一种基于动态系统辨识的DPF故障预警方法与流程

一种基于动态系统辨识的dpf故障预警方法
技术领域
1.本技术涉及工业技术领域，尤其是一种基于动态系统辨识的dpf故障预警方法。


背景技术：

2.dpf(颗粒过滤器)可以净化处理车辆的尾气，起到了环保的作用，常被安装在柴油汽车的排气系统内以有效的捕捉排气中的微小颗粒，常被称为碳烟，捕捉量能够达到70％以上，还可以减少柴油发动机的烟尘，有效率能够达到90％以上。
3.当汽车经常在市区内行驶时，由于不能总是快速行驶，因此dpf就非常容易出现堵塞的情况。当dpf发生了堵塞后，可以按下再生按钮，这样就能够让发动机快速空转，从而来提高dpf内的温度，把一些微小的颗粒燃烧掉，从而可以通过被动再生或主动再生方式消耗掉碳烟。但是dpf除了收集碳烟外，还会收集包括机油、添加剂以及柴油燃烧产生的物质(多为硫酸盐)在内的灰分，这些灰分并不能通过再生方式消除掉，因此灰分会逐渐累积并集聚在dpf的内壁，一方面减小了dpf的有效过滤面积，从而影响dpf的捕集效率，另一方面增大了排气背压，导致车辆产生各种故障现象。
4.因此为了避免这些集聚的灰分带来的负面影响，需要定期拆卸检查dpf并在必要时进行清理维修，以维持dpf良好的运行状态。但是这种定期拆卸检查的方法一方面比较繁琐，另一方面拆卸检查的频率靠车辆使用人员来控制，若拆卸检查的不及时，就容易导致dpf出现故障。


技术实现要素：

5.本技术人针对上述问题及技术需求，提出了一种基于动态系统辨识的dpf故障预警方法，本技术的技术方案如下：
6.一种基于动态系统辨识的dpf故障预警方法，该方法包括：
7.获取dpf在实时运行过程中的实时运行数据；
8.利用压差预测模型根据实时运行数据得到dpf的压差预测值，利用碳载量预测模型根据实时运行数据得到dpf的碳载量预测值，其中，压差预测模型和碳载量预测模型分别基于动态系统辨识模型训练得到；
9.根据压差预测值和碳载量预测值对dpf进行故障预警。
10.其进一步的技术方案为，碳载量预测模型包括温度预测模型和碳氧化效率模型，得到dpf的碳载量预测值的方法包括：
11.利用温度预测模型根据实时运行数据得到dpf的温度预测值；
12.利用碳氧化效率模型根据温度预测值结合实时运行数据得到瞬时碳氧化率；
13.确定瞬时碳氧化率对应的碳载量得到碳载量预测值；
14.其中，温度预测模型基于动态系统辨识模型训练得到，碳氧化效率模型基于静态系统辨识模型训练得到。
15.其进一步的技术方案为，实时运行数据至少包括dpf的实时入口气体温度和实时
入口气体流量，得到dpf的压差预测值的方法包括：
16.以实时入口气体温度和实时入口气体流量作为压差预测模型的输入，得到压差预测模型输出的压差预测值。
17.其进一步的技术方案为，实时运行数据至少包括实时入口气体温度、实时入口气体流量和dpf的实时碳相关参数，得到dpf的碳载量预测值的方法包括：
18.以实时入口气体温度和实时入口气体流量作为温度预测模型的输入，得到温度预测模型输出的温度预测值；
19.以温度预测值和实时碳相关参数作为碳氧化效率模型的输入，得到碳氧化效率模型输出的瞬时碳氧化率。
20.其进一步的技术方案为，实时碳相关参数包括dpf的实时碳载量、实时一氧化碳浓度和实时二氧化碳浓度。
21.其进一步的技术方案为，压差预测模型和温度预测模型分别利用dpf的历史运行数据基于sindy模型训练得到。
22.其进一步的技术方案为，dpf的历史运行数据包括dpf在历史运行过程中的各个历史采样时刻的历史采样数据以及根据历史采样数据计算得到的各个历史采样时刻的历史状态数据；
23.每个历史采样时刻的历史采样数据包括dpf在历史采样时刻的入口气体温度、入口气体流量、碳载量、一氧化碳浓度和二氧化碳浓度；
24.每个历史采样时刻的历史状态数据包括根据历史采样时刻的历史采样数据计算得到的dpf的dpf温度、dpf压差和dpf碳氧化率。
25.其进一步的技术方案为，训练得到压差预测模型和温度预测模型的方法包括：
26.根据每个历史采样时刻的入口气体温度和入口气体流量计算得到dpf在历史采样时刻的dpf压差，根据每个历史采样时刻的入口气体温度和入口气体流量计算得到dpf在历史采样时刻的dpf温度；
27.以每个历史采样时刻的入口气体温度和入口气体流量作为输入，以相应历史采样时刻的dpf压差为输出，基于sindy模型训练得到压差预测模型；
28.以每个历史采样时刻的入口气体温度和入口气体流量作为输入，以相应历史采样时刻的dpf温度为输出，基于sindy模型训练得到温度预测模型。
29.其进一步的技术方案为，训练得到碳氧化效率模型的方法包括：
30.以每个历史采样时刻的碳载量、一氧化碳浓度和二氧化碳浓度以及计算得到的历史采样时刻的dpf温度为输入，以相应历史采样时刻的dpf碳氧化率为输出，基于静态系统辨识模型训练得到碳氧化效率模型。
31.其进一步的技术方案为，进行故障预警的方法包括：
32.当压差预测值达到压差阈值和/或碳载量预测值达到碳载量阈值时，输出用于警示dpf存在堵塞故障的预警信息。
33.本技术的有益技术效果是：
34.本技术公开了一种基于动态系统辨识的dpf故障预警方法，该方法通过利用历史运行数据预先训练的模型，基于dpf在实时运行过程中的实时运行数据就能分析预测dpf内部的压差和积碳的情况，从而可以提前预测dpf可能存在的安全隐患，能够主动上报预警信
息以提示进行清理。该方法自动化程度高，无需人工过多干预，而且通过预测分析并及时进行预警，使得可以反馈可能存在的故障情况，从而可以及时清理保证dpf的工作状态，运行可靠性和使用便捷性更好。
附图说明
35.图1是本技术公开的dpf故障预警方法的流程示意图。
具体实施方式
36.下面结合附图对本技术的具体实施方式做进一步说明。
37.本技术公开了一种基于动态系统辨识的dpf故障预警方法，请参考图1所示的示意图，该方法包括如下步骤：
38.步骤1，获取dpf在实时运行过程中的实时运行数据，实时运行数据是dpf在实时运行过程中的各类工作参数的数据，实时运行数据用于反映dpf的运行状态。在一个实施例中，dpf的实时运行数据包括dpf的实时入口气体温度、实时入口气体流量、实时碳载量、实时一氧化碳浓度和实时二氧化碳浓度，这些实时运行数据通过设置在dpf上的各类传感器采集得到。
39.步骤2，利用压差预测模型根据实时运行数据得到dpf的压差预测值，利用碳载量预测模型根据实时运行数据得到dpf的碳载量预测值。
40.压差预测模型和碳载量预测模型分别基于动态系统辨识模型预先训练得到。在一个实施例中，动态系统辨识模型采用sindy模型。
41.其中，碳载量预测模型包括温度预测模型和碳氧化效率模型，温度预测模型基于动态系统辨识模型训练得到，碳氧化效率模型基于静态系统辨识模型训练得到。在本技术的应用场景中，考虑到dpf压差和dpf温度是动态过程，因此基于动态系统辨识模型来训练压差预测模型和温度预测模型，实现对动态过程的建模预测。
42.得到dpf的压差预测值的方法包括：以实时入口气体温度和实时入口气体流量作为压差预测模型的输入，得到压差预测模型输出的压差预测值。
43.得到dpf的碳载量预测值的方法包括：
44.首先利用温度预测模型根据实时运行数据得到dpf的温度预测值，包括以实时入口气体温度和实时入口气体流量作为温度预测模型的输入，得到温度预测模型输出的温度预测值。
45.然后利用碳氧化效率模型根据温度预测值结合实时运行数据得到瞬时碳氧化率，包括以温度预测值和实时碳相关参数作为碳氧化效率模型的输入，得到碳氧化效率模型输出的瞬时碳氧化率。在一个实施例中，实时碳相关参数包括dpf的实时碳载量、实时一氧化碳浓度和实时二氧化碳浓度。
46.最后确定瞬时碳氧化率对应的碳载量得到碳载量预测值，载碳量用于反映dpf内部积碳情况。不同瞬时碳氧化率所对应的碳载量的对应关系或计算关系是预先确定好的，本技术不限定具体的计算公式。
47.步骤3，根据压差预测值和碳载量预测值对dpf进行故障预警。
48.包括当压差预测值达到压差阈值和/或碳载量预测值达到碳载量阈值时，输出用
于警示dpf存在堵塞故障的预警信息。
49.本技术在应用时，需要使用预先训练的压差预测模型、温度预测模型和碳氧化效率模型，因此本技术的方法在应用之前，还包括利用dpf的历史运行数据训练这三个模型的步骤。
50.在进行模型训练时，使用到的dpf的历史运行数据包括dpf在历史运行过程中的各个历史采样时刻的历史采样数据以及根据历史采样数据计算得到的各个历史采样时刻的历史状态数据。其中，每个历史采样时刻的历史采样数据包括dpf在历史采样时刻的入口气体温度、入口气体流量、碳载量、一氧化碳浓度和二氧化碳浓度。每个历史采样时刻的历史状态数据包括根据历史采样时刻的历史采样数据计算得到的dpf的dpf温度、dpf压差和dpf碳氧化率，每个历史采样时刻的历史状态数据是按照传统计算方式对历史采样时刻的历史采样数据进行统计测量得出的数据。其中，根据每个历史采样时刻的入口气体温度和入口气体流量计算得到dpf在历史采样时刻的dpf压差，根据每个历史采样时刻的入口气体温度和入口气体流量计算得到dpf在历史采样时刻的dpf温度，根据计算得到的dpf温度结合碳载量、一氧化碳浓度和二氧化碳浓度计算得到dpf碳氧化率。
51.则训练得到压差预测模型、温度预测模型和碳氧化效率模型的方法包括：
52.以每个历史采样时刻的入口气体温度和入口气体流量作为输入，以相应历史采样时刻的dpf压差为输出，基于动态系统辨识模型训练得到压差预测模型，在一个实施例中，也即基于sindy模型训练得到压差预测模型。
53.以每个历史采样时刻的入口气体温度和入口气体流量作为输入，以相应历史采样时刻的dpf温度为输出，基于动态系统辨识模型训练得到温度预测模型，在一个实施例中，也即基于sindy模型训练得到温度预测模型。
54.以每个历史采样时刻的碳载量、一氧化碳浓度和二氧化碳浓度以及计算得到的历史采样时刻的dpf温度为输入，以相应历史采样时刻的dpf碳氧化率为输出，基于静态系统辨识模型训练得到碳氧化效率模型。这里采用的静态系统辨识模型可以是现有的各类静态系统辨识模型。
55.按照上述方法训练得到压差预测模型、温度预测模型和碳氧化效率模型后，即可按照本技术的方法根据dpf的实时运行数据对dpf进行故障预警。
56.以上所述的仅是本技术的优选实施方式，本技术不限于以上实施例。可以理解，本领域技术人员在不脱离本技术的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本技术的保护范围之内。

技术特征：
1.一种基于动态系统辨识的dpf故障预警方法，其特征在于，所述方法包括：获取dpf在实时运行过程中的实时运行数据；利用压差预测模型根据所述实时运行数据得到所述dpf的压差预测值，利用碳载量预测模型根据所述实时运行数据得到所述dpf的碳载量预测值，其中，所述压差预测模型和所述碳载量预测模型分别基于动态系统辨识模型训练得到；根据所述压差预测值和所述碳载量预测值对所述dpf进行故障预警。2.根据权利要求1所述的dpf故障预警方法，其特征在于，所述碳载量预测模型包括温度预测模型和碳氧化效率模型，得到所述dpf的碳载量预测值的方法包括：利用所述温度预测模型根据所述实时运行数据得到所述dpf的温度预测值；利用所述碳氧化效率模型根据所述温度预测值结合所述实时运行数据得到瞬时碳氧化率；确定所述瞬时碳氧化率对应的碳载量得到所述碳载量预测值；其中，所述温度预测模型基于动态系统辨识模型训练得到，所述碳氧化效率模型基于静态系统辨识模型训练得到。3.根据权利要求1所述的dpf故障预警方法，其特征在于，所述实时运行数据至少包括所述dpf的实时入口气体温度和实时入口气体流量，得到所述dpf的压差预测值的方法包括：以实时入口气体温度和实时入口气体流量作为所述压差预测模型的输入，得到所述压差预测模型输出的所述压差预测值。4.根据权利要求2所述的dpf故障预警方法，其特征在于，所述实时运行数据至少包括实时入口气体温度、实时入口气体流量和所述dpf的实时碳相关参数，得到所述dpf的碳载量预测值的方法包括：以实时入口气体温度和实时入口气体流量作为所述温度预测模型的输入，得到所述温度预测模型输出的所述温度预测值；以所述温度预测值和实时碳相关参数作为所述碳氧化效率模型的输入，得到所述碳氧化效率模型输出的所述瞬时碳氧化率。5.根据权利要求4所述的dpf故障预警方法，其特征在于，所述实时碳相关参数包括所述dpf的实时碳载量、实时一氧化碳浓度和实时二氧化碳浓度。6.根据权利要求2所述的dpf故障预警方法，其特征在于，所述压差预测模型和所述温度预测模型分别利用所述dpf的历史运行数据基于sindy模型训练得到。7.根据权利要求6所述的dpf故障预警方法，其特征在于，所述dpf的历史运行数据包括所述dpf在历史运行过程中的各个历史采样时刻的历史采样数据以及根据所述历史采样数据计算得到的各个历史采样时刻的历史状态数据；每个历史采样时刻的历史采样数据包括所述dpf在所述历史采样时刻的入口气体温度、入口气体流量、碳载量、一氧化碳浓度和二氧化碳浓度；每个历史采样时刻的历史状态数据包括根据所述历史采样时刻的历史采样数据计算得到的所述dpf的dpf温度、dpf压差和dpf碳氧化率。8.根据权利要求7所述的dpf故障预警方法，其特征在于，训练得到所述压差预测模型和所述温度预测模型的方法包括：
根据每个历史采样时刻的入口气体温度和入口气体流量计算得到所述dpf在所述历史采样时刻的dpf压差，根据每个历史采样时刻的入口气体温度和入口气体流量计算得到所述dpf在所述历史采样时刻的dpf温度；以每个历史采样时刻的入口气体温度和入口气体流量作为输入，以相应历史采样时刻的dpf压差为输出，基于sindy模型训练得到所述压差预测模型；以每个历史采样时刻的入口气体温度和入口气体流量作为输入，以相应历史采样时刻的dpf温度为输出，基于sindy模型训练得到所述温度预测模型。9.根据权利要求7所述的dpf故障预警方法，其特征在于，训练得到所述碳氧化效率模型的方法包括：以每个历史采样时刻的碳载量、一氧化碳浓度和二氧化碳浓度以及计算得到的所述历史采样时刻的dpf温度为输入，以相应历史采样时刻的dpf碳氧化率为输出，基于静态系统辨识模型训练得到所述碳氧化效率模型。10.根据权利要求1所述的dpf故障预警方法，其特征在于，进行故障预警的方法包括：当所述压差预测值达到压差阈值和/或所述碳载量预测值达到碳载量阈值时，输出用于警示所述dpf存在堵塞故障的预警信息。

技术总结
本申请公开了一种基于动态系统辨识的DPF故障预警方法，涉及工业技术领域，该方法通过利用历史运行数据预先训练的模型，基于DPF在实时运行过程中的实时运行数据就能DPF的压差预测值和碳载量预测值，从而可以分析预测DPF内部的压差和积碳的情况，以提前预测DPF可能存在的安全隐患，能够主动上报预警信息以提示进行清理。该方法自动化程度高，无需人工过多干预，而且通过预测分析并及时进行预警，使得可以反馈可能存在的故障情况，从而可以及时清理保证DPF的工作状态，运行可靠性和使用便捷性更好。性更好。性更好。


技术研发人员：王峰 梁新乐 陈立成
受保护的技术使用者：无锡雪浪数制科技有限公司
技术研发日：2023.03.23
技术公布日：2023/6/28