一种基于车联网大数据的DPF再生周期控制优化方法技术

本发明专利技术提出的是一种基于车联网大数据的DPF再生周期控制优化方法，该方法包括模型训练阶段，分析预测阶段；模型训练阶段是分析预测阶段的前提，分析预测阶段以模型训练阶段产生的零碳阻值基准模型为基础来进行预测；所述模型训练阶段包括：步骤1

【技术实现步骤摘要】
一种基于车联网大数据的DPF再生周期控制优化方法


[0001]本专利技术涉及一种基于车联网大数据的DPF再生周期控制优化方法，属于大数据处理分析技术及车辆DPF再生周期控制优化领域。

技术介绍

[0002]我国汽车产业快速发展，汽车拥有量也急速上升，然而，汽车尾气也造成了空气污染，其中，微粒（PM）是柴油机排气的主要污染物之一，容易对空气、对人体健康造成巨大危害，柴油机微粒捕集器（DPF, Diesel Particulate Filter）是用于降低排气微粒最有效的手段，当DPF内积累了一定量的 PM，需要对其进行再生，而主动再生方式的关键技术在于DPF 的碳载量估算，以及再生温度控制。
[0003]“国六”标准下，对工程机械车辆的NOx、CO等气体排放的要求日益严格，DPF作为尾气处理装置的重要组成部分，通过对尾气中碳颗粒的捕捉，使尾气能够充分进行氧化，降低污染物的排放；当DPF中累计捕捉的碳载量超过一定数量时，车辆ECU会显示主动再生指示，提醒驾驶员燃烧DPF中积累的碳颗粒，确保DPF能够正常地进行颗粒捕捉。
[0004]然而车辆在实际运行的过程中，由于复杂的工况条件，DPF中的累碳速率变化较大，计算困难，DPF中碳载量的测度存在较大的困难，目前再生请求标志是否合理，再生次数能否能够优化一直是未知数；目前，碳载量估算均是通过间接测量、计算的方法，主要有以下几种：根据排气背压、根据时间、根据行驶里程、根据总的耗油量等进行估算，它们均是通过间接的方法来估算碳载量；因此，找到一个能够较准确估算碳载量，并且适用于行驶车辆的方法，对于DPF的再生具有重要意义。
[0005]因此，本专利技术利用再生历史数据和车辆运行的时序数据，借助大数据分析及机器学习算法，量化DPF中的碳载量，用以评估和优化DPF再生周期，减少不必要的再生次数，节省油耗，对于节能减排、环保增益、延长部件使用寿命具有重要意义。

技术实现思路

[0006]本专利技术提出的是一种基于车联网大数据的DPF再生周期控制优化方法，其目的旨在解决现有DPF再生策略的不足，提供一种车辆在实际运行的过程中，能对DPF中的碳载量进行量化的方法。
[0007]一种基于车联网大数据的DPF再生周期控制优化方法，该方法包括模型训练阶段，分析预测阶段；模型训练阶段是分析预测阶段的前提，分析预测阶段以模型训练阶段产生的零碳阻值基准模型为基础来进行预测；所述模型训练阶段包括：步骤1
‑
1）数据清洗，步骤1
‑
2）建立零碳状态下的工况数据集，步骤1
‑
3）特征提取，步骤1
‑
4）监督学习模型，步骤1
‑
5）验证回归，步骤1
‑
6）模型结果展示；所述分析预测阶段包括：步骤2
‑
1）数据清洗，步骤2
‑
2）模型预测零碳阻值R0，步骤2
‑
3）实际流阻计算，步骤2
‑
4）计算流阻偏差值，步骤2
‑
5）分析结果。
[0008]进一步地，所述步骤1
‑
1）数据清洗目的是将原始秒级数据中的不合理数据以及空
数据去除，所述原始秒级数据为一定频率上传的原始车辆数据；所述一定频率为1秒采集上传一条原始车辆数据；数据清洗具体包括：1）保留DMODE数值在0、1、2、4四个数字范围内的数据；0是正常，不需要再生；1是升温准备进入再生；2是进入再生；4是排温太低进行升温；所述DMODE为DPF再生过程标志；2）剔除不合理数据，所述不合理数据包括速度大于200km/h的数据和发动机转速小于
‑
1000rpm的数据；3）选取每条原始车辆数据中关键测点作为构建零碳阻值基准模型的原始测点，所述关键测点包括发动机转速(rpm)、车速(km/h)、环境温度(degC)、PTO（动力输出）开关、行车自动再生请求标志、驻车主动再生请求标志、总颗粒(g)、DPF压差(kPa)、DPF上游排气温度(degC)、实际轨压(MPa)、目标轨压(MPa)、进气流量(kg/h)、排气流量(m3/h)、自上次成功再生的行驶里程(km)、DMODE、循环EGR进气量、循环进气量、废气质量流量、DPF再生成功标志、进气歧管压力(kPa)、发动机燃料流量(L/h)、大气压力(kPa)；4）剔除在选取的关键测点中存在缺失值的原始车辆数据，确保数据的完整性。
[0009]进一步地，所述再生包括行车自动再生和驻车主动再生；所述EGR为废气再循环系统。
[0010]进一步地，所述步骤1
‑
2）中零碳状态下的工况数据集的构建过程包括对经过数据清洗完的数据进行筛选，DPF驻车主动再生完成后，刚驻车主动再生烧完的DPF内的碳载量最低，此时的DPF阻值为零碳阻值，提取驻车主动再生完成后运行1000秒内的数据清洗后的车辆数据为零碳状态工况数据，构建零碳状态下的工况数据集。
[0011]进一步地，所述提取驻车主动再生完成后运行1000秒内的数据清洗后的车辆数据为零碳状态工况数据，具体包括：1）驻车主动再生完成后，其自上次成功再生的行驶里程的数值被重置为0，选取自上次成功再生后累计里程的数值≤ 1公里的清洗后的原始秒级数据作为零碳状态下的工况数据；2）选取总颗粒≤2g的清洗后的原始秒级数据；3）保留从驻车主动再生完成后运行累计工作时间在1000s以内的数据，作为零碳状态下的工况数据，若频率为1秒一条，即车辆驻车主动再生完成后工作首条数据开始的1000条数据。
[0012]进一步地，所述步骤1
‑
3）特征提取主要是基于零碳状态下的工况数据集，筛选出影响DPF阻值的驻车主动再生完成后的零碳特征数据，计算出零碳阻值R0。
[0013]进一步地，所述影响DPF阻值的驻车主动再生完成后的零碳特征数据包括影响DPF阻值的特征测点，具体包括发动机转速(rpm)、环境温度(degC)、DPF上游排气温度(degC)、实际轨压(MPa)、进气流量(kg/h)、循环进气量、大气压力(kPa)。
[0014]进一步地，所述零碳阻值R0的计算包括以下步骤：1）将DPF等效为一个电阻，其两端的DPF压差(kPa)看作为DPF两端的电压，管道内的废气质量流量看作为流过DPF的电流,则DPF压差(kPa)/ 废气质量流量得到DPF阻值，DPF阻值由局部阻力和内部阻力组成；2）由DPF原理可知，DPF内的碳载量和排气温度会导致DPF阻值的变化，当驻车主动再生完成后，认为DPF内的碳颗粒都烧完了，DPF内部的碳载量为0，此时的DPF阻值为零碳阻
值R0；3）基于零碳状态下的车辆工况数据， DPF压差(kPa)除以废气质量流量计算零碳状态下的零碳阻值R0。
[0015]进一步地，所述步骤1
‑
4）监督学习模型包括将处理好的驻车主动再生完成后的零碳特征数据和零碳阻值R0，放入监督学习模型中进行训练，使用机器学习算法学习零碳特征数据里的特征测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车联网大数据的DPF再生周期控制优化方法，其特征是包括模型训练阶段，分析预测阶段；模型训练阶段是分析预测阶段的前提，分析预测阶段以模型训练阶段产生的零碳阻值基准模型为基础来进行预测；所述模型训练阶段包括：步骤1
‑
1）数据清洗，步骤1
‑
2）建立零碳状态下的工况数据集，步骤1
‑
3）特征提取，步骤1
‑
4）监督学习模型，步骤1
‑
5）验证回归，步骤1
‑
6）模型结果展示；所述分析预测阶段包括：步骤2
‑
1）数据清洗，步骤2
‑
2）模型预测零碳阻值R0，步骤2
‑
3）实际流阻计算，步骤2
‑
4）计算流阻偏差值，步骤2
‑
5）分析结果。2.根据权利要求1所述的一种基于车联网大数据的DPF再生周期控制优化方法，其特征是所述步骤1
‑
1）数据清洗目的是将原始秒级数据中的不合理数据以及空数据去除，所述原始秒级数据为一定频率上传的原始车辆数据；所述一定频率为1秒采集上传一条原始车辆数据；数据清洗具体包括：1）保留DMODE数值在0、1、2、4四个数字范围内的数据；0是正常，不需要再生；1是升温准备进入再生；2是进入再生；4是排温太低进行升温；所述DMODE为DPF再生过程标志；2）剔除不合理数据，所述不合理数据包括速度大于200km/h的数据和发动机转速小于
‑
1000rpm的数据；3）选取每条原始车辆数据中关键测点作为构建零碳阻值基准模型的原始测点，所述关键测点包括发动机转速、车速、环境温度、PTO开关、行车自动再生请求标志、驻车主动再生请求标志、总颗粒、DPF压差、DPF上游排气温度、实际轨压、目标轨压、进气流量、排气流量、自上次成功再生的行驶里程、DMODE、循环EGR进气量、循环进气量、废气质量流量、DPF再生成功标志、进气歧管压力、发动机燃料流量、大气压力；4）剔除在选取的关键测点中存在缺失值的原始车辆数据，确保数据的完整性。3.根据权利要求1所述的一种基于车联网大数据的DPF再生周期控制优化方法，其特征是所述步骤1
‑
2）中零碳状态下的工况数据集的构建过程包括对经过数据清洗完的数据进行筛选，DPF驻车主动再生完成后，刚驻车主动再生烧完的DPF内的碳载量最低，此时的DPF阻值为零碳阻值，提取驻车主动再生完成后运行1000秒内的数据清洗后的车辆数据为零碳状态工况数据，构建零碳状态下的工况数据集。4.根据权利要求3所述的一种基于车联网大数据的DPF再生周期控制优化方法，其特征是所述提取驻车主动再生完成后运行1000秒内的数据清洗后的车辆数据为零碳状态工况数据，具体包括：1）驻车主动再生完成后，其自上次成功再生的行驶里程的数值被重置为0，选取自上次成功再生后累计里程的数值≤ 1公里的清洗后的原始秒级数据作为零碳状态下的工况数据；2）选取总颗粒≤2g的清洗后的原始秒级数据；3）保留从驻车主动再生完成后运行累计工作时间在1000s以内的数据，作为零碳状态下的工况数据，若频率为1秒一条，即车辆驻车主动再生完成后工作首条数据开始的1000条数据。5.根据权利要求1所述的一种基于车联网大数据的DPF再生周期控制优化方法，其特征是...

【专利技术属性】
技术研发人员：王欣然，肖涛，
申请(专利权)人：江苏海平面数据科技有限公司，
类型：发明
国别省市：