CN114964824A - 车辆后处理单元测试方法、装置和系统 - Google Patents
车辆后处理单元测试方法、装置和系统 Download PDFInfo
- Publication number
- CN114964824A CN114964824A CN202210918248.0A CN202210918248A CN114964824A CN 114964824 A CN114964824 A CN 114964824A CN 202210918248 A CN202210918248 A CN 202210918248A CN 114964824 A CN114964824 A CN 114964824A
- Authority
- CN
- China
- Prior art keywords
- particulate matter
- vehicle
- filtering efficiency
- generation amount
- tested
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 103
- 239000013618 particulate matter Substances 0.000 claims abstract description 412
- 238000001914 filtration Methods 0.000 claims abstract description 116
- 238000001514 detection method Methods 0.000 claims abstract description 113
- 238000012805 post-processing Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 35
- 239000002245 particle Substances 0.000 claims abstract description 23
- 238000012937 correction Methods 0.000 claims description 41
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 239000007789 gas Substances 0.000 description 68
- 238000012544 monitoring process Methods 0.000 description 16
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 102100025342 Voltage-dependent N-type calcium channel subunit alpha-1B Human genes 0.000 description 1
- 101710088658 Voltage-dependent N-type calcium channel subunit alpha-1B Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine 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
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Dispersion Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Exhaust Gas After Treatment (AREA)
Abstract
本公开涉及一种车辆后处理单元测试方法、装置和系统，该方法包括：获取待测车辆的颗粒物排放量，该颗粒物排放量用于表征经过该待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；根据预设的过滤效率阈值、预先确定的该待测车辆的颗粒物产生量、以及该颗粒物排放量，确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；该颗粒物产生量用于表征该待测车辆发动机产生的尾气中的颗粒物浓度。能够在不通过硬件检测设备直接检测车辆的颗粒物产生量的前提下，确定车辆后处理单元的过滤效率，在保证车辆后处理单元效率测试精确度的情况下，减少测试操作的程序，降低测试复杂度，进而提高测试效率。
Description
技术领域
本公开涉及环保检测领域，具体地，涉及一种车辆后处理单元测试方法、装置和系统。
背景技术
近年来全世界车辆行业超常规发展，车辆保有量已突破10亿量，随着车辆保有量的急剧增加，其造成环境污染问题也愈发严重。车辆尾气中含有200多种有害物质，其中一氧化碳气体、二氧化碳气体、氮氧化合物气体、氨气及颗粒物是主要污染物。其中，当前已引起人们重视的颗粒物分为两类：PM2.5（细颗粒物，此处的“细”取汉字的第一个含义：颗粒小的，与“粗”相对）和PM10（可吸入颗粒物），前者直径不超过2.5微米，是人类头发直径的三十分之一，后者则较粗大。当前的欧盟空气质量标准限定，PM2.5的年平均值最多为25微克每立方米，PM10为40微克每立方米。联合国世界卫生组织的指导原则建议：PM2.5和PM10的年平均值分别为10微克每立方米和20微克每立方米。其中，PM2.5会主要聚集在离地面一米左右的低层空间，对人类和动植物危害巨大。根据最新的研究表明，部分城市移动源对PM2.5的贡献率已达到30%-50%之间，已成为城市空气污染的主要来源。为了减小车辆尾气排放对大气的影响，需要在车辆发动机产生的尾气进入大气之前通过后处理装置最大程度地将这些污染物处理掉。
以车辆尾气中包含的颗粒物为例，车辆尾气排放系统中通常设置有用于处理颗粒物的颗粒物后处理单元，例如，GPF（Gasoline Particulate Filter，汽油机颗粒物捕捉器）或DPF（Diesel Particulate Filter，柴油机颗粒物捕捉器）。现有法律法规要求颗粒物后处理单元对于发动机所产生的颗粒物的过滤效率达到95% 以上。但是，随着车辆使用年限的增加，这些颗粒物后处理设备会出现老化进而过滤效率降低，甚至发生故障进而完全失效的情况。针对这种情况，现有的车辆管理机构通常会通过车辆年检、抽检等手段定期或不定期地对在用车上设置的颗粒物后处理设备的处理效率或称过滤效率进行检测。基于在用车存量大，车辆颗粒物快速检测装置使用频次高，检测标准更新频繁，而检测机构操作人员和工作时间以及车辆颗粒物快速检测装置数量有限等实际情况，需要提供能够快速有效地检测车辆颗粒物后处理单元的过滤效率的方法。
发明内容
本公开的目的在于提供一种车辆后处理单元测试方法、装置和系统，以解决现有的车辆后处理单元测试中检测操作复杂度高，检测效率低的技术问题。
第一方面，本公开提供一种车辆后处理单元测试方法，所述方法包括：
获取待测车辆的颗粒物排放量，所述颗粒物排放量用于表征经过所述待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；
根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；
其中，所述颗粒物产生量用于表征所述待测车辆发动机产生的尾气中的颗粒物浓度。
可选的，在所述根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低之前，所述方法，还包括：
根据所述待测车辆的检测条件参数，确定所述颗粒物产生量，所述检测条件参数用于表征所述待测车辆的车辆出厂参数、车辆使用状况和检测环境三者中的至少一者。
可选的，所述根据所述待测车辆的检测条件参数，确定所述颗粒物产生量，包括：
根据所述检测条件参数和预设的修正因数生成算法确定修正因数；
将所述修正因数与预设的颗粒物基准量的乘积作为所述颗粒物产生量。
可选的，所述检测条件参数包括一种或多种参数信息，所述根据所述检测条件参数和预设的修正因数生成算法确定修正因数，包括：
确定每种所述参数信息对应的权重；
获取所述待测车辆针对于每种所述参数信息的标准因数；
根据一个或多个所述权重以及一个或多个所述标准因数，确定所述修正因数。可选的，所述根据一个或多个所述权重以及一个或多个所述标准因数，确定所述修正因数，包括：
确定一个或多个所述标准因数的加权平均值，作为所述修正因数。
可选的，所述根据所述待测车辆的检测条件参数，确定所述颗粒物产生量，包括：
根据所述检测条件参数和预设的颗粒物产生量预测模型确定所述颗粒物产生量。
可选的，所述检测条件参数包括一种或多种参数信息，所述根据所述检测条件参数和预设的颗粒物产生量预测模型确定所述颗粒物产生量，包括：
将所述待测车辆对应的一种或多种参数信息作为所述颗粒物产生量预测模型的输入，以获取所述颗粒物产生量预测模型输出的颗粒物产生量；
其中，所述颗粒物产生量预测模型是通过多个检测条件参数样本以及每个所述检测条件参数样本对应的颗粒物产生量对预设的预测模型进行训练得到的。
可选的，所述检测条件参数，包括：
车辆类型信息、生产环保等级信息、车辆使用年限信息、发动机信息、车辆扭矩信息、车辆保养状况信息、燃料信息、车辆行驶里程以及检测环境参数信息中的至少一者。
可选的，在所述根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低之前，所述方法，还包括：
将颗粒物排放预估量作为所述颗粒物产生量，所述颗粒物排放预估量是根据预设数量的样本车辆的颗粒物产生量确定的。
可选的，所述根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低，包括：
根据所述颗粒物排放量和所述颗粒物产生量确定所述颗粒物后处理单元的目标过滤效率；
将所述目标过滤效率与所述过滤效率阈值进行对比，以确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
可选的，所述根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低，包括：
根据所述过滤效率阈值和所述颗粒物产生量确定颗粒物排放量阈值；
将所述颗粒物排放量与所述颗粒物排放量阈值进行对比，以确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
可选的，所述方法，还包括：
输出所述目标过滤效率；和/或，
输出用于表征所述颗粒物后处理单元是否降低所述待测车辆发动机产生的尾气中的颗粒物含量的提示信息。
第二方面，本公开还提供一种车辆后处理单元测试装置，包括：
排放量获取模块，用于获取待测车辆的颗粒物排放量，所述颗粒物排放量用于表征经过所述待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；
效率确定模块，用于根据预设的过滤效率阈值、所述颗粒物排放量以及预先确定的所述待测车辆的颗粒物产生量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；
其中，所述颗粒物产生量用于表征所述待测车辆发动机产生的尾气中的颗粒物浓度。
可选的，所述装置，还包括：
第一产生量确定模块，用于根据所述待测车辆的检测条件参数，确定所述颗粒物产生量，所述检测条件参数用于表征所述待测车辆的车辆出厂参数、车辆使用状况和检测环境三者中的至少一者。
可选的，所述第一产生量确定模块，用于：
根据所述检测条件参数和预设的修正因数生成算法确定修正因数；
将所述修正因数与预设的颗粒物基准量的乘积作为所述颗粒物产生量。
可选的，所述检测条件参数包括一种或多种参数信息，所述第一产生量确定模块，用于：
确定每种所述参数信息对应的权重；
获取所述待测车辆针对于每种所述参数信息的标准因数；
根据一个或多个所述权重以及一个或多个所述标准因数，确定所述修正因数。
可选的，所述第一产生量确定模块，用于：
确定一个或多个所述标准因数的加权平均值，作为所述修正因数。
可选的，所述第一产生量确定模块，用于：
根据所述检测条件参数和预设的颗粒物产生量预测模型确定所述颗粒物产生量。
可选的，所述检测条件参数包括一种或多种参数信息，所述第一产生量确定模块，用于：
将所述待测车辆对应的一种或多种参数信息作为所述颗粒物产生量预测模型的输入，以获取所述颗粒物产生量预测模型输出的颗粒物产生量；
其中，所述颗粒物产生量预测模型是通过多个检测条件参数样本以及每个所述检测条件参数样本对应的颗粒物产生量对预设的预测模型进行训练得到的。
可选的，所述检测条件参数，包括：
车辆类型信息、生产环保等级信息、车辆使用年限信息、发动机信息、车辆扭矩信息、车辆保养状况信息、燃料信息、车辆行驶里程以及检测环境参数信息中的至少一者。
可选的，所述装置，还包括：
第二产生量确定模块，用于将颗粒物排放预估量作为所述颗粒物产生量，所述颗粒物排放预估量是根据预设数量的样本车辆的颗粒物产生量确定的。
可选的，所述效率确定模块，包括：
效率确定子模块，用于根据所述颗粒物排放量和所述颗粒物产生量确定所述颗粒物后处理单元的目标过滤效率；
第一检测子模块，用于将所述目标过滤效率与所述过滤效率阈值进行对比，以确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
可选的，所述效率确定模块，包括：
阈值确定子模块，用于根据所述过滤效率阈值和所述颗粒物产生量确定颗粒物排放量阈值；
第二检测子模块，用于将所述颗粒物排放量与所述颗粒物排放量阈值进行对比，以确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
可选的，所述装置还包括：
效率输出模块，用于输出所述目标过滤效率；
提示输出模块，用于输出用于表征所述颗粒物后处理单元是否降低所述待测车辆发动机产生的尾气中的颗粒物含量的提示信息。
第三方面，本公开还提供一种车辆后处理单元测试系统，包括：操作终端、控制单元以及颗粒物浓度检测装置；
其中，所述颗粒物浓度检测装置和所述操作终端单元两者均与所述控制单元通信连接；
所述颗粒物浓度检测装置，用于检测所述待测车辆排放的尾气中的颗粒物浓度；
所述操作终端，用于将接收到的输入信息发送至所述控制单元；
以及，输出所述控制单元发送的提示信息；
所述控制单元，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所提供的车辆后处理单元测试方法的步骤。
与现有技术相比，本公开实施例提供的技术方案的有益效果为：
获取待测车辆的颗粒物排放量，该颗粒物排放量用于表征经过该待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；根据预设的过滤效率阈值、预先确定的该待测车辆的颗粒物产生量、以及该颗粒物排放量，确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；其中，该颗粒物产生量用于表征该待测车辆发动机产生的尾气中的颗粒物浓度。能够在不通过硬件检测设备直接检测车辆的颗粒物产生量的前提下，确定车辆后处理单元的过滤效率，在保证车辆后处理单元效率测试精确度的情况下，减少测试操作的程序，降低测试复杂度，进而提高测试效率。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种车辆后处理单元测试方法的流程图；
图2是根据图1示出的另一种车辆后处理单元测试方法的流程图；
图3是根据图2示出的一种颗粒物产生量确定方法的流程图；
图4是根据图2示出的又一种车辆后处理单元测试方法的流程图；
图5是根据图1示出的又一种车辆后处理单元测试方法的流程图；
图6是根据图1示出的一种颗粒物后处理单元功能确定方法的流程图；
图7是根据图1示出的另一种颗粒物后处理单元功能确定方法的流程图；
图8是根据图2示出的又一种车辆后处理单元测试方法的流程图；
图9是根据一示例性实施例示出的一种车辆后处理单元测试装置的框图；
图10是根据图9示出的另一种车辆后处理单元测试装置的框图；
图11是根据一示例性实施例示出的一种车辆后处理单元测试系统的结构示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
在颗粒物后处理单元过滤效率测试的相关技术中，通常需要在颗粒物后处理单元的两端设置两个颗粒物浓度检测装置，以检测被颗粒物后处理单元处理前和处理后的两个颗粒物浓度值。这两个颗粒物浓度值包括：车辆的颗粒物产生量，即在未经过颗粒物后处理单元处理的车辆尾气的颗粒物浓度；以及，车辆实际排放入大气中的颗粒物排放量，即在经过颗粒物后处理单元处理后排放出车外的车辆尾气的颗粒物浓度。但是，由于现有的颗粒物后处理单元通常固定安装在车辆排气管内部，因此，在执行颗粒物后处理单元过滤效率测试时，将上述两个颗粒物浓度数值的检测装置分别安装在颗粒物后处理单元的两端的测试步骤的实现难度较大，检测操作复杂度高，检测效率低，因此，不适用于车辆年检、抽检等需要对在用车颗粒物后处理单元的处理效率或过滤效率进行快速检测的应用场景。
对此，本公开提出了一种车辆后处理单元测试方法、装置和系统，具体如下：
图1是根据一示例性实施例示出的一种车辆后处理单元测试方法的流程图，如图1所示，该方法包括：
步骤101，获取待测车辆的颗粒物排放量。
其中，该颗粒物排放量用于表征经过该待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度。该颗粒物后处理单元可以为包含GPF或DPF在内的颗粒物捕捉器。
示例地，在实际的检测过程中，操作人员需要先将车辆后处理单元测试系统的输气管安装在待测车辆的排气管上，以通过该车辆后处理单元测试系统检测待测车辆尾气的颗粒物排放量。排气管中的尾气由发动机出气口向排气管出口流动，以排气管上设置的颗粒物后处理单元为界，更靠近排气管管口的一侧为颗粒物后处理单元下游，而更靠近发动机出气口的一侧为颗粒物后处理单元上游。上述的经过颗粒物后处理单元处理后的尾气为在颗粒物后处理单元下游检测到将要从排气管出口排出的尾气。该车辆后处理单元测试系统包含颗粒物浓度检测装置，该颗粒物浓度检测装置可以为基于CPC（Coadeasatioa-auclear Particle Counter，凝结核粒子计算器）原理的颗粒物计数器、基于DC（Diffusionof Charged，扩散荷电）原理的颗粒物传感器、SMPS（Scanning Mobility ParticleSizers，扫描电迁移率颗粒物粒径谱仪）、激光颗粒物传感器、声学颗粒物传感器、光散射传感器或电离传感器等。该颗粒物排放量即为上述颗粒物浓度检测装置的检测值。该颗粒物浓度可以为颗粒物数浓度数据（Particulate Number，简称PN）或者颗粒物质量浓度数据（Particulate Matter，简称PM），其中，PN的单位为#/cm3（个/立方厘米），PM的单位为ƞm/cm3（微克/立方厘米）。
步骤102，根据预设的过滤效率阈值、预先确定的该待测车辆的颗粒物产生量、以及该颗粒物排放量，确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
其中，该颗粒物产生量用于表征该待测车辆发动机产生的尾气中的颗粒物浓度。或者，该颗粒物产生量用于表征该待测车辆的尾气在未经该颗粒物后处理单元处理的情况下的颗粒物浓度。可以理解的是，未经该颗粒物后处理单元处理的尾气即为在颗粒物后处理单元上游检测到的尚未流经该颗粒物后处理单元的尾气。
示例地，该颗粒物产生量可以通过硬件检测设备测量出的，或者，该颗粒物产生量可以是在对该待测车辆进行检测之前估算出的，无需通过硬件检测设备进行测量。在一种可能的实施方式中，该颗粒物产生量是在对该待测车辆进行检测之前是根据车辆本身的产品特性和实用特性等检测条件参数信息预先确定的。另外，可以理解的是，确定该颗粒物后处理单元是否出现异常的标准在于颗粒物后处理单元是否具备合格的过滤效率。颗粒物后处理单元的过滤效率可以根据颗粒物排放量和颗粒物产生量确定。具体地，可以通过下列公式（1）计算该过滤效率：
其中，P用于表征该过滤效率，Q用于表征该颗粒物排放量，W用于表征该颗粒物产生量。该过滤效率阈值为根据国家或地区在不同时期针对颗粒物后处理单元过滤效率制定的相关标准，或者根据国家或地区在不同时期针对颗粒物排放浓度制定的相关标准确定的。
综上所述，本公开实施例所提供的车辆后处理单元测试方法，获取待测车辆的颗粒物排放量，该颗粒物排放量用于表征经过该待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；根据预设的过滤效率阈值、预先确定的该待测车辆的颗粒物产生量、以及该颗粒物排放量，确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；其中，该颗粒物产生量用于表征该待测车辆发动机产生的尾气中的颗粒物浓度。能够在不通过硬件检测设备直接检测车辆的颗粒物产生量的前提下，确定颗粒物后处理单元的过滤效率，在保证车辆后处理单元效率测试的精确度的情况下，减少测试操作的程序，降低测试操作的复杂程度，进而提高测试效率。
图2是根据图1示出的另一种车辆后处理单元测试方法的流程图，如图2所示，在上述步骤102之前，该方法还可以包括：
步骤103，根据该待测车辆的检测条件参数，确定该颗粒物产生量。
其中，该检测条件参数用于表征该待测车辆的车辆出厂参数、车辆使用状况和检测环境三者中的至少一者。
示例地，该待测车辆通常为在用车，该检测条件参数可以包括：用于表征待测车辆的车辆出厂参数，或称待测车辆本身具备的产品特性的参数信息，例如，车辆类型信息、生产环保等级信息、发动机信息和车辆扭矩信息等，以及，用于表征在用的待测车辆的车辆使用状况，或称待测车辆在被使用的过程中产生的特性的参数信息，例如，车辆使用年限信息和车辆保养状况信息、车辆行驶里程等，以及，用于表征在对待测车辆进行检测的当下待测车辆所处的地点的环境状况的检测环境参数信息，例如，温度信息、湿度信息、大气压强信息、海拔高度信息和经纬度信息。总的来说，检测条件参数可以包括：车辆类型信息、生产环保等级信息、车辆使用年限信息、发动机信息、车辆扭矩信息、车辆保养状况信息、燃料信息、车辆行驶里程以及检测环境参数信息中的至少一者。
示例地，该车辆类型信息用于表征待测车辆的类型，该类型可以包括非道路机械、轻型车和重型车等。除此之外，针对所有机动车，根据GB/T 15089--2001《机动车辆和挂车分类》的标准，还可以将机动车辆和挂车分为M类、N类、G类、O类、L类，不同的车辆类型对应有不同的颗粒物产生量。另外，不同的国家或地区，甚至相同的国家和地区在不同的阶段都会针对车辆生产环保检测设定不同的车辆生产环保等级。该生产环保等级信息是指不同国家在不同阶段对车企生产的机动车（或非道路机械）的污染物排放标准，例如，在A国指A国Ⅱ、A国Ⅲ、A国Ⅳ、A国Ⅴ、A国Ⅵ、A国Ⅶ机动车，在B洲指B洲Ⅱ、B洲Ⅲ、B洲Ⅳ、B洲Ⅴ、B洲Ⅵ、B洲机动车。而具备不同的生产环保等级信息的机动车的颗粒物产生量不同，例如，符合A国的针对第4阶段车辆检测标准规定的机动车，颗粒物产生量为1000000#/cm3（个/立方厘米），符合B洲的针对第6阶段车辆检测标准规定的机动车，颗粒物产生量为250000#/cm3。
示例地，与车辆类型信息和生产环保等级信息类似，不同的发动机信息、车辆扭矩信息、车辆保养状况信息、燃料信息等参数信息也会影响车辆的颗粒物产生量。其中，该发动机信息可以包括：发动机缸数和发动机类型，其中，该发动机类型可以包括：L型发动机、V型发动机、W型排列和H型水平对置发动机等。发动机缸数可以为3缸、4缸、6缸或8缸等。该车辆扭矩信息用于表征车辆的扭矩，该车辆保养状况信息用于表征车辆的保养频率和/或车辆距离上次保养的时间，该燃料信息用于表征车辆使用的燃油标号，例如92号、95号或98号。
示例地，在使用车辆后处理单元测试系统开始检测之前，例如，在该设备的生产阶段，可以根据实验，在不同的检测条件参数和不同的颗粒物产生量之间建立关联关系，并将该关联关系以对应表或机器学习模型的形式预先储存在该车辆后处理单元测试系统中。基于此，该车辆后处理单元测试系统包含操作终端和控制单元，可以在操作终端中输出用于输入检测条件参数的信息输入接口，进而由控制单元储存通过该信息输入接口输入的检测条件参数。该信息输入接口的形式可以为，例如， 图像用户界面中用于输入检测条件参数的信息输入框或信息选择框。另外，上述检测条件参数可以通过自动获取的方式获得，例如，上述的车辆出厂参数和车辆使用状况可以通过车辆的OBD（On-Board Diagnostics，车载自动诊断系统）和车辆CAN（Controller Area Network，控制器域网 ）总线获得。而上述的环境参数信息可以由车辆后处理单元测试系统自带的，或者，与车辆后处理单元测试系统连接的气象监测站采集。可以理解的是，通过自动获取的方式获得的检测条件参数也储存在上述控制单元中。
图3是根据图2示出的一种颗粒物产生量确定方法的流程图，如图3所示，上述步骤103可以包括：下列步骤1031和步骤1032。
步骤1031，根据该检测条件参数和预设的修正因数生成算法确定修正因数。
示例地，该检测条件参数包括一种或多种参数信息，每种该参数信息对应不同的权重。该步骤1031可以包括：确定每种该参数信息对应的权重；确定该待测车辆针对于每种该参数信息的标准因数；根据一个或多个该权重以及一个或多个该标准因数，确定该修正因数。具体来说，可以根据一个或多个该权重以及一个或多个该标准因数通过上述的修正因数生成算法，确定该修正因数。该修正因数生成算法可以表述为，确定一个或多个该标准因数的加权平均值，作为该修正因数。在另一个可能的实施方式中，该修正因数生成算法还可以为其他用于根据每个标准因数以及每个标准因数对应的权重进行数学融合而生成一个融合后的修正因数的算法。例如，该修正因数生成算法还可以为用于生成修正因数生成的神经网络模型，将每个权重附加在神经网络的神经元上，如此，可以将每个该标准因数直接输入至该神经网络模型中对应的神经元上，进而获得神经网络模型输出的修正因数。
步骤1032，将该修正因数与预设的颗粒物基准量的乘积作为该颗粒物产生量。
示例地，在步骤1032中，需要先对所有车辆设定统一的颗粒物基准量，该颗粒物基准量可以为通过大量具备相似检测条件参数的车辆的颗粒物排放量进行检测而得到的经验值。或者，还可以对大量的（例如，50000辆）具备不同检测条件参数的车辆的颗粒物排放量进行检测，并对检测到的大量检测数据采用求取平均值、中位数、方差或曲线拟合等数学手段，以获取到的颗粒物基准量。再根据不同的检测条件参数确定针对于该待测车辆的修正因数，并将颗粒物基准量和修正因数的乘积作为该颗粒物产生量。每种该参数信息对应的标准因数，以及每种该参数信息对应的权重是预先储存在车辆后处理单元测试系统中的。
图4是根据图2示出的又一种车辆后处理单元测试方法的流程图，如图4所示，上述步骤103可以包括：
步骤1033，根据该检测条件参数和预设的颗粒物产生量预测模型确定该颗粒物产生量。
在另一种可能的实施方式中，可以通过大量具备不同检测条件参数的车辆进行颗粒物产生量检测实验，并通过实验数据对预设的颗粒物产生量预测模型进行训练。在训练完成后，该颗粒物产生量预测模型具备了根据检测条件参数直接确定颗粒物产生量的功能。该检测条件参数包括一种或多种参数信息，该颗粒物产生量预测模型是通过多个检测条件参数样本以及每个该检测条件参数样本对应的颗粒物产生量对预设的预测模型进行训练得到的。该步骤1033可以包括：将该待测车辆对应的一种或多种参数信息作为该颗粒物产生量预测模型的输入，以获取该颗粒物产生量预测模型输出的颗粒物产生量。该颗粒物产生量预测模型可以为神经网络模型、朴素贝叶斯预测模型或支持向量机模型等。
需要说明的是，相较于上述的步骤1031和步骤1032，通过该步骤1033的方式获得的颗粒物产生量正确性更高。而相较于该步骤1033，采用上述步骤1031和步骤1032确定颗粒物产生量的过程无需采用复杂的机器学习模型和大量的训练数据，因此，运算量更小。并且，采用上述步骤1031和步骤1032的方式，若检测条件参数中的参数信息出现增加或减少的情况，可以直接对该车辆后处理单元测试系统中储存的每种该参数信息的标准因数，以及每种该参数信息对应的权重进行修改，无需重新训练颗粒物产生量预测模型，灵活性较强。
图5是根据图1示出的又一种车辆后处理单元测试方法的流程图，如图5所示，该方法还可以包括：
步骤104，将颗粒物排放预估量作为该颗粒物产生量。
其中，该颗粒物排放预估量是根据预设数量的样本车辆的颗粒物产生量确定的。
示例地，根据该步骤104，获取该颗粒物产生量的方式可以为，将通过多个具备相同或相近检测条件参数的车辆的颗粒物排放量进行检测而得到的经验值作为该颗粒物产生量。或者，获取该颗粒物产生量的方式还可以为，直接对大量的（例如，50000辆）具备不同检测条件参数的样本车辆的颗粒物排放值进行检测，并对检测到的大量的颗粒物排放值检测数据采用求取平均值、取中位数、方差或曲线拟合等数学手段，获取颗粒物排放预估量。该颗粒物排放预估量可以为一个颗粒物排放浓度的范围（包括颗粒物排放浓度最大值和颗粒物排放浓度最小值）。在实际操作中，可以将上述的颗粒物排放浓度最大值、颗粒物排放浓度最小值和颗粒物排放浓度最大值和颗粒物排放浓度最小值之间任意值（例如，平均值或中位数）作为该颗粒物产生量，即获取三个颗粒物产生量。若根据上述三个颗粒物产生量确定的目标过滤效率（或颗粒物排放量阈值）均满足要求，则确定该待测车辆的颗粒物后处理单元的过滤效率不存在异常；反之，若根据上述三个颗粒物产生量中的任意一者或两者确定的目标过滤效率（或颗粒物排放量阈值）不能满足要求，则确定该待测车辆的颗粒物后处理单元的过滤效率存在异常。需要说明的是，基于上述的步骤1021和步骤1022，或者，步骤1023和1024的内容，上述的“满足要求”的表述可以被理解为，目标过滤效率大于或等于过滤效率阈值，或者，颗粒物排放量小于或等于该颗粒物排放量阈值。
图6是根据图1示出的一种颗粒物后处理单元功能确定方法的流程图，如图6所示，该步骤102，可以包括：下列步骤1021和步骤1022。
步骤1021，根据该颗粒物排放量和该颗粒物产生量确定该颗粒物后处理单元的目标过滤效率。
步骤1022，将该目标过滤效率与该过滤效率阈值进行对比，以确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
示例地，在步骤1021和步骤1022中，可以根据该颗粒物排放量以及预先确定的该待测车辆的颗粒物产生量确定该待测车辆上设置的颗粒物后处理单元当前的目标过滤效率，再将该目标过滤效率与上述过滤效率阈值进行对比，以确定该颗粒物后处理单元是否出现异常。可以理解的是，若目标过滤效率小于该滤过效率阈值，则确定该颗粒物后处理单元的过滤效率出现异常；反之，则确定该颗粒物后处理单元的过滤效率未出现异常。
图7是根据图1示出的另一种颗粒物后处理单元功能确定方法的流程图，如图7所示，该步骤102，可以包括：
步骤1023， 根据该过滤效率阈值和该颗粒物产生量确定颗粒物排放量阈值。
步骤1024，将该颗粒物排放量与该颗粒物排放量阈值进行对比，以确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
示例地，上述的步骤102可以通过步骤1021和步骤1022，以及，步骤1023和步骤1024这两种方式中的其中一种实现。在一种可能的实施方式中，可以通过步骤1023和步骤1024，先根据预先确定的该待测车辆的颗粒物产生量和该过滤效率阈值确定颗粒物排放量阈值，再将颗粒物排放量与该颗粒物排放量阈值进行对比，以确定该颗粒物后处理单元是否出现异常。可以理解的是，若颗粒物排放量小于该颗粒物排放量阈值，则确定该颗粒物后处理单元的过滤效率出现异常；反之，则确定该颗粒物后处理单元的过滤效率未出现异常。需要说明的是，针对该步骤1023，在颗粒物后处理单元过滤效率判断流程中，该颗粒物排放量阈值是在获取到该待测车辆的颗粒物产生量后，再根据该过滤效率阈值确定的。
图8是根据图2示出的又一种车辆后处理单元测试方法的流程图，如图8所示，在上述步骤102之后，该方法还可以包括：下列步骤105和/或步骤106。
步骤105，输出该目标过滤效率。
示例地，上述的目标过滤效率可以通过车辆后处理单元测试系统中设置的操作终端或者与车辆后处理单元测试系统连接的显示设备进行输出显示，或者，该目标过滤效率还可以通过音频播报的形式输出。
步骤106，输出用于表征该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低的提示信息。
示例地，上述的提示信息可以为检测不通过或者检测通过的文字信息，在这种情况下，车辆后处理单元测试系统中设置的操作终端或者与车辆后处理单元测试系统连接的显示设备进行输出显示。在一种可能的实施方式中，上述提示信息还可以通过车辆后处理单元测试系统中设置的操作终端或者与车辆后处理单元测试系统连接的灯光设备或蜂鸣设备发出的灯光或告警蜂鸣声进行输出。
综上所述，本公开实施例所提供的车辆后处理单元测试方法，获取待测车辆的颗粒物排放量，该颗粒物排放量用于表征经过该待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；根据预设的过滤效率阈值、预先确定的该待测车辆的颗粒物产生量、以及该颗粒物排放量，确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；其中，该颗粒物产生量用于表征该待测车辆发动机产生的尾气中的颗粒物浓度。能够根据待测车辆的检测条件参数或大量具备不同检测条件参数的车辆的实验数据确定带车车辆的颗粒物产生量，以避免通过硬件检测设备直接检测车辆的颗粒物产生量的步骤，在保证车辆后处理单元测试的精确度的情况下，降低测试操作的复杂度，进而提高测试效率。
图9是根据一示例性实施例示出的一种车辆后处理单元测试装置的框图，如图9所示，该装置200可以包括：
排放量获取模块210，用于获取待测车辆的颗粒物排放量，该颗粒物排放量用于表征经过该待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；
效率确定模块220，用于根据预设的过滤效率阈值、该颗粒物排放量以及预先确定的该待测车辆的颗粒物产生量，确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；
其中，该颗粒物产生量用于表征该待测车辆发动机产生的尾气中的颗粒物浓度。
可选的，该效率确定模块220，用于：
根据该颗粒物排放量和该颗粒物产生量确定该颗粒物后处理单元的目标过滤效率；
将该目标过滤效率与该过滤效率阈值进行对比，以确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
可选的，该效率确定模块220，用于：
根据该颗粒物排放量和该颗粒物产生量确定该颗粒物后处理单元的目标过滤效率；
将该目标过滤效率与该过滤效率阈值进行对比，以确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
图10是根据图9示出的另一种车辆后处理单元测试装置的框图，如图10所示，该装置200还可以包括：
第一产生量确定模块230，用于根据该待测车辆的检测条件参数，确定该颗粒物产生量，该检测条件参数用于表征该待测车辆的车辆出厂参数、车辆使用状况和检测环境三者中的至少一者。
第二产生量确定模块240，用于将颗粒物排放预估量作为该颗粒物产生量，该颗粒物排放预估量是根据预设数量的样本车辆的颗粒物产生量确定的。
效率输出模块250，用于输出该目标过滤效率。
提示输出模块260，用于输出用于表征确定该颗粒物后处理单元是否出现异常的提示信息。
可选的，该第一产生量确定模块230，用于：
根据该检测条件参数和预设的修正因数生成算法确定修正因数；
将该修正因数与预设的颗粒物基准量的乘积作为该颗粒物产生量。
可选的，该检测条件参数包括一种或多种参数信息，该第一产生量确定模块230，用于：
确定每种该参数信息对应的权重；
确定该待测车辆针对于每种该参数信息的标准因数；
根据一个或多个该权重以及一个或多个该标准因数，确定该修正因数。
可选的，该第一产生量确定模块230，用于：
确定一个或多个该标准因数的加权平均值，作为该修正因数。
可选的，该第一产生量确定模块230，用于：
根据该检测条件参数和预设的颗粒物产生量预测模型确定该颗粒物产生量。
可选的，该检测条件参数包括一种或多种参数信息，该第一产生量确定模块230，用于：
将该待测车辆对应的一种或多种参数信息作为该颗粒物产生量预测模型的输入，以获取该颗粒物产生量预测模型输出的颗粒物产生量；
其中，该颗粒物产生量预测模型是通过多个检测条件参数样本以及每个该检测条件参数样本对应的颗粒物产生量对预设的预测模型进行训练得到的。
可选的，该检测条件参数，包括：
车辆类型信息、生产环保等级信息、车辆使用年限信息、发动机信息、车辆扭矩信息、车辆保养状况信息、燃料信息、车辆行驶里程以及检测环境参数信息中的至少一者。
综上所述，本公开实施例所提供的车辆后处理单元测试装置，能够获取待测车辆尾气的颗粒物排放量，该颗粒物排放量用于表征经过该待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；根据预设的过滤效率阈值、该颗粒物排放量以及预先确定的该待测车辆的颗粒物产生量，确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；其中，该颗粒物产生量用于表征该待测车辆的尾气在未经该颗粒物后处理单元处理的情况下的颗粒物浓度。能够根据待测车辆的检测条件参数或大量具备不同检测条件参数的车辆的实验数据确定带车车辆的颗粒物产生量，无需在颗粒物后处理单元的过滤效率进行检测的过程中通过硬件检测设备直接检测车辆的颗粒物产生量，在保证车辆后处理单元测试的正确率的情况下，降低检测操作的复杂度，进而提高检测效率。
图11是根据一示例性实施例示出的一种车辆后处理单元测试系统的结构示意图，如图11所示，该车辆后处理单元测试系统300包括：伴热管线310、尾气预处理单元320、颗粒物浓度检测装置330、控制单元340以及操作终端350。
其中，该颗粒物浓度检测装置330，用于检测所述待测车辆排放的尾气中的颗粒物浓度。该颗粒物浓度检测装置330、该操作终端350和该尾气预处理单元320均通过有线或无线的方式与该控制单元340通信连接。需要说明的是，图11中仅示出控制单元340与操作终端350之间的通信连接线路，未示出该控制单元340与该颗粒物浓度检测装置330和该尾气预处理单元320的通信连接线路。
其中，该控制单元340，包括：
存储器，其上存储有计算机程序；
处理器，用于执行该存储器中的该计算机程序，以实现本公开实施例所提供的车辆后处理单元测试方法的步骤。
可选的，该尾气预处理单元320用于对进入颗粒物浓度检测装置330的车辆尾气进行预处理。该尾气预处理单元320的一端通过该伴热管线310以及气路管与待测车辆的排气口410连通，且，该尾气预处理单元320的另一端通过气路管与该颗粒物浓度检测装置330连通；该伴热管线310，用于对该待测车辆排出的车辆尾气进行加热，以使该车辆尾气的温度维持在预设温度范围内；该操作终端350，用于接收用户输入的检测条件参数，并将该检测条件参数发送至该控制单元340；以及，输出该控制单元340发送的提示信息。
综上所述，本公开实施例所提供的车辆后处理单元测试系统，能够获取待测车辆尾气的颗粒物排放量，该颗粒物排放量用于表征经过该待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；根据预设的过滤效率阈值、该颗粒物排放量以及预先确定的该待测车辆的颗粒物产生量，确定该颗粒物后处理单元对该待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；其中，该颗粒物产生量用于表征该待测车辆的尾气在未经该颗粒物后处理单元处理的情况下的颗粒物浓度。能够根据待测车辆的检测条件参数或大量具备不同检测条件参数的车辆的实验数据确定带车车辆的颗粒物产生量，无需在颗粒物后处理单元的过滤效率进行检测的过程中通过硬件检测设备直接检测车辆的颗粒物产生量，在保证车辆后处理单元测试的正确率的情况下，降低检测操作的复杂度，进而提高检测效率。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
Claims (14)
1.一种车辆后处理单元测试方法，其特征在于，所述方法包括：
获取待测车辆的颗粒物排放量，所述颗粒物排放量用于表征经过所述待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；
根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；
其中，所述颗粒物产生量用于表征所述待测车辆发动机产生的尾气中的颗粒物浓度。
2.根据权利要求1所述的车辆后处理单元测试方法，其特征在于，在所述根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低之前，所述方法，还包括：
根据所述待测车辆的检测条件参数，确定所述颗粒物产生量，所述检测条件参数用于表征所述待测车辆的车辆出厂参数、车辆使用状况和检测环境三者中的至少一者。
3.根据权利要求2所述的车辆后处理单元测试方法，其特征在于，所述根据所述待测车辆的检测条件参数，确定所述颗粒物产生量，包括：
根据所述检测条件参数和预设的修正因数生成算法确定修正因数；
将所述修正因数与预设的颗粒物基准量的乘积作为所述颗粒物产生量。
4.根据权利要求3所述的车辆后处理单元测试方法，其特征在于，所述检测条件参数包括一种或多种参数信息，所述根据所述检测条件参数和预设的修正因数生成算法确定修正因数，包括：
确定每种所述参数信息对应的权重；
获取所述待测车辆针对于每种所述参数信息的标准因数；
根据一个或多个所述权重以及一个或多个所述标准因数，确定所述修正因数。
5.根据权利要求4所述的车辆后处理单元测试方法，其特征在于，所述根据一个或多个所述权重以及一个或多个所述标准因数，确定所述修正因数，包括：
确定一个或多个所述标准因数的加权平均值，作为所述修正因数。
6.根据权利要求2所述的车辆后处理单元测试方法，其特征在于，所述根据所述待测车辆的检测条件参数，确定所述颗粒物产生量，包括：
根据所述检测条件参数和预设的颗粒物产生量预测模型确定所述颗粒物产生量。
7.根据权利要求6所述的车辆后处理单元测试方法，其特征在于，所述检测条件参数包括一种或多种参数信息，所述根据所述检测条件参数和预设的颗粒物产生量预测模型确定所述颗粒物产生量，包括：
将所述待测车辆对应的一种或多种参数信息作为所述颗粒物产生量预测模型的输入，以获取所述颗粒物产生量预测模型输出的颗粒物产生量；
其中，所述颗粒物产生量预测模型是通过多个检测条件参数样本以及每个所述检测条件参数样本对应的颗粒物产生量对预设的预测模型进行训练得到的。
8.根据权利要求2-7中任一项所述的车辆后处理单元测试方法，其特征在于，所述检测条件参数，包括：
车辆类型信息、生产环保等级信息、车辆使用年限信息、发动机信息、车辆扭矩信息、车辆保养状况信息、燃料信息、车辆行驶里程以及检测环境参数信息中的至少一者。
9.根据权利要求1所述的车辆后处理单元测试方法，其特征在于，在所述根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低之前，所述方法，还包括：
将颗粒物排放预估量作为所述颗粒物产生量，所述颗粒物排放预估量是根据预设数量的样本车辆的颗粒物产生量确定的。
10.根据权利要求1所述的车辆后处理单元测试方法，其特征在于，所述根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低，包括：
根据所述颗粒物排放量和所述颗粒物产生量确定所述颗粒物后处理单元的目标过滤效率；
将所述目标过滤效率与所述过滤效率阈值进行对比，以确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
11.根据权利要求1所述的车辆后处理单元测试方法，其特征在于，所述根据预设的过滤效率阈值、预先确定的所述待测车辆的颗粒物产生量、以及所述颗粒物排放量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低，包括：
根据所述过滤效率阈值和所述颗粒物产生量确定颗粒物排放量阈值；
将所述颗粒物排放量与所述颗粒物排放量阈值进行对比，以确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低。
12.根据权利要求10所述的车辆后处理单元测试方法，其特征在于，所述方法，还包括：
输出所述目标过滤效率；和/或，
输出用于表征所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低的提示信息。
13.一种车辆后处理单元测试装置，其特征在于，所述装置，包括：
排放量获取模块，用于获取待测车辆的颗粒物排放量，所述颗粒物排放量用于表征经过所述待测车辆中设置的颗粒物后处理单元处理后的尾气中的颗粒物浓度；
效率确定模块，用于根据预设的过滤效率阈值、所述颗粒物排放量以及预先确定的所述待测车辆的颗粒物产生量，确定所述颗粒物后处理单元对所述待测车辆发动机产生的尾气中的颗粒物的过滤效率是否降低；
其中，所述颗粒物产生量用于表征所述待测车辆发动机产生的尾气中的颗粒物浓度。
14.一种车辆后处理单元测试系统，其特征在于，包括：操作终端、控制单元以及颗粒物浓度检测装置；
其中，所述颗粒物浓度检测装置和所述操作终端单元两者均与所述控制单元通信连接；
所述颗粒物浓度检测装置，用于检测所述待测车辆排放的尾气中的颗粒物浓度；
所述操作终端，用于将接收到的输入信息发送至所述控制单元；
以及，输出所述控制单元发送的提示信息；
所述控制单元，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1至12中任一项所述的车辆后处理单元测试方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210918248.0A CN114964824B (zh) | 2022-08-01 | 2022-08-01 | 车辆后处理单元测试方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210918248.0A CN114964824B (zh) | 2022-08-01 | 2022-08-01 | 车辆后处理单元测试方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114964824A true CN114964824A (zh) | 2022-08-30 |
| CN114964824B CN114964824B (zh) | 2022-11-15 |
Family
ID=82969066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210918248.0A Active CN114964824B (zh) | 2022-08-01 | 2022-08-01 | 车辆后处理单元测试方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114964824B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933085A (zh) * | 2023-07-24 | 2023-10-24 | 清华大学 | 基于跟车测试获取高排放车辆识别阈值的方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106018225A (zh) * | 2016-06-28 | 2016-10-12 | 浙江大学 | 一种基于激光检测pm浓度的dpf准确再生方法及设备 |
| DE102016121798A1 (de) * | 2015-11-24 | 2017-05-24 | GM Global Technology Operations LLC | Motorsteuerung für die wirkungsbeurteilung von dieselpartikelfiltern |
| CN106840703A (zh) * | 2017-03-07 | 2017-06-13 | 上海市环境科学研究院 | 尾气后处理装置的减排效果评价方法、系统及测试设备 |
| CN110793781A (zh) * | 2019-11-18 | 2020-02-14 | 罗石 | 一种用于dpf发动机排气所含颗粒物的测量装置及测量方法 |
| CN111766182A (zh) * | 2019-12-12 | 2020-10-13 | 中国环境科学研究院 | 检测发动机尾气中颗粒物排放量的系统及方法 |
| CN212106016U (zh) * | 2020-04-29 | 2020-12-08 | 石家庄市华柴机电设备有限公司 | 发动机尾气净化装置 |
| US20210063281A1 (en) * | 2019-08-29 | 2021-03-04 | HELLA GmbH & Co. KGaA | Method and device for determining particulate emissions in the driving operation of a vehicle |
| CN112986073A (zh) * | 2021-05-12 | 2021-06-18 | 西安多普多信息科技有限公司 | 一种颗粒物检测方法、装置和尾气检测系统 |
| CN114167002A (zh) * | 2021-12-08 | 2022-03-11 | 西安多普多信息科技有限公司 | 污染物快速检测方法和装置 |
| CN114183226A (zh) * | 2021-12-21 | 2022-03-15 | 潍柴动力股份有限公司 | 颗粒捕集器的效率监控方法及装置、电子设备、存储介质 |
-
2022
- 2022-08-01 CN CN202210918248.0A patent/CN114964824B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102016121798A1 (de) * | 2015-11-24 | 2017-05-24 | GM Global Technology Operations LLC | Motorsteuerung für die wirkungsbeurteilung von dieselpartikelfiltern |
| CN106018225A (zh) * | 2016-06-28 | 2016-10-12 | 浙江大学 | 一种基于激光检测pm浓度的dpf准确再生方法及设备 |
| CN106840703A (zh) * | 2017-03-07 | 2017-06-13 | 上海市环境科学研究院 | 尾气后处理装置的减排效果评价方法、系统及测试设备 |
| US20210063281A1 (en) * | 2019-08-29 | 2021-03-04 | HELLA GmbH & Co. KGaA | Method and device for determining particulate emissions in the driving operation of a vehicle |
| CN110793781A (zh) * | 2019-11-18 | 2020-02-14 | 罗石 | 一种用于dpf发动机排气所含颗粒物的测量装置及测量方法 |
| CN111766182A (zh) * | 2019-12-12 | 2020-10-13 | 中国环境科学研究院 | 检测发动机尾气中颗粒物排放量的系统及方法 |
| CN212106016U (zh) * | 2020-04-29 | 2020-12-08 | 石家庄市华柴机电设备有限公司 | 发动机尾气净化装置 |
| CN112986073A (zh) * | 2021-05-12 | 2021-06-18 | 西安多普多信息科技有限公司 | 一种颗粒物检测方法、装置和尾气检测系统 |
| CN114167002A (zh) * | 2021-12-08 | 2022-03-11 | 西安多普多信息科技有限公司 | 污染物快速检测方法和装置 |
| CN114183226A (zh) * | 2021-12-21 | 2022-03-15 | 潍柴动力股份有限公司 | 颗粒捕集器的效率监控方法及装置、电子设备、存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933085A (zh) * | 2023-07-24 | 2023-10-24 | 清华大学 | 基于跟车测试获取高排放车辆识别阈值的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114964824B (zh) | 2022-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108343497B (zh) | 一种柴油车scr系统老化失效快速诊断系统及方法 | |
| CN114964824B (zh) | 车辆后处理单元测试方法、装置和系统 | |
| US8629781B2 (en) | Efficiency determination for a selective-catalytic-reduction catalyst | |
| CN112986073B (zh) | 一种颗粒物检测方法、装置和尾气检测系统 | |
| CN104742831A (zh) | 汽车碳排放检测系统 | |
| CN113806675A (zh) | 一种NOx排放与油耗特征分析方法 | |
| CN114167002A (zh) | 污染物快速检测方法和装置 | |
| CN111340280A (zh) | 污染物排放量的监测与防控系统、方法、装置及介质 | |
| US20160363571A1 (en) | Simulation system for simulating particulate matter emissions of an engine | |
| CN117514431A (zh) | Dpf故障诊断方法、装置、终端设备以及存储介质 | |
| CN113071433B (zh) | 一种高硫柴油加注地点定位方法及装置 | |
| CN111929408A (zh) | 一种用于在用机动车排放检测与维护闭环监管系统 | |
| JP4200012B2 (ja) | 軽油識別方法、軽油識別装置、及び軽油識別システム | |
| 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 | |
| CN112555001A (zh) | 柴油车辆及其故障确定方法和计算机可读存储介质 | |
| Szymlet et al. | Comparative analysis of passenger car and non-road machinery specific emission in real operating conditions | |
| US5587524A (en) | Misfire detection assembly | |
| CN113779494B (zh) | Scr故障诊断方法和装置 | |
| US20220049639A1 (en) | Methods for making and using scr catalyst on-board diagnostic limit parts | |
| CN110410189B (zh) | 柴油颗粒过滤器的故障诊断方法、装置、车辆及存储介质 | |
| Merkisz-Guranowska | Passenger cars and heavy duty vehicles exhaust emissions under real driving conditions | |
| CN114060132A (zh) | 一种基于排放远程监控的NOx传感器作弊甄别方法 | |
| CN219533096U (zh) | 污染物检测装置 | |
| CN111145557A (zh) | 机动车类型的识别方法、系统、设备和可读存储介质 | |
| CN114517727A (zh) | 数据采集装置、分析装置、分析方法及计算机程序产品 |
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 |