车辆DPF中颗粒物的确定方法、装置、计算机设备制造方法及图纸

本申请涉及一种车辆DPF中颗粒物的确定方法、装置、计算机设备、存储介质。该方法包括：获取车辆的当前工况数据和DPF中的当前压差数据；基于当前工况数据，确定与当前工况数据对应的碳载量预测模型，其中，碳载量预测模型包括碳载量和压差的对应关系；根据当前压差数据和DPF中的灰载量对应的灰载量压差，确定碳载量压差；根据碳载量预测模型和碳载量压差，确定车辆DPF中的碳载量。采用本申请的方法，一方面在确定碳载量时考虑了车辆的当前工况和当前压差，所以更加准确，另一方面在确定碳载量时排除了灰载量的干扰，从而进一步提高了确定的碳载量的准确性。的碳载量的准确性。的碳载量的准确性。

【技术实现步骤摘要】
车辆DPF中颗粒物的确定方法、装置、计算机设备


[0001]本申请涉及发动机后处理
，特别是涉及一种车辆DPF中颗粒物的确定方法、装置、计算机设备、存储介质。

技术介绍

[0002]随着汽车工业的发展及环境保护要求的提升，国家对汽车排放的要求也越来越高，对发动机的排放物中的颗粒物的限值越来越严格，为了有效降低发动机排放尾气中的颗粒物含量，需要在车辆上安装颗粒捕集器(Diesel Particulate Filter，DPF)，DPF是净化排放的尾气中的颗粒物的最有效途径，其能捕捉发动机排放物中的颗粒物，从而可以有效地减少颗粒物的排放。
[0003]然而，随着汽车的运行，DPF中累积的颗粒物会越来越多，DPF中的颗粒物累积过多会影响DPF的颗粒过滤性能，所以需要定期清除DPF中的颗粒物，而清除DPF中的颗粒物的最佳时机需要根据DPF中的颗粒物的载量确定，因此，如何确定DPF中的颗粒物的载量，是目前需要解决的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够确定DPF中的颗粒物的载量的车辆D本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆DPF中颗粒物的确定方法，其特征在于，包括：获取车辆的当前工况数据和所述车辆的DPF中的当前压差数据；基于所述当前工况数据，确定与所述当前工况数据对应的碳载量预测模型，其中，所述碳载量预测模型包括碳载量和压差的对应关系；根据所述当前压差数据和所述DPF中的灰载量对应的灰载量压差，确定碳载量压差；根据所述碳载量预测模型和所述碳载量压差，确定车辆DPF中的碳载量。2.根据权利要求1所述的车辆DPF中颗粒物的确定方法，其特征在于，所述基于所述当前工况数据，确定与所述当前工况数据对应的碳载量预测模型的步骤，包括：获取多个训练样本数据，其中，各所述训练样本数据包括多个不同的工况数据以及对应在各工况数据下的多个碳载量和压差的对应关系；构建神经网络模型；采用所述训练样本数据训练所述神经网络模型，得到第一预测模型，其中，所述第一预测模型包括工况数据与碳载量
‑
压差的对应关系之间的对应关系；根据所述当前工况数据和所述第一预测模型，确定所述当前工况数据所对应的碳载量和压差的对应关系，作为与所述当前工况数据对应的碳载量预测模型。3.根据权利要求2所述的车辆DPF中颗粒物的确定方法，其特征在于，所述构建神经网络模型的步骤包括：构建多个架构不同的神经网络模型；所述采用所述训练样本数据训练所述神经网络模型，得到第一预测模型的步骤包括：分别采用所述训练样本数据训练各神经网络模型，得到多个子预测模型；根据各子预测模型和所述训练样本数据确定权重模型，其中，所述权重模型包括各子预测模型对应的权重；根据所述权重模型和多个子预测模型，确定所述第一预测模型。4.根据权利要求3所述的车辆DPF中颗粒物的确定方法，其特征在于，所述根据各子预测模型和所述训练样本数据确定权重模型的步骤，包括：调整各子预测模型对应的权重，直到根据所述各子预测模型对应的权重和各所述子预测模型得到的数据与所述训练样本数据一致，将当前的各子预测模型对应的权重作为所述权重模型。5.根据权利要求1
‑
4任一项所述的车辆DPF中颗粒物的...

【专利技术属性】
技术研发人员：孟祥开，佀庆涛，刘斌，杨荣彬，阮尔博，
申请(专利权)人：一汽解放汽车有限公司，
类型：发明
国别省市：