(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211219822.X (22)申请日 2022.10.08 (71)申请人 江苏海平面数据科技有限公司 地址 210019 江苏省南京市 建邺区云龙山 路80号 (72)发明人 孙杰　刘杨　王欣然　 (74)专利代理 机构 南京品智知识产权代理事务 所(普通合伙) 32310 专利代理师 杨陈庆 (51)Int.Cl. F01N 11/00(2006.01) G01D 21/02(2006.01) (54)发明名称 一种基于车联网大数据的DPF灰分在 线监测 方法 (57)摘要 本发明涉及一种基于车联网大数据的DPF灰 分在线监测方法， 包括如下步骤： 步骤1： 对车联 网采集的大数据进行清洗； 步骤2： 建立零灰分状 态时的工况数据集； 步骤3： 表征再生过程中DPF 内颗粒物的燃烧放热速率 ； 步骤4： 获得压 差 ； 计算DPF的流阻 ， 并采用流阻 表征DPF的 碳载量 ； 步骤5： 利用流阻 对颗粒物燃烧放热 速率 进行实时修正； 步骤6： 表征灰分指数 ； 步骤7： 通过灰分指数 判断柴油机DPF是否需要 进行清灰处理。 本发明旨在挖掘车联网大数据的 有益价值， 利用DPF再生过程的历史数据和车辆 运行的时序数据， 借助大数据分析量化DPF中的 灰分含量， 用以优化D PF的主动再生过程。 权利要求书2页 说明书4页 附图2页 CN 115288833 A 2022.11.04 CN 115288833 A 1.一种基于车 联网大数据的DPF灰分在线监测方法， 其特 征在于： 包括如下步骤： 步骤1： 对车联网采集的大数据进行清洗， 其目的是将车辆实际行驶过程中测量得到的 原始数据中的异常值去除， 所述原 始数据为车辆行驶过程中上传至云端的车辆数据； 步骤2： 建立 零灰分状态时的工况 数据集； 步骤3： 通过排气温度传感器采集柴油机DPF入口处和出口处的排气温度 和 ， 使 用 和 的比值表征 再生过程中D PF内颗粒物的燃烧放热速率 ； 步骤4： 通过排气压力传感器采集柴油机DP F入口和出口处的排气压力 和 ， 获得 压差 ； 通过排气流量传感器采集DP F入口处的排气流量 ； 通过排气流 和压差 计 算得到DPF的流阻 ， 并采用流阻 表征DPF的碳载量 ； 步骤5： 采用D PF的流阻 对颗粒物燃烧放热速率 进行实时修 正； 步骤6： 采用修正后的颗粒物燃烧放热速率 表征DPF中灰分含量， 并将其表征为灰分 指数 ； 步骤7： 通过 灰分指数 判断柴油机D PF是否需要 进行清灰处 理。 2.根据权利要求1所述的基于车联网大数据的DPF灰分在线监测方法， 其特征在于： 步 骤1中所述原 始车辆数据清洗方法包 含如下步骤： 步骤S1： 剔除不合理数据， 所述不合理数据包括异常值、 缺失值、 不符合机理范围的值， 所述不合理的数据包括温度低于 ‑271℃且高于200℃、 车速高于225km/h、 发动机转速高于 5000rpm的数据； 步骤S2： 选取每条原始车辆数据中关键测点作为构建零灰分状态时的原始测点， 所述 关键测点包括 发动机润滑油添加剂消耗量、 发动机燃油中的非有机添加剂、 DPF载体材料的 脱落、 发动机转速、 D PF出口处温度、 D PF进口处温度、 D PF压差； 步骤S3： 剔除传感器占位数据； 剔除温度明显异常的区间数据； 剔除排气流量明显异常 的区间数据； 剔除所有关键测点中含有缺失值的行； 剔除再生结束后数据。 3.根据权利要求2所述的基于车联网大数据的DPF灰分在线监测方法， 其特征在于： 所 述步骤S2中发动机的润滑油添加剂消耗量和润滑油灰分含量的乘积处于预估范围内， 且所 述发动机燃油中的非有机添加剂中的非有机元素与DPF灰分中的相应元素处于预估范围 内， 且所述DPF载体材料的脱落时的元素与DPF灰分中相 对应元素处于预估范围内， 且所述 发动机转速小于预估规定发动机转速限值， 且所述DPF下游排气温度在预估温度区间内， 且 所述DPF上游进气温度在预估温度区间内， 且所述D PF压差小于预估压 差限值。 4.根据权利要求1所述的基于车联网大数据的DPF灰分在线监测方法， 其特征在于： 步 骤2中所述零灰分状态时的工况数据集的方法为： 将驻车再生完成时DPF的流阻作为零灰分 阻值， 提取当前状态下完成再生后一定时间内的数据 清洗后的车辆数据为零灰分状态工况 数据， 构建零灰分状态下的工况 数据集。 5.根据权利要求1所述的基于车联网大数据的DPF灰分在线监测方法， 其特征在于： 步 骤4中所述压 差 的计算方法包 含如下步骤：权　利　要　求　书 1/2 页 2 CN 115288833 A 2步骤C1： 根据发动 机DPF出口处排气流量传感器测量值对压差进行修正， 得到流量修正 因子 ； 步骤C2： 根据发动 机DPF出口处温度传感器测量值对压差进行修正， 得到温度修正因子 ； 步骤C3： 将流量修正因子  、 温度修正因子 和DPF内的实时排气压力差 通过DPF 上端进气口和下端排气口的压差计算后输出DPF两端压测量值 ， 则修正后的压差 。 6.根据权利要求1所述的基于车联网大数据的DPF灰分在线监测方法， 其特征在于： 步 骤5中所述颗粒物燃烧放热速率 的修正方法包 含如下步骤： 步骤 ： 根据车联网采集的历史数据， 获得 个完整DPF再生过程中的最高流阻： ， 计算得到历史平均流阻 ； 步骤 ： 采用均值标准化方法， 通过流阻 和历史平均流阻 计算获得颗粒物燃烧 放热速率 的修正系数 ， 其中0.3为标定参数。 7.根据权利要求1所述的基于车联网大数据的DPF灰分在线监测方法， 其特征在于： 步 骤6中所述的灰分指数 。 8.根据权利要求1所述的基于车联网大数据的DPF灰分在线监测方法， 其特征在于： 所 述DPF的流阻 、 碳载量 、 颗粒物燃烧放热速率 、 灰分指数 均为无量纲的相对值。权　利　要　求　书 2/2 页 3 CN 115288833 A 3