DE102020210551B4 - Verfahren und Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine - Google Patents

Verfahren und Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine Download PDF

Info

Publication number
DE102020210551B4
DE102020210551B4 DE102020210551.0A DE102020210551A DE102020210551B4 DE 102020210551 B4 DE102020210551 B4 DE 102020210551B4 DE 102020210551 A DE102020210551 A DE 102020210551A DE 102020210551 B4 DE102020210551 B4 DE 102020210551B4
Authority
DE
Germany
Prior art keywords
exhaust gas
oxygen
catalytic converter
gas catalytic
oxygen loading
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
Application number
DE102020210551.0A
Other languages
English (en)
Other versions
DE102020210551A1 (de
Inventor
Anselm Wieland
Matthias Thalhamer
Raphael Distler
Anatoliy Lyubar
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.)
Vitesco Technologies GmbH
Original Assignee
Vitesco Technologies GmbH
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 Vitesco Technologies GmbH filed Critical Vitesco Technologies GmbH
Priority to DE102020210551.0A priority Critical patent/DE102020210551B4/de
Priority to PCT/EP2021/072177 priority patent/WO2022037987A1/de
Publication of DE102020210551A1 publication Critical patent/DE102020210551A1/de
Application granted granted Critical
Publication of DE102020210551B4 publication Critical patent/DE102020210551B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01NGAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N3/00Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust
    • F01N3/08Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous
    • F01N3/10Exhaust or silencing apparatus having means for purifying, rendering innocuous, or otherwise treating exhaust for rendering innocuous by thermal or catalytic conversion of noxious components of exhaust
    • F01N3/101Three-way catalysts
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01NGAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N11/00Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
    • F01N11/007Monitoring 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
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01NGAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2560/00Exhaust systems with means for detecting or measuring exhaust gas components or characteristics
    • F01N2560/02Exhaust systems with means for detecting or measuring exhaust gas components or characteristics the means being an exhaust gas sensor
    • F01N2560/025Exhaust systems with means for detecting or measuring exhaust gas components or characteristics the means being an exhaust gas sensor for measuring or detecting O2, e.g. lambda sensors
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01NGAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/04Methods of control or diagnosing
    • F01N2900/0406Methods of control or diagnosing using a model with a division of the catalyst or filter in several cells
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01NGAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/06Parameters used for exhaust control or diagnosing
    • F01N2900/14Parameters used for exhaust control or diagnosing said parameters being related to the exhaust gas
    • F01N2900/1411Exhaust gas flow rate, e.g. mass flow rate or volumetric flow rate
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01NGAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/06Parameters used for exhaust control or diagnosing
    • F01N2900/16Parameters used for exhaust control or diagnosing said parameters being related to the exhaust apparatus, e.g. particulate filter or catalyst
    • F01N2900/1624Catalyst oxygen storage capacity
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/12Improving ICE efficiencies
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Materials Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Exhaust Gas After Treatment (AREA)

Abstract

Verfahren zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators (120) eines Abgastrakts (110) einer Brennkraftmaschine (100), wobei der Abgastrakt (110) einen in Abgasströmungsrichtung stromauf des Abgaskatalysators (120) angeordneten ersten Lambdasensor (130) und einen in Abgasströmungsrichtung stromab des Abgaskatalysators (120) angeordneten zweiten Lambdasensor (130) aufweist, der ein zweites Lambdasignal (250) erfasst und dazu eingerichtet ist einen Abgaskatalysatordurchbruch zu detektieren, wobei das Verfahren die folgenden Schritte aufweist:- Betreiben der Brennkraftmaschine (100) und erfassen eines ersten Lambdasignals (240) des ersten Lambdasensors (130), das charakteristisch für den Sauerstoffgehalt des Abgases stromauf des Abgaskatalysators (120) ist;- Ermitteln eines Sauerstoffzufuhrstroms in den Abgaskatalysator (120) mittels des ermittelten ersten Lambdasignals (240) und einem Abgasmassenstrom stromauf des Abgaskatalysators (120);- Bereitstellen eines Sauerstoffbeladungsmodells (300) des Abgaskatalysators (120) und ermitteln der Sauerstoffbeladung des Abgaskatalysators (120) mittels des Sauerstoffzufuhrstroms und des Sauerstoffbeladungsmodells (300);- Steuern von Betriebsparametern (290) der Brennkraftmaschine (100) zur Steuerung der Sauerstoffbeladung des Abgaskatalysators (120) mittels der ermittelten Sauerstoffbeladung,wobei das Sauerstoffbeladungsmodell (300) ein Schichtmodell des Abgaskatalysators beinhaltet, wobei das Schichtmodell eine Mehrzahl von Sauerstoffbeladungsmodellschichten (320) umfasst, und die Sauerstoffbeladung der einzelnen Schichten ermittelt wird und die Sauerstoffbeladung des Abgaskatalysators (120) mittels der Sauerstoffbeladung der einzelnen Sauerstoffbeladungsmodellschichten ermittelt wird,wobei zu jeder Sauerstoffbeladungsmodellschicht (320) ein entsprechender Eingangssauerstoffmassenstrom und ein Ausgangssauerstoffmassenstrom ermittelt wird, wobei eine Sauerstoffbeladung der jeweiligen Sauerstoffbeladungsmodellschicht (320) mittels des Eingangssauerstoffmassenstroms und des Ausgangssauerstoffmassenstrom ermittelt wird,wobei der Eingangssauerstoffmassenstrom in die erste von Abgas durchströmte Sauerstoffbeladungsmodellschicht (320) mittels des Abgasmassenstroms stromauf des Abgaskatalysators (130) und des ersten Lambdasignals (240) ermittelt wird und der Ausgangssauerstoffmassenstrom aus der ersten Sauerstoffbeladungsmodellschicht (320) mittels einer Annäherung durch ein neuronales Netz (510) ermittelt wird, wobei der ermittelte Ausgangssauerstoffmassenstrom aus der ersten Sauerstoffbeladungsmodellschicht (320) der Eingangssauerstoffmassenstrom in die stromab nachfolgende Sauerstoffbeladungsmodellschicht (320) ist und der Ausgangssauerstoffmassenstrom aus der nächsten Sauerstoffbeladungsmodellschicht (320) mittels einer Annäherung durch das neuronale Netz (510) ermittelt wird,wobei ein Trainingsprozess des neuronalen Netzes (510) mittels bestärkenden Lernens durch ein Monte-Carlo Verfahren durchgeführt wird und zur Verifikation der Trainingsergebnisse während des Trainingsprozesses Testdaten des zweiten Lambdasignals (250) herangezogen werden und erkannt wird, dass das neuronale Netz gut trainiert ist, wenn von dem Sauerstoffbeladungsmodell (300) vorhergesagte Abgaskatalysatordurchbrüche mit aus den Testdaten des zweiten Lambdasignals (250) detektierten Abgaskatalysatordurchbrüchen mit einer vordefinierten Genauigkeit übereinstimmen.

Description

  • Die vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine, wobei der Abgastrakt einen im Abgasströmungsrichtung stromauf des Abgaskatalysators angeordneten ersten Lambdasensor aufweist.
  • Aufgrund weltweit stetig strenger werdender Regulierung hinsichtlich Abgasanforderungen für Brennkraftmaschinen, wie beispielsweise Otto- und Dieselmotoren, werden Grenzwerte für zulässige gasförmige Emissionen von Behörden zunehmend weiter herabgesetzt werden. Insbesondere die Limitierung von Stickoxiden (NOx) und Ammoniak (NH3) stehen hierbei im Fokus der Regulierungen. Zur Reduzierung der genannten Emissionen werden in einer herkömmlichen Brennkraftmaschine Abgasnachbehandlungseinrichtungen wie beispielsweise ein Abgaskatalysator verbaut. Derartige Abgaskatalysatoren sind beispielsweise 3- oder 4-Wege Abgaskatalysatoren.
  • Der Abgaskatalysator reduziert im Betrieb der Brennkraftmaschine die Stickoxide (NOx) zu Stickstoff und Sauerstoff und oxidiert Kohlenwasserstoffe, Kohlenstoffmonoxid und Ammoniak.
  • Damit die Reduzierung und Oxidierung der genannten unerwünschten Schadstoffe wie gewünscht stattfinden kann, muss eine bestimmte Sauerstoffbeladung in dem Abgaskatalysator vorherrschen. Die Konvertierungsfähigkeit des Abgaskatalysators für die einzelnen Bestandteile des Abgases hängt demgemäß maßgeblich von der Verfügbarkeit von Sauerstoff und der Aufnahmefähigkeit von Sauerstoff im Abgaskatalysator ab.
  • Als Gedankenmodell kann der Abgaskatalysator als „Eimermodell“ betrachtet werden. Der Abgaskatalysator ist demgemäß ein mit Sauerstoff gefüllter Eimer. Ist dieser Eimer mit Sauerstoff gefüllt, aber nicht überfüllt, kann weiterer Sauerstoff durch die Reduktion von Stickoxiden in dem Abgaskatalysator aufgenommen werden beziehungsweise können die Stickoxide überhaupt aufgenommen werden. Ist der „Eimer“ voll beziehungsweise überfüllt, dann können die Stickoxide nicht weiter reduziert werden und werden in die Umwelt emittiert. Ist der „Eimer“ hingegen leer, dann können Kohlenstoffwasserstoffe, Kohlenstoffmonoxide und Ammoniak nicht oxidiert werden, da kein Sauerstoff in dem Abgaskatalysator dafür zur Verfügung steht. Auch in diesem Fall werden die Emissionen in die Umwelt emittiert.
  • Wenn die Schadstoffe nicht wie gewünscht im Abgaskatalysator konvertiert werden wird von einem Abgaskatalysatordurchbruch gesprochen.
  • Zur Überwachung beziehungsweise zur Steuerung der Sauerstoffbeladung von Abgaskatalysatoren in Brennkraftmaschinen wird herkömmlich ein Messsignal einer binären Lambdasonde herangezogen, die in Abgasströmungsrichtung stromab des Abgaskatalysators angeordnet ist und detektieren kann, wenn ein Abgaskatalysatordurchbruch stattfindet beziehungsweise stattgefunden hat. Demgemäß kann mit dem herkömmlichen System lediglich ein bereits mit Sauerstoff „voller“ beziehungsweise „voll entleerter“ Abgaskatalysator ermittelt werden. Die Brennkraftmaschine kann anschließend aufgrund dieser Information derart betrieben werden, dass Sauerstoff dem Abgaskatalysator zugeführt wird beziehungsweise, dass Sauerstoff aus dem Abgaskatalysator ausgeräumt wird. Solange der Abgaskatalysator mit Sauerstoff „überfüllt“ beziehungsweise kein Sauerstoff vorhanden ist, kann er nicht wie gewünscht die Schadstoffe konvertieren wodurch die unerwünschten Schadstoffe in die Umwelt emittiert werden, wodurch die Umwelt belastet wird.
  • Aus der US 2004/0 045 282 A1 , der JP 6 547 992 B1 und der JP 6 593 561 B1 sind Verfahren zur Überwachung der Sauerstoffbeladung eines Abgaskatalysators bekannt, bei denen mittels einer stromaufwärts von dem Abgaskatalysator angeordneten Lambda-Sonde und gegebenenfalls einer weiteren, stromabwärts angeordneten Lambda-Sonde eine Sauerstoffbilanz des Abgaskatalysators zu erstellen versucht wird.
  • Weiterhin ist aus dem Dokument DE 10 2018 210 739 A1 ein Verfahren zur Regelung einer Füllung eines Abgaskomponentenspeichers eines Katalysators bekannt, bei dem ein Ist-Füllstand mit einem ersten Streckenmodell ermittelt wird, dem Signale einer stromaufwärts des Katalysators im Abgasstrom angeordneten ersten Abgassonde und einer stromabwärts des Katalysators angeordneten zweiten Abgassonde, zugeführt werden. Wenn die zweite Abgassonde einen Durchbruch von fettem oder magerem Abgas hinter dem Katalysator anzeigt, wird der mit dem ersten Streckenmodell ermittelte Ist-Füllstand dem tatsächlichen Füllstand angeglichen.
  • Die Aufgabe der vorliegenden Offenbarung ist es daher ein Verfahren bzw. eine Vorrichtung zu schaffen, mit dem bzw. mit der eine Überwachung und eine Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine verbessert wird, sodass an die Umwelt emittierte Schadstoffe reduziert werden.
  • Die Aufgabe wird gelöst durch ein Verfahren aufweisend die Merkmale des unabhängigen Patentanspruchs und eine Vorrichtung, die dazu ausgebildet ist, das Verfahren auszuführen. Vorteilhafte Ausgestaltungen des vorliegenden Verfahrens sind in den anhängigen Ansprüchen und in der Beschreibung angegeben.
  • Gemäß der vorliegenden Offenbarung weist das Verfahren zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine, die nachfolgend aufgelisteten Schritte auf. Die Brennkraftmaschine ist gemäß einer Ausführungsform eine Ottobrennkraftmaschine oder eine Dieselbrennkraftmaschine. In der Brennkraftmaschine findet im Betrieb eine Verbrennung von Kraftstoff und Luft statt, wodurch Abgas entsteht. Das Abgas wird mittels des Abgastrakt der Brennkraftmaschine in die Umwelt geleitet. Der Abgastrakt weist gemäß der vorliegenden Offenbarung einen Abgaskatalysator zur Abgasnachbehandlung des Abgases aus der Brennkraftmaschine auf. Gemäß einer Ausführungsform weist der Abgastrakt zusätzlich weitere Komponenten zur Abgasnachbehandlung wie beispielsweise einen Abgaspartikelfilter auf. Gemäß der vorliegenden Offenbarung weist der Abgastrakt einen in Abgasströmungsrichtung stromauf des Abgaskatalysators angeordneten ersten Lambdasensor auf. Der erste Lambdasensor ist dazu eingerichtet im Betrieb der Brennkraftmaschine den Sauerstoffgehalt des Abgases stromauf des Abgaskatalysators zu erfassen. Weiterhin weist der Abgastrakt einen in Abgasströmungsrichtung stromab des Abgaskatalysators angeordneten zweiten Lambdasensor auf, der ein zweites Lambdasignal erfasst und dazu eingerichtet ist einen Abgaskatalysatordurchbruch zu detektieren.
  • Gemäß der vorliegenden Offenbarung wird die Brennkraftmaschine betrieben und der erste Lambdasensor erfasst ein erstes Lambdasignal, das charakteristisch für den Sauerstoffgehalt des Abgases stromauf des Abgaskatalysators ist. Mittels des ersten Lambdasignals kann demgemäß der Sauerstoffgehalt des Abgases und insbesondere auch eine Variation / eine Veränderung des Sauerstoffgehalts des Abgases im Betrieb der Brennkraftmaschine ermittelt werden.
  • Gemäß der vorliegenden Offenbarung wird ein Sauerstoffzufuhrstrom, der in den Abgaskatalysator im Betrieb gelangt, mittels des ersten Lambdasignals und einem Abgasmassenstrom, der stromauf des Abgaskatalysators im Betrieb der Brennkraftmaschine vorherrscht, ermittelt. Der Abgasmassenstrom wird gemäß einer Ausführungsform mittels Messgrößen der Brennkraftmaschine ermittelt. Gemäß einer Ausführungsform wird der Abgasmassenstrom mittels eines Luftmassenmessers oder eines Abgasmassenmessers ermittelt. Gemäß der vorliegenden Offenbarung ist der Abgasmassenstrom und der Sauerstoffgehalt des Abgasmassenstroms im Betrieb der Brennkraftmaschine bekannt bzw. ermittelbar, sodass daraus der Sauerstoffmassenstrom, der dem Abgaskatalysator im Betrieb der Brennkraftmaschine zugeführt wird, ermittelt werden kann.
  • Gemäß der vorliegenden Offenbarung wird ein Sauerstoffbeladungsmodell des Abgaskatalysators bereitgestellt. Das Sauerstoffbeladungsmodell weist ein neuronales Netz auf und kann ein mathematisches Modell sein. Weitere Ausführungsformen des Sauerstoffbeladungsmodells sind ebenso denkbar. Dem Sauerstoffbeladungsmodell wird als Eingangsgröße der ermittelte Sauerstoffzufuhrstrom bereitgestellt. Das Sauerstoffbeladungsmodell ist gemäß der vorliegenden Offenbarung dazu eingerichtet die Sauerstoffbeladung des Abgaskatalysators zu ermitteln. Ist beispielsweise der Sauerstoffzufuhrstrom niedriger als für die vollständige Konvertierung der Schadstoffe in dem Abgas notwendig, wird demgemäß vorhandener Sauerstoff aus dem Abgaskatalysator „verbraucht“, wodurch die Sauerstoffbeladung sinkt. Ist beispielsweise der Sauerstoffzufuhrstrom höher als für die vollständige Konvertierung der Schadstoffe in dem Abgas notwendig, wird demgemäß zusätzlicher Sauerstoff in den Abgaskatalysator aus dem Abgas „eingelagert“, wodurch die Sauerstoffbeladung steigt. Das Sauerstoffbeladungsmodell ist demgemäß dazu eingerichtet im Betrieb der Brennkraftmaschine ein Ansteigen bzw. ein Absinken der Sauerstoffbeladung zu modellieren und unter Berücksichtigung eines vordefinierten Anfangswerts für die Sauerstoffbeladung die jeweilig aktuell vorherrschende Sauerstoffbeladung in dem Abgaskatalysator zu ermitteln.
  • Gemäß der vorliegenden Offenbarung wird zumindest ein Betriebsparameter der Brennkraftmaschine mittels der ermittelten Sauerstoffbeladung gesteuert, um die Sauerstoffbeladung des Abgaskatalysators zu steuern. Anhand des Sauerstoffbeladungsmodell kann im Betrieb der Brennkraftmaschine die Sauerstoffbeladung des Abgaskatalysators kontinuierlich überwacht werden. Das Sauerstoffbeladungsmodell ist demgemäß dazu eingerichtet einen Wert für die aktuell vorherrschende Sauerstoffbeladung des Abgaskatalysators zu ermitteln. Wird beispielsweise erkannt, dass die Sauerstoffbeladung in dem Abgaskatalysator einen kritischen Grenzwert erreicht, beziehungsweise droht aus einem vordefinierten Grenzband auszubrechen, wird die Steuerung mindestens eines der Betriebsparameter der Brennkraftmaschine angepasst, sodass die Sauerstoffbeladung in dem Abgaskatalysator wieder in den gewünschten Bereich überführt werden kann.
  • Gemäß der vorliegenden Offenbarung kann in verschiedenen Betriebsphasen der Brennkraftmaschine die Sauerstoffbeladung des Abgaskatalysators überwacht und gesteuert werden, sodass die Emission von Schadstoffen an die Umwelt durch Abgaskatalysatordurchbrüche vorzeitig erkannt und durch Steuerung des mindestens einen Parameters der Brennkraftmaschine verhindert beziehungsweise verringert werden kann. Die Steuerung der Brennkraftmaschine zur Steuerung der Sauerstoffbeladung des Abgaskatalysators umfasst gemäß einer Ausführungsform die Steuerung der Lambdaregelung der Brennkraftmaschine. Gemäß einer anderen Ausführungsform umfasst diese Steuerung eine Steuerung einer Sekundärlufteinblasung in den Abgastrakt stromauf des Abgaskatalysators. Andere Steuerungen zur Steuerung der Sauerstoffbeladung des Abgaskatalysators sind ebenso denkbar.
  • Gemäß der vorliegenden Offenbarung werden die Emissionen von Schadstoffen an die Umwelt verringert. Zusätzlich ist es möglich Abmessungen des Abgaskatalysators zu verringern, da der Sauerstoffbeladungszustand des Abgaskatalysators in jeder Betriebsphase der Brennkraftmaschine bekannt ist und gesteuert werden kann. Der Abgaskatalysator muss demgemäß nicht mehr für Extremzustände ausgelegt sein, sondern die Sauerstoffbeladung kann, trotz kleinerem Abgaskatalysator, wie oben ausgeführt derart gesteuert werden, sodass die Sauerstoffbeladung nie ein vordefiniertes Grenzband nach oben oder nach unten verlässt. Dadurch kann auch der Einsatz von kostenintensiven Edelmetallen in dem Abgaskatalysator reduziert werden.
  • Insgesamt kann mit dem Verfahren gemäß der vorliegenden Ausführungsform die Emission von Schadstoffen wie Stickoxiden, Kohlenstoffmonoxid, unverbrannten Kohlenwasserstoffen und / oder Ammoniak reduziert werden, zusätzlich ermöglicht das Verfahren gemäß der vorliegenden Offenbarung den Einsatz von kleineren und demgemäß kostengünstigeren Abgaskatalysatoren.
  • Gemäß einer Ausführungsform wird ein detektierter Abgaskatalysatordurchbruch dem Sauerstoffbeladungsmodell übermittelt und zur Steuerung der Betriebsparameter der Brennkraftmaschine zur Steuerung der Sauerstoffbeladung herangezogen.
  • Gemäß einer Ausführungsform ist der zweite Lambdasensor ein binärer Lambdasensor, der demgemäß kein kontinuierliches (analoges) Signal liefert, sondern lediglich ein Signal liefert, dem entnommen werden kann, ob ein Abgaskatalysatordurchbruch stattgefunden hat beziehungsweise stattfindet. Gemäß dieser Ausführungsform wird ein ermittelter Abgaskatalysatordurchbruch dem Sauerstoffbeladungsmodell übermittelt. Demgemäß kann das Sauerstoffbeladungsmodell die aktuelle Sauerstoffbeladung (gemäß Modell) anpassen und gemäß einer Ausführungsform vordefinierte Steuerungsmaßnahmen einleiten, um die Sauerstoffbeladung des Abgaskatalysators wieder innerhalb des gewünschten Bereichs, Grenzbandes zur bringen. Der zweite Lambdasensor liefert demgemäß eine wertvolle Information zur Validierung der ermittelten Sauerstoffbeladung durch das Sauerstoffbeladungsmodells. Zusätzlich kann das Sauerstoffbeladungsmodell aktualisiert werden, wodurch die Emissionen der Brennkraftmaschine reduziert werden.
  • Gemäß einer Ausführungsform wird ein mittels des zweiten Lambdasensors detektierter Abgaskatalysatordurchbruch beziehungsweise mehrere Abgaskatalysatordurchbrüche zur Verbesserung des Sauerstoffbeladungsmodells herangezogen. Beispielsweise kann die vor den Abgaskatalysatordurchbrüchen herrschenden Betriebsparameter der Brennkraftmaschine analysiert werden und Ergebnisse der Analyse dem Sauerstoffbeladungsmodell zum Anpassen des Sauerstoffbeladungsmodells zugeführt werden, sodass zukünftig bei ähnlichen Betriebsparameter kein Abgaskatalysatordurchbruch stattfindet. Gemäß dieser Ausführungsform ist eine zusätzliche Reduktion von Emissionen möglich.
  • Erfindungsgemäß beinhaltet das Sauerstoffbeladungsmodell ein Schichtmodell des Abgaskatalysators, wobei das Schichtmodell eine Mehrzahl von Sauerstoffbeladungsmodellschichten umfasst, und die Sauerstoffbeladung der einzelnen Schichten ermittelt wird und die Sauerstoffbeladung des Abgaskatalysators mittels der Sauerstoffbeladung der einzelnen Sauerstoffbeladungsmodellschicht ermittelt wird. Dementsprechend wird der Abgaskatalysator in eine Mehrzahl von in Abgasströmungsrichtung hintereinander angeordneten Abgaskatalysatorschichten unterteilt, wobei jede Abgaskatalysatorschicht eine Sauerstoffbeladungsmodellschicht aufweist. Das Sauerstoffbeladungsmodell ist somit dazu ausgebildet die Sauerstoffbeladung einer jeden Schicht zu ermitteln. Die Sauerstoffbeladung des Abgaskatalysators im Betrieb der Brennkraftmaschine ist über die Länge des Abgaskatalysators nicht konstant. Es ist denkbar, dass bei Sauerstoffüberschuss im Abgas stromauf des Abgaskatalysators die Sauerstoffbeladung des Abgaskatalysators im Einströmungsbereich zu Beginn stärker ansteigt und im Ausströmungsbereich erst später, wenn die Sauerstoffbeladung im Einströmungsbereich bereits ihr Maximum erreicht hat, vermehrt ansteigt. Es ist weiter denkbar, dass bei Sauerstoffarmut im Abgas stromauf des Abgaskatalysators die Sauerstoffentleerung des Abgaskatalysators durch Konvertierung von Schadstoffen zunächst vermehrt im Einströmungsbereich stattfindet. Von daher ist es vorteilhaft das Sauerstoffbeladungsmodell als Schichtmodell mit der Mehrzahl von Sauerstoffbeladungsmodellschichten aufzubauen, sodass die oben genannten Prozesse vorteilhaft abgebildet werden können. Gemäß einer Ausführungsform weist das Schichtmodell des Abgaskatalysators zwei bis fünf Schichten auf. Gemäß einer weiteren Ausführungsform weist das Schichtmodell des Abgaskatalysators drei Schichten auf.
  • Mittels des Schichtmodells des Abgaskatalysators kann, dadurch dass für jede einzelne Sauerstoffbeladungsmodellschicht die aktuell vorherrschende Sauerstoffbeladung ermittelt werden kann, eine Art Sauerstoffbeladungsprofil über die gesamte Länge des Abgaskatalysators ermittelt werden. Diese Informationen über die Sauerstoffbeladung entlang der Länge des Abgaskatalysators kann im Betrieb der Brennkraftmaschine weiter genutzt werden, um die Emissionen zu reduzieren beziehungsweise um Abgaskatalysatordurchbrüche zu reduzieren und komplett zu verhindern.
  • Erfindungsgemäß wird zu jeder Sauerstoffbeladungsmodellschicht ein entsprechender Eingangssauerstoffmassenstrom und ein Ausgangssauerstoffmassenstrom ermittelt, wobei eine Sauerstoffbeladung der jeweiligen Sauerstoffbeladungsmodellschicht mittels des Eingangssauerstoffmassenstroms und des Ausgangssauerstoffmassenstrom ermittelt wird. Die Differenz des Eingangssauerstoffmassenstroms und des Ausgangssauerstoffmassenstroms, ermittelt während einer bestimmten Betriebszeit, ergeben den Sauerstoffzufluss beziehungsweise den Sauerstoffabfluss aus der jeweiligen Sauerstoffbeladungsmodellschicht. Mittels eines vorbekannten Anfangsbeladungswerts kann demgemäß die Sauerstoffbeladung der jeweiligen Sauerstoffbeladungsmodellschicht ermittelt werden. Mittels dieses Modells kann demgemäß auf vorteilhaft einfache Art und Weise die Sauerstoffbeladung der einzelnen Sauerstoffbeladungsmodellschichten und dadurch auch die Sauerstoffbeladung des gesamten Abgaskatalysators ermittelt werden.
  • Erfindungsgemäß wird der Eingangssauerstoffmassenstrom in die erste von Abgas durchströmte Sauerstoffbeladungsmodellschicht mittels des Abgasmassenstroms stromauf des Abgaskatalysators und des ersten Lambdasignals ermittelt und der Ausgangssauerstoffmassenstrom aus der ersten Sauerstoffbeladungsmodellschicht wird mittels einer Annäherung durch ein neuronales Netz ermittelt, wobei der ermittelte Ausgangssauerstoffmassenstrom aus der ersten Sauerstoffbeladungsmodellschicht der Eingangssauerstoffmassenstrom in die stromab nachfolgende Sauerstoffbeladungsmodellschicht ist und der Ausgangssauerstoffmassenstrom aus der nächsten Sauerstoffbeladungsmodellschicht mittels einer Annäherung durch das neuronale Netz ermittelt wird. Demgemäß weist das Sauerstoffbeladungsmodell das neuronale Netz zur Ermittlung des Ausgangssauerstoffmassenstroms aus der ersten Sauerstoffbeladungsmodellschicht auf. Dem neuronalen Netz bzw. dem Sauerstoffbeladungsmodell werden der Abgasmassenstrom stromauf des Abgaskatalysators und der Sauerstoffgehalt des Abgases anhand des ersten Lambdasignals als Eingangsgrößen zur Verfügung gestellt. Anhand dieser Daten löst das Sauerstoffbeladungsmodell mittels des neuronalen Netzes Gleichungen, die zur Bestimmung des Ausgangssauerstoffmassenstroms aus der ersten Sauerstoffbeladungsmodellschicht notwendig sind. Hierbei werden in dem neuronalen Netz die Konvertierungsmechanismen der einzelnen Abgasbestandteile in der Sauerstoffbeladungsmodellschicht, die aktuelle Sauerstoffbeladung und weitere Parameter berücksichtigt. Aus dem dadurch ermittelten Ausgangssauerstoffmassenstrom und dem Eingangssauerstoffmassenstrom kann wie oben bereits erläutert anschließend auf die Sauerstoffbeladung der jeweiligen Sauerstoffbeladungsmodellschicht geschlossen werden. Mittels des neuronalen Netzes kann auf vorteilhaft einfache und gute Art und Weise die Sauerstoffbeladung der jeweiligen Sauerstoffbeladungsmodellschichten ermittelt werden.
  • Gemäß einer Ausführungsform wurde in einem vorangegangenen Kalibrierschritt das neuronale Netz mittels Testdaten / Trainingsdaten der Brennkraftmaschine trainiert. Die Annäherung der Ausgangssauerstoffmassenströme aus den einzelnen Sauerstoffbeladungsmodellschichten kann insbesondere dann vorteilhaft gut ermittelt werden, wenn das neuronale Netz beziehungsweise das zur Annäherung der Ausgangssauerstoffmassenströme verwendete Modell mittels guter Testdaten trainiert wurde. Gemäß einer Ausführungsform enthalten diese Testdaten möglichst viele Datenreihen von Betriebsphasen der Brennkraftmaschine und Kombinationen von Betriebsphasen der Brennkraftmaschine, sodass möglichst viele Betriebsphasen der Brennkraftmaschine in das Training einfließen können. Aus solchen umfassenden Testreihen kann das neuronale Netz im Betrieb der Brennkraftmaschine schöpfen und die Sauerstoffbeladung der einzelnen Sauerstoffbeladungsmodellschichten vorteilhaft gut annähern, sodass auch die Sauerstoffbeladung des gesamten Abgaskatalysators vorteilhaft gut angenähert werden kann. Das Kalibrieren, das Trainieren des neuronalen Netzes ist ein wichtiger Schritt, um die Annäherungsergebnisse zu optimieren und ein vorteilhaft gutes Ergebnis der Sauerstoffbeladung des Abgaskatalysators zu erhalten.
  • Gemäß einer Ausführungsform werden die Testdaten für das Training, die Kalibrierung des neuronalen Netzes beziehungsweise der zur Annäherung der Ausgangssauerstoffmassenströme verwendeten Modells auf einem Teststand ermittelt. Der Teststand gemäß dieser Ausführungsform ist ein Brennkraftmaschinenprüfstand auf dem die Brennkraftmaschine mit dem entsprechenden Abgastrakt beinhaltend den Abgaskatalysator zur Ermittlung der erforderlichen Testdaten betrieben wird. Bei der Ermittlung der erforderlichen Testdaten werden demgemäß Messungen im Abgas der Brennkraftmaschine an unterschiedlichen Stellen im Abgastrakt vorgenommen. Bei der Ermittlung der erforderlichen Testdaten werden weiter unterschiedlichste Betriebsphasen der Brennkraftmaschine abgefahren, um möglichst viele aussagekräftige Testdaten für das Training des neuronalen Netzes zu erhalten.
  • Gemäß einer Ausführungsform werden die für die Kalibrierung, das Training des neuronalen Netzes erforderlichen Testdaten mittels einer Simulation der Brennkraftmaschine und des Abgasstrangs mit dem Abgaskatalysator ermittelt. Gemäß dieser Ausführungsform können die erforderlichen Testdaten vorteilhaft einfach und kostengünstig ermittelt werden.
  • Gemäß einer Ausführungsform wird das neuronale Netz beziehungsweise das zur Annäherung der Ausgangssauerstoffmassenströme verwendete Modell im Betrieb der Brennkraftmaschine mittels Messdaten der Brennkraftmaschine laufend nachtrainiert beziehungsweise nachkalibriert. Die Messdaten können gemäß einer Ausführungsform Abgaskatalysatordurchbruchsmessdaten des zweiten Lambdasensors sein. Gemäß einer weiteren Ausführungsform können die Messdaten auch das Nutzungsverhaltens des Betreibers der Brennkraftmaschine beinhalten. Gemäß dieser Ausführungsform können die Ergebnisse der Annäherung der Ausgangssauerstoffmassenströme vorteilhaft verbessert werden, wodurch die Emissionen weiter reduziert werden können.
  • Erfindungsgemäß wird der Trainingsprozess beziehungsweise das Kalibrieren des neuronalen Netzes mittels bestärkenden Lernens durch ein Monte-Carlo Verfahren durchgeführt. Zusätzlich werden gemäß dieser Ausführungsform zur Verifikation der Trainingsergebnisse während des Trainingsprozesses Daten des zweiten Lambdasignals herangezogen. Demgemäß wird erkannt, dass das neuronale Netz gut trainiert ist, wenn von dem Sauerstoffbeladungsmodell vorhergesagte Abgaskatalysatordurchbrüche mit aus den Daten des zweiten Lambdasignals detektierten Abgaskatalysatordurchbrüchen übereinstimmen.
  • Gemäß einer weiteren Ausführungsform zur Verifikation der Trainingsergebnisse zusätzlich oder nur Daten eines anderen Sensors, der stromab des Abgaskatalysators angeordnet ist herangezogen, beispielsweise Daten eines NOx-Sensors. Herkömmliche Brennkraftmaschinen weisen oft einen Abgastrakt mit einem zweiten Lambdasensor stromab des Abgaskatalysators auf, sodass diese Testdaten zur Verifikation ohne großen Aufwand erhalten werden können. Dadurch können Kosten zur Ermittlung von Verifikationsdaten eingespart werden. Zudem liefern die Daten des zweiten Lambdasensors besonders vorteilhaft gute Testdaten. Gemäß einer Ausführungsform ist das Monte-Carlo Verfahren ein „Reinforce Algorithmus Monte-Carlo policy gradients“- Verfahren. Derartige Verfahren sind vorteilhaft einfach zu implementieren und konvergieren gegebenenfalls schneller.
  • Gemäß einer Ausführungsform werden Gewichtungsfaktoren des neuronalen Netzes und / oder weitere Parameter des neuronalen Netzes im Trainingsprozess so lange variiert und angepasst, bis das Sauerstoffbeladungsmodell Abgaskatalysatordurchbrüche mit einer vordefinierten Genauigkeit vorhersagen kann, wobei die Verifizierung mittels der aus den Testdaten bekannten Abgaskatalysatordurchbrüche vorgenommen wird. Gemäß dieser Ausführungsform werden während des Kalibrierungsprozesses, des Trainingsprozesses des neuronalen Netzes beziehungsweise des Modells zur Annäherung der Ausgangssauerstoffmassenströme Gewichtungsfaktoren und / oder weitere Parameter so lange variiert und angepasst, bis das Sauerstoffbeladungsmodell Abgaskatalysatordurchbrüche mit einer vordefinierten Genauigkeit vorhersagen kann. Die von dem Sauerstoffbeladungsmodell vorhergesagten Abgaskatalysatordurchbrüche werden gemäß dieser Ausführungsform mit gemessenen Abgaskatalysatordurchbrüchen des zweiten Lambdasensors verglichen, um die Genauigkeit des Sauerstoffbeladungsmodells zu verifizieren. Demgemäß wird ein Teil der Trainingsdaten dafür verwendet das Sauerstoffbeladungsmodell zu trainieren und ein weiterer Teil der Trainingsdaten wird zur Verifikation des trainierten, kalibrierten Sauerstoffbeladungsmodells verwendet. Gemäß dieser Ausführungsform kann die Kalibrierung des Sauerstoffbeladungsmodells vorteilhaft gut und genau durchgeführt werden.
  • Gemäß einer weiteren Ausführungsform werden Gewichtungsfaktoren des neuronalen Netzes und / oder weitere Parameter des neuronalen Netzes im Trainingsprozess so lange variiert und angepasst, bis das Sauerstoffbeladungsmodell erwartete gemessene Sensordaten von Sensoren stromab des Abgaskatalysators mit einer vordefinierten Genauigkeit vorhersagen kann. Derartige Sensordaten sind beispielsweise Daten des NOx-Sensors.
  • Gemäß einer Ausführungsform wird ein Alterungsverhalten des Abgaskatalysators bei der Ermittlung der Sauerstoffbeladung des Abgaskatalysators berücksichtigt. Der Abgaskatalysator unterliegt Alterungsvorgängen über seine Lebensdauer. Insbesondere nimmt die Sauerstoffspeicherfähigkeit über die Zeit ab. Gemäß dieser Ausführungsform wird eine Abgaskatalysatordiagnose, bspw. mittels der Steuereinheit, durchgeführt. Dabei wird die maximal mögliche Sauerstoffbeladung, also die „Größe des Eimers“ ermittelt. Anhand der Abgaskatalysatordiagnose kann der Zustand des Abgaskatalysators beispielsweise in „Neuzustand“, „leicht gealtert“ und „stark gealtert“ unterteilt werden. Entsprechend der Abgaskatalysatordiagnose kann ein anderer entsprechender Satz Gewichte für das neuronale Netz verwendet werden. Diese Gewichte können von Anfang an in der Steuereinheit hinterlegt sein. Alternativ oder zusätzlich können andere Alterungsgrößen, wie beispielsweise eine Laufleistung, der Brennkraftmaschine oder eines Fahrzeugs in dem die Brennkraftmaschine verbaut ist zur Abgaskatalysatordiagnose herangezogen werden. Gemäß dieser Ausführungsform kann die Sauerstoffbeladung des Abgaskatalysators zusätzlich genauer ermittelt werden.
  • Gemäß einem anderen Aspekt der vorliegenden Offenbarung weist eine Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine eine Steuereinheit auf, die zur Steuerung eines Verfahrens gemäß einem der vorhergehenden Ansprüche ausgebildet ist. Die Vorrichtung kann beispielsweise eine Motorsteuereinheit sein. Es ist auch denkbar, dass die Vorrichtung ein Teil der Motorsteuereinheit ist oder als zusätzliche Steuereinheit verbaut ist, beispielsweise in einem Fahrzeug mit einer Brennkraftmaschine.
  • Ausführungsbeispiele und Weiterbildungen des Verfahrens gemäß der vorliegenden Offenbarung und der Vorrichtung gemäß der vorliegenden Offenbarung sind in den Figuren dargestellt und werden anhand der nachfolgenden Beschreibung näher erläutert.
  • Es zeigen:
    • 1 eine schematische Darstellung einer Brennkraftmaschine mit einem Abgastrakt gemäß einer ersten Ausführungsform,
    • 2 ein erstes schematisches Diagramm bezüglich Sauerstoffbeladungszuständen von Abgaskatalysatoren,
    • 3 ein schematisches Sauerstoffbeladungsmodell eines Abgaskatalysators,
    • 4 ein Blockschaltbild eines Trainingsverfahrens des Sauerstoffbeladungsmodells gemäß einer ersten Ausführungsform,
    • 5 ein zweites schematisches Diagramm bezüglich trainieren, kalibrieren und verifizieren des Sauerstoffbeladungsmodells gemäß einer ersten Ausführungsform,
    • 6 ein drittes schematisches Diagramm bezüglich eines trainierten Sauerstoffbeladungsmodells gemäß einer ersten Ausführungsform,
    • 7 ein viertes schematische Diagramm bezüglich eines Beladungszustandes von verschiedenen Sauerstoffbeladungsmodellschichten gemäß einer ersten Ausführungsform.
  • Die 1 zeigt eine Brennkraftmaschine 100 mit einem Abgastrakt 110, der einen Abgaskatalysator 120, einen ersten Lambdasensor 130 und einen zweiten Lambdasensor 140 aufweist. Die Brennkraftmaschine 100 weist gemäß dieser Ausführungsform 4 Zylinder auf, die in der 1 schematisch angedeutet sind. Der Abgastrakt 110 ist dazu eingerichtet das Abgas der Brennkraftmaschine 100 nachzubehandeln und das Abgas an die Umwelt abzugeben. Zur Abgasnachbehandlung weist der Abgastrakt 110 einen Abgaskatalysator 120 auf. Der Abgaskatalysator 120 kann gemäß einer Ausführungsform ein Dreiwegeabgaskatalysator oder ein Vierwegeabgaskatalysator sein. Der erste Lambdasensor 130 ist in Abgasströmungsrichtung stromauf des Abgaskatalysators 120, und demgemäß stromab von Brennräumen der Brennkraftmaschine 100, angeordnet. Der erste Lambdasensor 130 ist dazu eingerichtet im Betrieb der Brennkraftmaschine 100 ein erstes Lambdasignal 240 zu erfassen. Das erste Lambdasignal 240 ist charakteristisch für den Sauerstoffgehalt in dem Abgas an der Position des ersten Lambdasensors 130 im Abgastrakt 110.
  • Der zweite Lambdasensor 140 ist in Abgasströmungsrichtung stromab des Abgaskatalysators 120 angeordnet. Gemäß einer Ausführungsform ist der zweite Lambdasensor 140 ein binärer Lambdasensor. Der zweite Lambdasensor 140 ist dazu eingerichtet im Betrieb der Brennkraftmaschine 100 ein zweites Lambdasignal 250 zu erfassen. Das zweite Lambdasignal 250 ist gemäß dieser Ausführungsform charakteristisch für den Sauerstoffgehalt in dem Abgas an der Position des zweiten Lambdasensors 140 im Abgastrakt 110.
  • In der 1 ist zudem eine Steuereinheit 200 dargestellt. Die Steuereinheit 200 in 1 umfasst einen ersten Berechnungsblock 210, einen zweiten Berechnungsblock 220 und ein Addierglied 230. In 1 ist zusätzlich schematisch ein Sauerstoffbeladungsmodell 300 dargestellt, das gemäß dieser Ausführungsform in der Steuereinheit 200 hinterlegt ist und auf dieser zur Überwachung und Steuerung einer Sauerstoffbeladung des Abgaskatalysators 120 ausgeführt wird. Eine Modellierung 260 der Sauerstoffbeladung des Abgaskatalysators 120 durch das Sauerstoffbeladungsmodell 300 ist in 1 schematisch dargestellt. Das Ergebnis der Modellierung 260 wird gemäß dieser Ausführungsform zur Steuerung der Sauerstoffbeladung des Abgaskatalysators 120 verwendet. Zusätzlich wird gemäß dieser Ausführungsform das zweite Lambdasignal 250 zur Steuerung der Sauerstoffbeladung des Abgaskatalysators 120 verwendet. Die Modellierung 260 und das zweite Lambdasignal 250 werden diesbezüglich schematisch in einem ersten Berechnungsblock 210 der Steuereinheit 200 zur Bestimmung eines Soll-Lambdawertes 270 verwendet. Der ermittelte Soll-Lambdawert 270 wird mit dem erfassten ersten Lambdasignal 240 des ersten Lambdasensors 130 verglichen und sofern notwendig angepasst. Dies ist in 1 mittels eines Addierglied 230 schematisch dargestellt. Gemäß dieser Ausführungsform kann der Soll-Lambdawert 270 eingeregelt werden. Dieser angepasste Soll-Lambdawert 270 wird dem zweiten Berechnungsblock 220 der Steuereinheit 200 zur Berechnung von Betriebsparametern 290 der Brennkraftmaschine 100 zugeführt, sodass die Brennkraftmaschine 100 derart betrieben werden kann, dass die Sauerstoffbeladung in dem Abgaskatalysator 120 in einem gewünschten Grenzband bleibt. Ein Beispiel für Betriebsparameter 290 ist die Brennstoffmasse und / oder der Zündzeitpunkt. Dem zweiten Berechnungsblock 220 wird zusätzlich ein Luftmassenstrom 280 bereitgestellt, sodass die Betriebsparameter 290 unter Berücksichtigung des Luftmassenstroms 280 ermittelt werden können.
  • Die Steuereinheit 200 ist dazu ausgebildet einen Sauerstoffzufuhrstrom in den Abgaskatalysator 120 mittels des ermittelten ersten Lambdasignals 240 und einem Abgasmassenstroms stromauf des Abgaskatalysators 120 zu ermitteln. Der Sauerstoffzufuhrstrom ist der Abgasmassenstrom multipliziert mit dem Sauerstoffgehalt in dem Abgasmassenstrom, der Sauerstoffanteil kann dem ersten Lambdasignal 240 entnommen werden.
  • Die Steuereinheit 200 ist mittels des Sauerstoffbeladungsmodells 300 weiter dazu ausgebildet die im Betrieb der Brennkraftmaschine 100 vorherrschende Sauerstoffbeladung des Abgaskatalysators 120 mittels des Sauerstoffzufuhrstroms zu ermitteln. Weiter ist die Steuereinheit 200 dazu ausgebildet, wie oben bereits erläutert, die Betriebsparameter 290 der Brennkraftmaschine 100 zur Steuerung der Sauerstoffbeladung des Abgaskatalysators 120 zu steuern.
  • Zudem kann die Steuereinheit 200 gemäß einer weiteren Ausführungsform dazu ausgebildet sein einem Nutzer der Brennkraftmaschine 100 anzuzeigen, wenn die Sauerstoffbeladung des Abgaskatalysators 120 einen kritischen Bereich erreicht beziehungsweise droht aus dem erwünschten Grenzband auszubrechen beziehungsweise bereits ausgebrochen ist.
  • Die 2 zeigt ein erstes Diagramm 400, wobei auf der y-Achse die Sauerstoffbeladung 410 des Abgaskatalysators 120 in Abhängigkeit der Zeit gemäß unterschiedlicher Ausführungsformen aufgetragen ist. Die Sauerstoffbeladung des Abgaskatalysators 120 kann zwischen 0 % und 100 % betragen. In den drei Teildiagrammen ist jeweils ein Sauerstoffbeladungsverlauf 420 während eines bestimmten Betriebsbereichs der Brennkraftmaschine 100 dargestellt. Sobald die Sauerstoffbeladung im Betrieb der Brennkraftmaschine 100 100 % erreicht, kann kein weiterer Sauerstoff in dem Abgaskatalysator 120 gespeichert werden, sodass eine Konvertierung von Schadstoffen in dem Abgas nicht mehr möglich ist. In diesem Fall können Stickoxide nicht wie gewünscht reduziert werden. Dieser obere Abgaskatalysatordurchbruch 430 ist in dem linken Teildiagramm des ersten Diagramms 400 dargestellt. Sobald die Sauerstoffbeladung im Betrieb der Brennkraftmaschine 100 0 % erreicht, steht kein Sauerstoff für die Konvertierung von Ammoniak zur Verfügung. Dieser untere Abgaskatalysatordurchbruch 430 ist in dem mittleren und dem linken Teildiagramm des ersten Diagramms 400 dargestellt.
  • Das rechte Teildiagramm zeigt den Sauerstoffbeladungsverlauf 420 des Abgaskatalysator 120 bei einer Steuerung der Sauerstoffbeladung des Abgaskatalysators gemäß der vorliegenden Offenbarung. Es ist schematisch dargestellt, dass kein Abgaskatalysatordurchbruch 430 stattfindet. Zusätzlich ist schematisch dargestellt, dass der Abgaskatalysator 120 im rechten Teildiagramm im Vergleich zu den anderen beiden Teildiagrammen kleiner ausgeführt werden kann. Es ist demgemäß in dem rechten Teildiagramm eine Reduktionsoption 440 des Abgaskatalysators 120 dargestellt.
  • Die 3 zeigt das Sauerstoffbeladungsmodell 300 gemäß einer Ausführungsform. Gemäß dieser Ausführungsform handelt es sich um ein räumlich diskretisiertes Sauerstoffbeladungsmodell 310. Das diskretisierte Sauerstoffbeladungsmodell 310 weist mehrere Sauerstoffbeladungsmodellschichten 320 auf. Zur Ermittlung der Sauerstoffbeladung der einzelnen Sauerstoffbeladungsmodellschichten 320 werden der jeweilige Eingangssauerstoffmassenstrom (ṁO2,in) und der jeweilige Ausgangssauerstoffmassenstrom (ṁO2,out) ermittelt. Anhand der integrierten Differenz der Sauerstoffmassenströme über eine bestimmte Zeit und eine bekannte Anfangssauerstoffbeladung kann die jeweilige Sauerstoffbeladung der einzelnen Sauerstoffbeladungsmodellschichten 320 ermittelt werden. Diese Funktion ist die Gleichgewichtsfunktion 330 für eine Sauerstoffbeladungsmodellschicht 320 gemäß dieser Ausführungsform. Der Eingangssauerstoffmassenstrom (ṁO2,in) und der Ausgangssauerstoffmassenstrom (ṁO2,out) können jeweils mittels des Abgasmassenstroms und dem jeweiligen Sauerstoffanteil in dem Abgas gemäß der Formel in 3 ermittelt werden. Die Summe der Sauerstoffbeladung der einzelnen Sauerstoffbeladungsmodellschichten 320 ergibt die Sauerstoffbeladung des gesamten Abgaskatalysators 120. Dies ist die Gleichgewichtsfunktion 340 für das Sauerstoffbeladungsmodell gemäß dieser Ausführungsform.
  • Der Eingangssauerstoffmassenstrom in die erste Sauerstoffbeladungsmodellschicht 320 kann mittels des Abgasmassenstroms stromauf des Abgaskatalysators 120 und des Sauerstoffanteils in dem Abgasmassenstroms, der mittels des ersten Lambdasensors 130 ermittelt werden kann, ermittelt werden. Der Ausgangssauerstoffmassenstrom aus der ersten Sauerstoffbeladungsmodellschicht 320 wird gemäß einer Ausführungsform mittels eines neuronalen Netzes 510 (nicht in 3 dargestellt) angenähert. Der Ausgangssauerstoffmassenstrom aus der ersten Sauerstoffbeladungsmodellschicht 320 ist der Eingangssauerstoffmassenstrom in die nachfolgend angeordnete zweite Sauerstoffbeladungsmodellschicht 320.
  • Die 4 zeigt ein erstes Trainingsablaufdiagramm 500 zum Training beziehungsweise zur Kalibrierung des neuronalen Netzes 510 gemäß einer ersten Ausführungsform. Gemäß dieser Ausführungsform wird ein Monte-Carlo Gradientenverfahren zum bestärkenden Lernen des neuronalen Netzes 510 während des Trainingsschrittes verwendet. Gemäß dieser Ausführungsform wird in einem ersten Schritt 520 das Modell mit zufälligen Initialwerten 580 des neuronalen Netzes 510 initialisiert. Anschließend wird gemäß dieser Ausführungsform das initialisierte Modell in einem zweiten Schritt 530 auf Trainingsdaten angewandt. In einem parallel dazu ausgeführten „Forward pass“-Schritt 590 / Prädiktionsschritt 590 wertet das neuronale Netz mit den aktuellen Gewichten Daten aus. Es wird also mit den Eingangsdaten gemäß Rechenvorschriften der Netzwerkausgang / output ermittelt. Anschließend wird in einem dritten Schritt 540 ein gaußscher Versatz dem Modell hinzugefügt. Anschließend werden in einem vierten Schritt 550 Gradienten des neuronalen Netzes 510 neu berechnet. Dieser vierte Schritt 550 wird auch als „Backpropagation“ bezeichnet. Für jedes Gewicht des neuronalen Netzes wird ein Gradient berechnet. Wird das Gewicht in Richtung des positiven Gradienten geändert, bewegt sich der zukünftige Output für dieselben Eingangsdaten vom derzeitigen Output in Richtung des gaußschen Versatzes. Im Trainingsvorgang wird daher stochastisch (mittels des Monte-Carlo Verfahrens) herausgefunden, ob in einer Situation/bei bestimmten Eingangsbedingungen ein vom derzeitigen Output abweichender Output passender wäre. In einem fünften Schritt 560 werden die Ergebnisse dieses Trainingsschritts mit erwarteten Ergebnissen aus den Trainingsdaten verglichen. Der Output des Modells wird anhand der Trainingsdaten bewertet. In anderen Worten: Durchbruch erkannt, Reward +1; Durchbruch nicht erkannt, Reward -1. Basierend auf den Ergebnissen werden in einem sechsten Schritt 570 die Parameter des Modells verändert und der Prozess (zweiter Schritt 530 bis sechster Schritt 570) wird erneut durchgeführt. Falls die Bewertung positiv ausfällt, werden die Gewichte in Richtung des Gradienten angepasst, andernfalls umgekehrt. In dem parallelen Schritt 600 werden die gewichteten Gradienten angewandt. Der Prozess wird so lange durchgeführt, bis die Ergebnisse konvergieren (Wiederholungsschritt 610 in 4). Die Ergebnisse konvergieren, wenn die Ergebnisse des Modells mit den Ergebnissen der Trainingsdaten übereinstimmen. Ist dies der Fall, ist das neuronale Netz 510 trainiert und kann im Betrieb der Brennkraftmaschine eingesetzt werden.
  • Gemäß einer Ausführungsform ist der zweite Lambdasensor 140 stromab des Abgaskatalysators 120 eine Breitbandlambdasonde, deren Sensordaten zur Durchführung der Rewardfunktion im Zuge des Trainings des neuronalen Netzes herangezogen werden.
  • Gemäß einer Ausführungsform wird die Rewardfunktion zusätzlich oder alternativ mittels anderer Sensordaten, die stromab des Abgaskatalysators 120 erfasst werden, durchgeführt. Andere Sensordaten können gemäß einer Ausführungsform Daten eines NOx-Sensors und / oder eines NH3-Sensors sein.
  • Die 5 zeigt ein zweites Diagramm 700 bezüglich des Trainierens und Kalibrierens des neuronalen Netzes 510 gemäß einer Ausführungsform. Das zweite Diagramm 700 weist ein erstes Teildiagramm 710, ein zweites Teildiagramm 720 und ein drittes Teildiagramm 730 auf. Auf der X-Achse der Diagramme ist jeweils die Zeit [t] aufgetragen. Das erste Teildiagramm 710 zeigt einen Verlauf 760 des ersten Lambdasignals 240 und einen Verlauf 770 des Abgasmassenstroms über die Zeit. Das zweite Teildiagramm 720 zeigt einen Verlauf 780 der Sauerstoffbeladung des Abgaskatalysators 120 und einen Verlauf 790 des zweiten Lambdasignals 250. In dem zweiten Teildiagramm 720 sind Abgaskatalysatordurchbrüche 800 als dunkle vertikale Balken dargestellt. Das dritte Teildiagramm 730 zeigt den Verlauf 810 des zweiten Lambdasignals 250. Die Abgaskatalysatordurchbrücke 800 sind auch hier dargestellt. Die in den Teildiagrammen 710, 720 und 730 dargestellten horizontalen Pfeile geben an, welche Achse (links oder rechts) für die Verläufe relevant ist. Das Diagramm 700 700 ist zusätzlich in einen Trainingsbereich 740 und in einen Anwendungsbereich 750 dargestellt. Der Trainingsbereich 740 ist links dargestellt und der Anwendungsbereich 750 ist rechts dargestellt. In dem Trainingsbereich 740 wird das Training des neuronalen Netzes visualisiert. Auf den Output des neuronalen Netzes ist der gaußsche Versatz/das gaußsche Rauschen gelegt. Damit wird stochastisch getestet, ob zu dem jeweiligen Zeitschritt nicht ein anderes Output des neuronalen Netzes passender wäre (Feedback über Rewardfunktion). In dem Anwendungsbereich 750 wird die Anwendung visualisiert, also ohne gaußschen Versatz, reine Anwendung des neuronalen Netzes im trainierten Zustand (Exploitation).
  • Die 6 zeigt ein drittes Diagramm 900 einer Anwendung des Sauerstoffbeladungsmodells 300 gemäß einer Ausführungsform. Das dritte Diagramm 900 weist ein erstes Teildiagramm 910, ein zweites Teildiagramm 920, ein drittes Teildiagramm 930, ein viertes Teildiagramm 940 und ein fünftes Teildiagramm 950 auf. In allen Teildiagrammen 910 - 950 ist auf der X-Achse die Zeit [t] aufgetragen. Das erste Teildiagramm 910 zeigt Brennkraftmaschinendaten 960, nämlich einen Abgasmassenstrom und Lambdasignal stromauf des Abgaskatalysators 120. Das zweite Teildiagramm 920 zeigt erste Daten 970 der ersten Sauerstoffbeladungsmodellschicht 320, das dritte Teildiagramm 930 zeigt zweite Daten 980 der zweiten Sauerstoffbeladungsmodellschicht 320, das vierte Teildiagramm 940 zeigt dritte Daten 990 der dritten Sauerstoffbeladungsmodellschicht 320. Es ist jeweils die Sauerstoffbeladung und der Lambdawert stromab der jeweiligen Schicht dargestellt. Das fünfte Teildiagramm 950 zeigt zweite Brennkraftmaschinendaten 1000, nämlich das zweite Lambdasignal 250 des zweiten Lambdasensors 140 stromab des Abgaskatalysators 120. Die in den Teildiagrammen 910 - 950 dargestellten horizontalen Pfeile geben an, welche Achse (links oder rechts) für die Verläufe
  • Die 7 zeigt ein viertes schematisches Diagramm 1100 bezüglich Beladungszuständen von verschiedenen Sauerstoffbeladungsmodellschichten mit Lambdasignalen und einer gesamten Sauerstoffbeladung. Auf der X-Achse des vierten Diagramms 1100 ist die Zeit [t] aufgetragen. Das vierte Diagramm 1100 zeigt einen ersten Verlauf 1110 einer Sauerstoffbeladung der ersten Sauerstoffbeladungsmodellschicht 320, einen zweiten Verlauf 1120 einer Sauerstoffbeladung der zweiten Sauerstoffbeladungsmodellschicht 320, einen dritten Verlauf 1130 einer Sauerstoffbeladung der dritten Sauerstoffbeladungsmodellschicht 320, einen Verlauf 1140 der gesamten Sauerstoffbeladung aller Sauerstoffbeladungsmodellschichten 320 zusammen, einen Verlauf 1150 des ersten Lambdasignals 240 und einen Verlauf 1160 des zweiten Lambdasignals 250. Aus dem vierten Diagramm ist ersichtlich, dass die Sauerstoffbeladungsverläufe 1110 bis 1140 dem ersten Verlaufs 1150 des ersten Lambdasignals 240 zeitverzögert folgen, also zunächst zunehmen, dann abnehmen, dann zunehmen und wieder abnehmen. Aus dem vierten Diagramm 1100 ist zudem ersichtlich, dass die Sauerstoffbeladung der ersten mit Abgas durchströmten Sauerstoffbeladungsmodellschicht 320 schneller ansteigt und höher ausfällt als bei den nachfolgenden Sauerstoffbeladungsmodellschichten 320. In der dritten Sauerstoffbeladungsmodellschicht 320 steigt bzw. sinkt die Sauerstoffbeladung am geringsten und am spätesten. Diese mit dem Sauerstoffbeladungsmodell 300 gemäß einer Ausführungsform erzielten Ergebnisse sind demgemäß plausibel und entsprechen den erwarteten Verläufen. Der Verlauf 1160 des zweiten Lambdasignals 250 zeigt mittels der dargestellten Spannungsanstiege in Volt Abgaskatalysatordurchbrüche als Sprungsignal an.

Claims (7)

  1. Verfahren zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators (120) eines Abgastrakts (110) einer Brennkraftmaschine (100), wobei der Abgastrakt (110) einen in Abgasströmungsrichtung stromauf des Abgaskatalysators (120) angeordneten ersten Lambdasensor (130) und einen in Abgasströmungsrichtung stromab des Abgaskatalysators (120) angeordneten zweiten Lambdasensor (130) aufweist, der ein zweites Lambdasignal (250) erfasst und dazu eingerichtet ist einen Abgaskatalysatordurchbruch zu detektieren, wobei das Verfahren die folgenden Schritte aufweist: - Betreiben der Brennkraftmaschine (100) und erfassen eines ersten Lambdasignals (240) des ersten Lambdasensors (130), das charakteristisch für den Sauerstoffgehalt des Abgases stromauf des Abgaskatalysators (120) ist; - Ermitteln eines Sauerstoffzufuhrstroms in den Abgaskatalysator (120) mittels des ermittelten ersten Lambdasignals (240) und einem Abgasmassenstrom stromauf des Abgaskatalysators (120); - Bereitstellen eines Sauerstoffbeladungsmodells (300) des Abgaskatalysators (120) und ermitteln der Sauerstoffbeladung des Abgaskatalysators (120) mittels des Sauerstoffzufuhrstroms und des Sauerstoffbeladungsmodells (300); - Steuern von Betriebsparametern (290) der Brennkraftmaschine (100) zur Steuerung der Sauerstoffbeladung des Abgaskatalysators (120) mittels der ermittelten Sauerstoffbeladung, wobei das Sauerstoffbeladungsmodell (300) ein Schichtmodell des Abgaskatalysators beinhaltet, wobei das Schichtmodell eine Mehrzahl von Sauerstoffbeladungsmodellschichten (320) umfasst, und die Sauerstoffbeladung der einzelnen Schichten ermittelt wird und die Sauerstoffbeladung des Abgaskatalysators (120) mittels der Sauerstoffbeladung der einzelnen Sauerstoffbeladungsmodellschichten ermittelt wird, wobei zu jeder Sauerstoffbeladungsmodellschicht (320) ein entsprechender Eingangssauerstoffmassenstrom und ein Ausgangssauerstoffmassenstrom ermittelt wird, wobei eine Sauerstoffbeladung der jeweiligen Sauerstoffbeladungsmodellschicht (320) mittels des Eingangssauerstoffmassenstroms und des Ausgangssauerstoffmassenstrom ermittelt wird, wobei der Eingangssauerstoffmassenstrom in die erste von Abgas durchströmte Sauerstoffbeladungsmodellschicht (320) mittels des Abgasmassenstroms stromauf des Abgaskatalysators (130) und des ersten Lambdasignals (240) ermittelt wird und der Ausgangssauerstoffmassenstrom aus der ersten Sauerstoffbeladungsmodellschicht (320) mittels einer Annäherung durch ein neuronales Netz (510) ermittelt wird, wobei der ermittelte Ausgangssauerstoffmassenstrom aus der ersten Sauerstoffbeladungsmodellschicht (320) der Eingangssauerstoffmassenstrom in die stromab nachfolgende Sauerstoffbeladungsmodellschicht (320) ist und der Ausgangssauerstoffmassenstrom aus der nächsten Sauerstoffbeladungsmodellschicht (320) mittels einer Annäherung durch das neuronale Netz (510) ermittelt wird, wobei ein Trainingsprozess des neuronalen Netzes (510) mittels bestärkenden Lernens durch ein Monte-Carlo Verfahren durchgeführt wird und zur Verifikation der Trainingsergebnisse während des Trainingsprozesses Testdaten des zweiten Lambdasignals (250) herangezogen werden und erkannt wird, dass das neuronale Netz gut trainiert ist, wenn von dem Sauerstoffbeladungsmodell (300) vorhergesagte Abgaskatalysatordurchbrüche mit aus den Testdaten des zweiten Lambdasignals (250) detektierten Abgaskatalysatordurchbrüchen mit einer vordefinierten Genauigkeit übereinstimmen.
  2. Verfahren gemäß Anspruch 1, wobei ein detektierter Abgaskatalysatordurchbruch dem Sauerstoffbeladungsmodell (300) übermittelt wird und dadurch zur Steuerung der Betriebsparameter (290) der Brennkraftmaschine (100) zur Steuerung der Sauerstoffbeladung herangezogen wird.
  3. Verfahren gemäß Anspruch 1 oder 2, wobei das neuronale Netz (510) mittels Testdaten der Brennkraftmaschine (100) trainiert wurde.
  4. Verfahren gemäß Anspruch 3, wobei die Testdaten für das Training des neuronalen Netzes (510) auf einem Teststand ermittelt wurden.
  5. Verfahren gemäß einem der Ansprüche 1 bis 4, wobei Gewichtungsfaktoren des neuronalen Netzes und / oder weitere Parameter des neuronalen Netzes im Trainingsprozess so lange variiert und angepasst werden, bis das Sauerstoffbeladungsmodell (300) Abgaskatalysatordurchbrüche mit einer vordefinierten Genauigkeit vorhersagen kann, wobei die Verifizierung mittels der aus den Testdaten bekannten Abgaskatalysatordurchbrüche vorgenommen wird.
  6. Verfahren gemäß einem der vorhergehenden Ansprüche, wobei ein Alterungsverhalten des Abgaskatalysators (120) bei der Ermittlung der Sauerstoffbeladung des Abgaskatalysators (120) berücksichtigt wird.
  7. Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators (120) eines Abgastrakts (110) einer Brennkraftmaschine (100), wobei die Vorrichtung eine Steuereinheit aufweist, die zur Steuerung eines Verfahrens gemäß einem der vorhergehenden Ansprüche ausgebildet ist.
DE102020210551.0A 2020-08-20 2020-08-20 Verfahren und Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine Active DE102020210551B4 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102020210551.0A DE102020210551B4 (de) 2020-08-20 2020-08-20 Verfahren und Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine
PCT/EP2021/072177 WO2022037987A1 (de) 2020-08-20 2021-08-09 Verfahren und vorrichtung zur überwachung und zur steuerung einer sauerstoffbeladung eines abgaskatalysators eines abgastrakts einer brennkraftmaschine

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102020210551.0A DE102020210551B4 (de) 2020-08-20 2020-08-20 Verfahren und Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine

Publications (2)

Publication Number Publication Date
DE102020210551A1 DE102020210551A1 (de) 2022-02-24
DE102020210551B4 true DE102020210551B4 (de) 2024-03-21

Family

ID=77447886

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020210551.0A Active DE102020210551B4 (de) 2020-08-20 2020-08-20 Verfahren und Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine

Country Status (2)

Country Link
DE (1) DE102020210551B4 (de)
WO (1) WO2022037987A1 (de)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040045282A1 (en) 2002-07-03 2004-03-11 Toyota Jidosha Kabushiki Kaisha Exhaust gas control apparatus and exhaust gas purification method for internal combustion engine
US20150204258A1 (en) 2014-01-17 2015-07-23 Ford Global Technologies, Llc One dimensional three way catalyst model for control and diagnostics
US20190085747A1 (en) 2017-09-21 2019-03-21 GM Global Technology Operations LLC Limiting exposure of zeolite containing aftertreatment components to rich exhaust conditions
JP6547992B1 (ja) 2019-04-18 2019-07-24 トヨタ自動車株式会社 酸素吸蔵量推定装置、酸素吸蔵量推定システム、内燃機関の制御装置、データ解析装置、および酸素吸蔵量推定方法
JP6593561B1 (ja) 2019-02-20 2019-10-23 トヨタ自動車株式会社 内燃機関の触媒暖機処理監視装置、内燃機関の触媒暖機処理監視システム、データ解析装置、および内燃機関の制御装置
DE102018210739A1 (de) 2018-06-29 2020-01-02 Robert Bosch Gmbh Verfahren zur Regelung einer Füllung eines Abgaskomponentenspeichers eines Katalysators im Abgas eines Verbrennungsmotors
US20200182179A1 (en) 2018-12-11 2020-06-11 GM Global Technology Operations LLC Three-way catalyst oxygen storage model

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040045282A1 (en) 2002-07-03 2004-03-11 Toyota Jidosha Kabushiki Kaisha Exhaust gas control apparatus and exhaust gas purification method for internal combustion engine
US20150204258A1 (en) 2014-01-17 2015-07-23 Ford Global Technologies, Llc One dimensional three way catalyst model for control and diagnostics
US20190085747A1 (en) 2017-09-21 2019-03-21 GM Global Technology Operations LLC Limiting exposure of zeolite containing aftertreatment components to rich exhaust conditions
DE102018210739A1 (de) 2018-06-29 2020-01-02 Robert Bosch Gmbh Verfahren zur Regelung einer Füllung eines Abgaskomponentenspeichers eines Katalysators im Abgas eines Verbrennungsmotors
US20200182179A1 (en) 2018-12-11 2020-06-11 GM Global Technology Operations LLC Three-way catalyst oxygen storage model
JP6593561B1 (ja) 2019-02-20 2019-10-23 トヨタ自動車株式会社 内燃機関の触媒暖機処理監視装置、内燃機関の触媒暖機処理監視システム、データ解析装置、および内燃機関の制御装置
JP6547992B1 (ja) 2019-04-18 2019-07-24 トヨタ自動車株式会社 酸素吸蔵量推定装置、酸素吸蔵量推定システム、内燃機関の制御装置、データ解析装置、および酸素吸蔵量推定方法

Also Published As

Publication number Publication date
DE102020210551A1 (de) 2022-02-24
WO2022037987A1 (de) 2022-02-24

Similar Documents

Publication Publication Date Title
EP1228301B1 (de) Verfahren zum überprüfen eines abgaskatalysators einer brennkraftmaschine
EP1097299B1 (de) VERFAHREN ZUR ÜBERPRÜFUNG DES WIRKUNGSGRADES EINES NOx-SPEICHERKATALYSATORS
EP2464849B1 (de) Verfahren und vorrichtung zur dynamik-diagnose einer abgas-sonde
DE19620417C2 (de) Diagnoseverfahren und Diagnosesystem einer Katalysatoranlage zum Steuern des Abgases bei einem Verbrennungsmotor
DE102012204353A1 (de) Verfahren und Vorrichtung zur Überwachung von Gas-Sensoren
DE10319983B3 (de) Verfahren und Vorrichtung zur Lambda-Regelung und zur Katalysatordiagnose bei einer Brennkraftmaschine
EP2791493A1 (de) Verfahren und vorrichtung zur dynamiküberwachung von gas-sensoren
WO2008095904A1 (de) Diagnoseverfahren und -vorrichtung zum betreiben einer brennkraftmaschine
DE102005045888B3 (de) Vorrichtung zum Betreiben einer Brennkraftmaschine
DE102009000148A1 (de) Verfahren zum Überprüfen eines Oxydationskatalysators und Abgasnachbehandlungsanordnung für eine Brennkraftmaschine
DE102008027575A1 (de) Diagnoseverfahren für ein katalytisch wirksames Abgasreinigungselement eines Kraftfahrzeug-Verbrennungsmotors
EP2238321B1 (de) Verfahren und steuergerät zur überprüfung eines abgasnachbehandlungssystems eines verbrennungsmotors
DE10008563A1 (de) Verfahren und Vorrichtung zur Diagnose eines NOx-Speicherkatalysators
EP2142784B1 (de) Lambda-regelung mit einer kennlinienadaption
DE102009054935A1 (de) Verfahren und Vorrichtung zur Diagnose der Dynamik eines Abgassensors
DE102020210551B4 (de) Verfahren und Vorrichtung zur Überwachung und zur Steuerung einer Sauerstoffbeladung eines Abgaskatalysators eines Abgastrakts einer Brennkraftmaschine
DE102015200751A1 (de) Verfahren zur Überwachung einer Abgasnachbehandlungsanlage eines Verbrennungsmotors sowie Steuerungseinrichtung für eine Abgasnachbehandlungsanlage
DE102015200762A1 (de) Verfahren zur Überwachung einer Abgasnachbehandlungsanlage eines Verbrennungsmotors sowie Steuerungseinrichtung für eine Abgasnachbehandlungsanlage
DE102008004218B4 (de) Verfahren zur Bestimmung der dynamischen Rußemission
DE102016210143A1 (de) Verfahren zur Ermittlung eines Alterungszustands eines NOx-Speicherkatalysators einer Abgasnachbehandlungsanlage eines für einen Magerbetrieb ausgelegten Verbrennungsmotors sowie Steuerungseinrichtung
DE102006002257B4 (de) Verfahren und Vorrichtung zum Betreiben eines Abgaskatalysators einer Brennkraftmaschine
DE102013200573A1 (de) Verfahren und Vorrichtung zur aktiven Diagnose von Komponenten einer Abgasreinigungsanlage einer Brennkraftmaschine
DE102011121099B4 (de) Verfahren zum Betreiben einer Abgasreinigungseinrichtung sowie entsprechende Abgasreinigunseinrichtung
EP1496225A2 (de) Verfahren zum Betreiben einer Brennkraftmaschine
DE102012207639A1 (de) Verfahren und Vorrichtung zur Dynamik-Diagnose einer Abgassonde

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R081 Change of applicant/patentee

Owner name: VITESCO TECHNOLOGIES GMBH, DE

Free format text: FORMER OWNER: VITESCO TECHNOLOGIES GMBH, 30165 HANNOVER, DE

R016 Response to examination communication
R016 Response to examination communication
R018 Grant decision by examination section/examining division