CN103410592B - 基于曲轴角速度传感器的柴油机NOx原始排放量预测方法 - Google Patents

Abstract

本发明公开了一种准确预测当前工况下柴油机NOx原始排放的方法，该方法包括：预估缸压曲线和放热率曲线；预估曲轴的角速度频谱；测出实际的曲轴角速度频谱；对预估的角速度频谱和实测的角速度频谱进行相位比较，得出着火延迟期和后燃期的曲轴续角修正因子；根据修正因子得到修正后的着火延迟期和后燃期的曲轴持续角；通过修正后的着火延迟期的曲轴持续角，对预估缸压值进行反馈调节得到修正后的放热率曲线和缸压曲线；将修正后的缸压曲线、发动机转速、空燃比和后燃期的曲轴持续角作为NOx浓度预估模型的输入，即可获得NOx的排放浓度。本发明方法能够对缸压曲线进行准确预估，从而计算出柴油机的NOx排放浓度。

Description

基于曲轴角速度传感器的柴油机NOx原始排放量预测方法

技术领域

本发明涉及对柴油机排放NOx的预测，具体地指一种基于曲轴角速度传感器的柴油机NOx原始排放量预测方法。

背景技术

柴油机排气中含有NOx（氮氧化物）这种有害物质，NOx的主要成分是NO和NO₂。因此，柴油机的排放法规对NOx的排放量进行了限制，并且规定了不同程度的限值，要求超过相应限值的车辆必须产生必要且有区别的反应动作，以此达到控制NOx排放的目的。

目前，SCR技术是柴油机控制NOx排放的主要技术手段，该技术手段利用尿素水溶液分解产生氨气，并且在SCR催化器的作用下，氨气与NOx发生选择性催化还原反应，生成氮气和水后排入大气，通过向柴油机的排气中喷入的尿素量不同，对NOx的排放量实现有效控制。SCR技术对尿素的喷射量进行控制的基本目标是：在某一工况下，使NOx排放污染物的转化效率大于一定的阈值，并且NH₃泄漏最大值控制在25ppm以下，建立精确控制添蓝喷射量的尿素计量控制策略。但是，在SCR***中，对尿素喷射量的精确控制依赖于催化器上游和下游的NOx含量的测量准确性。出于排放法规的要求，催化器下游必须安装NOx传感器以满足车辆在使用过程中对NOx排放水平实时监测的目的，但NOx传感器价格昂贵，且响应时间较长。

发明内容

本发明目的在于克服上述现有技术的不足而提供一种基于曲轴角速度传感器的柴油机NOx原始排放量预测方法，本发明方法通过对催化器上游的NOx浓度进行预估，能够准确的预估当前工况下发动机原始NOx排放量，避免了现有技术中使用NOx传感器的不足。

实现本发明目的采用的技术方案是：一种基于曲轴角速度传感器的柴油机NOx原始排放量预测方法，包括以下步骤：

（1）将进气温度、进气压力、喷油提前角、喷油量和发动机转速5个参数与柴油机的燃烧模型相结合，得到缸压预估子模型，对当前工况下的缸压曲线和放热率曲线进行预估；

（2）通过预估的缸压曲线预估曲轴的角速度频谱；

（3）通过磁电传感器测出实际的曲轴角速度频谱；

（4）通过已知的发动机点火频率，对所述预估曲轴的角速度频谱和实际的曲轴角速度频谱进行相位比较，得出着火延迟期曲轴持续角修正因子和后燃期曲轴持续角的修正因子；

（5）通过喷油提前角、空燃比、着火延迟期曲轴持续角的标定参考值和着火延迟期曲轴持续角修正因子得到修正后的着火延迟期的曲轴持续角；以及通过喷油提前角、空燃比、后燃期曲轴持续角的标定参考值和后燃期曲轴持续角的修正因子得到修正后的后燃期的曲轴持续角；

（6）通过修正后的着火延迟期的曲轴持续角得到第一次修正后的缸压曲线和修正后的放热率曲线；

（7）以第一次修正后的放热率曲线为参比曲线，对第一次修正后的缸压曲线进行再次修正，得到第二次修正后的缸压曲线，将第二次修正后的缸压曲线、发动机转速、空燃比和修正后的后燃期的曲轴持续角作为NOx排放预估模型的输入，即可获得NOx的排放量。

本发明方法适用于安装有曲轴角速度传感器的柴油机，通过使用曲轴角速度传感器，结合柴油机的燃烧模型，对缸压曲线进行准确的预估，通过对缸压预估模型神经网络的训练，并基于曲轴角速度传感器测量值和燃烧模型对缸压曲线进行独立的反馈修正，同时对放热率曲线进行修正，并结合放热率曲线和缸压曲线的对应关系，将修正后的放热率曲线作为缸压修正的参比曲线，能迅速得到准确的缸压曲线，从而计算出柴油机的NOx排量放。

本发明方法对气缸压力进行实时修正和反馈调节，保证的缸压信号的可靠性；通过对放热率曲线单独修正得到修正后放热率曲线，再根据放热率曲线和缸压曲线的对应关系，将修正后的放热率曲线作为缸压修正的参比曲线，得到第二次修正的缸压曲线，起到了有效保证缸压曲线修正准确性的作用。本发明通过对缸压曲线和放热率曲线双向对比修正，大大提高了NOx排放预估模型的准确性。

相比现有技术中基于缸压传感器的虚拟NOx传感器，必须在发动机的实际使用过程中安装缸压传感器，本发明通过相对便宜而且简单的曲轴角速度传感器，解决了缸压传感器作为虚拟NOx传感器的输入信号来源的高成本问题，并且在精度、实时性和可靠性上有较大提升，实现了快速可靠的NOx排放预估。

附图说明

    图1是本发明方法的流程图；

图2是用于预测缸压曲线和放热率曲线的神经网络模型；

图3是本发明通过修正后的缸压曲线等参数预测NOx原始排放的神经网络模型；

图4是本发明预测的NOx原始排放浓度与试验测量值的结果对比图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

由于在发动机内发生的燃烧难以直接检测，使得直接通过燃烧情况预测NOx排放难以实现，但是基于发动机上不同传感器的信号可用来对燃烧过程进行量化处理，如通过测量得到的喷油量和进气量，进气温度和进气压力、喷油提前角和喷油压力等。这些参数都能对燃烧的过程起到很大程度的预测效果，但是上述的所有参数都不能反映实际的燃烧效果，其实际燃烧效果通常通过发动机气缸内的温度和压力等变化体现，并且通过温度传感器和缸压传感器可以获得这些参数的实际测量值，基于现有研究对柴油机燃烧过程的了解，气缸压力的波动曲线和放热率曲线可以作为反映气缸内燃烧状态的指示。因此，通过气缸压力曲线（缸压曲线），可以清楚的描述在一定的曲轴转角时，缸内的压力波动情况，并且能够反映出缸内燃料的燃烧过程。

NOx是柴油机吸入气缸内的空气中的N₂和O₂在高温下的反应产物，缸内的燃烧情况决定了NOx的生成量和生成速率，同时也决定了最大爆发压力、最高燃烧温度、压力升高率和放热速率等。此外，柴油机所采用的一些现代技术手段对缸内的燃烧情况起着相当程度的影响，不同技术水平和控制策略的柴油机会影响相关的参数，从而影响缸内的燃烧。上述受影响的参数包括：燃油温度、喷射压力、喷油提前角、燃烧室气体压力、燃烧室气体温度、进气温度、EGR率。由于NOx的生成和燃烧过程有着如此确定的关系，因此通过柴油机的燃烧模型和缸压曲线或放热率曲线等对NOx的排放进行预估是可行的。

所以，本发明基于上述事实，通过气缸的压力，估计出气缸内具体燃烧过程的发生和发展状态，从而确定燃烧过程中影响NOx生成的因素是否发生了作用，发生了多少作用，进而估算出NOx的排放量。

如图1所示，本发明基于曲轴角速度传感器的柴油机NOx原始排放量预测方法具体包括以下的步骤：

S100、通过将进气温度、进气压力、喷油提前角、喷油量和发动机转速5个参数与柴油机的燃烧模型相结合，得到缸压预估子模型，通过缸压预估子模型对当前工况下的缸压曲线和放热率曲线进行预估。

本实施例所用缸压预估子模型通过神经网络模型实现，如图2所示的神经网络模型，神经网络必须用与已知输出或结果相关的数据进行训练，对BP神经网络的训练需要使用到目标发动机的试验数据，因此，本实施例中训练神经网络所需的输入样本集参数有5个，包括：进气压力、进气温度、喷油量、喷油提前角和发动机转速，所述输入样本集参数均可通过SCR控制器从CAN总线读取；训练神经网络所需的输出样本集参数有2个，分别为缸压曲线和放热率曲线，所述输出样本集参数通过安装在气缸顶部的缸压传感器和温度传感器信号值获得。对本缸压和放热率预估模型隐层节点数的测试表明：3层BP网络隐层数神经元数不少于8个即可实现收敛，并达到较高的训练精度，而预测精度在隐层数神经元数少于14时会不断提高，大于14时出现不稳定，测试对比后，并考虑收敛速度，本发明对于放热率曲线和缸压曲线的预估模型选择隐层节点数为14个的3层BP神经网络，所以BP网络结构为5-14-2。

S200、通过预估的缸压曲线预估曲轴的角速度频谱。

S300、通过磁电传感器测出实际的曲轴角速度频谱。

S400、通过已知的发动机点火频率，对所述预估曲轴的角速度频谱和实际的曲轴角速度频谱进行相位比较，得出着火延迟期的曲轴持续角和后燃期的曲轴持续角的修正因子。

由于发动机借助气体燃烧所爆发的压力，推动活塞往复运动，活塞通过连杆拉动曲轴，使曲轴做旋转运动向外输出动力，但是由于四冲程发动机只有一个冲程是做功的，且做功的多少随喷油量和燃烧情况的改变而变化，因此，随之从动的曲轴旋转角速度也发生周期性的波动，并且曲轴旋转角速度的变化能够反映出活塞做功的大小变化，而活塞做功的大小就是由气缸内气体爆发的压力所决定的。因此，借助于曲轴角速度的变化频谱，可以反映出缸内气体的压力变化情况，同样的，对于一条确定的气缸压力曲线，能够预测出曲轴角速度的变化规律。借助于可以快速获得的发动机着火频率，通过快速傅里叶变换对这一频率的信号进行滤波处理，能快速识别出每个气缸的压力波动情况和角速度变化规律。通过对滤波后的角速度实测频谱和角速度预估频谱的对比分析，得出预估量与实测量的偏差，藉此完成对着火延迟期的曲轴持续角和后燃期的曲轴持续角的修正因子的确定工作。

S500、通过喷油提前角、空燃比、着火延迟期曲轴持续角的标定参考值和着火延迟期曲轴持续角修正因子得到修正后的着火延迟期的曲轴持续角；以及通过喷油提前角、空燃比、后燃期曲轴持续角的标定参考值和后燃期曲轴持续角的修正因子得到修正后的后燃期的曲轴持续角；

S600、通过修正后的着火延迟期的曲轴持续角，对预估缸压值进行反馈调节得到第一次修正后的缸内压力和放热率曲线。

S700、以第一次修正后的放热率曲线为参比曲线，对第一次修正后的缸压曲线进行再次修正，得到第二次修正后的缸压曲线，将第二次修正后的缸压曲线、发动机转速、空燃比和修正后的后燃期的曲轴持续角作为NOx排放预估模型的输入，即可获得NOx的排放量。具体为：将所述第二次修正后的缸压曲线、发动机转速、空燃比用来估算在预混燃烧期内的NOx生成量；将所述修正后的后燃期的曲轴持续角、发动机转速、空燃比和第二次修正后的缸压曲线用来估算后燃期内的NOx生成量，两者之和即为每个发动机循环下NOx的排放量。

柴油机的燃烧一般分为4个阶段，按照时间顺序依次为：着火延迟期、预混燃烧期、扩散燃烧期以及后燃期。着火延迟期的长短决定了在预混燃烧期内燃烧的柴油量的多少，着火延迟期长，则在着火延迟期内喷射的柴油都将集中在预混燃烧期燃烧，使得气缸内的压力升高率和放热速率显著上升。因此可以通过着火延迟期的持续时间对压力升高率和放热速率进行修正。现有的研究表明，压力升高率和NOx排放有着显著的关联，压力升高率大，则NOx排放会增加，并且NOx的生成主要发生在在预混燃烧期和后燃期，其中预混燃烧期内的NOx生成量又在其中占绝大多数。所以，着火延迟期的长短决定了预混燃烧期内NOx的生成量，并且对NOx的生成有决定性的影响。通常情况下（后燃期在正常范围内的情况下），预混燃烧期的NOx生成量在整个燃烧过程内占大多数。在后燃期，温度和压力不是很高的情况下，NOx的生成反应所需时间更长，通常后燃期内NOx来不及生成就排出气缸，但是如果后燃期的持续时间过长，在后燃期内持续生成的NOx量将会比较可观。排出气缸后NOx的生成反应由于达不到所需的活化能而不能进一步反应，所以着火延迟期的长短决定了预混燃烧期内NOx的生成量，并且对NOx的生成有决定性的影响。着火延迟期的曲轴持续角和后燃期的曲轴持续角能够大体上反映出缸内的燃烧过程，因此通过其可以修正放热率曲线和缸内压力，实现对预估缸压的反馈调节。后燃期的缸内压力波动不大，只是反映了燃烧的持续时间，由于NOx的生成反应需要一定的时间，因此后燃期的时间长短决定了在预混燃烧期内能够生成NOx的潜力能否完全实现。

本实施例所用NOx排放预估模型通过神经网络模型实现，图3是本发明通过第二次修正后的缸压曲线、修正后的后燃期的曲轴持续角等参数预测NOx原始排放两的神经网络模型，根据NOX排放特性确定BP神经网络输入节点数为5个和输出节点数为2个。对本排放模型隐层节点数的测试表明：3层BP网络隐层数神经元数不少于8个即可实现收敛，并达到较高的训练精度，而预测精度在隐层数神经元数少于14时会不断提高，大于12后精度上升十分缓慢，当隐层数神经元数超过15时出现不稳定，通过测试对比，并考虑收敛速度和计算时效比，本发明对于NOx原始排放的预估模型选择隐层节点数为12个的3层BP神经网络，所以BP网络结构为5-12-2。

如上所述：NOx的生成主要发生在在预混燃烧期和后燃期，而其中预混燃烧期内的NOx生成量又在其中占绝大多数。通过喷油量、空燃比、发动机转速和缸压曲线作为输入，经过训练后的神经网络，估算出预混燃烧期内的NOx生成量，再通过喷油量、空燃比、发动机转速、缸压曲线和后燃期持续角，可估算出后燃期内的NOx生产量，预混燃烧期内的NOx生成量和后燃期内的NOx生产量之和即对应每个发动机循环下NOx的生产量。

目前，通过神经网络预测的缸压曲线已经具有相当高的精度，但其学习的样本参数都是基于发动机在有限的试验数据而获得的，随着发动机使用寿命的增加，工作状况的劣化，原始的神经网络模型的预测结果将渐渐偏离实际情况。为了使缸压的预估在发动机的实际使用过程中能随着发动机工作状态的变化自动调整，本实施例采用基于曲轴角速度传感器的缸压曲线闭环修正功能，大大提升了缸压曲线预估的准确性和适应性。

本发明运用图2所示神经网络预估缸压和放热率，以及运用图3所示神经网络预估后燃期内的NOx生产量和预混燃烧期内的NOx生成量，减少了计算机的计算时间。

使用本发明方法预测NOx原始排放浓度与试验测量值的结果比较如图4所示，图中的每个数据点表示了不同的发动机工况条件下输入训练参数所产生的预测结果与对应工况下实际的测试结果。神经网络经过训练后，就可以进行新的试验以验证在没有输出结果的情况下，再次输入的训练参数是否能够产生精度足够高的预测结果。在对预测结果进行分析后，显示出预测结果和实际结果的偏差在合理的水平之内。

本发明方法所用数据输入较少的依赖于实际传感器的输出，而拥有自校正功能的压力曲线预估模型又保证了压力曲线的准确性，因此，从工厂标定的神经网络模型受发动机实际工作时的劣化或传感器特性的漂移等影响较小，能够保证NOx预估值的准确性。

本发明还可以通过控制器接收SCR催化器上下游的温度传感器采集的温度信号以及NOx传感器采集的催化器下游NOx浓度信号，通过和本发明方法得到的上游NOx浓度进行比较，得到SCR***实时的NOx转化效率，比对转化效率阈值从而做出NOx排放是否超标的判定。

Claims (1)

1.一种基于曲轴角速度传感器的柴油机NOx原始排放量预测方法，其特征在于，包括以下步骤：

(1)将进气温度、进气压力、喷油提前角、喷油量和发动机转速5个参数与柴油机的燃烧模型相结合，得到缸压预估子模型，对当前工况下的缸压曲线和放热率曲线进行预估；

(2)通过预估的缸压曲线预估曲轴的角速度频谱；

(3)通过磁电传感器测出实际的曲轴角速度频谱；

(4)通过已知的发动机点火频率，对所述预估曲轴的角速度频谱和实际的曲轴角速度频谱进行相位比较，得出着火延迟期曲轴持续角修正因子和后燃期曲轴持续角的修正因子；

(5)通过喷油提前角、空燃比、着火延迟期曲轴持续角的标定参考值和着火延迟期曲轴持续角修正因子得到修正后的着火延迟期的曲轴持续角；以及通过喷油提前角、空燃比、后燃期曲轴持续角的标定参考值和后燃期曲轴持续角的修正因子得到修正后的后燃期的曲轴持续角；

(6)通过修正后的着火延迟期的曲轴持续角得到第一次修正后的缸压曲线和修正后的放热率曲线；

(7)以第一次修正后的放热率曲线为参比曲线，对第一次修正后的缸压曲线进行再次修正，得到第二次修正后的缸压曲线，将第二次修正后的缸压曲线、发动机转速、空燃比和修正后的后燃期的曲轴持续角作为NOx排放预估模型的输入，即可获得NOx的排放量；

其中，步骤(7)中将所述第二次修正后的缸压曲线、发动机转速、空燃比用来估算在预混燃烧期内的NOx生成量；将所述修正后的后燃期的曲轴持续角、发动机转速、空燃比和第二次修正后的缸压曲线用来估算后燃期内的NOx生成量，两者之和即为每个发动机循环下NOx的排放量。