DE10010745A1 - Verfahren zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs - Google Patents

Verfahren zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs

Info

Publication number
DE10010745A1
DE10010745A1 DE10010745A DE10010745A DE10010745A1 DE 10010745 A1 DE10010745 A1 DE 10010745A1 DE 10010745 A DE10010745 A DE 10010745A DE 10010745 A DE10010745 A DE 10010745A DE 10010745 A1 DE10010745 A1 DE 10010745A1
Authority
DE
Germany
Prior art keywords
neural network
artificial neural
sensor
data processing
measurement data
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.)
Ceased
Application number
DE10010745A
Other languages
English (en)
Inventor
Jens Drueckhammer
Heinz J Theuerkauf
Mohammed Ayeb
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.)
Volkswagen AG
Original Assignee
Volkswagen AG
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 Volkswagen AG filed Critical Volkswagen AG
Priority to DE10010745A priority Critical patent/DE10010745A1/de
Publication of DE10010745A1 publication Critical patent/DE10010745A1/de
Ceased legal-status Critical Current

Links

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
    • F01N11/007—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring oxygen or air concentration downstream of the exhaust apparatus
    • 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
    • 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
    • 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
    • F01N13/00—Exhaust or silencing apparatus characterised by constructional features ; Exhaust or silencing apparatus, or parts thereof, having pertinent characteristics not provided for in, or of interest apart from, groups F01N1/00 - F01N5/00, F01N9/00, F01N11/00
    • F01N13/009—Exhaust or silencing apparatus characterised by constructional features ; Exhaust or silencing apparatus, or parts thereof, having pertinent characteristics not provided for in, or of interest apart from, groups F01N1/00 - F01N5/00, F01N9/00, F01N11/00 having two or more separate purifying devices arranged in series
    • F01N13/0097—Exhaust or silencing apparatus characterised by constructional features ; Exhaust or silencing apparatus, or parts thereof, having pertinent characteristics not provided for in, or of interest apart from, groups F01N1/00 - F01N5/00, F01N9/00, F01N11/00 having two or more separate purifying devices arranged in series the purifying devices are arranged in a single housing
    • 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
    • F01N2550/00—Monitoring or diagnosing the deterioration of exhaust systems
    • F01N2550/02—Catalytic activity of catalytic converters
    • 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
    • F01N2570/00—Exhaust treating apparatus eliminating, absorbing or adsorbing specific elements or compounds
    • F01N2570/14—Nitrogen oxides
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D41/1405—Neural network control
    • 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

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Exhaust Gas After Treatment (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

Die Erfindung betrifft ein Verfahren sowie eine Vorrichtung zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs, insbesondere zur Überwachung der Stickoxidemission der Brennkraftmaschine, bei welchem eine Vielzahl von Zustandsparametern des Katalysatorsystems der Brennkraftmaschine mit Hilfe einer Vielzahl von Sensoren gemessen werden und bei welchem die gemessenen Zustandsparameter mit Hilfe einer Meßdatenverarbeitung ausgewertet werden und bei welchem die Ergebnisse der Meßdatenverarbeitung zur Überwachung des Katalysatorsystems genutzt werden. Ein Überwachungsverfahren, welches eine dauerhafte Überwachung des Katalysatorsystems gewährleistet und bei welchem äußere Einflüsse sowie sich ändernde Randbedingungen berücksichtigt werden, wird dadurch gewährleistet, daß die gemessenen Zustandsparameter mit Hilfe eines künstlichen neuronalen Netzes ausgewertet werden, daß die Ergebnisse des künstlichen neuronalen Netzes einer zweiten Meßdatenverarbeitung als erste Eingangsgröße zugeführt werden, daß Zustandsinformationen der Brennkraftmaschine sowie des Katalysatorsystems der zweiten Meßdatenverarbeitung als zweite Eingangsgröße zugeführt werden, daß in der zweiten Meßdatenverarbeitung die erste Eingangsgröße mit der zweiten Eingangsgröße korreliert wird und daß das Ergebnis der zweiten Meßdatenverarbeitung zur Überwachung des Katalysatorsystems genutzt wird.

Description

Die Erfindung betrifft ein Verfahren sowie eine Vorrichtung zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs, insbesondere zur Überwachung der Stickoxidemission der Brennkraftmaschine, bei welchem eine Vielzahl von Zustandsparametern des Katalysatorsystems, insbesondere die Sauerstoffkonzentration, die Stickstoffkonzentration sowie der Luftmassenstrom und die Temperatur des Abgases, der Brennkraftmaschine mit Hilfe einer Vielzahl von Sensoren gemessen werden und bei welchem die gemessenen Zustandsparameter mit Hilfe einer ersten Meßdatenverarbeitung ausgewertet werden und bei welchem die Ergebnisse der Meßdatenverarbeitung zur Überwachung des Katalysatorsystems genutzt werden.
Heutzutage ist es üblich, Katalysatorsysteme mit Hilfe von Überwachungsverfahren periodisch, nach vorher definierten zeitlichen Abständen, zu überprüfen. Bei der Durchführung solcher Überwachungsverfahren werden Sensoren, welche in das Katalysatorsystem eingebaut sind, verwendet. Die gemessenen Sensorsignale werden in einer Meßdatenverarbeitung gesammelt und nach vorher definierten Regeln verarbeitet. Da sich die vorher definierten Regeln aufgrund vorbekannter Randbedingungen ergeben haben, ist es notwendig, daß die Sensorsignale bei ähnlichen oder gar gleichen Randbedingungen aufgenommen werden. Dazu wird z. B. die Gemischbildung des Kraftstoffes derart verändert, daß ein fettes Kraftstoffgemisch in den Motorraum eingeblasen wird und daraufhin der Motor mit geeigneten Testprozeduren betrieben wird. Da diese Testprozeduren während eines laufenden Fahrzeugbetriebs durchgeführt werden müssen, kommt es häufig vor, daß diese nicht vollständig abgearbeitet werden können, wodurch eine zuverlässige Aussage durch das Überwachungssystem verhindert wird.
Nachteilig an dem oben beschriebenen Überwachungsverfahren ist es, daß einerseits die Testprozeduren nur während bestimmter Fahrzyklen durchgeführt werden können und andererseits, daß die Ergebnisse der Testprozeduren durch äußere Einflüsse nachteilig beeinflußt werden können.
Die Aufgabe der vorliegenden Erfindung ist es, ein Überwachungsverfahren zur Verfügung zu stellen, welches eine dauerhafte Überwachung des Katalysatorsystems gewährleistet und bei welchem äußere Einflüsse sowie sich ändernde Randbedingungen berücksichtigt werden.
Die zuvor hergeleitete und aufgezeigte Aufgabe wird durch die Erfindung derart gelöst, daß die gemessenen Zustandsparameter in der ersten Meßdatenverarbeitung mit Hilfe eines künstlichen neuronalen Netzes ausgewertet werden, daß die Ergebnisse der Auswertung des künstlichen neuronalen Netzes einer zweiten Meßdatenverarbeitung als erste Eingangsgröße zugeführt werden, daß Zustandsinformationen der Brennkraftmaschine, insbesondere Informationen über die Fahrdynamik, Last und Motorleistung sowie des Katalysatorsystems der zweiten Meßdatenverarbeitung als zweite Eingangsgröße zugeführt werden, daß in der zweiten Meßdatenverarbeitung die erste Eingangsgröße mit der zweiten Eingangsgröße verarbeitet wird und daß das Ergebnis der zweiten Meßdatenverarbeitung zur Überwachung des Katalysatorsystems genutzt wird.
Durch die Zuhilfenahme eines künstlichen neuronalen Netzes ist es möglich, die gemessenen Zustandsparameter miteinander zu korrelieren und somit deren Einflüsse auf das Ergebnis des Überwachungsverfahrens in ihrem Zusammenspiel zu betrachten. Daneben ist es durch die Verwendung des künstlichen neuronalen Netzes möglich, eine Vielzahl von bekannten sowie unbekannten Systemzuständen zu verarbeiten. Das künstliche neuronale Netz kann aufgrund seiner Struktur auch Systemzustände verarbeiten, die während der Justage des Überwachungssystems nicht bekannt waren. Erfindungsgemäß wird das Ergebnis des künstlichen neuronalen Netzes an die zweite Meßdatenverarbeitung als Eingangsgröße weitergeleitet. Zusätzlich stehen in der zweiten Meßdatenverarbeitung Zustandsinformationen über die Brennkraftmaschine sowie des Katalysatorsystems zur Verfügung. Dies sind unter anderem Informationen über den Fahrzyklus, die Fahrdynamik, die Motorleistung, die Motorlast und den Fahrbetrieb. Die zweite Meßdatenverarbeitung liefert durch die Korrelation der Ergebnisse des künstlichen neuronalen Netzes mit den Zustandsinformationen der Brennkraftmaschine sowie des Katalysatorsystems ein Ergebnis, mit dessen Hilfe eine Aussage über den Zustand des Katalysatorsystems sowie die Menge des emittierten Stickoxids, bezogen auf die aktuelle Fahrleistung, möglich ist.
Durch die Zuhilfenahme von verschiedenen Sensoren erhöht sich die Verläßlichkeit des Überwachungsverfahrens, da dem Ergebnis eine größere Datenbasis zugrunde liegt.
Die Ergebnisse der verschiedenen Sensoren, insbesondere die eines Stickoxidsensors, eines Lastsensors, einer Lambdasonde, eines Drehzahlsensors, von Temperatursensoren für die Abgastemperatur, die Katalysatortemperatur und die Kühlwassertemperatur sowie eines Luftmassenstromsensor werden dem künstlichen neuronalen Netz als Eingangsgrößen zugeführt bzw. es werden die einzelnen Größen als Eingangsgrößen berechnet.
Vorzugsweise wird vom künstlichen neuronalen Netz ein Ergebnis ausgegeben, welches den Stickoxidgehalt des Abgases der Brennkraftmaschine charakterisiert. Dieser vorzugsweise den Stickoxidgehalt des Abgases der Brennkraftmaschine charakterisierende Wert wird der zweiten Meßdatenverarbeitung als Eingangsgröße zugeführt. Durch die Messung des Stickoxidgehaltes des Abgases ist eine Aussage über die Funktionalität des Katalysatorsystems möglich. Da gesetzliche Auflagen bezüglich der Abgasemission des Kraftfahrzeugs erfüllt werden müssen, ist es insbesondere notwendig, den Stickoxidgehalt des Abgases zu messen.
Die gesetzlichen Vorschriften bezüglich der Schadstoff-Emission eines Kraftfahrzeuges sind derart, daß die vom Kraftfahrzeug emittierten Abgase innerhalb eines vorgeschriebenen Fahrzyklusses definierte Grenzwerte einhalten müssen. Wie bereits oben näher erläutert, ist es während des Fahrbetriebes schwer möglich, die Brennkraftmaschine einen definierten Fahrzyklus durchlaufen zu lassen. Es wird vorgeschlagen, daß die Zustandsinformationen der Brennkraftmaschine sowie des Katalysatorsystems in der zweiten Meßdatenverarbeitung über einen definierten Zeitraum gespeichert werden, daß mit Hilfe der gespeicherten Zustandsinformationen ein die momentane Fahrleistung des Kraftfahrzeugs charakterisierender Wert ermittelt wird, daß die Ergebnisse des künstlichen neuronalen Netzes mit der ermittelten Fahrleistung in bezug gesetzt werden und daß mit Hilfe dieses in bezug gesetzten Ergebnisses ein auf die normierte Fahrleistung bezogenes Ergebnis ermittelt wird. Das künstliche neuronale Netz gewährleistet es, daß auch unbekannte Zustände der einzelnen gemessenen Zustandsparameter zu einem zulässigen Ergebnis der Messung führen. Durch die Verwendung der zweiten Meßdatenverarbeitung können die vom künstlichen neuronalen Netz ermittelten Abgaswerte in bezug zu der tatsächlichen Fahrleistung des Fahrzeugs gebracht werden. Dadurch steht der Auswertung ein normiertes Ergebnis zur Verfügung, welches unabhängig von dem zuvor durchlaufenen Fahrzyklus ist.
Für das erfindungsgemäße Überwachungsverfahren wird vorzugsweise ein künstliches neuronales Netz, welches aus drei Schichten gebildet wird, verwendet, bei welchem die Eingangsschicht vorzugsweise aus einer Vielzahl von Neuronen gebildet wird, insbesondere entspricht die Anzahl der Neuronen der Eingangsschicht der Anzahl der Sensoren, die zur Überwachung des Katalysatorsystems eingesetzt werden, bei welchem die verdeckte Schicht aus einer Vielzahl von Neuronen gebildet wird und bei welchem die Ausgangsschicht aus genau einem Neuron gebildet wird.
Das dynamische Verhalten, das Lernverhalten, sowie die Stabilität des künstlichen neuronalen Netzes wird positiv dadurch beeinflußt, daß die Ergebnisse der Neuronen der verdeckten Schicht einem Rückkopplungszweig zugeführt werden, daß die Ergebnisse im Rückkopplungszweig zeitlich verzögert werden, daß die Ergebnisse im Rückkopplungszweig verstärkt werden und daß die verzögerten, verstärkten Ergebnisse den Eingängen der jeweiligen Neuronen der verdeckten Schicht zugeführt werden. Das künstliche neuronale Netz kann eine beliebig tiefe Netzstruktur besitzen, doch ist ein dreischichtiges neuronales Netz bevorzugt. Die Stabilität des künstlichen neuronalen Netzes läßt sich dadurch erreichen, daß die Verstärkung der Rückkopplungszweige maximal 1 ist. Hierdurch wird ein instabiles Verhalten des künstlichen neuronalen Netzes unterdrückt.
Der Aktivierungszustand jedes einzelnen Neurons der Eingangs-, der Ausgangs- sowie der verdeckten Schicht wird mit Hilfe einer Aktivierungsfunktion, insbesondere einer Sigmoidalfunktion, einer Tangens-Hyperbolikusfunktion oder einer Rampenfunktion, berechnet. Mit Hilfe der Aktivierungsfunktion wird innerhalb eines Neurons berechnet, ob der Zustand der Eingänge des Neurons die Aktivierung des Ausgangs des Neurons auslöst oder nicht.
Die Eingänge der Neuronen werden mit Wichtungen versehen, wodurch diese Eingänge mit Prioritäten versehen werden. Diese Wichtungen werden während einer Lernphase des künstlichen neuronalen Netzes eingestellt. Die Lernphase wird vor Auslieferung der Brennkraftmaschine durchgeführt. Während der Lernphase wird das künstliche neuronale Netz mit einer Vielzahl von verschiedenen Zuständen des Katalysatorsystems beaufschlagt und das Ergebnis wird mit einem Soll-Wert verglichen. Weichen Soll-Wert und Ergebnis des künstlichen neuronalen Netzes voneinander ab, so werden die Wichtungen der einzelnen Neuronen verändert und das Ergebnis wird erneut mit dem Soll-Wert verglichen. Die Wichtungen der Neuronen des künstlichen neuronalen Netzes werden so eingestellt, daß die mittlere Abweichung der Ist-Werte von den Soll-Werten für die einzelnen überprüften Zustände des Katalysatorsystems in etwa einen Minimalwert erreicht.
Eine Vorrichtung zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine, insbesondere zur Verwirklichung eines Verfahrens nach einem der Ansprüche 1 bis 6, wobei eine Vielzahl von Sensoren eine Vielzahl von Zustandsparametern des Katalysatorsystems der Brennkraftmaschine messen, wobei eine erste Meßdatenverarbeitung die gemessenen Zustandsparameter auswertet und wobei die Ergebnisse der ersten Meßdatenverarbeitung der Überwachung des Katalysatorsystems dienen, welches dadurch gekennzeichnet ist, daß in der ersten Meßdatenverarbeitung ein künstliches neuronales Netz eine Vielzahl von Zustandsparametern korreliert, daß eine zweite Meßdatenverarbeitung das Ergebnis der Korrelation des künstlichen neuronalen Netzes unter Verwendung von Fahrzyklusdaten bewertet und daß der Ausgang der zweiten Meßdatenverarbeitung ein Maß für die Funktionalität des Katalysatorsystems ist, ist ein weiterer Gegenstand der Erfindung. Hierbei handelt es sich insbesondere um eine Vorrichtung, die in einem Kraftfahrzeug eingebaut ist. Diese Vorrichtung bewertet während des Betriebes des Kraftfahrzeugs permanent die Abgasemission und gewährleistet somit, daß gesetzlich vorgeschriebene Grenzwerte nicht überschritten werden.
Wird für die zweite Meßdatenverarbeitung ein zweites künstliches neuronales Netz verwendet, so kann auch in der zweiten Meßdatenverarbeitung ein unbekannter Systemzustand verarbeitet werden und die Robustheit des Gesamtsystems wird durch diese Maßnahme erhöht.
Ein großer Vorteil der Erfindung liegt darin, daß eine permanente Überwachung des Katalysatorsystems möglich ist. Es müssen nicht vorgeschriebene Fahrzyklen durchlaufen werden, sondern die gemessenen Zustandsparameter werden jeweils unter Zuhilfenahme von aktuellen Fahrzyklusdaten, die über einen gewissen Zeitraum gespeichert worden sind, beurteilt. Diese Normierung gewährleistet, daß die Abgasemission bei Vollastbetrieb der Brennkraftmaschine niedriger bewertet wird, als dies der Fall ist, wenn die Brennkraftmaschine in einem unteren Lastbereich betrieben wird.
Die vorliegende Erfindung wird im folgenden anhand von Ausführungsbeispielen näher erläutert, wobei auf die Zeichnungen Bezug genommen wird. In den Zeichnungen zeigen:
Fig. 1 einen schematischen Aufbau eines Katalysatorsystems,
Fig. 2 eine Struktur eines künstlichen neuronalen Netzes,
Fig. 3 einen Aufbau eines Neurons einer verdeckten Schicht.
Fig. 1 zeigt eine Brennkraftmaschine 101 mit einem daran angeschlossenen Katalysatorsystem 100, das vorzugsweise auch aus Vor- und Hauptkatalysator bestehen kann. Das Katalysatorsystem 100 weist eine Lambda-Sonde 102a, welche am Eingang des Katalysators 100 angeordnet ist, sowie eine Lambda-Sonde 102b, welche am Ausgang des Katalysators 100 angeordnet ist, auf. Die bei der Verbrennung eines Kraftstoffgemischs entstehenden Abgase der Brennkraftmaschine 101 werden über ein Abgassystem (nicht dargestellt) dem Katalysator 100 zugeführt. Innerhalb des Katalysators 100 werden Schadstoffe aus den Abgasen entfernt. Zur Überwachung des Katalysatorsystems sowie der ausgestoßenen Abgasmenge wird eine Überwachungsvorrichtung 110 um den Katalysator herum angeordnet. Das Überwachungssystem besteht aus einer Vielzahl von Sensoren. Dies ist unter anderem ein Abgasmassenstromsensor 104, mit dessen Hilfe der Luftmassenstrom des Abgases der Brennkraftmaschine 101 gemessen wird. Außerdem sind Lambda-Sensoren 106a und 106b sowohl am Eingang des Katalysators 100 als auch am Ausgang des Katalysators 100 angeordnet. Die Lambda-Sonden 106a, 106b dienen der Ermittlung des Sauerstoffgehalts der Abgase der Brennkraftmaschine 101. Ein Temperatursensor 108 dient der Ermittlung der Katalysatortemperatur des Katalysators 100. Ein am Ausgang des Katalysators 100 angeordnete Stickoxidsensor 112 dient der Ermittlung des Stickstoffgehaltes des Abgases. Ein am Ausgang des Katalysators 100 angeordneter Abgastemperatursensor 114 mißt die Temperatur des Abgases. Die Sensordaten, welche von den Sensoren 104, 106a, 106b, 108, 112 und 114 gemessen werden, werden einem künstlichen neuronalen Netz 120 zugeführt. Dieses künstliche neuronale Netz 120 ist vor der Inbetriebnahme des Überwachungssystems mit Hilfe geeigneter Trainingsläufe trainiert worden. Das künstliche neuronale Netz 120 ist in der Lage, die Vielzahl der Sensordaten zu verarbeiten. Dabei ist es in der Lage, auch unbekannte Kombinationen der Sensordaten so zu verarbeiten, daß ein auswertbares Ergebnis entsteht.
Das Ergebnis des künstlichen neuronalen Netzes 120 wird einer zweiten Meßdatenverarbeitung 122 zugeführt. In dieser zweiten Meßdatenverarbeitung werden die Ergebnisse des künstlichen neuronalen Netzes 120 in bezug zu der aktuellen Fahrleistung der Brennkraftmaschine 101 gesetzt. Daten über die aktuelle Leistung der Brennkraftmaschine 101 werden der zweiten Meßdatenverarbeitung 122 mit Hilfe einer Einheit 130 zugeführt. Die Einheit 130 bezieht die Daten über die aktuelle Leistung der Brennkraftmaschine 101 über die Leitungen 124. Die Überwachungsvorrichtung 110 wird insbesondere zur Bewertung der Stickoxidemission der Brennkraftmaschine 101 genutzt. Die vom Stickoxidsensor 112 gemessenen Sensordaten werden mit Hilfe des künstlichen neuronalen Netzes 120 in bezug zu weiteren Sensordaten, insbesondere zu den Sensordaten der Sensoren 104, 106a, 106b, 108 und 114 gesetzt. Durch die zweite Meßdatenverarbeitung, welcher Informationen über die aktuelle Fahrleistung zur Verfügung stehen, ist es möglich, die Stickoxidemission der Brennkraftmaschine 101 in bezug zu der aktuellen Fahrleistung bewerten zu können. Somit kann bei einer hohen Leistung der Brennkraftmaschine 101 die Stickoxidemission des Katalysators 100 niedriger bewertet werden, als dies der Fall bei einer niedrigen Leistung der Brennkraftmaschine 101 ist. Das Ergebnis 125 der zweiten Meßdatenverarbeitung 122 ermöglicht eine Aussage über die Stickoxidemission sowie die Funktionsfähigkeit des Katalysatorsystems 100.
Fig. 2 zeigt eine Struktur eines künstlichen neuronalen Netzes 120. Dem künstlichen neuronalen Netz 120 werden die Sensordaten der Sensoren 104, 106a, 106b, 108, 112 und 114 zugeführt. Eine Eingangsschicht 210 des künstlichen neuronalen Netzes 120 besteht aus Eingangsneuronen 200a-f. Der Aktivierungszustand der Neuronen 200a-f wird mit Hilfe einer Aktivierungsfunktion ermittelt. Bei einer Aktivierung eines einzelnen Neurons 200a-f wird ein Ausgangssignal von diesem Neucon emittiert. Die Ausgänge der Neuronen der Eingangsschicht 210 werden Neuronen 202a-h einer verdeckten Schicht 220 zugeführt. In den Neuronen 202a-h der verdeckten Schicht 220 werden die Eingangssignale der Neuronen 200a-f der Eingangsschicht 210 gewichtet und die Aktivierung der Neuronen 202a-h der verdeckten Schicht 220 wird jeweils mit Hilfe einer Aktiverungsfunktion in Abhängigkeit der Eingangssignale berechnet. Die Ausgänge der Neuronen 202a-h der verdeckten Schicht 220 des künstlichen neuronalen Netzes 120 werden einem Ausgangsneuron 204 einer Ausgangsschicht 230 zugeführt. In dem Ausgangsneuron 204 werden die Eingangssignale gewichtet und wiederum einer Aktivierungsfunktion zugeführt. Mit Hilfe der Aktivierungsfunktion wird das Ausgangssignal 205 des Ausgangsneurons 204 berechnet. Dieses Ausgangssignal 205 wird nun der zweiten Meßdatenverarbeitung, nicht dargestellt, zugeführt.
In Fig. 3 ist die Struktur eines Neurons 202a-h der verdeckten Schicht 220 zu erkennen. Die Ausgangssignale 201e-f der Neuronen 200a-f der Eingangsschicht 210 werden dem Neuron 300 zugeführt. Das Ausgangssignal 301 des Neurons 300 wird über einen Rückkopplungszweig 310 dem Neuron 300 wieder zugeführt. Im Rückkopplungszweig 310 befindet sich eine Verstärkungsoperation 302 sowie eine Verzögerungsoperation 304. In der Verstärkungsoperation 302 wird das Ausgangssignal des Neurons 300 mit einem Verstärkungsfaktor, der insbesondere kleiner 1 ist, verstärkt und mit Hilfe der Verzögerungsoperation 304 zeitlich verzögert. Die Verstärkung der Verstärkungsoperation 302 wird während der Lernphase des künstlichen neuronalen Netzes 120 so angepaßt, daß die Ergebnisse des künstlichen neuronalen Netzes den Soll-Werten angenähert werden. Durch die Verzögerungsoperation 304 wird das dynamische Verhalten des künstlichen neuronalen Netzes 120 beeinflußt. Das Lernverhalten des künstlichen neuronalen Netzes sowie die Stabilität des Netzes wird durch die Rückkopplung 310 verbessert.

Claims (20)

1. Verfahren zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs, insbesondere zur Überwachung der Stickoxid (NOx) Emission der Brennkraftmaschine, bei welchem eine Vielzahl von Zustandsparametern des Katalysatorsystems, insbesondere die Sauerstoffkonzentration, die Stickoxidkonzentration sowie der Luftmassenstrom und die Temperatur des Abgases, der Brennkraftmaschine mit Hilfe einer Vielzahl von Sensoren gemessen werden, bei welchem die gemessenen Zustandsparameter mit Hilfe einer ersten Meßdatenverarbeitung ausgewertet werden und bei welchem die Ergebnisse der Meßdatenverarbeitung zur Überwachung des Katalysatorsystems genutzt werden, dadurch gekennzeichnet, daß die gemessenen Zustandsparameter in der ersten Meßdatenverarbeitung mit Hilfe eines künstlichen neuronalen Netzes ausgewertet werden, daß die Ergebnisse der Auswertung des künstlichen neuronalen Netzes einer zweiten Meßdatenverarbeitung als erste Eingangsgröße zugeführt werden, daß Zustandsinformationen der Brennkraftmaschine, insbesondere Informationen über die Fahrdynamik, Last und Motorleistung sowie des Katalysatorsystems der zweiten Meßdatenverarbeitung als zweite Eingangsgröße zugeführt werden, daß in der zweiten Meßdatenverarbeitung die erste Eingangsgröße mit der zweiten Eingangsgröße verarbeitet wird und daß das Ergebnis der zweiten Meßdatenverarbeitung zur Überwachung des Katalysatorsystems genutzt wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Stickoxid- Konzentration mit Hilfe eines Stickoxid-Sensors gemessen wird und daß die Sensordaten des Stickoxid-Sensors dem künstlichen neuronalen Netz als eine Eingangsgröße zugeführt werden.
3. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, daß die Last der Brennkraftmaschine mit Hilfe eines Lastsensors gemessen wird und daß die Sensordaten des Lastsensors dem künstlichen neuronalen Netz als eine Eingangsgröße zugeführt werden.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, daß die Sauerstoff-Konzentration mit Hilfe einer am Ausgang des Katalysators angeordneten Lambda-Sonde gemessen wird und daß die Sensordaten der Lambda-Sonde dem künstlichen neuronalen Netz als eine Eingangsgröße zugeführt werden.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß die Drehzahl der Brennkraftmaschine mit Hilfe eines Drehzahlsensors gemessen wird und daß die Sensordaten des Drehzahlsensors dem künstlichen neuronalen Netz als eine Eingangsgröße zugeführt werden.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß die Abgastemperatur mit Hilfe eines Temperatursensors gemessen wird und daß die Sensordaten des Temperatursensors dem künstlichen neuronalen Netz als eine Eingangsgröße zugeführt werden.
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, daß die Katalysatortemperatur mit Hilfe eines Temperatursensors gemessen wird und daß die Sensordaten des Temperatursensors dem künstlichen neuronalen Netz als eine Eingangsgröße zugeführt werden.
8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß die Kühlwassertemperatur mit Hilfe eines Temperatursensors gemessen wird und daß die Sensordaten des Temperatursensors dem künstlichen neuronalen Netz als eine Eingangsgröße zugeführt werden.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß die Abgasmasse mit Hilfe eines Abgasmassensensors gemessen oder berechnet wird und daß die Sensordaten des Massesensors dem künstlichen neuronalen Netz als eine Eingangsgröße zugeführt werden.
10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß der Massenluftstrom mit Hilfe eines Luftmassenstromsensors gemessen wird und daß die Sensordaten des Luftmassenstromsensors dem künstlichen neuronalen Netz als eine Eingangsgröße zugeführt werden.
11. Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, daß vom künstlichen neuronalen Netz ein den Stickoxidgehalt des Abgases der Brennkraftmaschine charakterisierender Wert ausgegeben wird und daß der den Stickoxidgehalt des Abgases der Brennkraftmaschine charakterisierende Wert der zweiten Meßdatenverarbeitung als Eingangsgröße zugeführt wird.
12. Verfahren nach einem der Ansprüche 1 bis 11, dadurch gekennzeichnet, daß die Zustandsinformationen der Brennkraftmaschine sowie des Katalysatorsystems in der zweiten Meßdatenverarbeitung über einen definierten Zeitraum gespeichert werden, daß mit Hilfe der gespeicherten Zustandsinformationen ein die momentane Fahrleistung des Kraftfahrzeugs charakterisierender Wert ermittelt wird, daß die Ergebnisse des künstlichen neuronalen Netzes mit der ermittelten Fahrleistung in bezug gesetzt werden und daß mit Hilfe dieses in bezug gesetzten Ergebnisses ein auf eine normierte Fahrleistung bezogenes Ergebnis ermittelt wird.
13. Verfahren nach einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, daß das künstliche neuronale Netz aus drei Schichten gebildet wird, daß die Eingangsschicht aus einer Vielzahl von Neuronen gebildet wird, daß die verdeckte Schicht aus einer Vielzahl von Neuronen gebildet wird und daß die Ausgangsschicht aus genau einem Neuron gebildet wird.
14. Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß die Ergebnisse der Neuronen der verdeckten Schicht einem Rückkopplungszweig zugeführt werden, daß die Ergebnisse im Rückkopplungszweig zeitlich verzögert werden, daß die Ergebnisse im Rückkopplungszweig verstärkt werden und daß die verzögerten, verstärkten Ergebnisse den Eingängen der jeweiligen Neuronen der verdeckten Schicht zugeführt werden.
15. Verfahren nach einem der Ansprüche 1 bis 14, dadurch gekennzeichnet, daß ein Aktivierungszustand eines jeden Neurons der Eingangs-, der Ausgangs- sowie der verdeckten Schicht mit Hilfe einer Aktivierungsfunktion berechnet wird.
16. Verfahren nach einem der Ansprüche 1 bis 15, dadurch gekennzeichnet, daß das künstliche neuronale Netz in einer Lernphase trainiert wird und daß die Wichtungen der Eingangssignale sowie der Ausgangssignale aller Neuronen der Eingangs-, der Ausgangs- sowie der verdeckten Schicht währende der Lernphase fest eingestellt werden.
17. Überwachungsvorrichtung zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine, insbesondere zur Verwirklichung eines Verfahrens nach einem der Ansprüche 1 bis 16, wobei eine Vielzahl von Sensoren eine Vielzahl von Zustandsparametern des Katalysatorsystems der Brennkraftmaschine messen, wobei eine erste Meßdatenverarbeitung die gemessenen Zustandsparameter auswertet und wobei die Ergebnisse der ersten Meßdatenverarbeitung der Überwachung des Katalysatorsystems dienen, dadurch gekennzeichnet, daß in der ersten Meßdatenverarbeitung ein künstliches neuronales Netz eine Vielzahl von Zustandsparameten korreliert, daß eine zweite Meßdatenverarbeitung das Ergebnis der Korrelation des künstlichen neuronalen Netzes unter Verwendung von Fahrzyklusdaten bewertet und daß der Ausgang der zweiten Meßdatenverarbeitung ein Maß für die Funktionalität des Katalysatorsystems ist.
18. Vorrichtung nach Anspruch 17, dadurch gekennzeichnet, daß das künstliche neuronale Netz ein dreischichtiges neuronales Netz mit einer verdeckten Schicht ist, wobei die Ausgänge der Neuronen der Eingangsschicht mit allen Eingängen der Neuronen der verdeckten Schicht verbunden sind und wobei die Ausgänge der Neuronen der verdeckten Schicht jeweils mit dem Eingang des Neurons der Ausgangsschicht verbunden sind.
19. Vorrichtung nach Anspruch 17 oder 18, dadurch gekennzeichnet, daß das künstliche neuronale Netz ein mehrschichtiges künstliches neuronales Netz ist, wobei die Eingangsschicht aus einer Vielzahl von Neuronen besteht, die verdeckte Schicht aus einer Vielzahl von Neuronen besteht und die Ausgangsschicht aus genau einem Neuron besteht, wobei die Neuronen der verdeckten Schicht rückgekoppelt sind und wobei die Verstärkung der Rückkopplung kleiner 1 ist.
20. Vorrichtung nach einem der Ansprüche 17 bis 19, dadurch gekennzeichnet, daß die zweite Meßdatenverarbeitung eine zweites künstliches neuronales Netz ist.
DE10010745A 2000-03-04 2000-03-04 Verfahren zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs Ceased DE10010745A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE10010745A DE10010745A1 (de) 2000-03-04 2000-03-04 Verfahren zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE10010745A DE10010745A1 (de) 2000-03-04 2000-03-04 Verfahren zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs

Publications (1)

Publication Number Publication Date
DE10010745A1 true DE10010745A1 (de) 2002-03-28

Family

ID=7633604

Family Applications (1)

Application Number Title Priority Date Filing Date
DE10010745A Ceased DE10010745A1 (de) 2000-03-04 2000-03-04 Verfahren zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs

Country Status (1)

Country Link
DE (1) DE10010745A1 (de)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1367248A1 (de) * 2002-05-15 2003-12-03 Caterpillar Inc. Einen virtuellen Messfühler benutzendes Stickoxidausstossüberwachungssystem
EP2413205A1 (de) * 2009-03-27 2012-02-01 Honda Motor Co., Ltd. Steuerung für eine anlage
WO2019076686A1 (de) * 2017-10-16 2019-04-25 Robert Bosch Gmbh Verfahren zur ermittlung einer nox-konzentration und eines nh3-schlupfes stromabwärts eines scr-katalysators
DE102018126767A1 (de) * 2018-10-26 2020-04-30 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Überwachung der Wirksamkeit eines Dreiwegekatalysators eines Ottomotors
DE102020100717A1 (de) * 2019-02-18 2020-08-20 Toyota Jidosha Kabushiki Kaisha Katalysatorverschlechterungserfassungsvorrichtung, Katalysatorverschlechterungserfassungssystem, Datenanalysevorrichtung, Steuervorrichtung für Verbrennungskraftmaschine und Verfahren zum Bereitstellen von Zustandsinformationen eines Gebrauchtfahrzeugs
DE102019118490A1 (de) * 2019-07-09 2021-01-14 Bayerische Motoren Werke Aktiengesellschaft Bewerten eines Katalysators für ein Kraftfahrzeug
CN113588271A (zh) * 2021-07-23 2021-11-02 东风汽车集团股份有限公司 基于动力总成台架的催化器排放试验可替代性验证系统及验证方法
DE102021212880A1 (de) 2021-11-16 2023-05-17 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Bestimmen eines inneren Katalysatorzustands einer Abgasnachbehandlungseinrichtung für ein Motorsystem mithilfe maschineller Lernverfahren

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1367248A1 (de) * 2002-05-15 2003-12-03 Caterpillar Inc. Einen virtuellen Messfühler benutzendes Stickoxidausstossüberwachungssystem
US6882929B2 (en) 2002-05-15 2005-04-19 Caterpillar Inc NOx emission-control system using a virtual sensor
EP2413205A1 (de) * 2009-03-27 2012-02-01 Honda Motor Co., Ltd. Steuerung für eine anlage
EP2413205A4 (de) * 2009-03-27 2012-08-29 Honda Motor Co Ltd Steuerung für eine anlage
US8965664B2 (en) 2009-03-27 2015-02-24 Honda Motor Co., Ltd. Controller for plant
US11261774B2 (en) 2017-10-16 2022-03-01 Robert Bosch Gmbh Method for ascertaining a NOx concentration and a NH3 slip downstream from an SCR catalytic converter
WO2019076686A1 (de) * 2017-10-16 2019-04-25 Robert Bosch Gmbh Verfahren zur ermittlung einer nox-konzentration und eines nh3-schlupfes stromabwärts eines scr-katalysators
DE102018126767A1 (de) * 2018-10-26 2020-04-30 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Überwachung der Wirksamkeit eines Dreiwegekatalysators eines Ottomotors
US11008925B2 (en) 2018-10-26 2021-05-18 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Method for monitoring the effectiveness of a three-way catalytic converter of a gasoline engine
DE102018126767B4 (de) 2018-10-26 2024-03-07 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Überwachung der Wirksamkeit eines Dreiwegekatalysators eines Ottomotors
DE102020100717A1 (de) * 2019-02-18 2020-08-20 Toyota Jidosha Kabushiki Kaisha Katalysatorverschlechterungserfassungsvorrichtung, Katalysatorverschlechterungserfassungssystem, Datenanalysevorrichtung, Steuervorrichtung für Verbrennungskraftmaschine und Verfahren zum Bereitstellen von Zustandsinformationen eines Gebrauchtfahrzeugs
US11149618B2 (en) 2019-02-18 2021-10-19 TOYOTA JIDOSHA KABUSHtKI KAISHA Catalyst deterioration detection device, catalyst deterioration detection system, data analysis device, control device of internal combustion engine, and method for providing sate information of used vehicle
US11473477B2 (en) 2019-02-18 2022-10-18 Toyota Jidosha Kabushiki Kaisha Catalyst deterioration detection device, catalyst deterioration detection system, data analysis device, control device of internal combustion engine, and method for providing state information of used vehicle
DE102019118490A1 (de) * 2019-07-09 2021-01-14 Bayerische Motoren Werke Aktiengesellschaft Bewerten eines Katalysators für ein Kraftfahrzeug
CN113588271A (zh) * 2021-07-23 2021-11-02 东风汽车集团股份有限公司 基于动力总成台架的催化器排放试验可替代性验证系统及验证方法
CN113588271B (zh) * 2021-07-23 2024-04-09 东风汽车集团股份有限公司 基于动力总成台架的催化器排放试验可替代性验证系统及验证方法
DE102021212880A1 (de) 2021-11-16 2023-05-17 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Bestimmen eines inneren Katalysatorzustands einer Abgasnachbehandlungseinrichtung für ein Motorsystem mithilfe maschineller Lernverfahren

Similar Documents

Publication Publication Date Title
DE102008042549B4 (de) Verfahren und Vorrichtung zur Diagnose einer Abgassonde
EP1327138B1 (de) Verfahren und vorrichtung zur eigendiagnose eines nox-sensors
DE102008001569B4 (de) Verfahren und Vorrichtung zur Adaption eines Dynamikmodells einer Abgassonde
EP3717757A1 (de) Verfahren zum betreiben einer abgasnachbehandlungsanlage einer brennkraftmaschine und abgasnachbehandlungsanlage
DE102008027575B4 (de) Diagnoseverfahren für ein katalytisch wirksames Abgasreinigungselement eines Kraftfahrzeug-Verbrennungsmotors
WO2004059152A1 (de) Verfahren und vorrichtung zur diagnose der dynamischen eigenschaften einer zur zylinderindividuellen lambdaregelung verwendeten lambdasonde
DE10010745A1 (de) Verfahren zur Überwachung eines Katalysatorsystems einer Brennkraftmaschine eines Kraftfahrzeugs
EP2870332B1 (de) Verfahren zur zugabe eines reduktionsmittels in eine abgasbehandlungsvorrichtung
DE102008004207A1 (de) Verfahren und Steuergerät zur Überprüfung eines Abgasnachbehandlungssystems eines Verbrennungsmotors
DE102009054935B4 (de) Verfahren und Vorrichtung zur Diagnose der Dynamik eines Abgassensors
EP0626506A1 (de) Verfahren zur Überprüfung des Katalysatorwirkungsgrades
DE102015200751A1 (de) Verfahren zur Überwachung einer Abgasnachbehandlungsanlage eines Verbrennungsmotors sowie Steuerungseinrichtung für eine Abgasnachbehandlungsanlage
EP1180210B1 (de) Verfahren und vorrichtung zur steuerung einer brennkraftmaschine mit einem abgasnachbehandlungssystem
DE102014202035A1 (de) Verfahren und Vorrichtung zur Überwachung eines Stickoxid-Speicher-Katalysators
DE102022129061A1 (de) Verfahren zur Diagnose eines Katalysators mit Sauerstoffspeicherfähigkeit
EP0711908A2 (de) Regelungsverfahren zur Optimierung der Schadstoffemission einer Verbrennungsanlage
DE102012200032A1 (de) Verfahren und Vorrichtung zur Dynamik-Diagnose von Sensoren
DE102012207639A1 (de) Verfahren und Vorrichtung zur Dynamik-Diagnose einer Abgassonde
DE102015200125A1 (de) Abgaskatalysator für eine Brennkraftmaschine
EP1434049B1 (de) Verfahren und Vorrichtung zur Überwachung des NOx-Signals eines NOx-Sensors
EP1331372B1 (de) Verfahren und Vorrichtung zum abgasnormkonformen Betreiben von NOx-Speicherkatalysatoren und zur Alterungsdiagnose derselben
DE102005059450A1 (de) Diagnose eines Sauerstoffsensors
DE102005058524A1 (de) Verfahren und Vorrichtung zur Überwachung eines Abgasnachbehandlungssystems
EP1331374B1 (de) Verfahren und Vorrichtung zum Diagnostizieren der Speichereigenschaften eines NOx-Speicherkatalysators
DE102023205130B3 (de) Verfahren zum Betreiben einer Antriebseinrichtung für ein Kraftfahrzeug, Antriebseinrichtung für ein Kraftfahrzeug sowie Computerprogrammprodukt

Legal Events

Date Code Title Description
OR8 Request for search as to paragraph 43 lit. 1 sentence 1 patent law
8105 Search report available
8110 Request for examination paragraph 44
8120 Willingness to grant licences paragraph 23
R016 Response to examination communication
R016 Response to examination communication
R016 Response to examination communication
R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final

Effective date: 20130430