CN118148755A - 用于估计柴油颗粒物过滤器的有效性的方法和装置 - Google Patents
用于估计柴油颗粒物过滤器的有效性的方法和装置 Download PDFInfo
- Publication number
- CN118148755A CN118148755A CN202211579225.8A CN202211579225A CN118148755A CN 118148755 A CN118148755 A CN 118148755A CN 202211579225 A CN202211579225 A CN 202211579225A CN 118148755 A CN118148755 A CN 118148755A
- Authority
- CN
- China
- Prior art keywords
- particulate filter
- diesel particulate
- dpf
- effectiveness
- pressure difference
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010801 machine learning Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 8
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 30
- 230000008929 regeneration Effects 0.000 claims description 10
- 238000011069 regeneration method Methods 0.000 claims description 10
- 238000007635 classification algorithm Methods 0.000 claims description 9
- 238000012805 post-processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 239000013618 particulate matter Substances 0.000 description 19
- 239000007789 gas Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 5
- 238000005336 cracking Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
- F01N11/002—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring or estimating temperature or pressure in, or downstream of the exhaust apparatus
- F01N11/005—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring or estimating temperature or pressure in, or downstream of the exhaust apparatus the temperature or pressure being estimated, e.g. by means of a theoretical model
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
- F01N9/00—Electrical control of exhaust gas treating apparatus
- F01N9/002—Electrical control of exhaust gas treating apparatus of filter regeneration, e.g. detection of clogging
-
- 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
- F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
- F01N2900/04—Methods of control or diagnosing
- F01N2900/0402—Methods of control or diagnosing using adaptive learning
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Processes For Solid Components From Exhaust (AREA)
Abstract
本公开提供了一种用于估计柴油颗粒物过滤器的有效性的方法，包括：获得所述柴油颗粒物过滤器的进气口和出气口之间的气压差值；获得与所述柴油颗粒物过滤器的过滤效率相关联的效率指示参数；以及将所述气压差值和所述效率指示参数作为特征数据提供给机器学习模型，以估计所述柴油颗粒物过滤器的有效性。
Description
技术领域
本公开总体上涉及柴油发动机，更具体地涉及用于估计柴油颗粒物过滤器(Diesel Particulate Filter，DPF)的有效性的方法和装置。
背景技术
柴油发动机作为一种以柴油为燃料提供动力的内燃机，被广泛应用于汽车、工程机械等领域。随着环保法规要求的不断提高，如何降低柴油发动机排放废气中的颗粒物(Particulate Matter，PM)含量日益成为人们关注的焦点。
DPF是一种对柴油发动机排放废气中的碳颗粒物进行捕集和处理的设备，其能够有效降低废气中的颗粒物含量。然而，由于长时间处于高温、颠簸的工作环境，加之可能受到碰撞等外力的影响，可能导致DPF中的过滤载体出现机械震裂，另外DPF中碳加载量大的时候需要高温再生，DPF中的过滤载体可能会出现烧熔、烧裂、烧熔并烧裂等现象，降低了DPF对颗粒物的过滤效率。
因此，期望提供一种高效的用于估计DPF的有效性的方法或装置，来确保使用柴油发动机的载具产生的尾气中的颗粒物含量能够符合环保法规的要求。
发明内容
根据本公开的一个方面，提供了一种用于估计DPF的有效性的方法，包括：获得DPF的进气口和出气口之间的气压差值；获得与DPF的过滤效率相关联的效率指示参数；以及将气压差值和效率指示参数作为特征数据提供给机器学习模型，以估计DPF的有效性。
根据本公开的另一方面，提供了一种用于估计DPF的有效性的装置，包括：存储器；控制单元，其与存储器耦合，所述控制单元被配置为用于执行根据本公开所述的方法。
根据本公开的又一方面，提供了一种计算机可读介质，其存储包括指令的计算机程序，所述指令在由控制单元执行时使得控制单元被配置为执行根据本公开所述的方法。
附图说明
现在将参考附图通过示例的方式来描述所要求保护的主题的各种实施例。在不同的附图中，使用相同的附图标记来表示相同或类似的部件。
图1示出了用于估计DPF的有效性的系统100的示意图。
图2示出了根据本公开的一个实施例的用于估计DPF的有效性的系统200的示意图。
图3示出了根据本公开的一个实施例的用于利用机器学习模型来估计DPF的有效性的系统300的示意图。
图4示出了根据本公开的一个实施例的用于利用机器学习模型来估计DPF的有效性的方法400的流程图。
图5示出了根据本公开的一个实施例的用于估计DPF的有效性的设备500的框图。
具体实施方式
在以下描述中，阐述了许多具体细节以提供对本公开的实施例的透彻理解。然而，相关领域技术人员将认识到，可以在没有一个或多个具体细节的情况下实现本公开，或者可以使用替代方法、组件等来实现本公开。在一些实例中，没有详细示出或描述公知的结构、操作，以免不必要地使本公开变得难以理解。
图1示出了用于估计DPF的有效性的系统100的示意图。系统100包括示例性DPF的进气口104、本体102、以及出气口106。在工作时，由柴油发动机排放的废气经由DPF的进气口104进入本体102，在本体102中的过滤载体能够对废气中的颗粒物进行过滤，经过过滤的废气经由出气口106排出(图中的箭头示出了气流的方向)。随着工作时间的增加，在过滤载体中累积的颗粒物含量也会增多，需要通过再生过程将碳颗粒物烧掉。因此，在一些实施例中，DPF还包括压差传感器108和流量传感器112，以分别检测进气口104与出气口106之间的气压差值和通过DPF的排气流量。当检测到的气压差值以及排气流量的关系达到预定的阈值范围时(一般而言，对于相同的排气流量，气压差值越大指示过滤载体中累积的颗粒物含量越多)，可以发起再生过程，从而减少过滤载体中累积的颗粒物含量。在一些实施例中，不存在物理的流量传感器112，而是通过发动机的进气流量传感器检测的进气流量和发动机的喷油量推算出通过DPF的排气流量。因此，流量传感器112表示用于获得通过DPF的排气流量的任何可用的物理/虚拟传感器。
在工作过程中，DPF的过滤载体可能会出现机械震裂、烧熔、烧裂、烧熔并烧裂等现象，导致DPF的过滤效率降低，甚至造成排放尾气不达标。在一些实施例中，为了检测DPF的过滤效率是否满足要求，在出气口106处设置有颗粒物传感器(Particulate MatterSensor，PMS)110。颗粒物传感器110能够对出气口106处的颗粒物含量进行检测，进而判断DPF的有效性。
在替代实施例中，颗粒物传感器110可以被省略，通过进气口104与出气口106之间的气压差值和通过DPF的排气流量，也可以判断DPF的有效性。例如，当检测到与排气流量相对应的气压差值低于正常范围时，可以判断DPF中的过滤载体出现机械震裂或烧裂，导致DPF失效。在该实施例中，由于不采用颗粒物传感器110，因此节省了相应的制造和维护成本。
然而，针对一些类型的故障，仅利用进气口104与出气口106之间的气压差值和通过DPF的排气流量难以判断DPF的有效性。例如，当DPF的过滤载体出现烧熔并烧裂时，与正常DPF相对应的气压差值和排气流量和有故障DPF相对应的气压差值和排气流量在数值上可能发生重叠。这将导致无法判断出DPF是否已经出现故障。因此，需要一种新的方案，在不使用颗粒物传感器110的同时，能够准确地估计DPF的有效性。
图2示出了根据本公开的一个实施例的用于估计DPF的有效性的系统200的示意图。系统200包括与系统100相同的示例性DPF的进气口204、本体202、出气口206、压差传感器208和流量传感器212。其中，由柴油发动机排放的废气经由DPF的进气口204进入本体202以对废气中的颗粒物进行过滤，经过过滤的废气经由出气口206排出(图中的箭头示出了气流的方向)。压差传感器208用于检测进气口204与出气口206之间的气压差值，流量传感器212用于检测通过DPF的排气流量。在一些实施例中，不存在物理的流量传感器212，而是通过发动机的进气流量传感器检测的进气流量和发动机的喷油量推算出通过DPF的排气流量。因此，流量传感器212表示用于获得通过DPF的排气流量的任何可用的物理/虚拟传感器。此外，系统200还包括对进气口204处的温度进行检测的温度传感器214A、对出气口206处的温度进行检测的温度传感器214B、对进气口204处的氮氧化物含量进行检测的氮氧化物传感器216A、对出气口206处的氮氧化物含量进行检测的氮氧化物传感器216B。系统200的上述各传感器将所检测的信息发送给处理单元(例如，车辆的电子控制单元(ElectronicControl Unit，ECU))以用于利用机器学习模型来估计DPF的有效性。以下将结合图3对根据本公开的实施例的用于估计DPF的有效性的系统进行进一步说明。
图3示出了根据本公开的一个实施例的用于利用机器学习模型来估计DPF的有效性的系统300的示意图。系统300由数据采集单元310、预处理单元320、机器学习模型单元330、后处理单元340、以及决策单元350组成。
数据采集单元310用于获得机器学习模型的输入特征参数。该特征参数包括例如图2的实施例中所描述的DPF的进气口和出气口之间的气压差值，以及与DPF的过滤效率相关联的效率指示参数。该效率指示参数可以包括如图2的实施例中所描述的DPF的进气口温度、DPF的出气口温度、DPF的进气口氮氧化物含量、DPF的出气口氮氧化物含量、以及通过DPF的排气流量中的一个或多个参数。在一个实施例中，由于柴油机具有诸如再生模式、加热模式、正常模式等不同的运行模式，而不同的运行模式对应于不同的传感器参数表征，因此该效率指示参数还可以包括发动机运行模式。例如，在加热模式中，发动机可以通过憋节气门、加近后喷等方式快速提高DPF的工作温度，以便尽快地在高温条件下高效地转换污染物；而在正常模式中，发动机不再采用上述措施，DPF在废气本身的温度条件下工作。在一个实施例中，系统300可以从ECU中获得用于指示发动机运行模式的标志(例如，“0”指示发动机运行模式为正常模式，“1”指示发动机运行模式为加热模式等)。在另一个实施例中，系统300可以仅使用与正常模式和加热模式而不是再生模式相对应的效率指示参数。
在一个实施例中，数据采集单元310用于将在预定时间段内获得的一组气压差值和一组效率指示参数作为特征参数。例如，数据采集单元310可以在5分钟的时间段内，每1分钟获得一次气压差值和由DPF的进气口温度、出气口温度、进气口氮氧化物含量、出气口氮氧化物含量、排气流量、以及发动机运行模式中的一个或多个参数组成的效率指示参数。数据采集单元310可以将上述时间段内获得的上述多个气压差值和效率指示参数共同作为特征参数。
预处理单元320用于对数据采集单元310采集的特征参数进行预处理，包括对特征参数中的异常值进行剔除。预处理单元320还可以基于发动机的工作状态来选取合适时间的特征参数作为机器学习模型的输入数据。例如，预处理单元320可以选择在DPF完成再生过程之后的预定时间点处的气压差值和效率指示参数作为特征参数来输入机器学习模型。因为在DPF完成再生过程之后的一段时间处(例如在完成再生过程之后15分钟处)的相关参数能够更加准确地反映DPF的有效性，因此选取再生过程之后预定时间点处的单个或一组气压差值以及单个或一组效率指示参数有助于准确地估计DPF的有效性。
机器学习模型单元330用于基于输入的特征参数，借助采用分类算法的机器学习模型，生成对DPF的有效性的估计结果。该机器学习模型是经训练获得的，其中，训练过程基于多个样本，每个样本包括上述气压差值和效率指示参数。机器学习模型所采用的分类算法可以包括基于神经网络的分类算法，例如多层感知器(MLP)；以及基于决策树的分类算法，例如XGBoost或随机森林(Random Forest)。生成的有效性的估计结果可以指示DPF相对于排放限值为有效或失效的概率，或者指示DPF的出气口颗粒物含量是否低于排放限值。
后处理单元340用于对机器学习模型单元330的估计结果进行后处理。在一个实施例中，后处理单元340可以对机器学习模型单元330的多次估计结果进行异常值剔除、取中位数、以及取平均值等操作，以进一步保证结果的准确性。
决策单元350用于基于经后处理的估计结果，输出最终估计结果。在一个实施例中，决策单元350可以将经后处理的估计结果与判断阈值进行比较，从而确定DPF是否失效。决策单元350还可以响应于从经后处理的估计结果无法确定DPF的有效性(例如，估计DPF失效的概率为约50％)，而输出指示丢弃数据的标志位。响应于该标志位，系统300可以丢弃先前采集的数据并重新开始新数据的采集以进行有效性估计。
图3所示的利用机器学习模型来估计DPF的有效性的系统300可以视为一个虚拟的针对DPF效率的传感器，该虚拟传感器可以实现在车辆的ECU中。在一个实施例中，该虚拟传感器可以部分由云端实现，例如，图3所示的实施例中的预处理单元320、机器学习模型单元330、后处理单元340、以及决策单元350中的一个或多个可以位于云端。相对于采用颗粒物传感器的解决方案，本公开的虚拟传感器节省了制造和维护成本。此外，由于本公开的虚拟传感器中采用了经训练的机器学习模型，因而能够准确地估计DPF的有效性。
图4示出了根据本公开的一个实施例的用于估计DPF的有效性的方法400的流程图。在步骤S410处，所述方法包括获得所述DPF的进气口和出气口之间的气压差值。所述气压差值例如由图2所示的系统200中的压差传感器208测得。
在步骤S420处，所述方法包括获得与所述DPF的过滤效率相关联的效率指示参数。所述效率指示参数包括以下中的一个或多个：所述DPF的进气口温度、所述DPF的出气口温度、所述DPF的进气口氮氧化物含量、所述DPF的出气口氮氧化物含量、通过所述DPF的排气流量、以及发动机运行模式。
在步骤S430处，所述方法包括将所述气压差值和所述效率指示参数作为特征数据提供给机器学习模型，以估计所述DPF的有效性。
图5示出了根据本公开的一个实施例的用于估计DPF的有效性的设备500的框图。在一个实施例中，设备500可以包括车辆的控制单元，例如，电子控制单元(ECU)、电子管理单元(EMU)，等等。
设备500包括连接到内部通信总线508的处理器502，处理器502用于执行存储器504中的指令以实现上面详细描述的用于估计DPF的有效性的方法。处理器502的示例可以包括中央处理单元(CPU)、微控制器，等等。适于有形地体现计算机程序指令和数据的存储器504包括各种形式的存储器，例如，EPROM、EEPROM以及闪速存储器设备，等等。设备500还可以包括输入接口510和输出接口512。输入接口510用于接收输入信号和数据，包括例如耦合到控制单元的传感器(例如图2中所示的各种传感器)的感测信号。输出接口512用于发送输出信号和数据，例如，用于控制DPF失效指示灯的信号。此外，设备500还可以包括模数转换器506，以用于将来自各种传感器的模拟信号转换为数字信号。
结合本公开描述的各种方法、步骤、操作、单元、组件、模型和网络可以被实现为硬件、由处理器执行的软件、固件或其任何组合。根据本公开的一个或多个方面，用于估计DPF的有效性的计算机程序产品可以包括用于实现上述参照图3和图4所描述的方法或步骤中的一者或多者的处理器可执行计算机代码。根据本公开的其它方面，计算机可读介质可以存储用于估计DPF的有效性的计算机代码，所述代码当由处理器执行时，可以使得处理器执行上述参照图3和图4所描述的方法或步骤中的一者或多者。计算机可读介质包括非暂时性计算机存储介质和通信介质两者，通信介质包括有助于将计算机程序从一个地点转移到另一地点的任何介质。可以将任何连接适当地称为计算机可读介质。
本公开中的传感器的位置是示例性的，并不意在精确地表示任何位置信息。任何能够对相关参数进行测定的真实/虚拟传感器都符合本公开的构思。应当理解如果相应的参数是可选的，那么对应的传感器设备也是可选的，以进一步降低成本。
除了本文描述的内容之外，在不偏离本公开的实施例以及实现方式的范围的情况下，可以对本公开的实施例以及实现方式进行各种修改。因此，本文的说明和示例应该被解释为说明性的而不是限制意义的。应该仅通过参考权利要求书来衡量本公开的范围。
Claims (10)
1.一种用于估计柴油颗粒物过滤器的有效性的方法，包括：
获得所述柴油颗粒物过滤器的进气口和出气口之间的气压差值；
获得与所述柴油颗粒物过滤器的过滤效率相关联的效率指示参数；以及
将所述气压差值和所述效率指示参数作为特征数据提供给机器学习模型，以估计所述柴油颗粒物过滤器的有效性。
2.根据权利要求1所述的方法，其中，所述有效性指示所述柴油颗粒物过滤器的出气口颗粒物含量是否低于排放限值。
3.根据权利要求1所述的方法，其中，所述效率指示参数包括以下中的一个或多个：所述柴油颗粒物过滤器的进气口温度、所述柴油颗粒物过滤器的出气口温度、所述柴油颗粒物过滤器的进气口氮氧化物含量、所述柴油颗粒物过滤器的出气口氮氧化物含量、通过所述柴油颗粒物过滤器的排气流量、以及发动机运行模式。
4.根据权利要求3所述的方法，其中，所述发动机运行模式包括：
与发动机正常运行相对应的正常模式；以及
与提高所述柴油颗粒物过滤器的工作温度相对应的加热模式。
5.根据权利要求1所述的方法，其中，所述气压差值和所述效率指示参数分别为在预定时间段内获得的一组气压差值和一组效率指示参数。
6.根据权利要求1所述的方法，其中：
将所述柴油颗粒物过滤器完成再生过程之后的预定时间点处的所述气压差值和所述效率指示参数作为特征数据提供给机器学习模型，以估计所述柴油颗粒物过滤器的有效性。
7.根据权利要求1所述的方法，其中，所述机器学习模型采用分类算法，所述分类算法包括基于神经网络的分类算法和基于决策树的分类算法，并且其中，所述基于神经网络的分类算法包括多层感知器(MLP)，并且所述基于决策树的分类算法包括XGBoost或随机森林(Random Forest)。
8.根据权利要求1所述的方法，还包括：
对所述机器学习模型的估计结果进行后处理，其中，所述后处理包括以下中的一个或多个：对多个估计结果进行异常值剔除、对多个估计结果取中位数、以及对多个估计结果取平均值。
9.一种用于估计柴油颗粒物过滤器的有效性的装置，包括：
存储器；
控制单元，其与所述存储器耦合，所述控制单元被配置为用于执行根据权利要求1-8中任一项所述的方法。
10.一种计算机可读介质，其存储包括指令的计算机程序，所述指令在由控制单元执行时使得所述控制单元被配置为执行根据权利要求1-8中的任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211579225.8A CN118148755A (zh) | 2022-12-06 | 2022-12-06 | 用于估计柴油颗粒物过滤器的有效性的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211579225.8A CN118148755A (zh) | 2022-12-06 | 2022-12-06 | 用于估计柴油颗粒物过滤器的有效性的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118148755A true CN118148755A (zh) | 2024-06-07 |
Family
ID=91284035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211579225.8A Pending CN118148755A (zh) | 2022-12-06 | 2022-12-06 | 用于估计柴油颗粒物过滤器的有效性的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118148755A (zh) |
-
2022
- 2022-12-06 CN CN202211579225.8A patent/CN118148755A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110462177B (zh) | 用于诊断颗粒过滤器的方法和计算机程序产品 | |
| CN107208512B (zh) | 内燃机和排气气体的成分量推定方法 | |
| US8186146B2 (en) | After-treatment component detection system | |
| US20130086888A1 (en) | Exhaust gas processing device | |
| WO2011072250A2 (en) | Apparatus, system, and method for catalyst presence detection | |
| CN106837496B (zh) | 发动机微粒净化再生控制系统 | |
| WO2006110071A1 (en) | Method of diagnosing the presence of an exhaust after-treatment component and a use of the method for vehicle on-board diagnosis | |
| CN109424406B (zh) | 集成式尾气无线监控装置 | |
| CN108915832B (zh) | 柴油机dpf清灰控制方法 | |
| CN104100341A (zh) | Dpf自诊断装置、自诊断方法，及发动机尾气处理系统 | |
| US8091414B2 (en) | Methods of detecting replacement of a particulate matter filter | |
| CN112555001A (zh) | 柴油车辆及其故障确定方法和计算机可读存储介质 | |
| CN114017170A (zh) | 一种双dpf上游温度传感器可信性监控方法、装置和发动机 | |
| CN110714822B (zh) | Dpf再生的控制方法及控制系统 | |
| CN118148755A (zh) | 用于估计柴油颗粒物过滤器的有效性的方法和装置 | |
| CN114704361B (zh) | Dpf部分再生控制方法、装置、电子设备及存储介质 | |
| KR101339237B1 (ko) | Ｄｐｆ의 파손 검출방법 | |
| CN116122944A (zh) | 一种发动机后处理方法及系统 | |
| CN118148752A (zh) | 用于估计柴油颗粒物过滤器的有效性的方法和装置 | |
| 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 | |
| US12044157B2 (en) | Method and device for diagnosing a coated particulate filter arranged in an exhaust-gas duct of a motor vehicle | |
| KR102417363B1 (ko) | 배기가스 후처리 시스템 및 이의 제어 방법 | |
| CN108691630B (zh) | 用于对柴油颗粒过滤器的功能进行监控的方法和控制装置 | |
| KR102664119B1 (ko) | 디젤산화촉매의 열화 진단 장치 및 그 방법 | |
| CN116086809B (zh) | 发动机监测方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication |