CN117056333B - 远程在线评估重型车净化装置的净化效率的方法及装置 - Google Patents

远程在线评估重型车净化装置的净化效率的方法及装置 Download PDF

Info

Publication number
CN117056333B
CN117056333B CN202311310550.9A CN202311310550A CN117056333B CN 117056333 B CN117056333 B CN 117056333B CN 202311310550 A CN202311310550 A CN 202311310550A CN 117056333 B CN117056333 B CN 117056333B
Authority
CN
China
Prior art keywords
purification
data
purification efficiency
vehicle
nitrogen oxide
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.)
Active
Application number
CN202311310550.9A
Other languages
English (en)
Other versions
CN117056333A (zh
Inventor
冯谦
杨妍妍
刘保献
吴烨
沈秀娥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ecological Environment Monitoring Center
Tsinghua University
Original Assignee
Beijing Ecological Environment Monitoring Center
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Ecological Environment Monitoring Center, Tsinghua University filed Critical Beijing Ecological Environment Monitoring Center
Priority to CN202311310550.9A priority Critical patent/CN117056333B/zh
Publication of CN117056333A publication Critical patent/CN117056333A/zh
Application granted granted Critical
Publication of CN117056333B publication Critical patent/CN117056333B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • 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

Abstract

本发明提供了一种远程在线评估重型车净化装置的净化效率的方法及装置，可以应用于远程在线排放测试领域。该方法包括：远程获取目标车辆的多个车辆数据，其中，目标车辆上配置有净化装置，多个车辆数据包括净化装置在不同工况模式下，净化氮氧化物得到的初始净化数据；对初始净化数据执行数据清洗操作，得到目标净化数据集；对目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；基于与每一个氮氧化物浓度区间相关联的净化效率，以及与每一个氮氧化物浓度区间相关联的工况模式数据，得到净化装置的净化效率评估值。

Description

远程在线评估重型车净化装置的净化效率的方法及装置
技术领域
本发明涉及远程在线排放测试领域，尤其涉及一种远程在线评估重型车净化装置的净化效率的方法及装置。
背景技术
重型车的净化装置（例如SCR（Selective Catalytic Reduction，选择性催化还原系统）系统）的净化性能对于重型车氮氧化物（NOx）的净化至关重要。净化装置在净化NOx时，是利用选择性催化还原反应将烟气中的NOx转化为无害的氮气和水蒸气。
在实现本发明发明构思的过程中，发明人发现相关技术中一般会存在以下问题：相关技术通过人工或简易的评估系统对净化装置的净化效率进行评估时，由于对数据处理的不准确，导致评估过程存在评估效率低、准确度低的问题，进而难以实现对净化装置净化效率的有效评估。
发明内容
鉴于上述问题，本发明提供了远程在线评估重型车净化装置的净化效率的方法及装置。
本发明的一个方面提供了一种远程在线评估重型车净化装置的净化效率的方法，包括：远程获取目标车辆的多个车辆数据，其中，上述目标车辆上配置有净化装置，上述多个车辆数据包括上述净化装置在不同工况模式下，净化氮氧化物得到的初始净化数据；对上述初始净化数据执行数据清洗操作，得到目标净化数据集；对上述目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；基于与上述每一个氮氧化物浓度区间相关联的净化效率，以及与上述每一个氮氧化物浓度区间相关联的工况模式数据，生成上述净化装置的净化效率评估值。
根据本发明的实施例，上述对上述目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率，包括：按照氮氧化物浓度区间对上述目标净化数据集进行划分，得到与上述氮氧化物浓度区间相对应的中间净化数据集；按照工况模式区间对上述中间净化数据集进行分组，得到不同工况模式区间下的净化数据子集；利用上述不同工况模式区间下的净化数据子集，生成与上述每一个氮氧化物浓度区间相关联的净化效率。
根据本发明的实施例，上述净化数据子集中至少包括上述净化装置进口处的氮氧化物浓度、上述净化装置出口处的氮氧化物浓度；上述利用上述不同工况模式区间下的净化数据子集，生成与上述每一个氮氧化物浓度区间相关联的净化效率，包括：针对每一个工况模式区间，执行如下操作：将上述净化装置进口处的氮氧化物浓度，以及净化装置出口处的氮氧化物浓度，输入到预设的第一净化效率函数中，输出上述与每一个氮氧化物浓度区间相关联的初始净化效率；对上述初始净化效率进行修正，得到中间净化效率；将上述中间净化效率和工况占比输入到预设的第二净化效率函数中，输出与每一个氮氧化物浓度区间相关联的净化效率，其中，上述工况模式区间中包括多个工况数，上述工况占比为上述工况模式区间中工况数的数目与所有工况模式区间中总工况数的数目之间的比值。
根据本发明的实施例，上述工况模式数据包括上述工况占比；上述基于与上述每一个氮氧化物浓度区间相关联的净化效率，以及与上述每一个氮氧化物浓度区间相关联的工况模式数据，生成上述净化装置的净化效率评估值，包括：从数据库中调用预设的净化效率评估函数；将与上述每一个氮氧化物浓度区间相关联的净化效率和上述工况占比，输入到上述预设的净化效率评估函数中，输出上述净化效率评估值。
根据本发明的实施例，上述目标车辆上还配置有车载终端，上述车载终端配置有识别介质；上述远程获取目标车辆的多个车辆数据，包括：调用与上述车载终端中的上述识别介质相链接的数据接口，其中，上述车载终端用于采集上述目标车辆的多个车辆数据；通过上述数据接口，远程获取上述目标车辆的多个车辆数据。
根据本发明的实施例，上述初始净化数据中包括尿素余量数据；上述对上述初始净化数据执行数据清洗操作，得到目标净化数据集，包括：根据预设时间段，将上述初始净化数据划分为多个评估周期；在每一个上述评估周期中，上述尿素余量数据的变化趋势满足预设条件的情况下，对上述评估周期内的初始净化数据进行清洗，以去除氮氧化物浓度值无效的数据，得到上述目标净化数据集。
根据本发明的实施例，上述方法还包括：利用上述净化效率评估值，构建净化性能劣化函数；利用上述净化性能劣化函数，预测上述净化装置的净化性能劣化情况。
根据本发明的实施例，上述车辆数据中包括空气进气流量、发动机燃料流量；上述方法还包括：利用上述空气进气流量和上述发动机燃料流量，生成上述目标车辆的发动机排气流量；利用上述发动机排气流量和上述净化装置的载体体积，生成上述净化装置的排气空速。
根据本发明的实施例，上述车辆数据中还包括上述净化装置的进口温度；上述方法还包括：基于不同的上述净化装置的排气空速，以及不同的上述净化装置的进口温度条件下的净化效率评估值，绘制净化效率曲线；利用可视化组件，展示上述净化效率曲线。
本发明的另一方面还提供了一种远程在线评估重型车净化装置的净化效率的装置，包括：获取模块，用于远程获取目标车辆的多个车辆数据，其中，上述目标车辆上配置有净化装置，上述多个车辆数据包括上述净化装置在不同工况模式下，净化氮氧化物得到的初始净化数据；清洗模块，用于对上述初始净化数据执行数据清洗操作，得到目标净化数据集；处理模块，用于对上述目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；结果模块，用于基于与上述每一个氮氧化物浓度区间相关联的净化效率，以及与上述每一个氮氧化物浓度区间相关联的工况模式数据，生成上述净化装置的净化效率评估值。
根据本发明实施例提供的远程在线评估重型车净化装置的净化效率的方法及装置，通过远程获取目标车辆的多个车辆数据；对初始净化数据进行数据清洗，得到目标净化数据集；对目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；基于每一个氮氧化物浓度区间的净化效率和工况模式数据，可以得到净化装置的净化效率评估值。由于在评估净化效率的过程中，可以远程获取目标车辆的多个数据，并对这些数据进行在线处理，可以实现高效的评估净化装置的净化效率；此外，本发明实施例是根据每一个氮氧化物浓度区间的净化效率和工况模式生成净化装置的净化效率评估值，可以实现从更细粒度的数据生成净化效率评估值，实现了对数据的准确处理，进而能够使得净化效率评估值更准确；上述方法至少部分地克服了相关技术中存在的评估效率低、准确度低的问题，达到了提高评估效率以及提高评估准确率的技术效果，进而提供一种能够有效评估净化装置净化效率的方法。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本发明实施例的远程在线评估重型车净化装置的净化效率的方法及装置的应用场景图；
图2示意性示出了根据本发明实施例的远程在线评估重型车净化装置的净化效率的方法的流程图；
图3A~图3I示意性示出了根据本发明实施例的不同氮氧化物浓度在不同排气空速下的净化效率曲线；
图4示意性示出了根据本发明实施例的净化性能劣化函数的示意图；
图5示意性示出了根据本发明另一实施例的远程在线评估重型车净化装置的净化效率的方法的架构图；以及
图6示意性示出了根据本发明实施例的远程在线评估重型车净化装置的净化效率的装置的结构框图。
具体实施方式
以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本发明实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等）。
在本发明的技术方案中，所涉及的用户信息（包括但不限于用户个人信息、用户图像信息、用户设备信息，例如位置信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关国家和地区的相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝。
对重型车排放的尾气进行检测，可以及时发现并治理氮氧化物的高排放车，从而减少重型车的超量排放。
一方面，重型车净化装置的净化性能对于重型车NOx的净化至关重要，然而，目前还鲜有基于远程在线监测技术对重型车净化装置净化效率的评估，当筛查处高排放车后，还无从判断是车辆的发动机故障，还是净化装置的净化效率已经降低。另一方面，对于净化装置劣化性能的评估，仅仅是基于发动机台架试验，在实际使用中难以提供出科学、高效的评估劣化性能的方法。相关计技术对重型车净化装置净化效率的评估方法，存在评估效率低、准确率低的问题。
有鉴于此，本发明的实施例提供了一种远程在线评估重型车净化装置的净化效率的方法及装置，用于对重型车净化装置的净化效率进行在线动态评估，提高评估的效率和准确率。具体地，该方法包括远程获取目标车辆的多个车辆数据，其中，目标车辆上配置有净化装置，多个车辆数据包括净化装置在不同工况模式下，净化氮氧化物得到的初始净化数据；对初始净化数据执行数据清洗操作，得到目标净化数据集；对目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；基于与每一个氮氧化物浓度区间相关联的净化效率，以及与每一个氮氧化物浓度区间相关联的工况模式数据，生成净化装置的净化效率评估值。
图1示意性示出了根据本发明实施例的远程在线评估重型车净化装置的净化效率的方法及装置的应用场景图。
如图1所示，根据该实施例的应用场景100可以包括目标车辆101、网络102以及服务器103。网络102用以在目标车辆101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
目标车辆101上可以配置有车载终端1011和净化装置1012。车载终端1011用于实时采集车辆在实际运行过程中产生的车辆数据，车辆数据包括净化装置1012净化氮氧化物产生的数据。
服务器103可以设置在重型车远程在线处理平台上，服务器103可以通过获取车载终端1011所采集的数据，得到目标车辆的数据；并对车辆数据中的初始净化数据执行数据清洗操作，得到目标净化数据集；对目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；基于与每一个氮氧化物浓度区间相关联的净化效率，以及与每一个氮氧化物浓度区间相关联的工况模式数据，生成净化装置1012的净化效率评估值；该净化效率评估值可以通过发送给相关人员。
需要说明的是，本发明实施例所提供的远程在线评估重型车净化装置的净化效率的方法一般可以由服务器103执行。相应地，本发明实施例所提供的远程在线评估重型车净化装置的净化效率的装置一般可以设置于服务器103中。本发明实施例所提供的远程在线评估重型车净化装置的净化效率的方法也可以由不同于服务器103且能够与目标车辆101和/或服务器103通信的服务器或服务器集群执行。相应地，本发明实施例所提供的远程在线评估重型车净化装置的净化效率的装置也可以设置于不同于服务器103且能够与目标车辆101和/或服务器103通信的服务器或服务器集群中。
应该理解，图1中的目标车辆、车载终端、净化装置、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、车载终端、净化装置、网络和服务器。
以下将基于图1描述的场景，通过图2~图5对公开实施例的远程在线评估重型车净化装置的净化效率的方法进行详细描述。
图2示意性示出了根据本发明实施例的远程在线评估重型车净化装置的净化效率的方法的流程图。
如图2所示，该实施例的远程在线评估重型车净化装置的净化效率的方法包括操作S210~操作S240。
在操作S210，远程获取目标车辆的多个车辆数据，其中，目标车辆上配置有净化装置，多个车辆数据包括净化装置在不同工况模式下，净化氮氧化物得到的初始净化数据。
在操作S220，对初始净化数据执行数据清洗操作，得到目标净化数据集。
在操作S230，对目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率。
在操作S240，基于与每一个氮氧化物浓度区间相关联的净化效率，以及与每一个氮氧化物浓度区间相关联的工况模式数据，生成净化装置的净化效率评估值。
根据本发明的实施例，目标车辆可以包括配置有净化装置（例如SCR系统）的车辆，例如重型柴油车（以下简称重型车）等。重型柴油车可以指最大总质量在3.5吨以上的柴油车。
根据本发明的实施例，车辆数据可以包括车辆实际运行中的运行数据、净化装置在不同工况模式下的初始净化数据。初始净化数据可以是指后续在生成净化效率评估值的过程中所用到的数据；运行数据可以是指后续在生成净化效率评估值的过程中没有用到的数据。初始净化数据例如车速、发动机燃料流量、SCR上游NOx传感器输出、SCR下游NOx传感器输出、SCR入口温度、空气质量流量传感器读取的进气量、尿素余量数据、油箱液位等。运行数据例如大气压力、发动机最大基准扭矩、发动机净输出扭矩、摩擦扭矩、发动机转速、DPF压差、发动机冷却液温度、经纬度等，具体可参照表1。可以理解的是，运行数据、初始净化数据所包括的数据种类可以根据实际需要进行适应性调整。
根据本发明的实施例，工况模式可以是指车辆的运行参数，示例性的，一种工况模式可以为车速x1~x2km/h，当车辆的实际运行工况数符合该工况模式的情况下，可以认为该工况数属于这个工况模式区间。需要理解的是，工况模式中所涉及到的数据种类不一定只有车速，还可以有加速度，例如，一种工况模式可以为车速x1~x2km/h，且加速度为y1~y2m/s²，当车辆的实际运行工况数符合该工况模式的情况下，可以认为该实际运行的工况数属于这个工况模式区间。工况模式所涉及到的数据种类可以根据实际需要进行适应性调整。
根据本发明的实施例，数据清洗可以用于去除初始净化数据无效的数据，例如以下至少之一：去除重复的数据（例如超过1条累积重复条数的数据）、有数据项缺失的数据（与本发明直接相关的数据有缺失情况下可以执行删除操作，例如氮氧化物浓度缺失、进气口温度缺失等）、无效的数据（例如氮氧化物浓度无效的数据）等。根据对初始净化数据集进行清洗后得到的有效数据，可以生成目标净化数据集。
根据本发明的实施例，通过利用目标净化数据集中的有效数据，以及至少一个净化效率函数，可以得到与每一个氮氧化物浓度区间相关联的净化效率；以及利用与每一个氮氧化物浓度区间相关联的净化效率、工况模式数据和净化效率评估函数，生成净化装置的净化效率评估值。其中，工况模式数据可以包括工况占比，工况模式区间中包括多个工况数，工况占比为工况模式区间中工况数的数目与所有工况模式区间中总工况数的数目之间的比值。示例性的，一种工况模式可以为车速x1~x2km/h，目标车辆在1天中运行出了m条总工况数，在m条总工况数中m1条工况数符合车速x1~x2km/h区间，则工况占比可以为m1/m。
根据本发明实施例提供的远程在线评估重型车净化装置的净化效率的方法及装置，通过远程获取目标车辆的多个车辆数据；对初始净化数据进行数据清洗，得到目标净化数据集；对目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；基于每一个氮氧化物浓度区间的净化效率和工况模式数据，可以得到净化装置的净化效率评估值。由于在评估净化效率的过程中，可以远程获取目标车辆的多个数据，并对这些数据进行在线处理，可以实现高效的评估净化装置的净化效率；此外，本发明实施例是根据每一个氮氧化物浓度区间的净化效率和工况模式生成净化装置的净化效率评估值，可以实现从更细粒度的数据生成净化效率评估值，进而能够使得净化效率评估值更准确；上述方法至少部分地克服了相关技术中存在的评估效率低、准确度低的问题，达到了提高评估效率以及提高评估准确率的技术效果，进而提供一种能够有效评估净化装置净化效率的方法。
根据本发明的实施例，为了实现车辆数据的远程采集，目标车辆上还可以配置有车载终端，车载终端上可以配置有识别介质（例如SIM卡（Subscriber Identity Module，用户识别模块））。操作S210可以包括如下操作：调用与车载终端中的识别介质相链接的数据接口，其中，车载终端用于采集目标车辆的多个车辆数据；通过数据接口，远程获取目标车辆的多个车辆数据。
本发明实施例基于目标车辆（例如重型车）安装的用于管理远程排放的车载终端和目标车辆（例如重型车）远程在线处理平台，实现对车辆实际运行的NOx排放、排气流量、排气温度等实时获取。车载终端能实时采集、记录、传输目标车辆（例如重型车）实际运行的NOx排放、排气流量、排气温度等数据，通过安装在车载终端内的SIM卡传输至远程在线处理平台。按照GB17691-2018附录Q的要求，车载终端将采集的数据发送到远程在线处理平台，采集数据项可以如表1所示。可以理解的是，通过SIM卡获取目标车辆数据的过程是在获得相关人员许可下进行的，遵守相关国家和地区的相关法律法规和标准，采取了必要保密措施，不违背公序良俗。
根据本发明的实施例，远程在线处理平台，能够接收车载终端采集、发送的数据，并进行数据处理、分析、存储等相关任务，生成净化装置的净化效率评估值，远程在线处理平台具备相关可视化的UI界面（Uesr Interface，用户界面）。
根据本发明的实施例，通过远程获取车辆数据，并实时在线处理，可以实现高效的评估净化装置的净化效率。
根据本发明的实施例，在获取了净化装置的初始净化数据后，为了节省在线处理所占用的资源，需要对初始净化净化数据进行清洗，具体地，初始净化数据中可以包括尿素余量数据，操作S220可以包括如下操作：根据预设时间段，将初始净化数据划分为多个评估周期；在每一个评估周期中，尿素余量数据的变化趋势满足预设条件的情况下，对评估周期内的初始净化数据进行清洗，以去除氮氧化物浓度值无效的数据，得到目标净化数据集。
根据本发明的实施例，预设时间段用于对初始净化数据进行划分，得到以评估周期为一组的初始净化数据，预设时间段可以根据实际需要进行适应性调整。例如，预设时间段为7天的情况下，以目标车辆（例如重型车）累计7天的远程在线监测数据为一个评估周期，进行净化装置（例如SCR系统）净化效率的评估，数据清洗可以包括如下操作。
首先需要确定在评估周期内，尿素余量数据的变化趋势是否满足预设条件，例如尿素余量数据的变化趋势是否随油箱液位的降低也大体呈降低趋势，以确保在评估期内净化装置（例如SCR系统）所消耗的尿素情况是否相对正常，进而确定车辆数据是否符合常理的。
在尿素余量数据的变化趋势是随油箱液位的降低也大体呈降低趋势的情况下，表征净化装置（例如SCR系统）所消耗的尿素情况相对正常，进而车辆数据是符合常理的，此种情况下可以进行数据清洗操作。具体地，可以剔除氮氧化物浓度值无效的数据，例如剔除表1所示的“SCR下游NOx传感器输出”无效的数据条，即，NOx浓度数值小于“0”或NOx浓度数值大于“2000”的数据条（数据条，可以是指一个时刻下的所有参数数据）。
根据本发明的实施例，对无效数据进行清洗，可以保留有效数据，进而可以只根据有效数据生成净化效率评估值，不仅可以提高生成净化效率评估值的准确率，还可以节省生成净化效率评估值中所占用的资源，降低功耗，提高生成净化效率评估值的效率。
根据本发明的实施例，车辆数据中可以包括空气进气流量、发动机燃料流量，方法还可以包括如下操作：利用空气进气流量和发动机燃料流量，生成目标车辆的发动机排气流量；利用发动机排气流量和净化装置的载体体积，生成净化装置的排气空速。
根据本发明的实施例，基于远程在线处理平台采集的“空气进气流量”、“发动机燃料流量”，可以生成逐秒的目标车辆（例如重型车）发动机排气流量，生成过程可以如公式（1）所示：
（1）。
其中，Q e,i ，为目标车辆（例如重型车）发动机的排气流量，kg/h；Q a ，为发动机瞬时进气量，kg/h；D f ，为燃料密度，kg/L，柴油为0.85 kg/L；Q f,i ，为瞬时燃料流量，L/h。
根据本发明的实施例，基于排气流量和净化装置（例如SCR系统）的载体体积，可以生成流经净化装置（例如SCR系统）的空速，即排气空速。生成排气空速的目的可以在于将各个参数约束在尽量相同的条件下对目标车辆（例如重型车）的净化装置（例如SCR系统）的净化效率的开展测评计算。具体地，生成排气空速的过程可以如公式（2）所示：
（2）。
其中，SV i ，为排气空速，h -1 ；Q e,i ，为重型车发动机的排气流量，kg/h；D e ，为发动机排气密度，kg/L，柴油发动机的排气密度为0.7×10-3kg/L；v SCR ，为SCR载体的体积，L。
根据本发明的实施例，为了实现更细粒度的、准确的确定净化效率评估值，可以根据不同氮氧化物浓度区间的净化效率生成净化效率评估值，而得到不同氮氧化物浓度区间的净化效率可以包括如下操作：按照氮氧化物浓度区间对目标净化数据集进行划分，得到与氮氧化物浓度区间相对应的中间净化数据集；按照工况模式区间对中间净化数据集进行分组，得到不同工况模式区间下的净化数据子集；利用不同工况模式区间下的净化数据子集，生成与每一个氮氧化物浓度区间相关联的净化效率。
根据本发明的实施例，氮氧化物浓度区间可以分为0~200ppm、200~400ppm、400~600ppm、600~800ppm、800~1000ppm、1000~1200ppm、1200~1400ppm、1400~1600ppm以及1600~1800ppm。中间净化数据集可以是与氮氧化物浓度区间对应的数据集。
根据本发明的实施例，净化数据子集中至少包括净化装置进口处的NOx浓度、净化装置出口处的NOx浓度；利用不同工况模式区间下的净化数据子集，生成与每一个NOx浓度区间相关联的净化效率可以包括如下操作：针对每一个工况模式区间，执行如下操作：将净化装置进口处的NOx浓度，以及净化装置出口处的NOx浓度，输入到预设的第一净化效率函数中，输出与每一个NOx浓度区间相关联的初始净化效率；对初始净化效率进行修正，得到中间净化效率；将中间净化效率和工况占比输入到预设的第二净化效率函数中，输出与每一个NOx浓度区间相关联的净化效率，其中，工况模式区间中包括多个工况数，工况占比为工况模式区间中工况数的数目与所有工况模式区间中总工况数的数目之间的比值。
根据本发明的实施例，根据不同氮氧化物浓度区间的中间净化数据集，可以计算不同进口NOx浓度下的净化装置（例如SCR系统）的净化效率。本发明实施例以进口NOx浓度0~200ppm为例，描述确定与每一个氮氧化物浓度区间相关联的净化效率的过程。
确定工况数，确定在不同工况模式区间的工况数，可以理解为将工况数进行分组到不同工况模式区间的过程。
计算工况占比，基于不同工况模式区间的工况数，分别计算不同工况区间的工况数占该工况总数的比例。
平均进口浓度，计算在不同工况模式区间的NOx平均进口浓度，例如可以对该工况模式下的NOx进口浓度进行均值计算处理，得到NOx平均进口浓度。
平均出口浓度，计算在不同工况模式区间的NOx平均出口浓度，例如可以对该工况模式下的NOx出口浓度进行均值计算处理，得到NOx平均出口浓度。
将净化装置进口处的NOx浓度，以及净化装置出口处的NOx浓度，输入到预设的第一净化效率函数中，输出与每一个氮氧化物浓度区间相关联的初始净化效率。具体地，可以将NOx平均进口浓度和NOx平均出口浓度输入到预设的第一净化效率函数中，得到初始净化效率，预设的第一净化效率函数可以如公式（3）所示：
（3）。
其中，η i ，为在某i浓度区间的净化装置（例如SCR系统）的初始净化效率，无量纲； c in,j ，为在j工况区间，净化装置（例如SCR系统）的平均进口浓度，ppm；c out,j ，为在j工况区间，净化装置（例如SCR系统）的平均出口浓度，ppm。
修正SCR初始净化效率，得到中间净化效率。具体地，当公式（3）输出的SCR初始净化效率为负值时，可以认为是排放数据偏差，将该负值可以修正为0。
确定工况总数，确定在该进气NOx浓度区间（例如0~200ppm）的总工况数。
确定综合出口浓度，基于不同工况区间的“平均出口浓度”和“工况占比”进行加权计算，具体过程如公式（4）所示：
（4）。
其中，c i ，为在某i浓度区间的净化装置（例如SCR系统）的综合出口浓度，ppm；p j ，为在j工况区间，工况占比，无量纲；c out,j ，为在j工况区间，净化装置（例如SCR系统）的平均出口浓度，ppm。
将中间净化效率和工况占比输入到预设的第二净化效率函数中，输出与每一个氮氧化物浓度区间相关联的净化效率，其中，工况模式区间中包括多个工况数，工况占比为工况模式区间中工况数的数目与所有工况模式区间中总工况数的数目之间的比值。具体地，与每一个氮氧化物浓度区间相关联的净化效率可以是根据修正后得到的中间净化效率和工况占比进行加权计算，得到的加权净化效率。预设的第二净化效率函数可以如公式（5）所示：
（5）。
其中，e i ，为在某i浓度区间的与每一个氮氧化物浓度区间相关联的净化效率（例如净化装置（例如SCR系统）的加权净化效率），无量纲；e j ，为在j工况区间，净化装置（例如SCR系统）的中间净化效率，无量纲； p j ，为在j工况区间，工况占比，无量纲。
根据本发明的实施例，基于上述过程得到的结果可以更新到如表2所示的结果模板中，得到最终的数据处理结果。表3仅展示了部分的数据结果。可以理解的是该结果可以通过可视化组件展示给相关人员，以辅助相关人员进行对结果进行分析。
/>
根据本发明的实施例，根据上述过程得到结果（例如表3），可以绘制净化效率曲线，具体地，可以基于不同的净化装置的排气空速，以及不同的净化装置的进口温度条件下的净化效率评估值，绘制净化效率曲线；利用可视化组件，展示净化效率曲线。净化装置的进口温度是从车辆数据中获取的。
图3A~图3I示意性示出了根据本发明实施例的不同氮氧化物浓度在不同排气空速下的净化效率曲线。
图3A~图3I示例性的展示了从200~1800ppm浓度的净化效率曲线，具体地，图3A的NOx浓度区间为0~200ppm；图3B的NOx浓度区间为200~400ppm；图3C为NOx浓度区间400~600ppm的；图3D的NOx浓度区间为600~800ppm；图3E的NOx浓度区间为800~1000ppm；图3F的NOx浓度区间为1000~1200ppm；图3G的NOx浓度区间为1200~1400ppm；图3H的NOx浓度区间为1400~1600ppm；图3I的NOx浓度区间为1600~1800ppm。在图3A~图3I中，横坐标为净化装置（例如SCR系统）的进口温度，纵坐标可以为净化装置（例如SCR系统）的净化效率，图例可以表示不同的排气空速。从图3A~图3I中可以看出，当净化装置（例如SCR系统）的进口温度达到一定数值（例如220℃）后，不同排气空速下的净化效率可以较为相近，而且曲线的变化趋势较为平缓。
根据本发明的实施例，通过先确定与每一个氮氧化物浓度区间的净化效率，可以实现从更细粒度的生成净化效率评估值，有效的利用到了所能获取到的车辆数据，提高评估准确率。
根据表2中的数据，可以确定净化装置的净化效率评估值，具体地，操作S240可以包括如下操作：从数据库中调用预设的净化效率评估函数；将与每一个氮氧化物浓度区间相关联的净化效率和工况占比，输入到预设的净化效率评估函数中，输出净化效率评估值。
根据本发明的实施例，基于与每一个氮氧化物浓度区间相关联的净化效率和该浓度区间下的工况数占比，可以计算该评估周期内净化装置的净化效率评估值，具体过程如公式（6）所示：
（6）。
其中，e k ，为在k测评周期内净化装置（例如SCR系统）的净化效率评估值，无量纲； e i ，为与NOx浓度i区间相关联的净化效率，无量纲； p i ，为与NOx浓度i区间相关联的工况占比。
根据本发明的实施例，净化效率评估函数可以如公式（6），该函数可以存储在数据库中，在响应到关于评估净化装置的净化效率的请求时，可以根据评估函数的标识调用该函数。在一实施例中，不同类型的目标车辆，可以具有不同的净化效率评估函数。在响应到关于评估净化装置的净化效率的请求时，可以根据目标车辆的类型标识，调用不同的净化效率评估函数，可以理解的是，在该实施例中，净化效率评估函数在存储时可以是根据目标车辆的类型标识进行存储的，这样能够更加高效的调用该函数，提高生成净化效率评估值的效率。在一实施例中，得到的净化效率评估值可以如表4所示。
根据本发明的实施例，通过根据每一个氮氧化物浓度区间的净化效率和工况模式生成净化装置的净化效率评估值，可以实现了更细粒度的确定净化效率评估值，实现对净化装置净化效率的有效评估。
根据本发明的实施例，根据不同评估周期内的净化装置（例如SCR系统）的净化效率评估值，可以得到不同阶段的净化装置（例如SCR系统）的净化效率评估值e k 。不同阶段可以指不同的评估周期，以行驶z公里为间隔的阶段，z为正整数，例如z为1万公里。
在一实施例中，以一个目标车辆（例如重型车）连续12万公里的净化装置（例如SCR系统）的净化效率评估值为例，可以得到如表5所示的结果。
本发明实施例还提供了一种根据净化效率评估值确定净化装置（例如SCR系统）劣化系数的方法，具体地，该方法可以包括如下操作：利用净化效率评估值，构建净化性能劣化函数；利用净化性能劣化函数，预测净化装置的净化性能劣化情况。
本发明实施例提出的，确定目标车辆（例如重型车）行驶里程的净化装置（例如SCR系统）的性能劣化系数的方法，基于目标车辆（例如重型车）行驶约1万公里为间隔，计算一个评估周期的净化装置（例如SCR系统）的净化效率评估值，基于得到的不同行驶里程之间的净化效率评估值e k ，以及最小二乘法，得到该阶段目标车辆（例如重型车）的净化装置（例如SCR系统）的净化性能劣化函数，为净化装置（例如SCR系统）净化性能的劣化分析提供预测支撑。具体地，净化性能劣化函数可以如公式（7）所示：
（7）。
其中，y(e k )，为净化效率评估值，无量纲；a1，为劣化系数，km-1；x i ，为行驶里程，km；b，为常数。
图4示意性示出了根据本发明实施例的净化性能劣化函数的示意图。
如图4所示，是以一个目标车辆（例如重型车）连续12万公里的净化装置（例如SCR系统）的净化效率评估为例，通过最小二乘法拟合得到基于行驶里程得到的净化性能劣化函数。图4中，横坐标为行驶里程，纵坐标为净化效率评估值。根据图4的结果得到R2为0.9813以上，表明拟合效果较优（R2为1可以表明完全拟合）。
根据本发明的又一实施例，以累积热流量为间隔划定净化装置（例如SCR系统）的评估周期，由于大部分净化装置（例如SCR系统）在排气温度高于200℃以上才开始喷射尿素、转化NOx，而在更高的温度下净化装置（例如SCR系统）才可能会发生性能劣化。本发明提出以高温累积热流量为间隔划定净化装置（例如SCR系统）的评估周期，由于采用和性能劣化密切相关的热流量实现净化性能劣化函数的构建，所以可以更准确地评估SCR的劣化性能。
具体地，以累积热流量为间隔划定净化装置（例如SCR系统）的评估周期可以采用如下方式。基于远程在线处理目标车辆（例如重型车）的数据，当净化装置（例如SCR系统）的进口温度高于250℃ 时，可以认为是对净化装置（例如SCR系统）载体相对较高的温度，此时可以计算热流量Qt，热流量Qt的计算过程可以如公式（8）所示：
（8）。
其中，Q t,i ，为通过SCR的热流量，KJ；t i ，为净化装置（例如SCR系统）的入口温度，℃；Q e,i ，为目标车辆（例如重型车）发动机的排气流量，kg/h；C d ，为汽车尾气的比热容，KJ/ （kg·k），柴油机尾气的比热容通常选取0.94KJ/（kg·k）。
根据本发明的实施例，基于一定间隔的热流量，分别计算累积7天数据的净化装置（例如SCR系统）的净化效率，进而评估不同热流量间隔的净化装置（例如SCR系统）的净化效率变化情况，能更好地反映净化装置（例如SCR系统）随高温使用环境的性能劣化情况，更能评价净化装置（例如SCR系统）的抗高温老化性能。
根据本发明的实施例，通过基于远程在线处理平台对目标车辆（例如重型车）的净化装置（例如SCR系统）的净化效率进行动态评估，能够实现高效、准确的生成净化效率评估值，从而弥补基于远程在线监测数据在进行净化装置（例如SCR系统）净化效率评估的不足之处。
图5示意性示出了根据本发明另一实施例的远程在线评估重型车净化装置的净化效率的方法的架构图。
如图5所示，另一实施例的远程在线评估重型车净化装置的净化效率的方法可以包括操作S510~操作S570。对于目标车辆（例如重型车）的净化装置（例如净化系统）的净化效率进行评估，可以分为多个评估周期进行评估，例如第一评估周期、第二评估周期、……第N评估周期，N为正整数。对于每一个评估周期的数据所执行的操作均可以相同，图5以第一评估周期为例进行描述，第一评估周期、第二评估周期、……第N评估周期均可以包括操作S510~操作S570。
在操作S510，进行无效数据清洗。
操作S510可以包括操作S511~操作S513。
在操作S511，进行尿素消耗判断。
判断尿素余量数据的变化趋势是否随邮箱液位变化趋势正相关，若尿素余量数据无变化，或不成正相关趋势，则另选评估周期的数据。
在操作S512，删除无效的NOx数据。
识别并删除NOx浓度小于0、大于2000ppm的数据条。
在操作S513，数据项范围判断。
对于本发明实施例用到的SCR上游NOx浓度、进气量、燃油量、消耗量等表1中的相关数据，参照GB17691-2018数据范围进行判断。
在操作S520，删除不可用的数据条。
在操作S530，计算逐秒的排气流量。
在操作S540，计算逐秒排气空速。
在操作S550，计算与每一个氮氧化物浓度区间相关联的净化效率。
操作S550可以包括操作S551~操作S554。
在操作S551，确定工况数。
在操作S552，计算不同工况区间的工况占比。
在操作S553，计算不同工况区间的NOx平均进口浓度。
在操作S554，计算不同工况区间的NOx平均出口浓度。
根据操作S551~操作S554得到的数据，可以计算氮氧化物浓度区间相关联的净化效率。
在操作S560，修正与每一个氮氧化物浓度区间相关联的净化效率。
在操作S570，得到该评估周期的净化效率评估值。
根据多个评估周期的净化效率评估值，可以生成净化性能劣化函数。
本发明实施例，针对重型车在实际运行中难以有效评估净化装置（例如SCR系统）净化效率的问题，提出利用远程在线监测技术，基于远程在线处理平台对重型车的净化装置（例如SCR系统）净化效率进行动态测评。具体地，基于重型车实际运行时进入净化装置（例如SCR系统）排气气流中NOx浓度、温度、气流流速等参数对SCR的净化效率进行动态测评，并基于此还可以实现对净化装置（例如SCR系统）的劣化性能进行评估。本发明实施例提供的远程在线评估重型车净化装置的净化效率的方法，可以实现高效、准确的动态评估净化装置的净化效率，弥补基于远程在线监测数据在进行净化装置（例如SCR系统）净化效率评估的不足之处。
需要说明的是，本发明实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序，或者不同操作在技术实现上存在执行的先后顺序，否则，多个操作之间的执行顺序可以不分先后，多个操作也可以同时执行。
基于上述远程在线评估重型车净化装置的净化效率的方法，本发明还提供了一种远程在线评估重型车净化装置的净化效率的装置。以下将结合图6对该装置进行详细描述。
图6示意性示出了根据本发明实施例的远程在线评估重型车净化装置的净化效率的装置的结构框图。
如图6所示，该实施例的远程在线评估重型车净化装置的净化效率的装置600包括获取模块610、清洗模块620、处理模块630和第一生成模块640。
获取模块610，用于远程获取目标车辆的多个车辆数据，其中，目标车辆上配置有净化装置，多个车辆数据包括净化装置在不同工况模式下，净化氮氧化物得到的初始净化数据。
清洗模块620，用于对初始净化数据执行数据清洗操作，得到目标净化数据集。
处理模块630，用于对目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率。
第一生成模块640，用于基于与每一个氮氧化物浓度区间相关联的净化效率，以及与每一个氮氧化物浓度区间相关联的工况模式数据，生成净化装置的净化效率评估值。
根据本发明实施例提供的远程在线评估重型车净化装置的净化效率的方法及装置，通过远程获取目标车辆的多个车辆数据；对初始净化数据进行数据清洗，得到目标净化数据集；对目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；基于每一个氮氧化物浓度区间的净化效率和工况模式数据，可以得到净化装置的净化效率评估值。由于在评估净化效率的过程中，可以远程获取目标车辆的多个数据，并对这些数据进行在线处理，可以实现高效的评估净化装置的净化效率；此外，本发明实施例是根据每一个氮氧化物浓度区间的净化效率和工况模式生成净化装置的净化效率评估值，可以实现从更细粒度的数据生成净化效率评估值，进而能够使得净化效率评估值更准确；上述方法至少部分地克服了相关技术中存在的评估效率低、准确度低的问题，达到了提高评估效率以及提高评估准确率的技术效果，进而提供一种能够有效评估净化装置净化效率的方法。
根据本发明的实施例，处理模块可以 包括第一划分子模块、分组子模块和生成子模块。
第一划分子模块，用于按照氮氧化物浓度区间对目标净化数据集进行划分，得到与氮氧化物浓度区间相对应的中间净化数据集。
分组子模块，用于按照工况模式区间对中间净化数据集进行分组，得到不同工况模式区间下的净化数据子集。
生成子模块，用于利用不同工况模式区间下的净化数据子集，生成与每一个氮氧化物浓度区间相关联的净化效率。
根据本发明的实施例，生成子模块可以包括第一输入单元、修正单元和第二输入单元。
第一输入单元，用于将净化装置进口处的氮氧化物浓度，以及净化装置出口处的氮氧化物浓度，输入到预设的第一净化效率函数中，输出与每一个氮氧化物浓度区间相关联的初始净化效率。
修正单元，用于对初始净化效率进行修正，得到中间净化效率。
第二输入单元，用于将中间净化效率和工况占比输入到预设的第二净化效率函数中，输出与每一个氮氧化物浓度区间相关联的净化效率，其中，工况模式区间中包括多个工况数，工况占比为工况模式区间中工况数的数目与所有工况模式区间中总工况数的数目之间的比值。
根据本发明的实施例，第一生成模块可以包括第一调用子模块和输入子模块。
第一调用子模块，用于从数据库中调用预设的净化效率评估函数。
输入子模块，用于将与每一个氮氧化物浓度区间相关联的净化效率和工况占比，输入到预设的净化效率评估函数中，输出净化效率评估值。
根据本发明的实施例，获取模块可以包括第二调用子模块和获取子模块。
第二调用子模块，用于调用与车载终端中的识别介质相链接的数据接口，其中，车载终端用于采集目标车辆的多个车辆数据。
获取子模块，用于通过数据接口，远程获取目标车辆的多个车辆数据。
根据本发明的实施例，清洗模块可以包括第二划分子模块和清洗子模块。
第二划分子模块，用于根据预设时间段，将初始净化数据划分为多个评估周期。
清洗子模块，用于在每一个评估周期中，尿素余量数据的变化趋势满足预设条件的情况下，对评估周期内的初始净化数据进行清洗，以去除氮氧化物浓度值无效的数据，得到目标净化数据集。
根据本发明的实施例，远程在线评估重型车净化装置的净化效率的装置还可以包括构建模块和预测模块。
构建模块，用于利用净化效率评估值，构建净化性能劣化函数。
预测模块，用于利用净化性能劣化函数，预测净化装置的净化性能劣化情况。
根据本发明的实施例，远程在线评估重型车净化装置的净化效率的装置还可以包括第二生成模块和第三生成模块。
第二生成模块，用于利用空气进气流量和发动机燃料流量，生成目标车辆的发动机排气流量。
第三生成模块，用于利用发动机排气流量和净化装置的载体体积，生成净化装置的排气空速。
根据本发明的实施例，远程在线评估重型车净化装置的净化效率的装置还可以包括绘制模块和展示模块。
绘制模块，用于基于不同的净化装置的排气空速，以及不同的净化装置的进口温度条件下的净化效率评估值，绘制净化效率曲线。
展示模块，用于利用可视化组件，展示净化效率曲线。
根据本发明的实施例，获取模块610、清洗模块620、处理模块630和第一生成模块640中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，获取模块610、清洗模块620、处理模块630和第一生成模块640中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块610、清洗模块620、处理模块630和第一生成模块640中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
需要说明的是，本发明的实施例中远程在线评估重型车净化装置的净化效率的装置部分与本发明的实施例中远程在线评估重型车净化装置的净化效率的方法部分是相对应的，远程在线评估重型车净化装置的净化效率的装置部分的描述具体参考远程在线评估重型车净化装置的净化效率的方法部分，在此不再赘述。
根据本发明的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本发明中。特别地，在不脱离本发明精神和教导的情况下，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。

Claims (7)

1.一种远程在线评估重型车净化装置的净化效率的方法，其特征在于，包括：
远程获取目标车辆的多个车辆数据，其中，所述目标车辆上配置有净化装置，所述多个车辆数据包括所述净化装置在不同工况模式下，净化氮氧化物得到的初始净化数据；
对所述初始净化数据执行数据清洗操作，得到目标净化数据集；
对所述目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；
基于与所述每一个氮氧化物浓度区间相关联的净化效率，以及与所述每一个氮氧化物浓度区间相关联的工况模式数据，生成所述净化装置的净化效率评估值；
其中，所述对所述目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率，包括：按照氮氧化物浓度区间对所述目标净化数据集进行划分，得到与所述氮氧化物浓度区间相对应的中间净化数据集；按照工况模式区间对所述中间净化数据集进行分组，得到不同工况模式区间下的净化数据子集；利用所述不同工况模式区间下的净化数据子集，生成与所述每一个氮氧化物浓度区间相关联的净化效率；
其中，所述净化数据子集中至少包括所述净化装置进口处的氮氧化物浓度、所述净化装置出口处的氮氧化物浓度；所述利用所述不同工况模式区间下的净化数据子集，生成与所述每一个氮氧化物浓度区间相关联的净化效率，包括：针对每一个工况模式区间，执行如下操作：将所述净化装置进口处的氮氧化物浓度，以及净化装置出口处的氮氧化物浓度，输入到预设的第一净化效率函数中，输出所述与每一个氮氧化物浓度区间相关联的初始净化效率；对所述初始净化效率进行修正，得到中间净化效率；将所述中间净化效率和工况占比输入到预设的第二净化效率函数中，输出与每一个氮氧化物浓度区间相关联的净化效率，其中，所述工况模式区间中包括多个工况数，所述工况占比为所述工况模式区间中工况数的数目与所有工况模式区间中总工况数的数目之间的比值；
其中，所述工况模式数据包括所述工况占比；所述基于与所述每一个氮氧化物浓度区间相关联的净化效率，以及与所述每一个氮氧化物浓度区间相关联的工况模式数据，生成所述净化装置的净化效率评估值，包括：从数据库中调用预设的净化效率评估函数；将与所述每一个氮氧化物浓度区间相关联的净化效率和所述工况占比，输入到所述预设的净化效率评估函数中，输出所述净化效率评估值。
2.根据权利要求1所述的方法，其特征在于，所述目标车辆上还配置有车载终端，所述车载终端配置有识别介质；
所述远程获取目标车辆的多个车辆数据，包括：
调用与所述车载终端中的所述识别介质相链接的数据接口，其中，所述车载终端用于采集所述目标车辆的多个车辆数据；
通过所述数据接口，远程获取所述目标车辆的多个车辆数据。
3.根据权利要求1所述的方法，其特征在于，所述初始净化数据中包括尿素余量数据；
所述对所述初始净化数据执行数据清洗操作，得到目标净化数据集，包括：
根据预设时间段，将所述初始净化数据划分为多个评估周期；
在每一个所述评估周期中，所述尿素余量数据的变化趋势满足预设条件的情况下，对所述评估周期内的初始净化数据进行清洗，以去除氮氧化物浓度值无效的数据，得到所述目标净化数据集。
4.根据权利要求1所述的方法，其特征在于，还包括：
利用所述净化效率评估值，构建净化性能劣化函数；
利用所述净化性能劣化函数，预测所述净化装置的净化性能劣化情况。
5.根据权利要求1所述的方法，其特征在于，所述车辆数据中包括空气进气流量、发动机燃料流量；
所述方法还包括：
利用所述空气进气流量和所述发动机燃料流量，生成所述目标车辆的发动机排气流量；
利用所述发动机排气流量和所述净化装置的载体体积，生成所述净化装置的排气空速。
6.根据权利要求5所述的方法，其特征在于，所述车辆数据中还包括所述净化装置的进口温度；
所述方法还包括：
基于不同的所述净化装置的排气空速，以及不同的所述净化装置的进口温度条件下的净化效率评估值，绘制净化效率曲线；
利用可视化组件，展示所述净化效率曲线。
7.一种远程在线评估重型车净化装置的净化效率的装置，其特征在于，包括：
获取模块，用于远程获取目标车辆的多个车辆数据，其中，所述目标车辆上配置有净化装置，所述多个车辆数据包括所述净化装置在不同工况模式下，净化氮氧化物得到的初始净化数据；
清洗模块，用于对所述初始净化数据执行数据清洗操作，得到目标净化数据集；
处理模块，用于对所述目标净化数据集进行处理，得到与每一个氮氧化物浓度区间相关联的净化效率；
第一生成模块，用于基于与所述每一个氮氧化物浓度区间相关联的净化效率，以及与所述每一个氮氧化物浓度区间相关联的工况模式数据，生成所述净化装置的净化效率评估值；
其中，所述处理模块包括第一划分子模块、分组子模块和生成子模块；所述第一划分子模块，用于按照氮氧化物浓度区间对所述目标净化数据集进行划分，得到与所述氮氧化物浓度区间相对应的中间净化数据集；所述分组子模块，用于按照工况模式区间对所述中间净化数据集进行分组，得到不同工况模式区间下的净化数据子集；所述生成子模块，用于利用所述不同工况模式区间下的净化数据子集，生成与所述每一个氮氧化物浓度区间相关联的净化效率；
所述生成子模块包括第一输入单元、修正单元和第二输入单元；所述净化数据子集中至少包括所述净化装置进口处的氮氧化物浓度、所述净化装置出口处的氮氧化物浓度；针对每一个工况模式区间；所述第一输入单元，用于将所述净化装置进口处的氮氧化物浓度，以及净化装置出口处的氮氧化物浓度，输入到预设的第一净化效率函数中，输出所述与每一个氮氧化物浓度区间相关联的初始净化效率；所述修正单元，用于对所述初始净化效率进行修正，得到中间净化效率；所述第二输入单元，用于将所述中间净化效率和工况占比输入到预设的第二净化效率函数中，输出与每一个氮氧化物浓度区间相关联的净化效率，其中，所述工况模式区间中包括多个工况数，所述工况占比为所述工况模式区间中工况数的数目与所有工况模式区间中总工况数的数目之间的比值；
第一生成模块包括第一调用子模块和输入子模块；所述工况模式数据包括所述工况占比；所述第一调用子模块，用于从数据库中调用预设的净化效率评估函数；所述输入子模块，用于将与所述每一个氮氧化物浓度区间相关联的净化效率和所述工况占比，输入到所述预设的净化效率评估函数中，输出所述净化效率评估值。
CN202311310550.9A 2023-10-11 2023-10-11 远程在线评估重型车净化装置的净化效率的方法及装置 Active CN117056333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311310550.9A CN117056333B (zh) 2023-10-11 2023-10-11 远程在线评估重型车净化装置的净化效率的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311310550.9A CN117056333B (zh) 2023-10-11 2023-10-11 远程在线评估重型车净化装置的净化效率的方法及装置

Publications (2)

Publication Number Publication Date
CN117056333A CN117056333A (zh) 2023-11-14
CN117056333B true CN117056333B (zh) 2024-01-12

Family

ID=88666647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311310550.9A Active CN117056333B (zh) 2023-10-11 2023-10-11 远程在线评估重型车净化装置的净化效率的方法及装置

Country Status (1)

Country Link
CN (1) CN117056333B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110094251A (zh) * 2019-05-05 2019-08-06 东南大学 基于分时段多模型建模的scr催化剂性能劣化分析方法
CN111157049A (zh) * 2020-01-13 2020-05-15 北京理工大学 一种柴油车scr后处理器老化性能快速评价系统及方法
CN111639683A (zh) * 2020-05-14 2020-09-08 上海工程技术大学 基于obd技术评价柴油车氮氧化物排放等级的方法
CN111868357A (zh) * 2018-03-08 2020-10-30 五十铃自动车株式会社 废气净化装置、车辆以及废气净化控制装置
EP4080027A1 (de) * 2021-04-20 2022-10-26 Volkswagen Aktiengesellschaft Verfahren zur durchführung einer on-board-diagnose eines abgaskatalysators
CN115980253A (zh) * 2022-12-18 2023-04-18 中国重汽集团济南动力有限公司 一种柴油发动机后处理除氮氧系统的催化性能评价方法
CN116362522A (zh) * 2023-06-01 2023-06-30 广东鑫钻节能科技股份有限公司 基于多点分布模型的数字能源氮气站数据处理方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111868357A (zh) * 2018-03-08 2020-10-30 五十铃自动车株式会社 废气净化装置、车辆以及废气净化控制装置
CN110094251A (zh) * 2019-05-05 2019-08-06 东南大学 基于分时段多模型建模的scr催化剂性能劣化分析方法
CN111157049A (zh) * 2020-01-13 2020-05-15 北京理工大学 一种柴油车scr后处理器老化性能快速评价系统及方法
CN111639683A (zh) * 2020-05-14 2020-09-08 上海工程技术大学 基于obd技术评价柴油车氮氧化物排放等级的方法
EP4080027A1 (de) * 2021-04-20 2022-10-26 Volkswagen Aktiengesellschaft Verfahren zur durchführung einer on-board-diagnose eines abgaskatalysators
CN115980253A (zh) * 2022-12-18 2023-04-18 中国重汽集团济南动力有限公司 一种柴油发动机后处理除氮氧系统的催化性能评价方法
CN116362522A (zh) * 2023-06-01 2023-06-30 广东鑫钻节能科技股份有限公司 基于多点分布模型的数字能源氮气站数据处理方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Effects of ZnO content on the performance of Pd/Zr0.5Al0.5O1.75 catalysts used in lean-burn natural gas vehicles;Wang, Yun;CHINESE JOURNAL OF CATALYSIS;第35卷(第7期);1157-1165 *
柴油车非循环工况NO_x排放评价方法研究;冯曦;李军;陶汉国;李志军;申博玺;;内燃机工程(第05期);51-63 *

Also Published As

Publication number Publication date
CN117056333A (zh) 2023-11-14

Similar Documents

Publication Publication Date Title
US20200355108A1 (en) Vehicle pollutant emissions measurement method using an on-board system
CN103362614B (zh) 柴油后处理系统的二氧化氮产生诊断
EP3140524B1 (en) Method and system for monitoring of a physical quantity related to a particulate mass in at least one exhaust pipe
KR20200049617A (ko) 미립자 필터의 기능 모니터링 방법 및 그 제어 장치
CN110966092B (zh) 基于pems测试规则和obd数据远程确认车辆排放因子的方法
CN115564149B (zh) 区域机动车实际道路二氧化碳排放量的预测方法及系统
CN113806675A (zh) 一种NOx排放与油耗特征分析方法
CN110987083B (zh) 一种基于车联网对车辆排放数据监测的方法和设备
CN114991922A (zh) 一种车辆NOx排放超标的实时预警方法
CN117171921B (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
CN115655730A (zh) 重型柴油车PEMS测试中NOx排放的计算方法
CN112730813A (zh) 一种基于obd系统的远程监控平台的加油点油品分析方法
CN113379145B (zh) 一种车辆排放远程在线监控平台、系统及车载终端
CN117056333B (zh) 远程在线评估重型车净化装置的净化效率的方法及装置
CN103930660A (zh) 关于监控燃烧发动机废气中的颗粒排放的方法和系统
CN110985173B (zh) 基于不同喷油量下排温特征的排温传感器诊断方法
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
CN109424406B (zh) 集成式尾气无线监控装置
Fernández et al. A New Approach for Static NOx Measurement in PTI
CN115063050A (zh) 一种基于大数据的重型柴油车NOx排放清单确定方法
Ajtay et al. Static and dynamic instantaneous emission modelling
CN114517727A (zh) 数据采集装置、分析装置、分析方法及计算机程序产品
Oliveira et al. CO 2 catcher: A platform for monitoring of vehicular pollution in smart cities
CN114060132A (zh) 一种基于排放远程监控的NOx传感器作弊甄别方法
US20230186688A1 (en) Systems and methods for generating and providing fluid analysis reports

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