CN113281059B - 一种scr故障评估方法、scr装置及车辆 - Google Patents
一种scr故障评估方法、scr装置及车辆 Download PDFInfo
- Publication number
- CN113281059B CN113281059B CN202110540113.0A CN202110540113A CN113281059B CN 113281059 B CN113281059 B CN 113281059B CN 202110540113 A CN202110540113 A CN 202110540113A CN 113281059 B CN113281059 B CN 113281059B
- Authority
- CN
- China
- Prior art keywords
- test
- scr
- fault
- efficiency
- tested
- 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
Links
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及车辆技术领域,具体公开了一种SCR故障评估方法、SCR装置及车辆,该SCR故障评估方法先设定w个测试区P,然后将多个测试区P依次排列为P1~PW,并依序在P1~PW中对待测SCR进行效率测试;对待测SCR进行效率测试时,获取待测SCR于当前测试区中的实际效率,并计算待测SCR于当前测试区中的实际效率偏差,实际效率偏差=实际效率‑标准效率,依据实际效率偏差、故障关联度和效率偏差的关系式计算各个测试区的故障关联度,计算各个故障关联度的总和,若总和大于预设阈值,则待测SCR发生故障;若总和不大于预设阈值,则待测SCR正常。可通过故障关联度区分各个测试区的决策权重,保证测试结果更加准确。
Description
技术领域
本发明涉及车辆技术领域,尤其涉及一种SCR故障评估方法、SCR装置及车辆。
背景技术
SCR(Selective Catalitic Reduction,选择性催化还原技术)效率主要受温度和空速的影响,其中温度影响SCR中化学反应的速率,空速影响排放物质在SCR中进行化学反应的时间。在这两个主要因素中,温度对于SCR的效率影响尤为明显。
目前SCR诊断通常在同一个窗口中进行,以温度为例,来进行当前技术缺点的分析。在不同的温度下,正常件和劣化件之间的差异存在不同,在300℃以下,正常件和劣化件存在较大的差异;而300℃-500℃正常件和劣化件并无明显的效率差别。当前的SCR效率诊断逻辑为:选择同一个工况区段,其中SCR的温度区段也是选择了一个;正常来讲,这个区段应该选择在200℃-300℃之间,以提高诊断的区分度,保证诊断的准确性,但是,由于200℃-300℃之间对于柴油机而言很多车型会快速升温到300℃以上,这个区段无法保证诊断能够有足够的诊断执行率。
并且,在工况窗口中不同的效率所表征的对故障件的决策权重也没有区分,不同的效率数值本身对于判断故障件的决策权重是不一样的,比如80%以下转换效率为劣化件限值,如果现在计算得到的是79%那么有可能因为其他因素导致了效率偏低了一点,这时候以同样的检测计数是很容易误判的,而如果计算的是50%,则误判的概率是很小的。但目前策略中显然没有利用这个信息。
发明内容
本发明的目的在于:提供一种SCR故障评估方法、SCR装置及车辆,以提高对SCR效率的诊断的准确性。
一方面,本发明提供一种SCR故障评估方法,该SCR故障评估方法包括:
设定w个测试区P;任意的两个所述测试区P的测试条件不同,w为大于1的整数;
将多个测试区P依次排列为P1~PW;
依序在P1~PW中对待测SCR进行效率测试;其中,对待测SCR进行效率测试包括:获取待测SCR于当前测试区中的实际效率,并计算待测SCR于当前测试区中的实际效率偏差,实际效率偏差=实际效率-标准效率,依据实际效率偏差、故障关联度和效率偏差的关系式计算各个测试区的故障关联度;其中,标准效率为预设值,当前测试区为P1~PW中的任一个,测试区的故障关联度和效率偏差的关系式基于正常件关于效率偏差的概率密度分布函数和劣化件关于效率偏差的概率密度分布函数设定;
计算各个故障关联度的总和,若所述总和大于预设阈值,则待测SCR发生故障;若所述总和不大于预设阈值,则待测SCR正常。
作为SCR故障评估方法的优选技术方案,对待测SCR进行效率测试还包括位于所述依据实际效率偏差、故障关联度和效率偏差的关系式计算各个测试区的故障关联度之后的:
将P1至当前测试区中所测的故障关联度求和并得到总故障关联度,若总故障关联度大于预设阈值,则发出报警提示。
作为SCR故障评估方法的优选技术方案,若总故障关联度不大于预设阈值,则不发出报警提示,或取消已发出的报警提示。
作为SCR故障评估方法的优选技术方案,每个测试区均包括第一测试参数和第二测试参数,任意的两个所述测试区P中,所述第一测试参数和所述第二测试参数两者中的至少一者不同。
作为SCR故障评估方法的优选技术方案,设定w个测试区包括:
确定第一测试参数的测试范围和第二测试参数的测试范围;
将第一测试参数的测试范围分为n个第一测试区间,n为正整数;
将第二测试参数的测试范围分为m个第二测试区间,m为正整数,w=n*m;
每个第一测试区间均和m个第二测试区间构成m个测试区。
作为SCR故障评估方法的优选技术方案,所述第一测试参数为温度;所述第二测试参数为空速。
作为SCR故障评估方法的优选技术方案,当N1*N2≠0时,当前测试区的故障关联度和效率偏差的关系式为:
其中,a为当前测试区的故障关联度,N1为正常件关于效率偏差的概率密度分布函数;N2为劣化件关于效率偏差的概率密度分布函数;Maxa为当前测试区的最大故障关联度数值的倒数,且Maxa>1,Max(N1*N2)为N1*N2的最大值,当实际效率偏差≥0时,P等于1,当实际效率偏差<0时,P等于-1。
作为SCR故障评估方法的优选技术方案,当N1*N2=0时,当前测试区的故障关联度和效率偏差的关系式为:
a-1=Mina*P
其中,Mina为当前测试区的最小关联度数值的倒数,且Maxa>Mina>1。
另一方面,本发明提供一种SCR装置,采用上述任一方案中的SCR故障评估方法评估SCR是否发生故障。
再一方面,本发明提供一种车辆,包括上述SCR装置。
本发明的有益效果为:
本发明提供一种SCR故障评估方法、SCR装置及车辆,该SCR故障评估方法先设定w个测试区P,然后将多个测试区P依次排列为P1~PW,并依序在P1~PW中对待测SCR进行效率测试;对待测SCR进行效率测试时,获取待测SCR于当前测试区中的实际效率,并计算待测SCR于当前测试区中的实际效率偏差,实际效率偏差=实际效率-标准效率,依据实际效率偏差、故障关联度和效率偏差的关系式计算各个测试区的故障关联度,计算各个故障关联度的总和,若总和大于预设阈值,则待测SCR发生故障;若总和不大于预设阈值,则待测SCR正常。而测试区的故障关联度和效率偏差的关系式基于正常件关于效率偏差的概率密度分布函数和劣化件关于效率偏差的概率密度分布函数设定,从而可通过故障关联度区分各个测试区的决策权重,保证测试结果更加准确。
附图说明
图1为本发明实施例中SCR故障评估方法的流程图;
图2为本发明实施例中N1、N2以及N1*N2的示意图。
具体实施方式
下面将结合附图对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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发明和简化描述,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发明的限制。此外,术语“第一”、“第二”、仅用于描述目的,而不能理解为指示或暗示相对重要性。其中,术语“第一位置”和“第二位置”为两个不同的位置,而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本发明的描述中,需要说明的是,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,可以具体情况理解上述术语在本发明中的具体含义。
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示,本实施例提供一种SCR故障评估方法,该SCR故障评估方法包括以下步骤:
S10:设定w个测试区P,任意的两个测试区P的测试条件不同,w为大于1的整数。
可选地,每个测试区P均包括第一测试参数和第二测试参数,任意的两个测试区P中,第一测试参数和第二测试参数两者中的至少一者不同。优选地,第一测试参数为温度;第二测试参数为空速。在其他的实施例中,第一测试参数和第二测试参数还可根据需要进行设置;并且,在其他的实施例中,每个测试区P还可仅包括一个测试参数或者两个以上的测试参数。
具体地,设定w个测试区包括:确定第一测试参数的测试范围和第二测试参数的测试范围;将第一测试参数的测试范围分为n个第一测试区间,n为正整数;将第二测试参数的测试范围分为m个第二测试区间,m为正整数,w=n*m;每个第一测试区间均和m个第二测试区间构成m个测试区,如此设置,n个第一测试区间和m个第二测试区间可交织成n*m个测试区,即w个测试区。并且,在本实施例中,n和m均为大于等于2的正整数。
S20:将多个测试区P依次排列为P1~PW。
其中,在步骤S2中,可按照车辆启动后,随着时间的延续,各个测试区的测试参数依次满足的顺序设置P1~PW。
S30:依序在P1~PW中对待测SCR进行效率测试。
在S30中,可在w个测试区内对待测SCR依序进行测试,具体地,当车辆启动后,可从P1开始测试,并依序测试至PW。
其中,对待测SCR进行效率测试包括:
获取待测SCR于当前测试区中的实际效率,并计算待测SCR于当前测试区中的实际效率偏差,实际效率偏差=实际效率-标准效率,依据实际效率偏差、故障关联度和效率偏差的关系式计算各个测试区的故障关联度;其中,标准效率为预设值,当前测试区为P1~PW中的任一个,测试区的故障关联度和效率偏差的关系式基于正常件关于效率偏差的概率密度分布函数和劣化件关于效率偏差的概率密度分布函数设定。需要注意的是,实际效率的获取为现有技术,在此不再赘述。需要注意的是,故障关联度为相应测试区中评估待测SCR是否为故障件的评估因子,故障关联度越大则表明SCR为故障件的可能性就越大。
本实施例中,当前测试区的故障关联度和效率偏差的关系式为:
其中,a为当前测试区的故障关联度,N1为正常件关于效率偏差的概率密度分布函数;N2为劣化件关于效率偏差的概率密度分布函数;Maxa为当前测试区的最大故障关联度数值的倒数,Mina为当前测试区的最小关联度数值的倒数,且Maxa>Mina>1,Max(N1*N2)为N1*N2的最大值,当实际效率偏差≥0时,P等于1,当实际效率偏差<0时,P等于-1。
可以理解的是,正常件关于效率偏差的概率密度分布函数N1以及劣化件关于效率偏差的概率密度分布函数N2可通过前期的大量试验获得,其中,正常件的SCR效率位于设定范围内,劣化件的SCR效率位于设定范围外。对于不同的测试区,故障关联度和效率偏差的关系式中,N1和N2的函数是可以存在差异的,如图2所示,具体展示了温度为300℃-400℃,空速为500kg/h-800kg/h时,N1、N2、以及N1*N2关于效率偏差的概率密度分布函数。其中,N1、N2均为正态分布函数,对于每个实际效率偏差均存在唯一值,N1*N2可以表征同一实际效率偏差下SCR被误判的概率大小。从图2可以看出,当N1*N2≠0时,a的数值和N1*N2是负相关的,当实际效率偏差为0时,N1、N2取值最大,且Max(N1*N2)的值最大,此时N1*N2等于Max(N1*N2),a的绝对值最小为此时在该当前测试区的故障关联度较低;当N1*N2=0的时候,a的取值最大为此时在该当前测试区的故障关联度较高。
可选地,对待测SCR进行效率测试还包括位于依据实际效率偏差、故障关联度和效率偏差的关系式计算各个测试区的故障关联度之后的:将P1至当前测试区中所测的故障关联度求和得到总故障关联度,若总故障关联度大于预设阈值,则发出报警提示;若总故障关联度不大于预设阈值,则不发出报警提示,或取消已发出的报警提示。其中,在测试过程中,若发出报警,可实现故障的确认,当发出报警后,又取消报警,可实现故障的治愈。可以理解的是,当发出报警时,意味着SCR于当前测试区存在故障隐患,若后续报警取消,则意味着报警是由于其他因素导致,若后续报警持续且未取消,则最终确定SCR出现故障。
S40:计算各个故障关联度的总和,若总和大于预设阈值,则待测SCR发生故障;若总和不大于预设阈值,则待测SCR正常。通过各个故障关联度的总和可综合评估待测SCR是否能够满足工作需要。
本发明提供的SCR故障评估方法,在测试SCR效率时,通过当前测试区获取的待测SCR的实际效率计算实际效率偏差,基于实际效率偏差以及故障关联度和效率偏差的关系式,计算当前测试区的故障关联度,而测试区的故障关联度和效率偏差的关系式基于正常件关于效率偏差的概率密度分布函数和劣化件关于效率偏差的概率密度分布函数设定,从而可通过故障关联度区分各个测试区的决策权重,测试结果更加准确,并且通过总故障关联度和预设阈值比较,可以实现故障的确认和治愈。
本实施例还提供一种SCR装置,采用上述SCR故障评估方法评估SCR是否发生故障。
本实施例还提供一种车辆,包括上述SCR装置。
显然,本发明的上述实施例仅仅是为了清楚说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种SCR故障评估方法,其特征在于,包括:
设定w个测试区P;任意的两个所述测试区P的测试条件不同,w为大于1的整数;
将多个测试区P依次排列为P1~PW;
依序在P1~PW中对待测SCR进行效率测试;其中,对待测SCR进行效率测试包括:获取待测SCR于当前测试区中的实际效率,并计算待测SCR于当前测试区中的实际效率偏差,实际效率偏差=实际效率-标准效率,依据实际效率偏差、故障关联度和效率偏差的关系式计算各个测试区的故障关联度;其中,标准效率为预设值,当前测试区为P1~PW中的任一个,测试区的故障关联度和效率偏差的关系式基于正常件关于效率偏差的概率密度分布函数和劣化件关于效率偏差的概率密度分布函数设定;
计算各个故障关联度的总和,若所述总和大于预设阈值,则待测SCR发生故障;若所述总和不大于预设阈值,则待测SCR正常;
当N1*N2≠0时,当前测试区的故障关联度和效率偏差的关系式为:
其中,a为当前测试区的故障关联度,N1为正常件关于效率偏差的概率密度分布函数;N2为劣化件关于效率偏差的概率密度分布函数;Maxa为当前测试区的最大故障关联度数值的倒数,且Maxa>1,Max(N1*N2)为N1*N2的最大值,当实际效率偏差≥0时,P等于1,当实际效率偏差<0时,P等于-1;
当N1*N2=0时,当前测试区的故障关联度和效率偏差的关系式为:
a-1=Mina*P
其中,Mina为当前测试区的最小关联度数值的倒数,且Maxa>Mina>1。
2.根据权利要求1所述的SCR故障评估方法,其特征在于,对待测SCR进行效率测试还包括位于所述依据实际效率偏差、故障关联度和效率偏差的关系式计算各个测试区的故障关联度之后的:
将P1至当前测试区中所测的故障关联度求和并得到总故障关联度,若总故障关联度大于预设阈值,则发出报警提示。
3.根据权利要求2所述的SCR故障评估方法,其特征在于,若总故障关联度不大于预设阈值,则不发出报警提示,或取消已发出的报警提示。
4.根据权利要求1所述的SCR故障评估方法,其特征在于,每个测试区均包括第一测试参数和第二测试参数,任意的两个所述测试区P中,所述第一测试参数和所述第二测试参数两者中的至少一者不同。
5.根据权利要求4所述的SCR故障评估方法,其特征在于,设定w个测试区包括:
确定第一测试参数的测试范围和第二测试参数的测试范围;
将第一测试参数的测试范围分为n个第一测试区间,n为正整数;
将第二测试参数的测试范围分为m个第二测试区间,m为正整数,w=n*m;
每个第一测试区间均和m个第二测试区间构成m个测试区。
6.根据权利要求5所述的SCR故障评估方法,其特征在于,所述第一测试参数为温度;所述第二测试参数为空速。
7.一种SCR装置,其特征在于,采用权利要求1-6任一项所述的SCR故障评估方法评估SCR是否发生故障。
8.一种车辆,其特征在于,包括权利要求7所述的SCR装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110540113.0A CN113281059B (zh) | 2021-05-18 | 2021-05-18 | 一种scr故障评估方法、scr装置及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110540113.0A CN113281059B (zh) | 2021-05-18 | 2021-05-18 | 一种scr故障评估方法、scr装置及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113281059A CN113281059A (zh) | 2021-08-20 |
CN113281059B true CN113281059B (zh) | 2022-09-23 |
Family
ID=77279631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110540113.0A Active CN113281059B (zh) | 2021-05-18 | 2021-05-18 | 一种scr故障评估方法、scr装置及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113281059B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779494B (zh) * | 2021-09-22 | 2023-10-20 | 潍柴动力股份有限公司 | Scr故障诊断方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650157A (zh) * | 2016-12-30 | 2017-05-10 | 上海擎感智能科技有限公司 | 车辆零部件故障发生概率估算方法、装置及*** |
CN111382943A (zh) * | 2020-03-09 | 2020-07-07 | 西北工业大学 | 一种基于加权灰色关联度分析的故障诊断评估方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8091416B2 (en) * | 2009-01-16 | 2012-01-10 | GM Global Technology Operations LLC | Robust design of diagnostic enabling conditions for SCR NOx conversion efficiency monitor |
GB2485775A (en) * | 2010-11-23 | 2012-05-30 | Gm Global Tech Operations Inc | Method of diagnosing a fault in a selective catalytic reduction system |
SE536951C2 (sv) * | 2013-02-13 | 2014-11-11 | Scania Cv Ab | Anordning och förfarande för felsökning vid ett SCR-system |
CN104238545B (zh) * | 2014-07-10 | 2017-02-01 | 中国石油大学(北京) | 一种石油炼化生产过程故障诊断和预警***及其建立方法 |
DE102016211572A1 (de) * | 2016-06-28 | 2017-12-28 | Robert Bosch Gmbh | Fehlererkennung in einem SCR-System mittels Wirkungsgrad |
CN110555049A (zh) * | 2018-03-30 | 2019-12-10 | 浙江华云信息科技有限公司 | 基于计量异常关联度模型的故障原因疑似度分析方法 |
CN111126759B (zh) * | 2019-11-18 | 2023-01-10 | 国网浙江省电力有限公司 | 一种基于异常事件故障关联度的电能表状态评估方法 |
-
2021
- 2021-05-18 CN CN202110540113.0A patent/CN113281059B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650157A (zh) * | 2016-12-30 | 2017-05-10 | 上海擎感智能科技有限公司 | 车辆零部件故障发生概率估算方法、装置及*** |
CN111382943A (zh) * | 2020-03-09 | 2020-07-07 | 西北工业大学 | 一种基于加权灰色关联度分析的故障诊断评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113281059A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6836708B2 (en) | Monitoring of vehicle health based on historical information | |
CN106527403A (zh) | 车辆智能诊断方法及装置 | |
CN113281059B (zh) | 一种scr故障评估方法、scr装置及车辆 | |
US10975794B2 (en) | Method of fault isolation for systems with existing diagnostics | |
CN111173603B (zh) | 一种尿素消耗量的监测方法、装置及*** | |
EP4113539A1 (en) | Method and system for intelligent monitoring of state of nuclear power plant | |
CN111042901A (zh) | 一种氮氧化合物转化效率诊断次数的调整方法及装置 | |
CN113567874B (zh) | 动力电池安全状态的监控检测方法及装置 | |
US11448155B2 (en) | Process for testing a plurality of components of an exhaust gas aftertreatment system | |
CN111983488B (zh) | 一种电池管理***及其电压信号处理方法 | |
CN113702055B (zh) | 柴油机故障监测方法、装置、计算机设备和存储介质 | |
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 | |
CN116735223A (zh) | 一种燃气轮机多参数异常检测的方法 | |
CN113779494B (zh) | Scr故障诊断方法和装置 | |
EP3574193B1 (en) | Method for monitoring components in an exhaust aftertreatment system and engine arrangement including exhaust aftertreatment system monitoring arrangement | |
CN109919337A (zh) | 一种汽车故障诊断与指导方法及*** | |
JPH07166939A (ja) | 排ガス酸素センサと電子機関制御装置の動作を診断する方法 | |
CN114738132A (zh) | 基于实船数据的增压器转速传感器故障诊断方法及*** | |
CN114352419A (zh) | 一种车辆排放控制方法及车辆 | |
CN104834302B (zh) | 车载排放诊断***、车辆及方法 | |
CN114370324B (zh) | 一种诊断dpf***故障的方法及车辆 | |
CN115022151B (zh) | 一种泵机组状态监测分析方法及*** | |
CN117668498B (zh) | 基于可靠性分布和异常探测的泵健康评估方法 | |
CN117052511A (zh) | 一种尿素泵的故障检测方法及故障检测*** | |
CN115142995B (zh) | 废气再循环***的监测方法、装置、***和存储介质 |
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 |