CN112761757B - 一种dpf初始化自学习方法及装置 - Google Patents

Abstract

本申请涉及一种DPF初始化自学习方法及装置，涉及内燃机排气后处理技术领域，通过获取到的预设车辆里程内的DPF入口温度、排气质量流量和DPF压差对压差与排气质量流量的关系函数进行拟合，得到DPF初始压差参数，并根据该DPF初始压差参数计算得到DPF初始压差，由于DPF初始压差参数充分反应了压差与气体流经DPF时的摩擦与渗透的关系以及压差与通道截面积变化带来的空气压缩膨胀的关系，因此通过该DPF初始压差参数计算得到的DPF初始压差即是每个载体本身实际的DPF压差，可有效减小由于DPF载体的加工差异和涂抹氧化涂层材料而导致的流阻偏差，进而提高DPF碳载量的预测准确度且有效降低了DPF初始化的成本。

Description

一种DPF初始化自学习方法及装置

技术领域

本申请涉及内燃机排气后处理技术领域，特别涉及一种DPF初始化自学习方法及装置。

背景技术

DPF(Diesel Particulate Filter，柴油机颗粒捕集器)是柴油机满足排放法规要求的必备后处理装置。DPF通过物理过滤的方式对柴油机排气中的PM(ParticulateMatter，颗粒物)进行捕集，进而降低柴油机的PM排放。但是，随着颗粒物在DPF孔道中的累积，DPF的压降会越来越大，以致会增大发动机的排气背压，进而恶化发动机的油耗，严重时甚至会直接堵塞排气管，导致发动机损坏。因此，在DPF使用过程中，一般需要周期性地对DPF执行再生操作，以将DPF中累积的碳烟氧化去除，使DPF的流动阻力控制在合理的范围内，保证发动机和DPF的正常工作。

现有的DPF碳载量预测模型一般是通过预先标定好的DPF碳载量与DPF前后压差之间的关联关系，通过压差传感器测得的DPF前后的压差，结合发动机排气流量及DPF入口温度，对DPF中的碳载量进行估计。但是不同的DPF载体加工过程存在差异，同一批次不同载体的流阻(DPF压差与通过载体空气的体积流量的比值)偏差在10％左右；且当DPF载体再涂上氧化涂层材料，该偏差会进一步放大到15％左右，由于DPF碳载量和流阻是一一对应的，即流阻变化会直接导致碳载量变化，因此流阻偏差将直接导致DPF碳载量出现偏差，进而使得DPF的碳载量预测不准确。

相关技术中，通过在发动机处于停机状态时，采用风机运转给DPF提供恒定的空气质量流量，并测量DPF载体的压差，再根据测量时流经DPF载体空气质量流量、DPF载体体积和DPF载体的压差换算出DPF流阻，并根据流阻和碳载量对应关系表计算得到碳载量的偏差值，该方法可在一定程度上解决DPF载体由于加工误差而给DPF碳载量计算带来的误差；但是，由于该方法需要在发动机处于停机状态时，通过风机运转给DPF提供恒定的空气质量流量，提出了附加设备的要求，增加了主机厂DPF初始化的成本；并且，使用恒定的空气质量流量只能得到DPF压差中与空气质量流量呈线性关系的组分(空气流经时的摩擦与渗透)，不能得到与空气质量流量平方相关的组分(通道截面积变化带来的空气压缩膨胀)，其无法完全消灭DPF载体加工误差对DPF碳载量计算所产生的影响，以致DPF碳载量的预测依然存在误差。

发明内容

本申请实施例提供一种DPF初始化自学习方法及装置，以解决相关技术中DPF载体的加工误差对DPF碳载量预测的影响和DPF初始化成本高的问题。

第一方面，提供了一种DPF初始化自学习方法，包括以下步骤:

分别获取预设车辆里程内的DPF入口温度、排气质量流量、DPF压差；

根据所述DPF入口温度、所述排气质量流量和所述DPF压差拟合压差与排气质量流量的关系函数，得到DPF初始压差参数；

根据所述DPF初始压差参数计算DPF初始压差。

一些实施例中，在所述根据所述DPF初始压差参数计算DPF初始压差之后，还包括：

获取DPF实际压差；

根据所述DPF实际压差和所述DPF初始压差计算得到碳载量压差；

根据所述碳载量压差估算DPF碳载量。

一些实施例中,所述关系函数包括压差与排气质量流量间的线性关系和非线性关系。

一些实施例中,所述关系函数包括：

ΔP_init＝a·μ·Q+b·ρ·Q²

式中，ΔP_init为DPF初始压差，a为线性DPF初始压差参数，b为非线性DPF初始压差参数，μ为排气动力学粘度，ρ为排气密度，Q为排气质量流量。

一些实施例中,在所述分别获取预设车辆里程内的DPF入口温度、排气质量流量、DPF压差之前，还包括：

在所述DPF的入口处设置温度传感器，所述传感器用于采集所述DPF入口温度；

在发动机的进气管上设置流量传感器，所述流量传感器用于采集所述排气质量流量；

分别在所述DPF的两端设置压差传感器，所述压差传感器用于采集所述DPF压差。

第二方面，提供了一种DPF初始化自学习装置，包括：

数据获取单元，其用于分别获取预设车辆里程内的DPF入口温度、排气质量流量、DPF压差；

拟合函数单元，其用于根据所述DPF入口温度、所述排气质量流量和所述DPF压差拟合压差与排气质量流量的关系函数，得到DPF初始压差参数；

压差计算单元，其用于根据所述DPF初始压差参数计算DPF初始压差。

一些实施例中,所述装置还包括碳载量估算单元，其用于：

获取DPF实际压差；

根据所述DPF实际压差和所述DPF初始压差计算得到碳载量压差；

根据所述碳载量压差估算DPF碳载量。

一些实施例中,所述关系函数包括压差与排气质量流量间的线性关系和非线性关系。

一些实施例中,所述关系函数包括：

ΔP_init＝a·μ·Q+b·ρ·Q²

式中，ΔP_init为DPF初始压差，a为线性DPF初始压差参数，b为非线性DPF初始压差参数，μ为排气动力学粘度，ρ为排气密度，Q为排气质量流量。

一些实施例中,所述装置还包括数据采集单元，所述数据采集单元包括：

温度传感器，所述温度传感器设于所述DPF的入口处，其用于采集所述DPF入口温度；

流量传感器，所述流量传感器设于发动机的进气管上，其用于采集所述排气质量流量；

两压差传感器，两所述压差传感器分别设于所述DPF的两端，其用于采集所述DPF压差。

本申请提供的技术方案带来的有益效果包括：有效避免了DPF载体的加工误差对DPF碳载量预测的影响，并降低了DPF初始化的成本。

本申请实施例提供了一种DPF初始化自学习方法及装置，通过获取到的预设车辆里程内的DPF入口温度、排气质量流量和DPF压差对压差与排气质量流量的关系函数进行拟合，得到了DPF初始压差参数，并根据该DPF初始压差参数计算得到DPF初始压差，由于通过拟合压差与排气质量流量的关系函数得到的DPF初始压差参数充分反应了压差与气体流经DPF时的摩擦与渗透的关系以及压差与通道截面积变化带来的空气压缩膨胀的关系，因此通过该DPF初始压差参数计算得到的DPF初始压差即是每个载体本身实际的DPF压差，其可有效减小由于DPF载体的加工差异和涂抹氧化涂层材料而导致的流阻偏差，进而提高DPF碳载量的预测准确度；且由于DPF初始压差参数是在发动机处于正常运行状态下计算得到的，无需使发动机处于停机状态并通过风机运转给DPF提供恒定的空气质量流量，有效降低了DPF初始化的成本。因此本申请实施例有效避免了DPF载体的加工误差对DPF碳载量预测的影响，并降低了DPF初始化的成本。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种DPF初始化自学习方法的流程示意图；

图2为本申请实施例提供的一种DPF初始化自学习装置的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供了一种DPF初始化自学习方法及装置，其能解决相关技术中DPF载体的加工误差对DPF碳载量预测的影响和DPF初始化成本高的问题。

图1是本申请实施例提供的一种DPF初始化自学习方法，包括以下步骤：

S1：分别获取预设车辆里程内的DPF入口温度、排气质量流量、DPF压差。

S2：根据DPF入口温度、排气质量流量和DPF压差拟合压差与排气质量流量的关系函数，得到DPF初始压差参数。

S3：根据DPF初始压差参数计算DPF初始压差。

通过获取到的预设车辆里程内的DPF入口温度、排气质量流量和DPF压差对压差与排气质量流量的关系函数进行拟合，得到了DPF初始压差参数，并根据该DPF初始压差参数计算得到DPF初始压差，由于通过拟合压差与排气质量流量的关系函数得到的DPF初始压差参数充分反应了压差与气体流经DPF时的摩擦与渗透的关系以及压差与通道截面积变化带来的空气压缩膨胀的关系，因此通过该DPF初始压差参数计算得到的DPF初始压差即是每个载体本身实际的DPF压差，其可有效减小由于DPF载体的加工差异和涂抹氧化涂层材料而导致的流阻偏差，进而提高DPF碳载量的预测准确度；且由于DPF初始压差参数是在发动机处于正常运行状态下计算得到的，无需使发动机处于停机状态并通过风机运转给DPF提供恒定的空气质量流量，有效降低了DPF初始化的成本。因此本申请实施例有效避免了DPF载体的加工误差对DPF碳载量预测的影响，并降低了DPF初始化的成本。

更进一步的，在本申请实施例中，在根据DPF初始压差参数计算DPF初始压差之后，还包括以下步骤：

获取DPF实际压差；

根据DPF实际压差和DPF初始压差计算得到碳载量压差；

根据碳载量压差估算DPF碳载量；

具体公式如下：

ΔP_soot＝ΔP_measure-ΔP_init

式中，ΔP_soot为碳载量压差，ΔP_measure为DPF实际压差，ΔP_init为DPF初始压差，通过DPF实际压差和DPF初始压差对碳载量压差进行校正，并通过校正后的碳载量压差进行DPF碳载量的估算，可以有效提高DPF碳载量估算的准确性。

更进一步的，在本申请实施例中，关系函数包括压差与排气质量流量间的线性关系和非线性关系，即DPF初始压差由两部分组成：一部分与气体流经DPF时的摩擦与渗透有关，该部分与排气质量流量成正比，与当前排气动力学粘度成正比；另一部分与通道截面积变化带来的空气压缩膨胀有关，该部分与排气质量流量的平方成正比，与排气密度呈正比；具体的，关系函数包括：

ΔP_init＝a·μ·Q+b·ρ·Q²

式中，ΔP_init为DPF初始压差，a为线性DPF初始压差参数，b为非线性DPF初始压差参数，μ为排气动力学粘度，ρ为排气密度，Q为排气质量流量。

更进一步的，在本申请实施例中，在分别获取预设车辆里程内的DPF入口温度、排气质量流量、DPF压差之前，还包括：

在DPF的入口处设置温度传感器，传感器用于采集DPF入口温度；

在发动机的进气管上设置流量传感器，流量传感器用于采集排气质量流量；

分别在DPF的两端设置压差传感器，压差传感器用于采集DPF压差。

具体的，本申请实施例的DPF初始化自学习方法为：在DPF初始安装后，在一定车辆里程内(或满足足够的采样点数截止)，在满足一定采样工况的条件下(工况稳定，流量传感器、排温传感器、压差传感器均处于正常状态，且流量、温度、压差均处于传感器工作范围内)，对排气质量流量、DPF入口温度、DPF压差进行记录，此时DPF内碳载量较小，对压差的影响可忽略，对压差与排气质量流量的关系函数进行拟合，即可得到DPF初始压差参数a和b，完成DPF初始压差参数的初始化工作；再根据DPF实际压差和DPF初始压差计算得到碳载量压差；最后，根据碳载量压差估算DPF碳载量，有效提高了DPF碳载量估算的准确性。

参见图2所示，本申请实施例还提供了一种DPF初始化自学习装置，包括数据获取单元、拟合函数单元和压差计算单元，其中，

数据获取单元用于分别获取预设车辆里程内的DPF入口温度、排气质量流量、DPF压差；

拟合函数单元用于根据DPF入口温度、排气质量流量和DPF压差拟合压差与排气质量流量的关系函数，得到DPF初始压差参数；

压差计算单元用于根据DPF初始压差参数计算DPF初始压差。

拟合函数单元通过数据获取单元获取到的预设车辆里程内的DPF入口温度、排气质量流量和DPF压差对压差与排气质量流量的关系函数进行拟合，得到了DPF初始压差参数，压差计算单元根据该DPF初始压差参数计算得到DPF初始压差，由于通过拟合压差与排气质量流量的关系函数得到的DPF初始压差参数充分反应了压差与气体流经DPF时的摩擦与渗透的关系以及压差与通道截面积变化带来的空气压缩膨胀的关系，因此通过该DPF初始压差参数计算得到的DPF初始压差即是每个载体本身实际的DPF压差，其可有效减小由于DPF载体的加工差异和涂抹氧化涂层材料而导致的流阻偏差，进而提高DPF碳载量的预测准确度；且由于DPF初始压差参数是在发动机处于正常运行状态下计算得到的，无需使发动机处于停机状态并通过风机运转给DPF提供恒定的空气质量流量，有效降低了DPF初始化的成本。因此本申请实施例有效避免了DPF载体的加工误差对DPF碳载量预测的影响，并降低了DPF初始化的成本。

更进一步的，在本申请实施例中，装置还包括碳载量估算单元，其用于：

获取DPF实际压差；

根据DPF实际压差和DPF初始压差计算得到碳载量压差；

根据碳载量压差估算DPF碳载量；

具体公式如下：

ΔP_soot＝ΔP_measure-ΔP_init

式中，ΔP_soot为碳载量压差，ΔP_measure为DPF实际压差，ΔP_init为DPF初始压差，通过DPF实际压差和DPF初始压差对碳载量压差进行校正，并通过校正后的碳载量压差进行DPF碳载量的估算，可以有效提高DPF碳载量估算的准确性。

更进一步的，在本申请实施例中，关系函数包括压差与排气质量流量间的线性关系和非线性关系，即DPF初始压差由两部分组成：一部分与气体流经DPF时的摩擦与渗透有关，该部分与排气质量流量成正比，与当前排气动力学粘度成正比；另一部分与通道截面积变化带来的空气压缩膨胀有关，该部分与排气质量流量的平方成正比，与排气密度呈正比；具体的，关系函数包括：

ΔP_init＝a·μ·Q+b·ρ·Q²

式中，ΔP_init为DPF初始压差，a为线性DPF初始压差参数，b为非线性DPF初始压差参数，μ为排气动力学粘度，ρ为排气密度，Q为排气质量流量。

更进一步的，在本申请实施例中，装置还包括数据采集单元，该数据采集单元包括温度传感器、流量传感器和两压差传感器，其中，

温度传感器设于DPF的入口处，其用于采集DPF入口温度；

流量传感器设于发动机的进气管上，其用于采集排气质量流量；

两压差传感器分别设于DPF的两端，其用于采集DPF压差。

在本申请的描述中，需要说明的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

需要说明的是，在本申请中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种DPF初始化自学习方法，其特征在于，包括以下步骤：

分别获取预设车辆里程内的DPF入口温度、排气质量流量、DPF压差；

根据所述DPF入口温度、所述排气质量流量和所述DPF压差拟合DPF压差与排气质量流量的关系函数，得到DPF初始压差参数；

根据所述DPF初始压差参数计算DPF初始压差。

2.如权利要求1所述的一种DPF初始化自学习方法，其特征在于，在所述根据所述DPF初始压差参数计算DPF初始压差之后，还包括：

获取DPF实际压差；

根据所述DPF实际压差和所述DPF初始压差计算得到碳载量压差；

根据所述碳载量压差估算DPF碳载量。

3.如权利要求1所述的一种DPF初始化自学习方法，其特征在于：所述关系函数包括DPF压差与排气质量流量间的线性关系和非线性关系。

4.如权利要求3所述的一种DPF初始化自学习方法，其特征在于，所述关系函数包括：

ΔP_init＝a·μ·Q+b·ρ·Q²

式中，ΔP_init为DPF初始压差，a为线性DPF初始压差参数，b为非线性DPF初始压差参数，μ为排气动力学粘度，ρ为排气密度，Q为排气质量流量。

5.一种DPF初始化自学习装置，其特征在于，包括：

数据获取单元，其用于分别获取预设车辆里程内的DPF入口温度、排气质量流量、DPF压差；

拟合函数单元，其用于根据所述DPF入口温度、所述排气质量流量和所述DPF压差拟合DPF压差与排气质量流量的关系函数，得到DPF初始压差参数；

压差计算单元，其用于根据所述DPF初始压差参数计算DPF初始压差。

6.如权利要求5所述的一种DPF初始化自学习装置，其特征在于，所述装置还包括碳载量估算单元，其用于：

获取DPF实际压差；

根据所述DPF实际压差和所述DPF初始压差计算得到碳载量压差；

根据所述碳载量压差估算DPF碳载量。

7.如权利要求5所述的一种DPF初始化自学习装置，其特征在于：所述关系函数包括DPF压差与排气质量流量间的线性关系和非线性关系。

8.如权利要求6所述的一种DPF初始化自学习装置，其特征在于，所述关系函数包括：

ΔP_init＝a·μ·Q+b·ρ·Q²

式中，ΔP_init为DPF初始压差，a为线性DPF初始压差参数，b为非线性DPF初始压差参数，μ为排气动力学粘度，ρ为排气密度，Q为排气质量流量。

Images