CN115638900A - 一种排气管温度的确定方法、系统、存储介质及电子设备 - Google Patents
一种排气管温度的确定方法、系统、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115638900A CN115638900A CN202211662418.XA CN202211662418A CN115638900A CN 115638900 A CN115638900 A CN 115638900A CN 202211662418 A CN202211662418 A CN 202211662418A CN 115638900 A CN115638900 A CN 115638900A
- Authority
- CN
- China
- Prior art keywords
- data
- exhaust pipe
- target vehicle
- model
- determining
- 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
-
- 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
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本申请实施例公开了一种排气管温度的确定方法、系统、存储介质及电子设备,基于执行该排气管温度的确定方法,通过获取目标车辆的发动机数据、环境数据、当前排气温度值;确定目标车辆的当前工况信息;获取目标车辆对应的初始模型;根据当前工况信息、环境数据以及当前排气温度值确定模型修正系数,并根据模型修正系数以及初始模型生成目标模型;将发动机数据输入目标模型,得到目标车辆的排气管温度信息。可见,本申请实施例将多种影响参数信息结合模型实现了排气管温度的高效监测,而且,基于车辆所处的环境、工况信息对初始模型进行修正,使得修正后的目标模型在确定排气管温度时准确率更高,如此实现准确高效地确定出排气管温度。
Description
技术领域
本申请涉及车辆排气管温度监测技术领域,更具体的说,涉及一种排气管温度的确定方法、系统、存储介质及电子设备。
背景技术
针对发动机为柴油机的车辆进行排气管温度的监测十分重要,对排气管温度进行准确监测才能够及时发现排气温度过高等问题,以及时对排气管进行温降或维修,保证车辆的性能,然而,现有技术方案中针对柴油机车辆的发动机仅能够对排气温度进行监测,无法实现排气管温度的监测,可见,如何高效准确地确定出排气管温度是亟需解决的问题。
发明内容
本申请的目的是提供一种排气管温度的确定方法、系统、存储介质及电子设备,基于执行该排气管温度的确定方法,基于工况、环境对用于确定排气管温度的模型进行修正,在确定排气管温度时结合考虑了目标车辆的发动机数据、环境数据、当前排气温度值以及当前工况信息的影响,从而实现准确高效地确定出排气管温度。
为实现上述目的:
第一方面本申请提供了一种排气管温度的确定方法,所述方法包括:
获取目标车辆的发动机数据、环境数据、当前排气温度值;
确定所述目标车辆的当前工况信息;
获取所述目标车辆对应的初始模型;
根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数;
根据所述模型修正系数以及所述初始模型生成目标模型;
将所述发动机数据输入所述目标模型,得到所述目标车辆的排气管温度信息。
可选地,所述确定所述目标车辆的当前工况信息,包括:
获取预存的工况划分模型;
将所述环境数据、所述当前排气温度值和所述发动机数据输入所述工况划分模型,得到所述目标车辆的当前工况信息。
可选地,所述方法还包括:
获取多组样本数据;其中,所述多组样本数据中每组样本数据与所述目标车辆的工况信息相对应;
对所述多组样本数据中每组样本数据分别进行多元回归分析,生成并存储多个多元回归方程;所述多个多元回归方程中每个多元回归方程与所述目标车辆的工况信息相对应。
可选地,所述根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数,包括:
根据所述当前工况信息从所述多个多元回归方程中确定目标多元回归模型;
将所述环境数据和所述当前排气温度值输入所述目标多元回归模型,得到所述目标车辆的模型修正系数。
可选地,所述方法还包括:
获取预存的排气管寿命预测模型;
将所述目标车辆的排气管温度信息输入所述排气管寿命预测模型,得到所述目标车辆的排气管寿命预测数据;
获取所述目标车辆的标准已使用寿命数据;
根据所述排气管寿命预测数据和所述标准已使用寿命数据,生成所述目标车辆的排气管保养数据。
可选地,所述排气管寿命预测数据包括所述目标车辆运行于所述当前工况信息对应的运行工况时,排气管的第一总寿命数据;所述根据所述排气管寿命预测数据和所述标准已使用寿命数据,生成所述目标车辆的排气管保养数据,包括:
根据预存的转换系数对照表,确定所述当前工况信息对应的目标使用寿命转换系数;所述转换系数对照表包括所述目标车辆的工况信息与使用寿命转换系数的对应关系;
根据所述目标使用寿命转换系数和所述标准已使用寿命数据,确定与所述当前工况信息对应的第一已使用寿命数据;
根据所述第一总寿命数据和所述第一已使用寿命数据,确定所述当前工况信息对应的第一剩余使用寿命数据;所述排气管保养数据包括所述第一剩余使用寿命数据。
可选地,所述第一剩余使用寿命数据包括:第一剩余运行时间或第一剩余运行公里数据。
第二方面,本申请还提供了一种排气管温度的确定系统,所述系统包括:
第一获取模块,用于获取目标车辆的发动机数据、环境数据、当前排气温度值;
工况确定模块,用于确定所述目标车辆的当前工况信息;
第二获取模块,用于获取所述目标车辆对应的初始模型;
系数确定模块,用于根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数;
修正模块,用于根据所述模型修正系数以及所述初始模型生成目标模型;
温度确定模块,用于将所述发动机数据输入所述目标模型,得到所述目标车辆的排气管温度信息。
第三方面,本申请还提供了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排气管温度的确定指令,当其在计算机上运行时,使得计算机执行如上述第一方面中所述的排气管温度的确定方法。
第四方面,本申请还提供了一种电子设备,所述电子设备包括:存储器和至少一个处理器;
所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的指令,以使得所述电子设备实现如上述第一方面中所述的排气管温度的确定方法。
本申请实施例提供了一种排气管温度的确定方法、系统、存储介质及电子设备,基于执行该排气管温度的确定方法,通过获取目标车辆的发动机数据、环境数据、当前排气温度值;确定所述目标车辆的当前工况信息;获取所述目标车辆对应的初始模型;根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数;根据所述模型修正系数以及所述初始模型生成目标模型;将所述发动机数据输入所述目标模型,得到所述目标车辆的排气管温度信息。可见,本申请实施例将多种影响参数信息结合模型实现了排气管温度的高效监测,而且,基于车辆所处的环境、工况信息对用于确定排气管温度的初始模型进行修正,使得修正后的目标模型在确定排气管温度时准确率更高,如此实现准确高效地确定出排气管温度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种排气管温度的确定方法的流程图;
图2为本申请实施例提供的确定排气管温度的初始模型生成的示意图;
图3为本申请实施例提供的模型修正参数确定的示意图;
图4为本申请实施例提供的多元回归分析过程的示意图;
图5为本申请实施例提供的另一种排气管温度的确定方法的流程图;
图6为本申请实施例提供的一种排气管温度的确定系统的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
经技术人员研究后发现,内燃机、柴油机具有很强的非线性和多扰动性的特征,根据研究发现,排气管温度与排温存在一定的关系,且排气管的温度会随扭矩、转速等内燃机、柴油机自身因素及及外部环境因素的变化从而呈现复杂的时变规律,然而,当前内燃机的排气管温度的测量没有直接的测量方式。
根据上述研究,本申请实施例提供了一种排气管温度的确定方法、系统、存储介质及电子设备,基于执行该排气管温度的确定方法,通过获取目标车辆的发动机数据、环境数据、当前排气温度值;确定所述目标车辆的当前工况信息;获取所述目标车辆对应的初始模型;根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数;根据所述模型修正系数以及所述初始模型生成目标模型;将所述发动机数据输入所述目标模型,得到所述目标车辆的排气管温度信息。可见,本申请实施例将多种影响参数信息结合模型实现了排气管温度的高效监测,而且,基于车辆所处的环境、工况信息对用于确定排气管温度的初始模型进行修正,使得修正后的目标模型在确定排气管温度时准确率更高,如此实现准确高效地确定出排气管温度。解决了现有技术方案中针对柴油机车辆的发动机仅能够对排气温度进行监测,无法实现排气管温度的监测的问题。
本申请中的排气管温度的确定方法应用于发动机为柴油机或内燃机的车辆,以发动机为柴油机为例,柴油机车辆可以为挖掘机、拖车、自卸车等工程类机械车辆,也可以为小型车辆;该车辆中包括有柴油发动机、排气管等基本部件,并且该车辆上设置有温度传感器、湿度传感器、车辆电子控制单元(Electronic Control Unit,ECU)等电子器件,上述仅为柴油机车辆包括的部件、电子器件的部分示例内容,此处并不对柴油机车辆的具体架构、具体包括的检测器件、处理器件作出限定,现有柴油机中使用的部件、电子器件均在本申请保护范围内,本领域人员可以根据实际情况调整该柴油机车辆需要的部件、电子器件。
下面,基于上述介绍的柴油机车辆,对本申请中一种排气管温度的确定方法作详细介绍:
图1为本申请实施例提供的一种排气管温度的确定方法的流程图。如图1所示,本申请实施例中该排气管温度的确定方法包括:
S101:获取目标车辆的发动机数据、环境数据、当前排气温度值;
具体的,目标车辆的发动机数据可以包括运行参数信息、中冷后参数信息以及预设指定参数信息,其中,运行参数信息包括:转速扭矩、车速等,中冷后参数:中冷器中冷后的空气温度等,预设指定参数信息包括:发动机进气压力、进气流量等,上述仅为示例,对发动机数据还可以包括其他会对排气管温度造成影响的数据,本申请该实施例中并不对该发动机数据做出限定,本领域人员可以根据实际情况确定。
具体的,目标车辆的环境数据可以包括大气压力信息、环境温度值、环境湿度值等,其中,大气压力信息可以根据该目标车辆所处海拔高度确定,随着海拔高度的增加,大气压力会相应减小,在3000米范围内,海拔高度没升高12米,相应的大气压力减少133帕(Pa)。该车辆的海拔高度可以根据目标车辆上的全球定位系统(Global PositioningSystem,GPS)对应接口定位到目标车辆的位置信息后,从该位置信息中提取。
需要说明的是,环境数据中的环境温度值、环境湿度值,可以通过该目标车辆上的温度传感器和湿度传感器检测得到,还可以通过该目标车辆上的GPS对应接口定位到目标车辆的位置后,通过网络接口获取该目标车辆所在位置的气象台公开的数据。
具体的,排气温度值可以根据现有的利用模型确定排气温度确定方法确定,也可以通过数字温度传感器获取。
S102:确定所述目标车辆的当前工况信息;
其中,目标车辆的当前工况信息可以包括当前车辆所处的工况、以及该工况对应的标识。以挖掘机为例,该目标车辆工况包括空载前进、挖掘、满载倒退、满载前进、卸料、空载倒退,每个工况在台架开发时就对应设置有工况标识,工况标识可以为{车辆标识-工况}、也可以为{车辆标识-工况代号},以工况标识为{车辆标识-工况代号}为例,假设该挖掘机的车辆标识为w1,则空载前进的标识为{w1-01}、挖掘{w1-02}、满载倒退{w1-03}、满载前进{w1-04}、卸料{w1-05}、空载倒退{w1-06}。具体工况标识的表示方式可以根据本领域人员实际情况设定。
具体的,所述确定所述目标车辆的当前工况信息,包括:获取预存的工况划分模型;将所述环境数据、所述当前排气温度值和所述发动机数据输入所述工况划分模型,得到所述目标车辆的当前工况信息。
其中,工况划分模型是基于机器学习方法训练得到;具体的,获取多组样本数据;其中,多组样本数据是基于采集的所有数据分类得到的,以车辆的工况信息为依据进行分类,即对每个工况下的数据划分;如此,多组样本数据中每组样本数据与目标车辆的工况信息相对应;而后,对多组样本数据进行深度学习得到工况划分模型。
本申请实施例中基于机器学习得到的工况划分模型能够在采集到目标车辆当前的环境数据、当前排气温度值和发动机数据后,快速确定目标车辆对应的工况,相比现有方案中建立工况信息映射表进行查表的方式,目标车辆的工况信息确定效率大幅度得到提高。
S103:获取所述目标车辆对应的初始模型;
需要说明的是,在目标车辆进行台架开发时,开发人员预先设置好了确定该目标车辆排气管温度的初始模型。
如附图2所示,该目标车辆的初始模型训练过程包括:获取目标车辆测试过程中的发动机测试样本数据、排气管温度测试样本值,该发动机测试样本数据包括运行参数样本信息、中冷后参数样本信息以及预设指定参数样本信息;获取该发动机测试样本数据对应的特征向量,通过统计学方式计算发动机测试样本数据对应的特征向量的显著性,保留存在显著相关性的特征向量所对应的发动机测试样本数据。而后通过通过支持向量回归(support vector regression,SVR)、支持向量机(Support Vector Machine,SVM)、K最近邻(k-Nearest Neighbor,KNN)分类算法等机器学习的方法建立起排气管温度测试样本值与这些保留的发动机测试样本数据之间的关系,构建用于确定该目标车辆排气管温度的初始模型。其中,上述提及的机器学习方法仅为示例,本申请并不对训练模型所采用的机器学习的方法作出限定,均在本申请保护范围内。
S104:根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数;
如附图3所示,本申请该实施例中确定模型修正系数是在分工况对环境数据以及所述当前排气温度值进行多元回归计算后得到,即根据工况信息确定分工况划分的多元回归方程后,利用多元回归方程对环境数据、当前排气温度值进行多元回归计算,得到所述目标车辆的模型修正系数。具体的,该目标车辆设置有多个多元回归模型,每种工况信息对应一个多元回归模型,具体:所述根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数,包括:根据所述当前工况信息从所述多个多元回归方程中确定目标多元回归模型;将所述环境数据和所述当前排气温度值输入所述目标多元回归模型,得到所述目标车辆的模型修正系数。
具体的,本申请该实施例中模型修正系数是基于多元回归方程确定,该多元回归方程包括多个,是在结合工况信息对每组样本数据中的环境样本数据、排气温度样本值以及排气管温度样本值进行多元回归分析后得到,每个多元回归方程与车辆的一种工况信息相对应。具体的,本申请在根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数之前,还包括构建用于确定模型修正系数的多元回归方程:获取多组样本数据;其中,所述多组样本数据中每组样本数据与所述目标车辆的工况信息相对应;对所述多组样本数据中每组样本数据分别进行多元回归分析,生成并存储多个多元回归方程;所述多个多元回归方程中每个多元回归方程与所述目标车辆的工况信息相对应。
其中,每组样本数据中均包括该组样本数据对应的车辆的工况信息、环境样本数据、排气温度样本值以及排气管温度样本值。
如附图4所示,结合工况信息对每组样本数据中的环境样本数据、排气温度样本值以及排气管温度样本值进行多元回归分析包括:
获取多组样本数据中目标样本数据组,其中,将排气管温度样本值作为因变量数据,将环境样本数据以及排气温度样本值作为自变量数据;
根据自变量数据及因变量数据,建立初始多元回归分析方程;
对自变量数据及因变量数据进行线性关系检验,对非线性相关的自变量进行修正,重新检验自变量数据及因变量的线性相关性,最终得到线性相关的自变量数据及因变量数据;而后对自变量数据进行多重共线性检验,剔除相关性小的自变量;
利用最小二乘法估计初始多元回归分析方程的第一偏回归系数;
计算在该第一偏回归系数下,初始多元回归分析方程的拟合度R,并对该初始多元回归分析方程进行拟合度检验,得到拟合度检验结果;其中,拟合度检验具体为判定系数R2是否满足预设条件,该预设条件为R2大于0.8;
若在该第一偏回归系数下,拟合度检验结果为初始多元回归分析方程的拟合度符合预设条件,则初始多元回归分析方程进行显著性检验,得显著性检验结果;若拟合度不符合要求,则重新估计该初始多元回归分析方程的第二偏回归系数;
若所述显著性检验结果为初始多元回归分析方程符合显著性检验要求,则输出包括第一偏回归系数的初始多元回归分析方程;若在该第一偏回归系数下,初始多元回归分析方程的显著性检验结果为不符合显著性检验要求,进一步进行变量显著性检验,在剔除显著相关性低的变量后,重新估计该初始多元回归分析方程的第二偏回归系数。
S105:根据所述模型修正系数以及所述初始模型生成目标模型;
本申请该实施例中使用机器学习的方法进行工况划分,将采集数据的作业工况与环境参数结合,制定基于环境-工况的工程机械发动机作业剖面,从而得到不同剖面下用于确定排气管温度初始模型的模型修正系数。基于该模型修正系数对初始模型进行修正,提高预测的准确性。
S106:将所述发动机数据输入所述目标模型,得到所述目标车辆的排气管温度信息。
本申请该实施例公开了一种排气管温度的确定方法,基于执行该排气管温度的确定方法,通过获取目标车辆的发动机数据、环境数据、当前排气温度值;确定目标车辆的当前工况信息;获取目标车辆对应的初始模型;根据当前工况信息、环境数据以及当前排气温度值确定模型修正系数,并根据模型修正系数以及初始模型生成目标模型;将发动机数据输入目标模型,得到目标车辆的排气管温度信息。可见,本申请实施例将多种影响参数信息结合模型实现了排气管温度的高效监测,而且,基于车辆所处的环境、工况信息对初始模型进行修正,使得修正后的目标模型在确定排气管温度时准确率更高,如此实现准确高效地确定出排气管温度。
本申请该实施例公开了另一种排气管温度的确定方法,本申请实施例中在确定所述目标车辆的排气管温度信息后还可以进一步对目标车辆的排气管寿命进行预测,从而及时提醒用户维修排气管,保证车辆性能。下面结合附图5,对本申请该实施例中公开的另一种排气管温度的确定方法进行介绍:
S101:获取目标车辆的发动机数据、环境数据、当前排气温度值;
S102:确定所述目标车辆的当前工况信息;
S103:获取所述目标车辆对应的初始模型;
S104:根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数;
S105:根据所述模型修正系数以及所述初始模型生成目标模型;
S106:将所述发动机数据输入所述目标模型,得到所述目标车辆的排气管温度信息;
S107:获取预存的排气管寿命预测模型;
其中,该排气管寿命预测模型是基于疲劳损伤模型或机器学习等模型搭建的,用于计算车辆保持在目标车辆运行于所述当前工况信息对应的运行工况下排气管的寿命。通过采集该车辆此前运行过程中的历史排气管温度值集合,获取历史排气管温度值集合的幅值、变化率、最低点到最高点上升的速率,基于疲劳损伤模型或机器学习等模型进行训练得到排气管寿命预测模型。
S108:将所述目标车辆的排气管温度信息输入所述排气管寿命预测模型,得到所述目标车辆的排气管寿命预测数据;
S109:获取所述目标车辆的标准已使用寿命数据;
S110:根据所述排气管寿命预测数据和所述标准已使用寿命数据,生成所述目标车辆的排气管保养数据。
所述排气管寿命预测数据包括所述目标车辆运行于所述当前工况信息对应的运行工况时,排气管的第一总寿命数据;所述根据所述排气管寿命预测数据和所述标准已使用寿命数据,生成所述目标车辆的排气管保养数据,包括:根据预存的转换系数对照表,确定所述当前工况信息对应的目标使用寿命转换系数;所述转换系数对照表包括所述目标车辆的工况信息与使用寿命转换系数的对应关系;根据所述目标使用寿命转换系数和所述标准已使用寿命数据,确定与所述当前工况信息对应的第一已使用寿命数据;根据所述第一总寿命数据和所述第一已使用寿命数据,确定所述当前工况信息对应的第一剩余使用寿命数据;所述排气管保养数据包括所述第一剩余使用寿命数据。
其中,所述第一剩余使用寿命数据包括:第一剩余运行时间或第一剩余运行公里数据。若在该工况下运行时间/公里达到第一剩余使用寿命数据的限制,将会通过传输系统将该排气管保养数据输送到用户手中,并提醒用户维修排气管,从而实现维修保养提醒的功能。
需要说明的是每个工况下车辆排气管使用损耗不同,排气管的寿命是不同的,由于车辆不仅仅只有一种工况,每次所处工况可能都不同或部分不同,本申请针对每个工况建立有对应的寿命转换系数,用于针对不同工况的寿命能够转换为标准值进行存储,以更好实现对排气管寿命的监控。
本申请实施例将多种影响参数信息结合模型实现了排气管温度的高效监测,而且,基于车辆所处的环境、工况信息对初始模型进行修正,使得修正后的目标模型在确定排气管温度时准确率更高,如此实现准确高效地确定出排气管温度。并且在获取排气管温度后进一步预估排气管寿命,从而及时提醒用户维修排气管,保证车辆性能。
下面对本申请实施例中的一种排气管温度的确定系统进行介绍,请参阅图6,基于上述实施例中的一种排气管温度的确定方法,本申请实施例通过一种排气管温度的确定系统实现该排气管温度的确定方法,本申请实施例中该排气管温度的确定系统,包括:
第一获取模块10,用于获取目标车辆的发动机数据、环境数据、当前排气温度值;
工况确定模块20,用于确定所述目标车辆的当前工况信息;
第二获取模块30,用于获取所述目标车辆对应的初始模型;
系数确定模块40,用于根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数;
修正模块50,用于根据所述模型修正系数以及所述初始模型生成目标模型;
温度确定模块60,用于将所述发动机数据输入所述目标模型,得到所述目标车辆的排气管温度信息。
其中,所述工况确定模块20,具体用于:
获取预存的工况划分模型;将所述环境数据、所述当前排气温度值和所述发动机数据输入所述工况划分模型,得到所述目标车辆的当前工况信息。
该排气管温度的确定系统还包括:
第三获取模块,用于获取多组样本数据;其中,所述多组样本数据中每组样本数据与所述目标车辆的工况信息相对应;
多元回归分析模块,用于对所述多组样本数据中每组样本数据分别进行多元回归分析,生成并存储多个多元回归方程;所述多个多元回归方程中每个多元回归方程与所述目标车辆的工况信息相对应。
其中,所述系数确定模块40,具体用于:
根据所述当前工况信息从所述多个多元回归方程中确定目标多元回归模型;将所述环境数据和所述当前排气温度值输入所述目标多元回归模型,得到所述目标车辆的模型修正系数。
该排气管温度的确定系统中第二获取模块30,还用于获取预存的排气管寿命预测模型;
该排气管温度的确定系统中还包括:
寿命数据确定模块,用于将所述目标车辆的排气管温度信息输入所述排气管寿命预测模型,得到所述目标车辆的排气管寿命预测数据;
第四获取模块,用于获取所述目标车辆的标准已使用寿命数据;
计算模块,用于根据所述排气管寿命预测数据和所述标准已使用寿命数据,生成所述目标车辆的排气管保养数据。
所述排气管寿命预测数据包括所述目标车辆运行于所述当前工况信息对应的运行工况时,排气管的第一总寿命数据;所述计算模块,具体用于:
根据预存的转换系数对照表,确定所述当前工况信息对应的目标使用寿命转换系数;所述转换系数对照表包括所述目标车辆的工况信息与使用寿命转换系数的对应关系;
根据所述目标使用寿命转换系数和所述标准已使用寿命数据,确定与所述当前工况信息对应的第一已使用寿命数据;
根据所述第一总寿命数据和所述第一已使用寿命数据,确定所述当前工况信息对应的第一剩余使用寿命数据;所述排气管保养数据包括所述第一剩余使用寿命数据。
其中,所述第一剩余使用寿命数据包括:第一剩余运行时间或第一剩余运行公里数据。
本申请实施例公开了一种排气管温度的确定系统,将多种影响参数信息结合模型实现了排气管温度的高效监测,而且,基于车辆所处的环境、工况信息对初始模型进行修正,使得修正后的目标模型在确定排气管温度时准确率更高,如此实现准确高效地确定出排气管温度。
本申请另一方面还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的排气管温度的确定方法。
本实施例的计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
本申请另一方面还提出一种电子设备,所述电子设备包括:存储器和至少一个处理器;所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的指令,以使得所述电子设备实现如上的排气管温度的确定方法。
具体的,该设备可以包括:处理器、存储器、输入/输出接口、通信接口和总线。其中处理器、存储器、输入/输出接口和通信接口通过总线实现彼此之间在设备内部的通信连接。
处理器可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案。
存储器可以采用ROM(Read Only Memory,只读存储器)、RAM(RandomAccessMemory,随机存取存储器)、静态存储设备、动态存储设备等形式实现。存储器可以存储操作系统和其他应用程序,在通过软件或者固件来实现本申请实施例所提供的技术方案时,相关的程序代码保存在存储器中,并由处理器来调用执行。
输入/输出接口用于连接输入/输出模块,以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线包括一通路,在设备的各个组件(例如处理器、存储器、输入/输出接口和通信接口)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器、存储器、输入/输出接口、通信接口以及总线,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本申请实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的排气管温度的确定方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种排气管温度的确定方法,其特征在于,所述方法包括:
获取目标车辆的发动机数据、环境数据、当前排气温度值;
确定所述目标车辆的当前工况信息;
获取所述目标车辆对应的初始模型;
根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数;
根据所述模型修正系数以及所述初始模型生成目标模型;
将所述发动机数据输入所述目标模型,得到所述目标车辆的排气管温度信息。
2.根据权利要求1所述方法,其特征在于,所述确定所述目标车辆的当前工况信息,包括:
获取预存的工况划分模型;
将所述环境数据、所述当前排气温度值和所述发动机数据输入所述工况划分模型,得到所述目标车辆的当前工况信息。
3.根据权利要求1所述方法,其特征在于,所述方法还包括:
获取多组样本数据;其中,所述多组样本数据中每组样本数据与所述目标车辆的工况信息相对应;
对所述多组样本数据中每组样本数据分别进行多元回归分析,生成并存储多个多元回归方程;所述多个多元回归方程中每个多元回归方程与所述目标车辆的工况信息相对应。
4.根据权利要求3所述方法,其特征在于,所述根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数,包括:
根据所述当前工况信息从所述多个多元回归方程中确定目标多元回归模型;
将所述环境数据和所述当前排气温度值输入所述目标多元回归模型,得到所述目标车辆的模型修正系数。
5.根据权利要求1所述方法,其特征在于,所述方法还包括:
获取预存的排气管寿命预测模型;
将所述目标车辆的排气管温度信息输入所述排气管寿命预测模型,得到所述目标车辆的排气管寿命预测数据;
获取所述目标车辆的标准已使用寿命数据;
根据所述排气管寿命预测数据和所述标准已使用寿命数据,生成所述目标车辆的排气管保养数据。
6.根据权利要求5所述方法,其特征在于,所述排气管寿命预测数据包括所述目标车辆运行于所述当前工况信息对应的运行工况时,排气管的第一总寿命数据;所述根据所述排气管寿命预测数据和所述标准已使用寿命数据,生成所述目标车辆的排气管保养数据,包括:
根据预存的转换系数对照表,确定所述当前工况信息对应的目标使用寿命转换系数;所述转换系数对照表包括所述目标车辆的工况信息与使用寿命转换系数的对应关系;
根据所述目标使用寿命转换系数和所述标准已使用寿命数据,确定与所述当前工况信息对应的第一已使用寿命数据;
根据所述第一总寿命数据和所述第一已使用寿命数据,确定所述当前工况信息对应的第一剩余使用寿命数据;所述排气管保养数据包括所述第一剩余使用寿命数据。
7.根据权利要求6所述方法,其特征在于,所述第一剩余使用寿命数据包括:第一剩余运行时间或第一剩余运行公里数据。
8.一种排气管温度的确定系统,其特征在于,所述系统包括:
第一获取模块,用于获取目标车辆的发动机数据、环境数据、当前排气温度值;
工况确定模块,用于确定所述目标车辆的当前工况信息;
第二获取模块,用于获取所述目标车辆对应的初始模型;
系数确定模块,用于根据所述当前工况信息、所述环境数据以及所述当前排气温度值确定所述目标车辆的模型修正系数;
修正模块,用于根据所述模型修正系数以及所述初始模型生成目标模型;
温度确定模块,用于将所述发动机数据输入所述目标模型,得到所述目标车辆的排气管温度信息。
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排气管温度的确定指令,当其在计算机上运行时,使得计算机执行上述权利要求1-7任意一项所述的排气管温度的确定方法。
10.一种电子设备,其特征在于,所述电子设备包括:存储器和至少一个处理器;
所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的指令,以使得所述电子设备实现如权利要求1-7中任意一项所述的排气管温度的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211662418.XA CN115638900B (zh) | 2022-12-23 | 2022-12-23 | 一种排气管温度的确定方法、系统、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211662418.XA CN115638900B (zh) | 2022-12-23 | 2022-12-23 | 一种排气管温度的确定方法、系统、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115638900A true CN115638900A (zh) | 2023-01-24 |
CN115638900B CN115638900B (zh) | 2023-04-18 |
Family
ID=84949814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211662418.XA Active CN115638900B (zh) | 2022-12-23 | 2022-12-23 | 一种排气管温度的确定方法、系统、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115638900B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001041923A (ja) * | 1999-08-03 | 2001-02-16 | Toyota Motor Corp | 酸素濃度検出装置 |
JP2002097947A (ja) * | 2000-09-20 | 2002-04-05 | Hitachi Metals Ltd | 排気マニホルドの設計方法 |
JP3636047B2 (ja) * | 2000-08-03 | 2005-04-06 | トヨタ自動車株式会社 | センサ昇温用電力制御装置 |
US20060117737A1 (en) * | 2004-12-06 | 2006-06-08 | Denso Corporation | Estimating device for exhaust temperature in internal combustion engine |
CN101033706A (zh) * | 2006-03-06 | 2007-09-12 | 日产自动车株式会社 | 车辆控制方法和车辆控制装置 |
US20090094009A1 (en) * | 2007-10-04 | 2009-04-09 | Martin Muller | System and method for modeling of turbo-charged engines and indirect measurement of turbine and waste-gate flow and turbine efficiency |
CN110678633A (zh) * | 2017-05-17 | 2020-01-10 | 标致雪铁龙汽车股份有限公司 | 用于确定排气管路中进入无液态水状态的方法 |
US20200401748A1 (en) * | 2019-06-24 | 2020-12-24 | Front End Analytics | Apparatus and method for simulating systems |
CN113606026A (zh) * | 2021-08-27 | 2021-11-05 | 中国第一汽车股份有限公司 | 一种发动机排气温度计算方法 |
CN113898485A (zh) * | 2021-09-16 | 2022-01-07 | 东风越野车有限公司 | 柴油发动机的高原动力提升控制系统及设备 |
-
2022
- 2022-12-23 CN CN202211662418.XA patent/CN115638900B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001041923A (ja) * | 1999-08-03 | 2001-02-16 | Toyota Motor Corp | 酸素濃度検出装置 |
JP3636047B2 (ja) * | 2000-08-03 | 2005-04-06 | トヨタ自動車株式会社 | センサ昇温用電力制御装置 |
JP2002097947A (ja) * | 2000-09-20 | 2002-04-05 | Hitachi Metals Ltd | 排気マニホルドの設計方法 |
US20060117737A1 (en) * | 2004-12-06 | 2006-06-08 | Denso Corporation | Estimating device for exhaust temperature in internal combustion engine |
CN101033706A (zh) * | 2006-03-06 | 2007-09-12 | 日产自动车株式会社 | 车辆控制方法和车辆控制装置 |
US20090094009A1 (en) * | 2007-10-04 | 2009-04-09 | Martin Muller | System and method for modeling of turbo-charged engines and indirect measurement of turbine and waste-gate flow and turbine efficiency |
CN110678633A (zh) * | 2017-05-17 | 2020-01-10 | 标致雪铁龙汽车股份有限公司 | 用于确定排气管路中进入无液态水状态的方法 |
US20200401748A1 (en) * | 2019-06-24 | 2020-12-24 | Front End Analytics | Apparatus and method for simulating systems |
CN113606026A (zh) * | 2021-08-27 | 2021-11-05 | 中国第一汽车股份有限公司 | 一种发动机排气温度计算方法 |
CN113898485A (zh) * | 2021-09-16 | 2022-01-07 | 东风越野车有限公司 | 柴油发动机的高原动力提升控制系统及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115638900B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10605188B2 (en) | Control device, control method, and control program | |
US7505949B2 (en) | Process model error correction method and system | |
US7787969B2 (en) | Virtual sensor system and method | |
CN111766080B (zh) | 汽车工况筛选方法、发动机标定方法及系统和可读存储介质 | |
WO2007058695A1 (en) | Process model based virtual sensor system and method | |
CN106828363A (zh) | 车辆工时检测方法及系统 | |
CN115649080A (zh) | 一种基于图像识别的车辆行驶安全智能监测系统 | |
CN109958573B (zh) | 风力发电机组的启停机控制方法和装置 | |
CN116659803A (zh) | 基于天平零点在线监测获取连续式风洞气动力载荷的方法 | |
CN114544184B (zh) | 故障诊断方法、装置、电子设备、存储介质及发动机 | |
CN118134511A (zh) | 一种车辆产品的碳排放管理方法、装置及介质 | |
CN115638900B (zh) | 一种排气管温度的确定方法、系统、存储介质及电子设备 | |
CN113591314A (zh) | 传感器可信性评估方法、装置、计算机设备及介质 | |
CN111780799B (zh) | 一种仪表数据验证方法及装置 | |
CN111472941B (zh) | 风机状态判断方法、装置及存储介质 | |
CN113587972B (zh) | 一种传感器参数矫正处理方法、装置和系统 | |
CN111274687B (zh) | 元器件失效率预计方法、装置、计算机设备及存储介质 | |
CN116086560B (zh) | 一种多因素耦合下的发动机万有油耗修正方法及系统 | |
CN113343479A (zh) | 设备使用寿命的计算方法和装置 | |
CN112084656A (zh) | 一种叶片振动疲劳概率寿命预测系统及预测方法 | |
CN118622502A (zh) | 柴油机寿命预测方法、系统、电子设备及存储介质 | |
CN116513149A (zh) | 动力系统的扭矩控制方法、介质及车辆 | |
CN116067433B (zh) | 一种振弦数据采集方法及其采集仪 | |
CN117452251B (zh) | 电池截止电量估算方法、装置、电子设备及存储介质 | |
US20230154247A1 (en) | Information processing system, storage medium, and information processing method |
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 |