DPF碳载量预警的系统
技术领域
本发明涉及排气后处理系统的颗粒捕集(DPF)系统领域，具体涉及一种DPF碳载量预警的系统。
背景技术
随着排放法规的日益严格，颗粒排放限值越来越低，因此后处理系统需要增加DPF来降低尾气中的颗粒排放，颗粒被DPF捕集后颗粒留在DPF壁面。当DPF表面积累较多碳载量时会导致排气背压升高，影响经济性和动力性。当DPF内部碳载量太高，DPF再生时的安全风险就会越大，因此需要严格监控DPF碳载量，并实时预警避免碳载量过高。
DPF碳载量分为三个等级L1、L2和L3，当碳载量如果在L1以下，表明车辆在正常行驶，无需进行其他操作；当碳载量如果在L1～L2，则表明碳载量较大，需要进行再生将碳载量烧掉；当碳载量在L2～L3，则表明碳载量太大，需要立马进行再生，否则会对车辆限速限扭。现有技术的缺点是：只能实时计算当前工况点的碳载量，无法预测未来的碳载量水平，无法提前预警车辆避免限速限扭。
发明内容
本发明的目的就是针对现有技术的缺陷，提供一种DPF碳载量预警的系统，可以预测未来碳载量的水平，对碳载量过大进行预警。
本发明提供了一种DPF碳载量预警的系统，其特征在于包括控制器、车载T-BOX、云平台和手机APP，控制器和车载T-BOX安装于车辆上，云平台是数据网络平台，手机APP安装于用户手机上；控制器实时采集车辆的状态信息，包括转速、扭矩、油耗、DPF温度、原机碳排放、DPF碳载量、原机NOx排放、排气氧浓度；控制器将采集的车辆的状态信息发送给车载T-BOX，车载T-BOX将车辆的状态信息发送给云平台，云平台根据收集的车辆的状态信息进行预测，分析计算DPF碳载量达到设定预警值所需的时间，并将该时间发送给手机APP。
上述技术方案中，云平台将DPF碳载量设置为由小到大的三个等级L1、L2和L3，L2和L3为设定预警值；当判断DPF碳载量在L1以下，表明车辆在正常行驶，无需进行其他操作；当判断DPF碳载量在L1～L2，发送“存在DPF再生需求”的信息至手机APP；当判断DPF碳载量在L2～L3，发送“立即启动DPF再生功能”的信息至手机APP；当判断DPF碳载量大于L3，发送“需要进入服务站维修，车辆已经限速限扭”的信息至手机APP。
上述技术方案中，DPF碳载量达到设定预警值所需的时间小于目标时间时，云平台通过自动拨号系统给用户打电话以告知用户需要进行再生。
上述技术方案中，云平台采用一段时间t1内收集到的车辆的状态信息，通过拟合曲线得到碳载量变化曲线计算DPF碳载量达到L2的所需时间A和DPF碳载量达到L3的所需时间B；其中t时间段的数据起点的DPF碳载量大于L1。
上述技术方案中，云平台采用一段时间t内收集到的车辆的状态信息构建仿真模型，通过仿真模型计算DPF碳载量达到L2的所需时间C和DPF碳载量达到L3的所需时间D；其中假设车辆未来运行的工况与t时间内的工况相同，所述DPF碳载量仿真模型如下：
M＝M1+f(m1)-f(m2,m3,T)
f(m1)＝m1*Δt
f(m2,m3,T)＝k1*m2*e-E1/RT+k2*m3*e-E2/RT
M为当前工况的碳载量，M1为上一时刻的碳载量，m1为原机碳排放，Δt为两个计算时刻的时间差，k1和k2为比例常数，m2为原机NOx浓度，E1为NOx与碳发生反应的活化能，m3为排气氧浓度，E2为氧气与碳发生反应的活化能，T为DPF温度；R是气体常数，8.31J/(mol·K)；
其中t时间段的数据起点的DPF碳载量大于L1。
上述技术方案中，将拟合曲线得到的所需时间和仿真模型计算得到的所需时间通过加权计算得到最终的时间E和F；
E＝w1*A+w2*C；F＝w1*B+w2*D；
其中，w1，w2是权重系数，是亚奥参考曲线拟合和模型计算的时间综合效果；E为DFP碳载量达到L2所需时间；F为DFP碳载量达到L3所需时间。
上述技术方案中，云平台将时间A和时间B作为DPF碳载量达到设定预警值所需的时间的最终计算结果反馈至手机APP。
上述技术方案中，云平台将时间C和时间D作为DPF碳载量达到设定预警值所需的时间的最终计算结果反馈至手机APP。
上述技术方案中，云平台将时间E和时间F作为DPF碳载量达到设定预警值所需的时间的最终计算结果反馈至手机APP。
上述技术方案中，L1、L2、L3根据需要设置成相应的数值。
本发明可以基于当前DPF的碳载量和下一段时间的工况情况来预测未来碳载量的水平，对碳载量过大进行预警，告知司机碳载量何时会达到报警水平，提醒司机在报警前选择合适的时间和地点进行驻车再生，避免碳载量过大导致车辆限速限扭。若时间已经小于目标值，则云平台则通过自动拨号系统给司机打电话告知司机需要进行再生。本发明根据当前DPF的碳载量生成是否启动再生或者是否需要维修的提示，进一步确保用户的用车安全。
附图说明
图1是本发明的模块示意图；
图2是采用非线性拟合的碳载量变化曲线；
图3采用仿真模型计算的碳载量变化曲线。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明，便于清楚地了解本发明，但它们不对本发明构成限定。
如图1所示，本发明提供的DPF碳载量预警的系统至少包括控制器、车载T-BOX、云平台和手机APP，控制器和车载T-BOX都是安装在车辆上，云平台是数据网络平台，手机APP需要安装在司机手机上。控制器实时采集车辆的转速、扭矩、油耗、DPF温度、原机碳排放、DPF碳载量、原机NOx排放、排气氧浓度。控制器将采集的信号发送给车载T-BOX，车载T-BOX将信号发送给云平台，云平台会根据收集的信号进行DPF碳载量的预测。
云平台将DPF碳载量设置为三个等级L1、L2和L3，上述等级可根据实际情况进行人工设置。当碳载量在L1以下，表明车辆在正常行驶，无需进行其他操作；当碳载量如果在L1～L2，则表明碳载量较大，需要进行再生将碳载量烧掉，云平台发送“存在DPF再生需求”的信息至手机APP；当碳载量在L2～L3，则表明碳载量太大，需要立马进行再生，否则会对车辆限速限扭，云平台发送“立即启动DPF再生功能”的信息至手机APP；当碳载量大于L3，则表明碳载量非常大，不能再进行再生，需要进入服务站维修，车辆已经限速限扭了，云平台发送“需要进入服务站维修，车辆已经限速限扭”的信息至手机APP。
云平台判断DPF碳载量达到L2和L3所需的时间，并将该时间发送给手机APP，从而提醒司机选择合适的时间和地点进行DPF再生，确保不会影响车辆的正常运行。当时间小于目标值时，则通过云平台的自动拨号系统给司机打电话告知司机需要进行再生。
当DPF碳载量小于L1时，云平台不进行任何计算。
当DPF碳载量大于L1时，云平台开始预测DPF碳载量，预测方法有三种。
方法1：利用车载T-BOX上传的数据，云平台采用一段时间t1的数据，通过拟合得到碳载量变化曲线，进而计算碳载量达到L2的时间A和碳载量达到L3的时间B。将计算得到的时间A和时间B通过手机APP告知司机，当时间A和时间B小于目标值时，则通过云平台的自动拨号系统给司机打电话告知司机需要进行再生。
图2是采用非线性拟合的碳载量变化曲线，从而可以准确计算出时间A和时间B。其中L1、L2、L3可以根据需要设置成相应的数值，拟合曲线也可以设置成其他线性和非线性函数，t1段的数据起点可以随意选择，只要是DPF碳载量大于L1即可，t1端数据的终点可以随意选择。
方法2：在云平台上搭建DPF碳载量仿真模型，实时仿真计算出碳载量，云平台采用一段时间t2的数据，通过仿真计算碳载量，进而计算碳载量达到L2的时间C和碳载量达到L3的时间D。将计算得到的时间C和时间D通过手机APP告知司机，当时间C和时间D小于目标值时，则通过云平台的自动拨号系统给司机打电话告知司机需要进行再生。
假设车辆未来运行的工况与t2时间内的工况相同，云平台根据车载T-BOX上传的t2数据仿真计算碳载量，仿真方法如下
M＝M1+f(m1)-f(m2,m3,T)
f(m1)＝m1*Δt
f(m2,m3,T)＝k1*m2*e-E1/RT+k2*m3*e-E2/RT
M为当前工况的碳载量，M1为上一时刻的碳载量，m1为原机碳排放，Δt为两个计算时刻的时间差，k1和k2为比例常数，m2为原机NOx浓度，E1为NOx与碳发生反应的活化能，m3为排气氧浓度，E2为氧气与碳发生反应的活化能，T为DPF温度。
图3是采用仿真计算的碳载量变化曲线，从而可以准确计算出时间C和时间D。其中L1、L2、L3可以根据需要设置成相应的数值，拟合曲线也可以设置成其他线性和非线性函数，t2段的数据起点可以随意选择，只要是DPF碳载量大于L1即可，t2段数据的终点可以随意选择。
方法3：利用车载T-BOX上传的数据，云平台采用一段时间t3的数据，通过拟合得到碳载量变化曲线，进而计算碳载量达到L2的时间A1，计算出碳载量达到L3的时间B1。在云平台上搭建DPF碳载量仿真模型，实时仿真计算出碳载量，云平台采用t3段的数据，通过仿真计算碳载量，进而计算碳载量达到L2的时间C1，计算出碳载量达到L3的时间D1。将拟合曲线得到的时间和仿真计算得到的时间通过加权计算得到最终的时间E和F。E＝w1*A1+w2*C1；F＝w1*B1+w2*D1；w1+w2＝1。
将计算得到的时间E和时间F通过手机APP告知司机，当时间E和时间F小于目标值时，则通过云平台的自动拨号系统给司机打电话告知司机需要进行再生。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
