中,运行工况指数R=∝SC/SZ,所述∝表示根据车速设置的工况系数,所述SC表示各循环周期中累碳过程的运行里程,所述SZ表示各循环周期的运行里程;
车速零占比B=Ta/TZ,所述Ta表示各循环周期中车速为零的时长,所述TZ表示各循环周期的时长;
累碳时长TC=TSK-TSJ,所述TSK表示本次循环周期中再生过程开始的时刻,TSJ表示上次循环周期中再生过程结束的时刻;
废气流量总值L=∑Lt,所述Lt表示各循环周期的废气流量瞬时值;
发动机高转速占比P=Tf/TF,所述Tf表示各循环周期中发动机转速超过阈值的时长,所述TF表示各循环周期中发动机运行的时长;
再生时长TS=TSH-TSK,所述TSH表示本次循环周期中再生过程结束的时刻;
6.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述当前预警监测周期的累碳特征以及再生特征,确定所述颗粒捕捉系统的运行是否存在异常,具体包括:
采用特征单分类模型对所述当前预警监测周期的累碳特征以及再生特征进行单分类,获得单分类结果;若单分类结果中存在异常特征,则确定所述颗粒捕捉系统的运行存在异常;若单分类结果中不存在异常特征时,则确定所述颗粒捕捉系统的运行不存在异常;其中,所述特征单分类模型是采用所述车辆正常状态下采集的颗粒捕捉系统的系统状态训练得到的;
或者,
判断预设的异常特征库中是否存在所述累碳特征或所述再生特征;若所述异常特征库中存在所述累碳特征或所述再生特征,则确定所述颗粒捕捉系统的运行存在异常;若所述异常特征库中不存在所述累碳特征和所述再生特征,则确定所述颗粒捕捉系统的运行不存在异常。
7.根据权利要求6所述的方法,其特征在于,所述特征单分类模型是通过下列方式获得的:
获取所述当前预警监测周期之前预设时长内的累碳特征和再生特征;
判断所述预设时长内的累碳特征和再生特征中是否存在异常特征;
若不存在异常特征,则采用所述预设时长内的累碳特征和再生特征作为训练集对所述当前预警监测周期的前一预警监测周期所使用的特征单分类模型进行训练,得到所述当前预警监测周期所使用的特征单分类模型;
若存在异常特征并且所述异常特征存在对应的故障信息,则将所述当前预警监测周期的前一预警监测周期所使用的特征单分类模型作为所述当前预警监测周期所使用的特征单分类模型;
若存在异常特征并且所述异常特征不存在对应的故障信息,则剔除所述异常特征,并且将所述预设时长内剩余的累碳特征和再生特征作为训练集,对所述当前预警监测周期的前一预警监测周期所使用的特征单分类模型进行训练,得到所述当前预警监测周期所使用的特征单分类模型。
8.一种颗粒捕捉系统处理设备,包括存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器中存储的可执行指令,执行如权利要求1至7中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的方法。
10.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015286.7A CN113719337B (zh) | 2021-08-31 | 2021-08-31 | 颗粒捕捉系统处理方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015286.7A CN113719337B (zh) | 2021-08-31 | 2021-08-31 | 颗粒捕捉系统处理方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113719337A true CN113719337A (zh) | 2021-11-30 |
CN113719337B CN113719337B (zh) | 2023-01-24 |
Family
ID=78680110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111015286.7A Active CN113719337B (zh) | 2021-08-31 | 2021-08-31 | 颗粒捕捉系统处理方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113719337B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090143954A1 (en) * | 2007-11-30 | 2009-06-04 | Matthew Leustek | Engine exhaust after-treatment system |
CN111322143A (zh) * | 2020-02-26 | 2020-06-23 | 潍柴动力股份有限公司 | 柴油机颗粒捕集器的诊断方法、云端服务器及车载终端 |
CN111677584A (zh) * | 2020-06-15 | 2020-09-18 | 中国第一汽车股份有限公司 | 一种颗粒捕集器状态提醒方法、装置、系统及存储介质 |
CN112412600A (zh) * | 2020-11-24 | 2021-02-26 | 安徽江淮汽车集团股份有限公司 | 颗粒捕集器捕集效率监测方法、装置、设备及存储介质 |
CN112648057A (zh) * | 2020-12-22 | 2021-04-13 | 潍柴动力股份有限公司 | 颗粒物捕捉器的碳载量检测方法、相关设备及存储介质 |
-
2021
- 2021-08-31 CN CN202111015286.7A patent/CN113719337B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090143954A1 (en) * | 2007-11-30 | 2009-06-04 | Matthew Leustek | Engine exhaust after-treatment system |
CN111322143A (zh) * | 2020-02-26 | 2020-06-23 | 潍柴动力股份有限公司 | 柴油机颗粒捕集器的诊断方法、云端服务器及车载终端 |
CN111677584A (zh) * | 2020-06-15 | 2020-09-18 | 中国第一汽车股份有限公司 | 一种颗粒捕集器状态提醒方法、装置、系统及存储介质 |
CN112412600A (zh) * | 2020-11-24 | 2021-02-26 | 安徽江淮汽车集团股份有限公司 | 颗粒捕集器捕集效率监测方法、装置、设备及存储介质 |
CN112648057A (zh) * | 2020-12-22 | 2021-04-13 | 潍柴动力股份有限公司 | 颗粒物捕捉器的碳载量检测方法、相关设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113719337B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170024943A1 (en) | System and Method for Service Assessment | |
DE102015214739A1 (de) | Bestimmung einer Fehlerursache bei einem Fahrzeug | |
US20130078725A1 (en) | Engine catalyst diagnostics | |
CN112255552B (zh) | 燃料电池的温度采集装置故障诊断方法、装置和车辆 | |
JP6655361B2 (ja) | 車両制御装置 | |
CN114942387B (zh) | 一种基于真实数据的动力电池故障在线检测方法及系统 | |
CN113719337B (zh) | 颗粒捕捉系统处理方法及设备 | |
CN117171921A (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 | |
CN115131895B (zh) | 一种获取车辆里程数据的方法、装置和电子设备 | |
CN111894713A (zh) | 选择性催化还原器的结晶故障确定方法及装置 | |
CN108628279A (zh) | 一种基于云计算汽车异常数据流的分析方法 | |
CN114858480A (zh) | 应用于车辆中的部件故障预警方法、装置、设备及介质 | |
CN113685253B (zh) | 车辆控制方法与装置、电子设备和计算机可读存储介质 | |
CN115270476A (zh) | 一种基于xgboost算法的dpf碳载量预测方法、装置及存储介质 | |
CN112858725B (zh) | 一种车速一致性检测方法、终端设备及存储介质 | |
CN112555001A (zh) | 柴油车辆及其故障确定方法和计算机可读存储介质 | |
CN114060132A (zh) | 一种基于排放远程监控的NOx传感器作弊甄别方法 | |
CN113063582A (zh) | Egr阀诊断方法、装置、设备及可读存储介质 | |
CN113448301A (zh) | 基于obd系统的故障诊断方法及系统 | |
CN117445672A (zh) | 氢燃料电池汽车的车辆安全风险评估及预警方法、装置 | |
CN116011261B (zh) | 一种碳载量模型修正方法、装置、电子设备及存储介质 | |
CN116335792A (zh) | 基于车联网大数据的发动机油检测方法和电子设备 | |
CN114658524B (zh) | 一种监控颗粒传感器的方法、装置及计算机可读存储介质 | |
CN109900484B (zh) | 气门横臂的检测方法、装置、设备以及存储介质 | |
CN116859890A (zh) | 再生故障预测方法、装置、计算机设备和存储介质 |
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 |