CN114934836A - 一种dpf捕集效率的诊断方法、装置及驾驶设备 - Google Patents
一种dpf捕集效率的诊断方法、装置及驾驶设备 Download PDFInfo
- Publication number
- CN114934836A CN114934836A CN202210459914.9A CN202210459914A CN114934836A CN 114934836 A CN114934836 A CN 114934836A CN 202210459914 A CN202210459914 A CN 202210459914A CN 114934836 A CN114934836 A CN 114934836A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- dpf
- kalman
- trapping efficiency
- physical model
- 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
- F01N9/005—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
- F01N2550/00—Monitoring or diagnosing the deterioration of exhaust systems
- F01N2550/04—Filtering activity of particulate filters
-
- 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)
- Chemical Kinetics & Catalysis (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Processes For Solid Components From Exhaust (AREA)
- Exhaust Gas After Treatment (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明实施例公开了一种DPF捕集效率的诊断方法、装置及驾驶设备,方法包括基于建立的压差物理模型确定卡尔曼系数的表达式;建立卡尔曼滤波的观测方程以及状态方程,并基于观测方程和状态方程求解得到卡尔曼系数;每间隔预设对比时间将卡尔曼系数与预设标定限值进行对比;若卡尔曼系数低于预设标定限值,则确定DPF存在捕集效率低故障。本申请通过引入压差物理模型,并以此来建立卡尔曼滤波算法,以求解的卡尔曼滤波系数作为判断依据,对DPF是否存在捕集效率低故障进行判断,实现了能够精准确定DPF是否存在捕集效率低故障,不仅提高了监控策略的鲁棒性还降低了误报误判率的技术效果。
Description
技术领域
本发明实施例涉及柴油微粒过滤技术领域,尤其涉及一种DPF捕集效率的诊断方法、装置及驾驶设备。
背景技术
在柴油机后处理系统中,需要利用DPF(Diesel particulate filter,柴油微粒过滤器)来降低发动机颗粒排放。根据法规要求,要实时监控DPF过滤效率。目前重型柴油车一般采用基于压差传感器的监控策略,原理比较简单,根据压差传感器测量值与压差限值比较。但是由于后处理布置、压差管路布置、漏气等原因导致压差测量值出现偏差,甚至误报DPF捕集效率低,导致监控策略的鲁棒性降低。
发明内容
本发明实施例提供一种DPF捕集效率的诊断方法、装置及设备,解决了现有技术中使用压差传感器对DPF的过滤效率进行监控时,由于压差传感器的测量值容易出现偏差所导致的误报误判以及监控策略的鲁棒性较低的技术问题。
本发明实施例提供了一种DPF捕集效率的诊断方法,所述方法包括:
基于建立的压差物理模型确定卡尔曼系数的表达式,其中,所述压差物理模型为预先根据DPF的过滤机理建立的用于计算DPF两端压差值的模型;
建立卡尔曼滤波的观测方程以及状态方程,并基于所述观测方程和所述状态方程求解得到所述卡尔曼系数;
每间隔预设对比时间将所述卡尔曼系数与预设标定限值进行对比;
若所述卡尔曼系数低于所述预设标定限值,则确定DPF存在捕集效率低故障。
进一步地,所述基于建立的压差物理模型确定卡尔曼系数的表达式包括:
基于DPF的载体参数、过滤壁渗透率、颗粒层渗透率、气体体积流量、气体密度以及气流动力粘度系数建立所述压差物理模型:
其中,ΔPmodel为DPF两端的压差值,μ为所述气流动力粘度系数,Vf为所述气体体积流量,kwall为所述过滤壁渗透率;ksoot为所述颗粒层渗透率,ρg为所述气体密度,所述载体参数包括:载体体积V,过滤体端面小孔的边长a,小孔壁厚ωs,过滤壁上饼层厚度,ω,摩擦系数F,小孔长度L,收缩/膨胀惯性损耗系数ξ以及载体直径D;
对所述压差物理模型进行化简,得到化简后的所述压差物理模型:
ΔPmodel=ρg·Vf 2·A+μ·Vf·B
其中,所述压差物理模型中的系数A和系数B为所述卡尔曼系数的表达式。
进一步地,所述建立卡尔曼滤波的观测方程以及状态方程,并基于所述观测方程和所述状态方程求解得到所述卡尔曼系数包括:
建立卡尔曼滤波的观测方程Y(k)=HX(k)+V(k)以及状态方程X(k)=ΦX(k)+W(k),其中,Y(k)为k时刻的压差值,X(k)为状态变量,H为观测矩阵,Φ为状态转移矩阵,V(k)和W(k)为过程和观测的噪声;
将所述卡尔曼系数作为所述状态变量X(k),并基于卡尔曼预测算法的递推公式对所述压差物理模型进行求解,得到所述卡尔曼系数。
进一步地,在将所述卡尔曼系数与预设标定限值进行对比之前,所述方法还包括:
启动发动机系统,判断所述发动机系统是否满足使能条件,并在判断结果为是时,执行每间隔预设对比时间将所述卡尔曼系数与预设标定限值进行对比的动作。
进一步地,所述判断所述发动机系统是否满足使能条件包括:
判断压差传感器是否做好测量准备,判断废气体积流量是否大于预设流量限值以及判断碳载量是否处于预设碳载量范围内。
进一步地,所述方法还包括:将废气体积流量积分到积分标定限值的时长作为所述预设对比时间。
进一步地,在确定出DPF存在捕集效率低故障之后,所述方法还包括:
发出报警提示,以报出所述DPF存在捕集效率低故障。
本发明实施例还提供了一种DPF捕集效率的诊断装置,所述装置包括:
系数确定单元,用于基于建立的压差物理模型确定卡尔曼系数的表达式,其中,所述压差物理模型为预先根据DPF的过滤机理建立的用于计算DPF两端压差值的模型;
系数求解单元,用于建立卡尔曼滤波的观测方程以及状态方程,并基于所述观测方程和所述状态方程求解得到所述卡尔曼系数;
系数对比单元,用于每间隔预设对比时间将所述卡尔曼系数与预设标定限值进行对比;
故障诊断单元,用于若所述系数对比单元的对比结果为所述卡尔曼系数低于所述预设标定限值,则确定DPF存在捕集效率低故障。
本发明实施例还提供了一种柴油机后处理系统,所述柴油机后处理系统包括任意实施例所述的DPF捕集效率的诊断装置。
本发明实施例还提供了一种驾驶设备,所述驾驶设备包括上述任意实施例所述的柴油机后处理系统。
本发明实施例公开了一种DPF捕集效率的诊断方法、装置及驾驶设备,方法包括基于建立的压差物理模型确定卡尔曼系数的表达式;建立卡尔曼滤波的观测方程以及状态方程,并基于观测方程和状态方程求解得到卡尔曼系数;每间隔预设对比时间将卡尔曼系数与预设标定限值进行对比;若卡尔曼系数低于预设标定限值,则确定DPF存在捕集效率低故障。本申请通过引入压差物理模型,并以此来建立卡尔曼滤波算法,以求解的卡尔曼滤波系数作为判断依据,对DPF是否存在捕集效率低故障进行判断,解决了现有技术中使用压差传感器对DPF的过滤效率进行监控时,由于压差传感器的测量值容易出现偏差所导致的误报误判以及监控策略的鲁棒性较低的技术问题,实现了能够精准确定DPF是否存在捕集效率低故障,不仅提高了监控策略的鲁棒性还降低了误报误判率的技术效果。
附图说明
图1是本发明实施例提供的一种DPF捕集效率的诊断方法的流程图;
图2是本发明实施例提供的另一种DPF捕集效率的诊断方法的流程图;
图3是本发明实施例提供的一种DPF捕集效率的诊断装置的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
需要说明的是,本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于限定特定顺序。本发明下述各个实施例可以单独执行,各个实施例之间也可以相互结合执行,本发明实施例对此不作具体限制。
图1是本发明实施例提供的一种DPF捕集效率的诊断方法的流程图。
如图1所示,该DPF捕集效率的诊断方法具体包括如下步骤:
S101,基于建立的压差物理模型确定卡尔曼系数的表达式,其中,压差物理模型为预先根据DPF的过滤机理建立的用于计算DPF两端压差值的模型。
具体地,压差物理模型是根据DPF的过滤机理建立的用于计算DPF两端压差值的模型,该模型基于DPF的载体参数、过滤壁渗透率、颗粒层渗透率、气体体积流量、气体密度以及气流动力粘度系数建立得到。
S102,建立卡尔曼滤波的观测方程以及状态方程,并基于观测方程和状态方程求解得到卡尔曼系数。
可选地,S102,建立卡尔曼滤波的观测方程以及状态方程,并基于观测方程和状态方程求解得到卡尔曼系数包括:
建立卡尔曼滤波的观测方程Y(k)=HX(k)+V(k)以及状态方程X(k)=ΦX(k)+W(k),其中,Y(k)为k时刻的压差值,X(k)为状态变量,H为观测矩阵,Φ为状态转移矩阵,V(k)和W(k)为过程和观测的噪声;
将卡尔曼系数作为状态变量X(k),并基于卡尔曼预测算法的递推公式对压差物理模型进行求解,得到卡尔曼系数。
具体地,观测矩阵H=[Vf 2 Vf],其中,Vf为DPF中的气体体积流量,状态转移矩阵Φ=[1 0;0 1],过程和观测的噪声V(k)和W(k)服从高斯分布,其方差对应下述卡尔曼算法中Q和R,Q由试验标定得到,R基于传感器的测量精度得到。
在将卡尔曼系数作为状态变量X(k)之后,基于卡尔曼预测算法的递推公式对压差物理模型进行求解,具体来说,卡尔曼预测算法的递推公式如下:
K(k)=P(k|k-1)HT[HP(k|k-1)HT+R]-1
P(k)=[1-K(k)H]P(k|k-1)
P(k|k-1)=ΦP(k-1)ΦT+Q
S103,每间隔预设对比时间将卡尔曼系数与预设标定限值进行对比。
在计算得到压差物理模型中的卡尔曼系数之后,每间隔预设对比时间就将卡尔曼系数与预设标定限值进行对比,以判断DPF存在捕集效率低故障,其中,预设标定限值是根据台架上DPF正常件和DPF故障件的流阻系数预估得到。
S104,若卡尔曼系数低于预设标定限值,则确定DPF存在捕集效率低故障。
具体地,若卡尔曼系数低于预设标定限制,说明DPF存在破损,则确定DPF存在捕集效率低故障。
本申请通过引入压差物理模型,并以此来建立卡尔曼滤波算法,以求解的卡尔曼滤波系数作为判断依据,对DPF是否存在捕集效率低故障进行判断,能够避免压差传感器偏差或者管路漏气等故障模式导致的压差传感器的测量误差,解决了现有技术中使用压差传感器对DPF的过滤效率进行监控时,由于压差传感器的测量值容易出现偏差所导致的误报误判以及监控策略的鲁棒性较低的技术问题,实现了能够精准确定DPF是否存在捕集效率低故障,不仅提高了监控策略的鲁棒性还降低了误报误判率的技术效果。
可选地,S101,基于建立的压差物理模型确定卡尔曼系数的表达式包括:
基于DPF的载体参数、过滤壁渗透率、颗粒层渗透率、气体体积流量、气体密度以及气流动力粘度系数建立压差物理模型:
其中,ΔPmodel为DPF两端的压差值,μ为气流动力粘度系数,Vf为气体体积流量,kwall为过滤壁渗透率;ksoot为颗粒层渗透率,ρg为气体密度,载体参数包括:载体体积V,过滤体端面小孔的边长a,小孔壁厚ωs,过滤壁上饼层厚度,ω,摩擦系数F,小孔长度L,收缩/膨胀惯性损耗系数ξ以及载体直径D;
对压差物理模型进行化简,得到化简后的压差物理模型:
ΔPmodel=ρg·Vf 2·A+μ·Vf·B
其中,压差物理模型中的系数A和系数B为卡尔曼系数的表达式。
具体地,在得到压差物理模型之后,设定DPF的载体参数不变,同时不考虑碳载量的影响,则可以将压差物理模型简化为ΔPmodel=ρg·Vf 2·A+μ·Vf·B,其中,简化后的压差物理模型中的系数A和系数B均为卡尔曼系数的表达式。
需要说明的是,由于压差物理模型中的系数A的变化较小,对于DPF的过滤效率基本无影响,其主要影响在于系数B,因此后续进行DPF捕集效率低的诊断时,将系数B作为卡尔曼滤波系数,而忽略系数A。
图2是本发明实施例提供的另一种DPF捕集效率的诊断方法的流程图。
可选地,如图2所示,在S103将卡尔曼系数与预设标定限值进行对比之前,方法还包括:
S201,启动发动机系统,判断发动机系统是否满足使能条件,并在判断结果为是时,执行每间隔预设对比时间将卡尔曼系数与预设标定限值进行对比的动作。
具体地,在将卡尔曼系数与预设标定限值进行对比之前,需要先对驾驶设备中的ECU(Electronic Control Unit,电子控制单元)上电,并启动发动机系统,然后监控发动机系统是否满足使能条件,以判断系统是否满足能够开始对DPF进行捕集效率的诊断的条件。
可选地,判断发动机系统是否满足使能条件包括:判断压差传感器是否做好测量准备,判断废气体积流量是否大于预设流量限值以及判断碳载量是否处于预设碳载量范围内。
具体地,当判断出发动机系统满足上述三个使能条件之后,即表明可以进行卡尔曼滤波系数的对比计算,此时废气体积流量开始积分,并判断废气体积流量是否积分到积分标定限制,可选地,将废气体积流量积分到积分标定限值的时长作为预设对比时间,当判断结果为废气体积流量积分到积分标定限值时,将卡尔曼滤波系数与预设标定限值进行比较,以确定DPF是否存在捕集效率低故障;若判断结果为废气体积流量积分未达到积分标定限制时,继续执行废气体积流量的积分动作,直至判断结果为废气体积流量积分到积分标定限值,可以进行卡尔曼滤波系数与预设标定限值之间的比较。
需要说明的是,若卡尔曼滤波系数与预设标定限值的比较结果为卡尔曼系数高于预设标定限值,则表明DPF不存在故障,重新回到判断发动机系统是否满足使能条件的执行步骤。
可选地,在确定出DPF存在捕集效率低故障之后,DPF捕集效率的诊断方法还包括:发出报警提示,以报出DPF存在捕集效率低故障。
具体地,为了能够及时发现DPF存在捕集效率低故障,在确定DPF存在该故障之后,系统会发出报警提示,以尽早提示用户DPF存在故障,其中,报警提示可以为报警提示音、报警闪光灯或仪表盘上显示的报警提示标识,此处不作限制。
本发明实施例还提供了一种DPF捕集效率的诊断装置,该DPF捕集效率的诊断装置用于执行本发明上述实施例所提供的DPF捕集效率的诊断方法,以下对本发明实施例提供的DPF捕集效率的诊断装置做具体介绍。
图3是本发明实施例提供的一种DPF捕集效率的诊断装置的结构图,如图3所示,该DPF捕集效率的诊断装置主要包括:系数确定单元31,系数求解单元32,系数对比单元33,故障诊断单元34,其中,
系数确定单元31,用于基于建立的压差物理模型确定卡尔曼系数的表达式,其中,压差物理模型为预先根据DPF的过滤机理建立的用于计算DPF两端压差值的模型;
系数求解单元32,用于建立卡尔曼滤波的观测方程以及状态方程,并基于观测方程和状态方程求解得到卡尔曼系数;
系数对比单元33,用于每间隔预设对比时间将卡尔曼系数与预设标定限值进行对比;
故障诊断单元34,用于若系数对比单元的对比结果为卡尔曼系数低于预设标定限值,则确定DPF存在捕集效率低故障。
可选地,系数确定单元31具体用于:
基于DPF的载体参数、过滤壁渗透率、颗粒层渗透率、气体体积流量、气体密度以及气流动力粘度系数建立压差物理模型:
其中,ΔPmodel为DPF两端的压差值,μ为气流动力粘度系数,Vf为气体体积流量,kwall为过滤壁渗透率;ksoot为颗粒层渗透率,ρg为气体密度,载体参数包括:载体体积V,过滤体端面小孔的边长a,小孔壁厚ωs,过滤壁上饼层厚度,ω,摩擦系数F,小孔长度L,收缩/膨胀惯性损耗系数ξ以及载体直径D;
对压差物理模型进行化简,得到化简后的压差物理模型:
ΔPmodel=ρg·Vf 2·A+μ·Vf·B
其中,压差物理模型中的系数A和系数B为卡尔曼系数的表达式。
可选地,系数求解单元32具体地用于:
建立卡尔曼滤波的观测方程Y(k)=HX(k)+V(k)以及状态方程X(k)=ΦX(k)+W(k),其中,Y(k)为k时刻的压差值,X(k)为状态变量,H为观测矩阵,Φ为状态转移矩阵,V(k)和W(k)为过程和观测的噪声;
将卡尔曼系数作为状态变量X(k),并基于卡尔曼预测算法的递推公式对压差物理模型进行求解,得到卡尔曼系数。
可选地,在系数对比单元33将卡尔曼系数与预设标定限值进行对比之前,DPF捕集效率的诊断装置还包括:
使能判断单元,用于启动发动机系统,判断发动机系统是否满足使能条件;在使能判断单元判断结果为是时,系数对比单元33执行每间隔预设对比时间将卡尔曼系数与预设标定限值进行对比的动作。
可选地,使能判断单元具体用于:
判断压差传感器是否做好测量准备,判断废气体积流量是否大于预设流量限值以及判断碳载量是否处于预设碳载量范围内。
可选地,DPF捕集效率的诊断装置还包括:
报警单元,用于发出报警提示,以报出DPF存在捕集效率低故障。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供的DPF捕集效率的诊断装置,与上述实施例提供的DPF捕集效率的诊断方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例还提供了一种柴油机后处理系统,柴油机后处理系统包括上述任意实施例中的DPF捕集效率的诊断装置。
本发明实施例提供的柴油机后处理系统包括上述实施例中的DPF捕集效率的诊断装置,因此本发明实施例提供的柴油机后处理系统也具备上述实施例中所描述的有益效果,此处不再赘述。
本发明实施例还提供了一种驾驶设备,驾驶设备包括上述任意实施例中的柴油机后处理系统。
本发明实施例提供的驾驶设备包括上述实施例中的柴油机后处理系统,因此本发明实施例提供的驾驶设备也具备上述实施例中所描述的有益效果,此处不再赘述。
在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种DPF捕集效率的诊断方法,其特征在于,所述方法包括:
基于建立的压差物理模型确定卡尔曼系数的表达式,其中,所述压差物理模型为预先根据DPF的过滤机理建立的用于计算DPF两端压差值的模型;
建立卡尔曼滤波的观测方程以及状态方程,并基于所述观测方程和所述状态方程求解得到所述卡尔曼系数;
每间隔预设对比时间将所述卡尔曼系数与预设标定限值进行对比;
若所述卡尔曼系数低于所述预设标定限值,则确定DPF存在捕集效率低故障。
2.根据权利要求1所述的DPF捕集效率的诊断方法,其特征在于,所述基于建立的压差物理模型确定卡尔曼系数的表达式包括:
基于DPF的载体参数、过滤壁渗透率、颗粒层渗透率、气体体积流量、气体密度以及气流动力粘度系数建立所述压差物理模型:
其中,ΔPmodel为DPF两端的压差值,μ为所述气流动力粘度系数,Vf为所述气体体积流量,kwall为所述过滤壁渗透率;ksoot为所述颗粒层渗透率,ρg为所述气体密度,所述载体参数包括:载体体积V,过滤体端面小孔的边长a,小孔壁厚ωs,过滤壁上饼层厚度,ω,摩擦系数F,小孔长度L,收缩/膨胀惯性损耗系数ξ以及载体直径D;
对所述压差物理模型进行化简,得到化简后的所述压差物理模型:
ΔPmodel=ρg·Vf 2·A+μ·Vf·B
其中,所述压差物理模型中的系数A和系数B为所述卡尔曼系数的表达式。
3.根据权利要求2所述的DPF捕集效率的诊断方法,其特征在于,所述建立卡尔曼滤波的观测方程以及状态方程,并基于所述观测方程和所述状态方程求解得到所述卡尔曼系数包括:
建立卡尔曼滤波的观测方程Y(k)=HX(k)+V(k)以及状态方程X(k)=ΦX(k)+W(k),其中,Y(k)为k时刻的压差值,X(k)为状态变量,H为观测矩阵,Φ为状态转移矩阵,V(k)和W(k)为过程和观测的噪声;
将所述卡尔曼系数作为所述状态变量X(k),并基于卡尔曼预测算法的递推公式对所述压差物理模型进行求解,得到所述卡尔曼系数。
4.根据权利要求1所述的DPF捕集效率的诊断方法,其特征在于,在将所述卡尔曼系数与预设标定限值进行对比之前,所述方法还包括:
启动发动机系统,判断所述发动机系统是否满足使能条件,并在判断结果为是时,执行每间隔预设对比时间将所述卡尔曼系数与预设标定限值进行对比的动作。
5.根据权利要求4所述的DPF捕集效率的诊断方法,其特征在于,所述判断所述发动机系统是否满足使能条件包括:
判断压差传感器是否做好测量准备,判断废气体积流量是否大于预设流量限值以及判断碳载量是否处于预设碳载量范围内。
6.根据权利要求1所述的DPF捕集效率的诊断方法,其特征在于,所述方法还包括:将废气体积流量积分到积分标定限值的时长作为所述预设对比时间。
7.根据权利要求1所述的DPF捕集效率的诊断方法,其特征在于,在确定出DPF存在捕集效率低故障之后,所述方法还包括:
发出报警提示,以报出所述DPF存在捕集效率低故障。
8.一种DPF捕集效率的诊断装置,其特征在于,所述装置包括:
系数确定单元,用于基于建立的压差物理模型确定卡尔曼系数的表达式,其中,所述压差物理模型为预先根据DPF的过滤机理建立的用于计算DPF两端压差值的模型;
系数求解单元,用于建立卡尔曼滤波的观测方程以及状态方程,并基于所述观测方程和所述状态方程求解得到所述卡尔曼系数;
系数对比单元,用于每间隔预设对比时间将所述卡尔曼系数与预设标定限值进行对比;
故障诊断单元,用于若所述系数对比单元的对比结果为所述卡尔曼系数低于所述预设标定限值,则确定DPF存在捕集效率低故障。
9.一种柴油机后处理系统,其特征在于,所述柴油机后处理系统包括上述权利要求8所述的DPF捕集效率的诊断装置。
10.一种驾驶设备,其特征在于,所述驾驶设备包括上述权利要求9所述的柴油机后处理系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210459914.9A CN114934836B (zh) | 2022-04-24 | 2022-04-24 | 一种dpf捕集效率的诊断方法、装置及驾驶设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210459914.9A CN114934836B (zh) | 2022-04-24 | 2022-04-24 | 一种dpf捕集效率的诊断方法、装置及驾驶设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114934836A true CN114934836A (zh) | 2022-08-23 |
CN114934836B CN114934836B (zh) | 2023-06-23 |
Family
ID=82862898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210459914.9A Active CN114934836B (zh) | 2022-04-24 | 2022-04-24 | 一种dpf捕集效率的诊断方法、装置及驾驶设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114934836B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100089041A1 (en) * | 2007-05-01 | 2010-04-15 | Chun Tai | Method and arrangement for maintaining a diesel particulate filter in a diesel engine exhaust system |
US20110100094A1 (en) * | 2009-11-05 | 2011-05-05 | Daimler Ag | Diagnostic Method for an Internal Combustion Engine Exhaust Gas System that includes a Particle Filter |
US20110320103A1 (en) * | 2010-06-29 | 2011-12-29 | Gm Global Technology Operations, Inc. | Exhaust Treatment Methods and Systems |
US20140069081A1 (en) * | 2012-09-12 | 2014-03-13 | GM Global Technology Operations LLC | Differential pressure-based enablement of a particulate filter diagnostic |
CN108762334A (zh) * | 2018-04-17 | 2018-11-06 | 潍柴动力股份有限公司 | 用于doc下游温度的控制方法及控制装置 |
CN113530656A (zh) * | 2021-09-07 | 2021-10-22 | 潍柴动力股份有限公司 | Dpf的故障监控方法及装置 |
CN113606025A (zh) * | 2021-08-20 | 2021-11-05 | 一汽解放汽车有限公司 | 一种用于柴油机dpf捕集效率故障诊断方法 |
-
2022
- 2022-04-24 CN CN202210459914.9A patent/CN114934836B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100089041A1 (en) * | 2007-05-01 | 2010-04-15 | Chun Tai | Method and arrangement for maintaining a diesel particulate filter in a diesel engine exhaust system |
US20110100094A1 (en) * | 2009-11-05 | 2011-05-05 | Daimler Ag | Diagnostic Method for an Internal Combustion Engine Exhaust Gas System that includes a Particle Filter |
US20110320103A1 (en) * | 2010-06-29 | 2011-12-29 | Gm Global Technology Operations, Inc. | Exhaust Treatment Methods and Systems |
US20140069081A1 (en) * | 2012-09-12 | 2014-03-13 | GM Global Technology Operations LLC | Differential pressure-based enablement of a particulate filter diagnostic |
CN108762334A (zh) * | 2018-04-17 | 2018-11-06 | 潍柴动力股份有限公司 | 用于doc下游温度的控制方法及控制装置 |
CN113606025A (zh) * | 2021-08-20 | 2021-11-05 | 一汽解放汽车有限公司 | 一种用于柴油机dpf捕集效率故障诊断方法 |
CN113530656A (zh) * | 2021-09-07 | 2021-10-22 | 潍柴动力股份有限公司 | Dpf的故障监控方法及装置 |
Non-Patent Citations (2)
Title |
---|
张立川等, 上海科学技术出版社 * |
戴金池;庞海龙;俞妍;卜建国;资新运;: "柴油车DPF系统的OBD故障诊断策略研究", 车用发动机 * |
Also Published As
Publication number | Publication date |
---|---|
CN114934836B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4737098B2 (ja) | 内燃機関の診断装置 | |
US10119448B2 (en) | Fault diagnosis apparatus for exhaust gas purification system | |
US11073063B2 (en) | Gasoline particulate filter diagnostics | |
KR101956417B1 (ko) | 가스 센서들의 모니터링 방법 및 장치 | |
CN110462177B (zh) | 用于诊断颗粒过滤器的方法和计算机程序产品 | |
KR101950053B1 (ko) | 가스 센서의 동적 모니터링을 위한 방법 및 장치 | |
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 | |
US8495861B2 (en) | Fault detection system for PM trapper | |
US20040172933A1 (en) | Internal combustion engine exhaust gas purification system | |
US20160251995A1 (en) | Abnormality determination system for an exhaust device | |
US9863301B2 (en) | Filter fault detection apparatus | |
US11585258B2 (en) | Method for determining the loading of a soot filter | |
KR20040062633A (ko) | 필터 제어 장치 | |
KR20200049617A (ko) | 미립자 필터의 기능 모니터링 방법 및 그 제어 장치 | |
JP2012502226A (ja) | ディーゼル微粒子フィルタ、エンジンおよび後処理システムにおける煤負荷を推定する方法 | |
CN110831687A (zh) | 评估颗粒过滤器状态的方法和机动车用排气设备 | |
JP2010116857A (ja) | エアフロセンサの異常診断装置及び異常診断方法 | |
CN114934836B (zh) | 一种dpf捕集效率的诊断方法、装置及驾驶设备 | |
CN111335992B (zh) | 诊断布置在内燃机排气系统中的颗粒过滤器的方法和装置 | |
JP2017115810A (ja) | 排気浄化システムの異常診断装置 | |
KR101862225B1 (ko) | 차량의 dpf 상태 모니터링 장치 및 방법 | |
US11821347B2 (en) | Particle filter diagnostic device | |
KR20190086384A (ko) | Scr 촉매 컨버터 시스템의 이송 모듈용 펌프의 하나 이상의 펌프 특징 학습 방법 |
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 |