一种SCR催化剂性能智能标定方法技术

本发明专利技术提供了一种SCR催化剂性能智能标定方法，包括如下步骤：S1：获取用于标定的SCR催化剂的性能数据，其中，所述性能测试数据包括影响输入变量数据和NOx转化效率数据；S2：将步骤S1得到的影响输入变量数据经过主成分分析筛选得到的第一输入变量和第二输入变量；S3：第一输入变量、第二输入变量和NOx转化效率数据进行归一化处理；S4：采用智能建模的方法构建SCR催化剂转化效率性能标定模型。本发明专利技术所述的一种SCR催化剂性能智能标定方法，所述的标定方法能够克服SCR催化剂影响变量多、非线性、不确定性特性的干扰，提高催化剂性能模型的精度和处理不确定性的能力。的精度和处理不确定性的能力。的精度和处理不确定性的能力。

【技术实现步骤摘要】
一种SCR催化剂性能智能标定方法


[0001]本专利技术属于车辆后处理
，尤其是涉及一种SCR催化剂性能智能标定方法。

技术介绍

[0002]随着大气污染防治工作的深入推进，机动车尾气治理需求的与日俱增。柴油车NOx减排是机动车污染防治的重中之重。面对柴油机较高的NOx排放，选择性催化还原(Selective Catalytic Reduction，SCR)成为柴油车降低NOx排放的主流装备。SCR催化剂受到温度、空速、气体组分等因素影响，其性能(例如转化效率、氨存储性能)会有不同程度的变化，这直接影响到SCR减排的效果。因此，SCR催化剂的性能参数需要在控制系统提前标定，实时运行时通过查表计算，得到当前工况下的SCR催化剂性能，从而控制尿素的喷射量。
[0003]目前SCR催化剂性能标定需要大量的测试试验，通过人工标定的方法建立SCR催化剂性能标定模型。这种方法存在的缺陷是，标定环节工作量大，标定工程师在拟合性能模型时采用几种固定模型，不能克服SCR催化剂影响变量多、非线性、不确定性特性的干扰，性能标定模型预测精度较差，尤其在瞬态工况下无法达到很好的预测效果。

技术实现思路

[0004]有鉴于此，本专利技术旨在提出一种SCR催化剂性能智能标定方法，能够减少标定工作的人力成本，提高标定模型的预测精度和处理不确定性的能力。
[0005]为达到上述目的，本专利技术的技术方案是这样实现的：
[0006]一种SCR催化剂性能智能标定方法，包括如下步骤：
[0007]S1：获取用于标定的SCR催化剂的性能数据，其中，所述性能测试数据包括影响输入变量数据和NOx转化效率数据；
[0008]S2：将步骤S1得到的影响输入变量数据经过主成分分析筛选得到的第一输入变量和第二输入变量；
[0009]S3：第一输入变量、第二输入变量和NOx转化效率数据进行归一化处理；
[0010]S4：采用智能建模的方法构建SCR催化剂转化效率性能标定模型。
[0011]所述步骤S1中用于标定的SCR催化剂的性能包括转化效率性能、氨存储性能、老化性能中的一种或多种。
[0012]所述S1中获取用于标定的SCR催化剂的性能数据的途径包括SCR催化剂小样评价方法、发动机台架测试方法中的一种；
[0013]所述催化剂性能的小样评价方法包括催化剂小样置于立式炉的固定床石英反应器中，采用热电偶测量反应温度，通过质量流量计控制气体流量，采用红外气体分析仪进行排气组分分析。
[0014]发动机台架测试方法包括将发动机置于发动机测功机系统，发动机与发动机测功机系统通过连接轴连接，SCR催化剂封装后置于发动机尾排后端，发动机尾排后端设置保证排放尾气排出室外的排气泵；
[0015]优选的，发动机测功机系统中的气体排放分析系统采用直采的气态污染物分析仪，发动机测功机系统中的NH3测量采用傅立叶红外分析仪检测，发动机测功机系统中的发动机进气温湿度采用发动机进气空调控制，发动机测功机系统中的发动机冷却液温度采用循环水恒温系统控制，发动机测功机系统中的发动机燃油温度采用燃油恒温装置控制。
[0016]所述步骤S1中的影响输入变量的选取方法包括人工经验法、主成分分析、相关性分析、聚类分析中的一种。
[0017]所述S2中的影响输入变量数据经过主成分分析前需要进行数据预处理；数据预处理方法包括归一化处理、差分处理、中值滤波、高斯滤波、均值滤波、小波降噪中的一种。
[0018]所述S4中SCR催化剂性能标定模型的标定方法采用非线性模型辨识方法进行标定。
[0019]相对于现有技术，本专利技术所述的一种SCR催化剂性能智能标定方法具有以下有益效果：
[0020]本实施例的技术方案，首先获取用于标定的性能测试数据中的影响变量和性能变量，基于所述影响变量和性能变量，采用智能方法，建立催化剂性能标定模型。所述的标定方法能够克服SCR催化剂影响变量多、非线性、不确定性特性的干扰，提高催化剂性能模型的精度和处理不确定性的能力。本专利技术能够减少标定工作的人力成本，提高标定模型的预测精度和处理不确定性的能力。
附图说明
[0021]构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0022]图1为本专利技术实施例一提供的一种智能标定方法的流程示意图；
[0023]图2为SCR催化剂转化效率受到排气温度的影响；
[0024]图3为建立输入变量子空间与转化效率子空间关联关系。
具体实施方式
[0025]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0026]下面将参考附图并结合实施例来详细说明本专利技术。
[0027]图1为本专利技术实施例一提供的一种智能标定方法的流程示意图，本实施例可适用于构建SCR催化剂转化效率标定模型，该方法可以由本专利技术实施例提供的系统来执行。该方法具体包括如下步骤：
[0028]S1、进行SCR催化剂转化效率发动机台架实验，获取用于标定的性能测试数据，其中，所述性能测试数据包括影响输入变量数据和NOx转化效率数据。
[0029]具体的，采用某主机厂3L柴油机，在AVL 330kW电力测功机台架系统上开展试验，排放直采系统为AVL AMA i60排放测试系统，非常规污染物采用AVL FTIR进行测量，同时配备了AVL 735/753油耗分析仪、水恒温系统、进气空调系统，通过上述设备采集性能测试数据包括影响输入变量数据和NOx转化效率数据。
[0030]可选的，所述的影响输入变量数据是对SCR催化剂转化效率具有长期影响的因素，
即该影响输入变量在任何时间段均对SCR催化剂转化效率存在影响。示例性的，如图2所示，SCR催化剂转化效率受到排气温度的影响，高NOx转化效率具有一定的温度窗口，因此，排气温度作为影响输入变量数据。
[0031]S2、将影响输入变量数据经过主成分分析筛选得到的第一输入变量和第二输入变量。
[0032]具体的，影响输入变量之间的数据应该具备低相关性。如果选择标定的两组或多组输入数据之间具备高相关性，输入变量冗余，会增加标定模型的复杂程度，降低建模准确性。为避免这一问题，采用如下的相关性分析法筛选低相关性的影响输入变量。
[0033](1)影响输入变量样本集为m为样本数量，n为样本维度，计算影响输入变量的相关矩阵cov：
[0034][0035]影响输入变量之间的相关度cov(x
i
,x
j
),i＝1,2,...,n,j＝1,2,...,n计算如下：
[0036][0037](2)挑选出相关系数最高[x
1max
,x
2max
]＝arg maxcov(x
i
,x
j
),i＝1,2,...,n,j＝1,2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种SCR催化剂性能智能标定方法，其特征在于：包括如下步骤：S1：获取用于标定的SCR催化剂的性能数据，其中，所述性能测试数据包括影响输入变量数据和NOx转化效率数据；S2：将步骤S1得到的影响输入变量数据经过主成分分析筛选得到的第一输入变量和第二输入变量；S3：第一输入变量、第二输入变量和NOx转化效率数据进行归一化处理；S4：采用智能建模的方法构建SCR催化剂转化效率性能标定模型。2.根据权利要求1所述的一种SCR催化剂性能智能标定方法，其特征在于：所述步骤S1中用于标定的SCR催化剂的性能包括转化效率性能、氨存储性能、老化性能中的一种或多种。3.根据权利要求1所述的一种SCR催化剂性能智能标定方法，其特征在于：所述S1中获取用于标定的SCR催化剂的性能数据的途径包括SCR催化剂小样评价方法、发动机台架测试方法中的一种；所述催化剂性能的小样评价方法包括催化剂小样置于立式炉的固定床石英反应器中，采用热电偶测量反应温度，通过质量流量计控制气体流量，采用红外气体分析仪进行排气组分分析。4.根据权利要求1所述的一种SCR催化剂性能智能标定方法，其特征在于：发动机台架测试方法包括将发动机...

【专利技术属性】
技术研发人员：李振国，王懋譞，吴撼明，邵元凯，任晓宁，李凯祥，张旺，刘强，
申请(专利权)人：中汽研汽车检验中心天津有限公司，
类型：发明
国别省市：