CN115750044A - 基于工况预测的scr排放控制系统及方法 - Google Patents

Abstract

本发明涉及基于工况预测的SCR排放控制系统，包含工况预测子系统；地理信息系统；发动机模型子系统；SCR化学反应模型子系统；模型预测控制子系统；尿素喷射执行子系统。本发明还涉及控制方法，包含步骤：计算得到未来时刻的汽车的实际行驶工况；将未来时刻的汽车的实际行驶工况，转化为未来时刻的SCR系统的输入信息；计算得到未来时刻的SCR出口处的NOx排放量、NH3逃逸量；构建当前时刻的模型预测优化问题；然后计算得到当前时刻的最优尿素喷射请求量；将最优尿素喷射请求量执行于SCR系统。本发明显著减少瞬态工况对排放控制的压力；减少因系统外界干扰及模型失配对优化结果的影响，每一时刻都对未来时间段进行求解，并最终达到近似全局优化的效果。

Description

基于工况预测的SCR排放控制系统及方法

技术领域

本发明涉及柴油机尾气净化处理的控制技术领域，具体地涉及基于工况预测的SCR排放控制系统及方法。

背景技术

随着数据技术的发展，根据当前时间时刻工况和历史工况，可以预测出未来车辆的短期工况。通过上述方法，车辆具备获取未来行驶工况的能力，短时间内的汽车未来工况可应用于汽车的实时控制中。

为了降低柴油机排放物对环境造成的污染，通行做法是采用尿素选择性催化还原(selective catalytic reduction，SCR)技术，并自国IV排放阶段开始用来满足法规对NOx排放的要求。

SCR作为后处理系统的核心部分，其尿素喷射量的控制效果决定了NOx的排放是否达标。若SCR尿素喷射量过低，则间接导致NOx转换效率过低，存在排放不达标风险。若SCR尿素喷射量过大，则存在氨泄露的风险。

综上所述，需对尿素喷射量进行精准的控制。发动机的实际工作状况复杂多变，瞬态工况下工况突变，发动机空速、温度等参数剧烈变化，若尿素喷射量过多或过低，都不能有效的降低NOx排放及NH3泄露。

为了解决上述尿素喷射量精准控制的问题，目前现有技术后处理SCR行业内普遍采用的是基于脉谱标定的闭环控制策略，建立SCR尿素喷射量与当前时刻发动机工况参数、传感器参数的脉谱映射，并根据工况对尿素喷射量进行大量修正的一种控制方法。

现有技术的优点在于：若能提前预知发动机工况，在工况变化前控制尿素喷射量，将氨覆盖率控制在合适的范围内，则能有效改善排放，减少NOx排放的同时，降低氨逃逸。

典型的现有技术如申请号为CN201910939842.6，发明名称为“发动机排气温度的控制系统及控制方法”的中国发明专利，其公布了以下技术特征：

1.一种发动机排气温度的控制系统，包括：电子控制单元ECU、增压器、中冷器、旁通阀、节流阀、发动机、第一温度传感器和第一压力传感器；增压器与发动机通过管路连接；增压器用于增加进入发动机的气流的压力；中冷器、节流阀分别安装在增压器出口与发动机进气口之间的管路上；节流阀安装在中冷器的下游；中冷器用于降低增压器增压后的气流的温度；中冷器的进口和中冷器的出口处设置有一路旁通管路，旁通阀安装在旁通管路上；从旁通管路流出的气流与从中冷器流出的气流汇合后进入节流阀；旁通阀用于调节流经中冷器和旁通管路的气流的比例；节流阀用于调节进入发动机的气流的压力；第一温度传感器设置在节流阀上游的管路上；

第一压力传感器设置在发动机的进气口处；ECU与旁通阀、节流阀、第一温度传感器和第一压力传感器分别连接；在进行发动机排气温度的控制时，ECU用于利用第一温度传感器获取节流阀上游气流的实际温度值，利用第一压力传感器获取发动机进气口气流的实际压力值，并根据实际温度值和实际压力值分别控制旁通阀和节流阀的开度；控制系统还包括：第二压力传感器；第二压力传感器设置在增压器出口处；第二压力传感器与ECU连接；在进行发动机排气温度的控制之前，ECU还用于获取增压器出口处气流的压力，增压器出口处气流的压力能够用于确定是否打开旁通阀。

2.控制系统还包括：柴油颗粒过滤器DPF和第二温度传感器；DPF与发动机的排气管连接，用于捕获发动机排出的颗粒物；第二温度传感器设置在DPF的进气口处；第二温度传感器与ECU连接；在进行发动机排气温度的控制之前，ECU还用于利用第二温度传感器，获取DPF上游气流的温度及DPF上游气流的温度的变化趋势。

3.一种发动机排气温度的控制方法，包括步骤：

(1)获取当前工作条件，所述当前工作条件包括增压器出口处的气流的压力；

(2)根据所述当前工作条件，确定需要进行发动机排气温度的控制；

(3)获取当前工作条件下节流阀上游气流的设定温度值和实际温度值；

(4)根据所述设定温度值和所述实际温度值，确定所述旁通阀的第一控制偏差；

(5)根据所述第一控制偏差，控制所述旁通阀的开度；

(6)获取当前工作条件下发动机进气口处气流的设定压力值和实际压力值；

(7)根据所述设定压力值和所述实际压力值，确定所述节流阀的第二控制偏差；

(8)根据所述第二控制偏差，控制所述节流阀的开度。

上述发明专利可以有效通过智能交通系统预判未来时刻的瞬态工况、稳态工况、减速工况，对电控EGR阀、可变几何截面增压器、节气门、尿素喷射器进行瞬态控制策略的切换。

以上述发明为代表的现有技术的缺陷在于：

1.对于SCR的排放控制，现有的控制策略大多未能将发动机未来的工况考虑在内，只考虑当前工况点尿素喷射量对排放的影响，采用开环+闭环+环境修正的策略。开环控制策略根据发动机转速、转矩、原排map等信息确认基础的尿素喷射量，闭环控制策略则通过NOx传感器的信号、发动机运行工况等信息进行闭环调节，最终在结合环境因素进行修正，得到最终的尿素喷射量，上述方式得到的尿素喷射量只能对当前工况点的排放进行调节，无法影响未来时刻发动机的排放。

2.现有技术从智能交通系统获知未来工况，方法使用场景有限，并且只是通过智能交通获取下一时刻是否存在瞬态工况、稳态工况、减速工况，从而对汽车控制器中的稳态控制策略、瞬态控制策略进行切换。该专利并没有从智能交通系统获取未来工况具体的特征值，例如速度、加速度等信息，并采用这些特征信息对执行器的进行具体的操作，如尿素喷射量具体喷射多少。

发明内容

本发明针对上述问题，提供基于工况预测的SCR排放控制系统及方法，基于工况预测子系统，将未来的SCR系统输入考虑在内，将未来工况作为输入，求解未来一段时间[k,k+Nc]内最佳尿素喷射量的组合；同时，为降低排放，以SCR出口处的NOx和NH3为目标函数，以NOx、NH3零排放为参照，构建多目标优化问题，采用动态规划进行求解。本发明的目的在于显著减少瞬态工况对排放控制的压力；减少因系统外界干扰及模型失配对优化结果的影响，每一时刻都对未来时间段进行求解，并最终达到近似全局优化的效果。

为解决上述问题，本发明提供的技术方案为：

一种基于工况预测的SCR排放控制系统，包含以下部分：

工况预测子系统，用于根据当前时刻实际的汽车的实际行驶工况，计算得到未来时刻的汽车的所述实际行驶工况；所述实际行驶工况包含汽车的车速、加速度；

地理信息系统，用于获取未来时刻汽车行驶的道路坡度；

发动机模型子系统，用于接收来自所述工况预测子系统所输出的未来时刻的所述实际行驶工况，且接收来自所述地理信息系统的未来时刻的所述道路坡度，然后根据未来时刻的所述实际行驶工况、所述地理信息系统，预测未来时刻的转速、扭矩、汽车能量消耗；然后再根据所述转速、所述扭矩、所述汽车能量消耗，进一步预测未来时刻的SCR入口处的流量、NOx浓度、SCR床温；

SCR化学反应模型子系统，用于建立SCR化学反应模型；然后根据未来时刻的所述SCR入口处的所述流量、所述NOx浓度、所述SCR床温，并结合尿素喷射量，计算得到未来时刻的SCR出口处的NOx排放量、NH3逃逸量；

模型预测控制子系统，用于构建柴油机SCR排放模型预测优化问题；然后计算得到当前时刻的最优尿素喷射请求量；

尿素喷射执行子系统，用于控制所述SCR系统执行当前时刻的所述最优尿素喷射请求量。

优选地，所述工况预测子系统包含工况类型数据库、工况聚类模块、工况识别模块、工况预测模块；其中：

所述工况类型数据库中存储有样本工况；所述样本工况包括城市工况、郊区工况、高速工况；

所述工况聚类模块用于提取每个所述样本工况的特征参数，然后将所述特征参数聚合成工况类型；所述工况类型包含第一类工况、第二类工况、第三类工况；

所述工况识别模块用于根据当前的所述实际行驶工况，提取所述实际行驶工况的所述特征参数，然后结合所述工况聚类模块，识别出当前的所述实际行驶工况的所述实际行驶工况；

所述工况预测模块用于建立关于所述第一类工况、所述第二类工况、所述第三类工况的状态转移矩阵；然后根据所述实际行驶工况，以及所述状态转移矩阵，计算得到未来时刻的汽车的所述实际行驶工况。

优选地，所述特征参数包含平均速度、最大速度、速度标准差、怠速时间、匀速时间、减速时间。

优选地，所述第一类工况为高速工况，包含如下特征：

车速高于人工预设的车速上限阈值，且怠速时间低于人工预设的怠速时间下限阈值，且启停频率低于人工预设的启停频率下限阈值；

所述第二类工况为郊区工况，包含如下特征：

车速低于所述车速上限阈值，且高于人工预设的车速下限阈值，且启停频率高于所述启停频率下限阈值，且低于人工预设的启停频率上限阈值；

所述第三类工况为城市拥堵工况，包含如下特征：

车速低于所述车速下限阈值，且启停频率高于所述启停频率上限阈值，且怠速时间高于人工预设的怠速时间上限阈值。

优选地，所述SCR化学反应模型子系统通过Eley-Rideal机理、阿伦尼乌斯公式、质量守恒定律，以定量的形式对SCR内发生的化学反应进行表示，从而建立所述SCR化学反应模型。

利用基于工况预测的SCR排放控制系统的基于工况预测的SCR排放控制方法，包含以下步骤

S100.计算得到未来时刻的汽车的所述实际行驶工况；

S200.将未来时刻的汽车的所述实际行驶工况，转化为未来时刻的所述SCR系统的输入信息；

S300.计算得到未来时刻的所述SCR出口处的所述NOx排放量、所述NH3逃逸量；

S400.构建当前时刻的所述模型预测优化问题；然后计算得到当前时刻的所述最优尿素喷射请求量；

S500.将所述最优尿素喷射请求量执行于所述SCR系统。

优选地，S200中的所述输入信息包含排气流量、SCR床温、SCR进口NOx浓度、控制量为未来时刻喷入SCR中的尿素；其中：

所述排气流量按下式表达：

[EF_k,EF_k+1,EF_k+2,EF_k+3,…,EF_k+Nc]

其中：k为当前时刻；Nc为未来时刻相对于所述当前时刻的偏移量；EF为所述排气流量；

所述SCR床温按下式表达：

[T'_k,T'_k+1,T'_k+2,T'_k+3,…,T'_k+Nc]

其中：T'为所述SCR床温；

所述SCR进口NOx浓度按下式表达：

[NOx_k,NOx_k+1,NOx_k+2,NOx_k+3,…,NOx_k+Nc]

其中：NOx为所述SCR进口NOx浓度；

所述控制量为未来时刻喷入SCR中的尿素按下式表达：

[u_k,u_k+1,…,u_k+Nc]

其中：u为所述控制量为未来时刻喷入SCR中的尿素。

优选地，所述SCR化学反应模型按下式表达：

其中：C_NOx为的所述SCR出口处的NOx的浓度，等于所述NOx排放量；C_NH3为所述SCR出口处的NH3的浓度，等于所述NH3逃逸量；

为的所述SCR入口处的NOx的浓度；

是C_NOx在单位时间內的变化量；

为所述SCR入口处的NH3的浓度；

为C_NH3单位时间內的变化量；T_s为采样周期。

优选地，构建当前时刻的所述模型预测优化问题时，以所述SCR出口处的NOx和NH3为目标函数，且以NOx、NH3零排放为参照；所述模型预测优化问题按下式表达：

其中：J()函数为优化问题的价值函数；x(k)为SCR系统状态变量，为SCR出口处NOx浓度、NH3浓度；u(k)是SCR系统控制变量，为尿素喷射量；p1和p2都为权重；目标函数为[k,k+Nc]时刻内的排放总和。

优选地，所述阿伦尼乌斯公式用于描述化学反应速率，按下式表达：

其中：k'为温度为T'时的反应速度常数；A为前因子，也称为阿伦尼乌斯常数，单位与k'相同；E为实验活化能，为与温度无关的常数，单位为J·mol-1；T为绝对温度，单位为K；R为摩尔气体常数，单位J·mol-1·K；e为自然对数的底。

本发明与现有技术对比，具有以下优点：

1.由于本发明将未来时刻汽车的行驶工况状态考虑在当前时刻的尿素喷射决策中，从而可显著减少瞬态工况对排放控制的压力；

2.由于本发明利用滚动优化的思想，每一时刻仅取最优控制序列中的第一个作用于系统，从而减少了因系统外界干扰及模型失配对优化结果的影响，每一时刻都对未来时间段进行求解，并最终达到近似全局优化的效果。

附图说明

图1为本发明具体实施例的控制方法的流程示意图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种基于工况预测的SCR排放控制系统，包含以下部分：

工况预测子系统，用于根据当前时刻实际的汽车的实际行驶工况，计算得到未来时刻的汽车的实际行驶工况；实际行驶工况包含汽车的车速、加速度。

本具体实施例中，工况预测子系统包含工况类型数据库、工况聚类模块、工况识别模块、工况预测模块；其中：

工况类型数据库中存储有样本工况；样本工况包括城市工况、郊区工况、高速工况。

工况聚类模块用于提取每个样本工况的特征参数，然后通过聚类算法将所有特征参数聚合成三类工况类型；工况类型包含第一类工况C1、第二类工况C2、第三类工况C3。

需要说明的是，工况预测子系统的原理在于车辆行驶时，其运行过程具有马尔科夫性，通过历史数据可以预测未来的工况。建立关于C1、C2、C3典型工况的状态转移矩阵。

本具体实施例中，特征参数包含平均速度v_mean、最大速度v_max、速度标准差v_var、怠速时间P_i、匀速时间P_c、减速时间P_d。

本具体实施例中，第一类工况为高速工况，包含如下特征：

车速高于人工预设的车速上限阈值，且怠速时间低于人工预设的怠速时间下限阈值，且启停频率低于人工预设的启停频率下限阈值。

第二类工况为郊区工况，包含如下特征：

车速低于车速上限阈值，且高于人工预设的车速下限阈值，且启停频率高于启停频率下限阈值，且低于人工预设的启停频率上限阈值。

第三类工况为城市拥堵工况，包含如下特征：

车速低于车速下限阈值，且启停频率高于启停频率上限阈值，且怠速时间高于人工预设的怠速时间上限阈值。

工况识别模块用于根据当前的实际行驶工况，提取实际行驶工况的特征参数，然后结合工况聚类模块，识别出当前的实际行驶工况的实际行驶工况。

工况预测模块用于建立关于第一类工况、第二类工况、第三类工况的状态转移矩阵；然后根据实际行驶工况，以及状态转移矩阵，计算得到未来时刻的汽车的实际行驶工况。

地理信息系统，用于获取未来时刻汽车行驶的道路坡度。

发动机模型子系统，用于接收来自工况预测子系统所输出的未来时刻的实际行驶工况，且接收来自地理信息系统的未来时刻的道路坡度，然后根据未来时刻的实际行驶工况、地理信息系统，预测未来时刻的转速、扭矩、汽车能量消耗；然后再根据转速、扭矩、汽车能量消耗，进一步预测未来时刻的SCR入口处的流量、NOx浓度、SCR床温。

SCR化学反应模型子系统，用于建立SCR化学反应模型；然后根据未来时刻的SCR入口处的流量、NOx浓度、SCR床温，并结合尿素喷射量，计算得到未来时刻的SCR出口处的NOx排放量、NH3逃逸量。

本具体实施例中，SCR化学反应模型子系统通过Eley-Rideal机理、阿伦尼乌斯公式、质量守恒定律，以定量的形式对SCR内发生的化学反应进行表示，从而建立SCR化学反应模型。

本具体实施例中，阿伦尼乌斯公式用于描述化学反应速率，按式(1)表达：

其中：k'为温度为T'时的反应速度常数；A为前因子，也称为阿伦尼乌斯常数，单位与k'相同；E为实验活化能，为与温度无关的常数，单位为J·mol-1；T为绝对温度，单位为K；R为摩尔气体常数，单位J·mol-1·K；e为自然对数的底。

本具体实施例中，SCR化学反应模型按式(2)表达：

其中：C_NOx为的SCR出口处的NOx的浓度，等于NOx排放量；C_NH3为SCR出口处的NH3的浓度，等于NH3逃逸量；

为的SCR入口处的NOx的浓度；

是C_NOx在单位时间內的变化量；

为SCR入口处的NH3的浓度；

为C_NH3单位时间內的变化量；T_s为采样周期。

模型预测控制子系统，用于构建柴油机SCR排放模型预测优化问题；然后结合SCR系统未来时刻的输入，通过SCR化学反应模型子系统预测SCR系统未来状态，通过动态规划算法，计算得到当前时刻的最优尿素喷射请求量。

本具体实施例中，构建当前时刻的模型预测优化问题时，以SCR出口处的NOx和NH3为目标函数，且以NOx、NH3零排放为参照；模型预测优化问题按式(3)表达：

其中：J()函数为优化问题的价值函数；x(k)为SCR系统状态变量，为SCR出口处NOx浓度、NH3浓度；u(k)是SCR系统控制变量，为尿素喷射量；p1和p2都为权重，目标函数为[k,k+Nc]时刻内的排放总和。

尿素喷射执行子系统，用于控制SCR系统执行当前时刻的最优尿素喷射请求量。

如图1所示，利用基于工况预测的SCR排放控制系统的基于工况预测的SCR排放控制方法，包含以下步骤

S100.基于当前时刻k的工况信息，提取当前工况的特征参数：平均速度v_mean、最大速度v_max、速度标准差v_var、怠速时间P_i、匀速时间P_c、减速时间P_d。通过上述特征参数判断当前所属工况类型，进而得到关于C1、C2、C3典型工况的状态转移矩阵。根据当前的速度和加速度，通过状态转移矩阵，预测计算得到汽车未来一段时间[k,k+Nc]的实际行驶工况。

S200.将未来时刻的汽车的实际行驶工况，包括速度和加速度，加上通过地理信息系统获取未来时刻的道路坡度，作为发动机模型子系统的输入，转化为未来时刻的SCR系统的输入信息；通过上述信息预测未来时刻的转速、扭矩、汽车能量消耗，进而预测未来时刻SCR入口处的流量、NOx浓度、SCR床温。

本具体实施例中，S200中的输入信息包含排气流量、SCR床温、SCR进口NOx浓度、控制量为未来时刻喷入SCR中的尿素；SCR控制所需的输入，如下所示，通过发动机子系统将未来时刻速度、加速度信息转换为SCR系统未来时刻的输入信息，其中：

排气流量按式(4)表达：

[EF_k,EF_k+1,EF_k+2,EF_k+3,…,EF_k+Nc] (4)

其中：k为当前时刻；Nc为未来时刻相对于当前时刻的偏移量；EF为排气流量。

SCR床温按式(5)表达：

[T'_k,T'_k+1,T'_k+2,T'_k+3,…,T'_k+Nc] (5)

其中：T'为SCR床温。

SCR进口NOx浓度按式(6)表达：

[NOx_k,NOx_k+1,NOx_k+2,NOx_k+3,…,NOx_k+Nc] (6)

其中：NOx为SCR进口NOx浓度。

控制量为未来时刻喷入SCR中的尿素按式(7)表达：

[u_k,u_k+1,…,u_k+Nc] (7)

其中：u为控制量为未来时刻喷入SCR中的尿素。

S300.计算得到未来时刻的SCR出口处的NOx排放量、NH3逃逸量。

需要说明的是，S300的原理在于：已知未来时刻SCR入口处的输入信息，若建立SCR系统模型，则可通过SCR系统模型获取未来时刻SCR出口处的NOx排放以及氨逃逸。SCR系统模型需定量的对SCR内发生的化学反应进行表示。

本具体实施例中，SCR主要包括以下四种反应：

根据阿伦尼乌斯公式，可以对上述四个化学反应过程的反应速率进行建模。阿伦尼乌斯公式是经验总结式公式，用来描述化学反应速率。

根据阿列纽斯方程，对上述四个化学反应过程的反应速率进行建模，各反应速率为：

r₁＝k₁*exp(-E₁/T_scrin)*C_NH₃_in*(S₁*exp(-S₂*T_scrin)-θ_NH3)

r₂＝k₂*exp(-E₂*(1-m₁*θ_NH3)/T_scrin)*θ_NH3

r₃＝k₃*exp(-E₃/T_scrin)*C_NOx_in*θ_cril*(1-exp(-θ_NH3/θ_cril))

r₄＝k₅*exp(-E₅/T_scrin)*θ_NH3

其中：r₁为吸附反应速率；r₂为解吸附反应速率；r₃为NOX催化还原反应速率；r₄为氨氧化反应的化学反应速率；k₁、k₂、k₃、k₄为反应速率因子；E₁、E₂、E₃、E₄为化学反应的活化能；C_NH₃为SCR入口处的NH3的浓度；θ_NH3为SCR氨覆盖率；m₁为SCR表面覆盖依赖系数；θ_cril为临界表面覆盖率；S₁、S₂为温度对氨覆盖率的影响参数，体现床温对系统氨吸附能力的影响，使模型能够反应出高排温时，氨逃逸较高的特性。

本具体实施例中，还包括以下内容：

将Urea-SCR系统假设为一个均匀搅拌釜，即系统各内部状态均匀一致。根据质量守恒，可以建立SCR系统内部NOX的浓度变化动态平衡方程、NH3浓度变化动态平衡方程，分别为

NOX浓度变化量＝SCR入口的NOX-还原反应的NOX-SCR出口处的NOX氨浓度变化量＝喷入的氨+解吸附的氨-还原反应的氨-SCR出口逃逸氨上述两个方程按式(8)和(9)表达：

其中：a₀为SCR内部空速。

然后，通过上述动态平衡方程，即可得到SCR的系统模型，亦即前面的SCR化学反应模型。

需要说明的是，该模型基于Eley-Rideal机理、阿伦尼乌斯公式、质量守恒等，该模型以排气流量、SCR入口处NOx浓度、SCR床温、尿素喷射量等主要影响NOx转换效率的参数为输入，输出为SCR出口处NOx浓度、NH3浓度。

需要进一步说明的是，在已知未来时刻排气流量[EF_k,EF_k+1,EF_k+2,EF_k+3,…,EF_k+Nc]、SCR床温[T'_k,T'_k+1,T'_k+2,T'_k+3,…,T'_k+Nc]、SCR进口NOx浓度[NOx_k,NOx_k+1,NOx_k+2,NOx_k+3,…,NOx_k+Nc]的前提下，若在[k,k+Nc]时刻内将[u_k,u_k+1,…,u_k+Nc]作用于SCR系统，通过上文建立的化学反应模型，则可算出[k,k+Nc]时刻内NOx出口浓度

与NH3逃逸量

S400.为了降低SCR的排放，以SCR出口处的NOx和NH3为目标函数，以NOx、NH3零排放为参照，构建当前时刻的模型预测优化问题；然后计算得到当前时刻k的最优尿素喷射请求量。

需要说明的是，针对该优化问题，采用动态规划算法进行求解。动态规划算法是一种全局优化算法，该算法主要用来求解多阶段决策的最优化问题，其优点在于能够求解出多阶段内最优控制量的组合，缺点在于需预知所有阶段系统的状态。由于上文通过工况预测子系统、发动机模型子系统可获取未来时刻SCR的系统输出，通过SCR机理模型，即可知每一阶段的系统状态，因此可选用动态规划算法进行求解，得到[k,k+Nc]时刻内最佳尿素喷射量[u_k,u_k+1,…,u_k+Nc]。

优化求解模块求解出的尿素喷射量[u_k,u_k+1,…,u_k+Nc]，只取第一个控制量u_k作用于系统。在下一时刻k+1时刻，重新上述求解步骤，得到[k+1,k+Nc+1]时刻内最佳尿素喷射量[u_k+1,u_k+2,…,u_k+Nc+1]，在k+2时刻，重复上述步骤。如此反复，通过滚动优化，使得优化过程反复滚动进行。通过滚动优化可以有效缓解因外部干扰及模型失配对系统求解最优尿素喷射量的影响。

需要特别说明的是，针对多阶段决策的最优尿素喷射量求解问题，其求解方法不限于动态规划。本具体实施例所采用的仅为一种可以达到技术效果的求解方法，不可以本具体实施例为基础判定本发明的保护范围中涉及最优尿素喷射量求解问题的地方仅限于该求解方法。

S500.将最优尿素喷射请求量执行于SCR系统。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或”是要表示“非排它性的或者”。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于工况预测的SCR排放控制系统，其特征在于：包含以下部分：

工况预测子系统，用于根据当前时刻实际的汽车的实际行驶工况，计算得到未来时刻的汽车的所述实际行驶工况；所述实际行驶工况包含汽车的车速、加速度；

地理信息系统，用于获取未来时刻汽车行驶的道路坡度；

发动机模型子系统，用于接收来自所述工况预测子系统所输出的未来时刻的所述实际行驶工况，且接收来自所述地理信息系统的未来时刻的所述道路坡度，然后根据未来时刻的所述实际行驶工况、所述地理信息系统，预测未来时刻的转速、扭矩、汽车能量消耗；然后再根据所述转速、所述扭矩、所述汽车能量消耗，进一步预测未来时刻的SCR入口处的流量、NOx浓度、SCR床温；

SCR化学反应模型子系统，用于建立SCR化学反应模型；然后根据未来时刻的所述SCR入口处的所述流量、所述NOx浓度、所述SCR床温，并结合尿素喷射量，计算得到未来时刻的SCR出口处的NOx排放量、NH3逃逸量；

模型预测控制子系统，用于构建柴油机SCR排放模型预测优化问题；然后计算得到当前时刻的最优尿素喷射请求量；

尿素喷射执行子系统，用于控制所述SCR系统执行当前时刻的所述最优尿素喷射请求量。

2.根据权利要求1所述的基于工况预测的SCR排放控制系统，其特征在于：所述工况预测子系统包含工况类型数据库、工况聚类模块、工况识别模块、工况预测模块；其中：

所述工况类型数据库中存储有样本工况；所述样本工况包括城市工况、郊区工况、高速工况；

所述工况聚类模块用于提取每个所述样本工况的特征参数，然后将所述特征参数聚合成工况类型；所述工况类型包含第一类工况、第二类工况、第三类工况；

所述工况识别模块用于根据当前的所述实际行驶工况，提取所述实际行驶工况的所述特征参数，然后结合所述工况聚类模块，识别出当前的所述实际行驶工况的所述实际行驶工况；

所述工况预测模块用于建立关于所述第一类工况、所述第二类工况、所述第三类工况的状态转移矩阵；然后根据所述实际行驶工况，以及所述状态转移矩阵，计算得到未来时刻的汽车的所述实际行驶工况。

3.根据权利要求2所述的基于工况预测的SCR排放控制系统，其特征在于：所述特征参数包含平均速度、最大速度、速度标准差、怠速时间、匀速时间、减速时间。

4.根据权利要求3所述的基于工况预测的SCR排放控制系统，其特征在于：所述第一类工况为高速工况，包含如下特征：

车速高于人工预设的车速上限阈值，且怠速时间低于人工预设的怠速时间下限阈值，且启停频率低于人工预设的启停频率下限阈值；

所述第二类工况为郊区工况，包含如下特征：

车速低于所述车速上限阈值，且高于人工预设的车速下限阈值，且启停频率高于所述启停频率下限阈值，且低于人工预设的启停频率上限阈值；

所述第三类工况为城市拥堵工况，包含如下特征：

车速低于所述车速下限阈值，且启停频率高于所述启停频率上限阈值，且怠速时间高于人工预设的怠速时间上限阈值。

5.根据权利要求4所述的基于工况预测的SCR排放控制系统，其特征在于：所述SCR化学反应模型子系统通过Eley-Rideal机理、阿伦尼乌斯公式、质量守恒定律，以定量的形式对SCR内发生的化学反应进行表示，从而建立所述SCR化学反应模型。

6.利用权利要求5所述的基于工况预测的SCR排放控制系统的基于工况预测的SCR排放控制方法，其特征在于：包含以下步骤

S100.计算得到未来时刻的汽车的所述实际行驶工况；

S200.将未来时刻的汽车的所述实际行驶工况，转化为未来时刻的所述SCR系统的输入信息；

S300.计算得到未来时刻的所述SCR出口处的所述NOx排放量、所述NH3逃逸量；

S400.构建当前时刻的所述模型预测优化问题；然后计算得到当前时刻的所述最优尿素喷射请求量；

S500.将所述最优尿素喷射请求量执行于所述SCR系统。

7.根据权利要求6所述的基于工况预测的SCR排放控制方法，其特征在于：S200中的所述输入信息包含排气流量、SCR床温、SCR进口NOx浓度、控制量为未来时刻喷入SCR中的尿素；其中：

所述排气流量按下式表达：

[EF_k,EF_k+1,EF_k+2,EF_k+3,…,EF_k+Nc]

其中：k为当前时刻；Nc为未来时刻相对于所述当前时刻的偏移量；EF为所述排气流量；

所述SCR床温按下式表达：

[T'_k,T'_k+1,T'_k+2,T'_k+3,…,T'_k+Nc]

其中：T'为所述SCR床温；

所述SCR进口NOx浓度按下式表达：

[NOx_k,NOx_k+1,NOx_k+2,NOx_k+3,…,NOx_k+Nc]

其中：NOx为所述SCR进口NOx浓度；

所述控制量为未来时刻喷入SCR中的尿素按下式表达：

[u_k,u_k+1,…,u_k+Nc]

其中：u为所述控制量为未来时刻喷入SCR中的尿素。

8.根据权利要求7所述的基于工况预测的SCR排放控制方法，其特征在于：所述SCR化学反应模型按下式表达：

其中：C_NOx为的所述SCR出口处的NOx的浓度，等于所述NOx排放量；C_NH3为所述SCR出口处的NH3的浓度，等于所述NH3逃逸量；

是C_NOx在单位时间內的变化量；

为C_NH3单位时间內的变化量；T_s为采样周期。

9.根据权利要求8所述的基于工况预测的SCR排放控制方法，其特征在于：构建当前时刻的所述模型预测优化问题时，以所述SCR出口处的NOx和NH3为目标函数，且以NOx、NH3零排放为参照；所述模型预测优化问题按下式表达：

其中：J()函数为优化问题的价值函数；x(k)为SCR系统状态变量，为SCR出口处NOx浓度、NH3浓度；u(k)是SCR系统控制变量，为尿素喷射量；p1和p2都为权重；目标函数为[k,k+Nc]时刻内的排放总和。

10.根据权利要求9所述的基于工况预测的SCR排放控制方法，其特征在于：所述阿伦尼乌斯公式用于描述化学反应速率，按下式表达：

其中：k'为温度为T'时的反应速度常数；A为前因子，也称为阿伦尼乌斯常数，单位与k'相同；E为实验活化能，为与温度无关的常数，单位为J·mol-1；T为绝对温度，单位为K；R为摩尔气体常数，单位J·mol-1·K；e为自然对数的底。

Images