摘要：針對重型柴油機(jī)顆粒物（PM）排放后處理系統(tǒng)對物理傳感器的依賴問題，提出一種基于壓差模型與原排模型的雙模型協(xié)同控制策略。通過構(gòu)建排氣背壓差與原始排放的數(shù)學(xué)模型，結(jié)合ECU實(shí)時(shí)數(shù)據(jù)融合算法，實(shí)現(xiàn)顆粒物濃度的動(dòng)態(tài)預(yù)測與監(jiān)控。實(shí)驗(yàn)表明，該策略在穩(wěn)態(tài)和瞬態(tài)工況下可替代PM傳感器的功能，滿足國六排放法規(guī)要求，同時(shí)降低后處理系統(tǒng)成本與維護(hù)復(fù)雜度。

關(guān)鍵詞：柴油機(jī)；顆粒物濃度預(yù)測；雙模型監(jiān)控

中圖分類號：U461" " " "收稿日期：2025-02-25" " " " DOI：10.19999/j.cnki.1004-0226.2025.04.013

?Research on Dual-Model Cooperative Monitoring of Particulate Emissions in Heavy-Duty Diesel Engine ECU Control Strategies

Huang Lingyu" Gao Qingwen" Xu Wenkai

Jiangling Motors Co.Ltd.，Nancahng 330200，China

Abstract：To address the dependency of heavy-duty diesel engine particulate matter （PM） emission after-treatment systems on physical sensors， this paper proposes a dual-model collaborative control strategy based on a pressure differential model and an original emission model. By establishing mathematical models for exhaust backpressure differential and raw emissions， combined with an ECU real-time data fusion algorithm， dynamic prediction and monitoring of particulate matter concentration are achieved. Experimental results demonstrate that this strategy can replace the functionality of PM sensors under both steady-state and transient operating conditions， meeting China VI emission regulations while reducing the cost and maintenance complexity of after-treatment systems.

Key words：Diesel engines；Particulate matter concentration prediction；Dual-model monitoring

1 前言

1.1 研究背景

隨著我國排放法規(guī)日趨嚴(yán)格，商用車行業(yè)競爭形勢嚴(yán)峻，提升產(chǎn)品的競爭力迫在眉睫。如何通過關(guān)鍵技術(shù)創(chuàng)新驅(qū)動(dòng)降本增效，已經(jīng)成為產(chǎn)品研發(fā)戰(zhàn)略的重中之重［1-2］。當(dāng)前，PM傳感器的替代方案是重型柴油機(jī)研究重點(diǎn)方向之一。

a.PM傳感器的局限性：傳統(tǒng)柴油機(jī)后處理系統(tǒng)依賴PM傳感器實(shí)現(xiàn)顆粒物濃度監(jiān)測，但存在成本高、易受污染、低溫失效等問題［3］。

b.法規(guī)與成本驅(qū)動(dòng)：國六排放標(biāo)準(zhǔn)對PM實(shí)時(shí)監(jiān)測提出嚴(yán)格要求，而取消物理傳感器可降低整車企業(yè)生產(chǎn)成本［4］。

c.模型替代的可行性：通過ECU內(nèi)部算法構(gòu)建軟測量模型，已成為汽車電子領(lǐng)域的研究熱點(diǎn)。

1.2 研究目標(biāo)

汽車行業(yè)中，重型柴油車國六顆粒物排放監(jiān)控主流技術(shù)路線是通過PM傳感器實(shí)現(xiàn)的。此技術(shù)路線優(yōu)勢在于發(fā)動(dòng)機(jī)需要達(dá)成的顆粒原機(jī)排放要求低，故障件與正常件顆粒捕捉器（DPF）的顆粒物排放監(jiān)測區(qū)分度明顯，劣勢則在于后處理系統(tǒng)復(fù)雜和成本過高［7-8］。本文旨在構(gòu)建壓差模型與原排模型的雙模型協(xié)同策略，達(dá)成顆粒物排放濃度的OBD監(jiān)控要求，實(shí)現(xiàn)后處理系統(tǒng)簡化和成本的顯著降低。

2 雙模型構(gòu)建方法

2.1 壓差模型構(gòu)建

2.1.1 理論基礎(chǔ)

2.1.2 模型實(shí)現(xiàn)

2.2 原排模型構(gòu)建

2.2.1 排放預(yù)測模型

2.2.2 數(shù)據(jù)驅(qū)動(dòng)優(yōu)化

采用BP神經(jīng)網(wǎng)絡(luò)對臺(tái)架試驗(yàn)數(shù)據(jù)進(jìn)行訓(xùn)練，建立多工況下的排放預(yù)測數(shù)據(jù)庫。具體如下：

a.數(shù)據(jù)治理與特征工程，整合臺(tái)架試驗(yàn)的工況參數(shù)、排放物數(shù)據(jù)及環(huán)境參數(shù)?；跁r(shí)間戳同步傳感器數(shù)據(jù)與排放分析儀數(shù)據(jù)，采用插值法補(bǔ)償采樣率差異。

b.數(shù)據(jù)增強(qiáng)與降噪，通過拉丁超立方采樣設(shè)計(jì)補(bǔ)充實(shí)驗(yàn)，填補(bǔ)原始數(shù)據(jù)中稀疏工況區(qū)域。應(yīng)用小波閾值去噪處理傳感器信號，保留工況瞬態(tài)特征。異常值檢測：基于孤立森林算法識(shí)別并剔除異常工況片段。

c.網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)與優(yōu)化，根據(jù)特征重要性分析，動(dòng)態(tài)選擇關(guān)鍵輸入變量。采用漸進(jìn)式增長策略，初始為單隱層，逐步增加至雙隱層，通過貝葉斯優(yōu)化確定最佳拓?fù)?。隱層使用Leaky ReLU，輸出層采用歸一化輸出。

d.正則化策略，在隱層間插入Dropout，動(dòng)態(tài)稀疏化網(wǎng)絡(luò)以提升泛化能力。損失函數(shù)中引入權(quán)重衰減項(xiàng)，約束復(fù)雜工況下的過擬合風(fēng)險(xiǎn)。

e.訓(xùn)練策略與超參數(shù)調(diào)優(yōu)，采用Nadam優(yōu)化器，初始學(xué)習(xí)率10-3，配合ReduceLROnPlateau動(dòng)態(tài)調(diào)整。實(shí)施漸進(jìn)式批量縮放，兼顧初期收斂速度與后期穩(wěn)定性。

f.交叉驗(yàn)證框架，按工況類別分層劃分?jǐn)?shù)據(jù)，確保各類工況分布一致。監(jiān)控驗(yàn)證集損失，容忍度設(shè)為10epoch，保留最佳權(quán)重快照。

g.模型驗(yàn)證與可解釋性增強(qiáng)，計(jì)算MAE、RMSE、R2，重點(diǎn)關(guān)注高排放區(qū)段的預(yù)測精度。構(gòu)建極端工況測試集，驗(yàn)證模型外推能力。

h.可解釋性技術(shù)，通過局部加權(quán)回歸量化輸入變量對排放預(yù)測的邊際貢獻(xiàn)。全局解釋不同工況下關(guān)鍵參數(shù)對排放的影響趨勢。

i.預(yù)測數(shù)據(jù)庫構(gòu)建與部署，采用PostgreSQL時(shí)序擴(kuò)展，按工況模式分區(qū)存儲(chǔ)預(yù)測數(shù)據(jù)。預(yù)計(jì)算典型工況區(qū)間的排放均值、峰值及統(tǒng)計(jì)分布，支持快速多維查詢。

j.提供在線預(yù)測服務(wù)，通過知識(shí)蒸餾訓(xùn)練小型網(wǎng)絡(luò)，滿足嵌入式系統(tǒng)實(shí)時(shí)推理需求?；贔astAPI發(fā)布RESTful服務(wù)，輸入工況參數(shù)JSON，返回排放預(yù)測值及置信區(qū)間。

k.持續(xù)學(xué)習(xí)與系統(tǒng)迭代，設(shè)計(jì)彈性權(quán)重固化模塊，利用新臺(tái)架試驗(yàn)數(shù)據(jù)微調(diào)模型，避免災(zāi)難性遺忘。基于KS檢驗(yàn)監(jiān)控輸入數(shù)據(jù)分布偏移，觸發(fā)模型再訓(xùn)練流程。

3 雙模型協(xié)同控制策略

3.1 模型融合架構(gòu)

a.數(shù)據(jù)層：ECU通過實(shí)時(shí)采集發(fā)動(dòng)機(jī)的詳細(xì)運(yùn)行參數(shù)，同時(shí)，監(jiān)測后處理系統(tǒng)的關(guān)鍵狀態(tài)。

b.決策層。

①壓差模型提供DPF碳載量估計(jì)值： 建立基于物理原理的壓差與DPF碳載量之間的數(shù)學(xué)模型，考慮DPF的結(jié)構(gòu)參數(shù)、氣流特性等因素。

②原排模型預(yù)測PM原始排放量：基于發(fā)動(dòng)機(jī)燃燒理論和排放特性，建立PM原始排放量的預(yù)測模型。

③反饋修正：基于卡爾曼濾波算法實(shí)現(xiàn)雙模型輸出值的動(dòng)態(tài)加權(quán)融合，將壓差模型輸出的碳載量估計(jì)值作為測量值，原排模型輸出的PM排放量預(yù)測值作為預(yù)測值，構(gòu)建卡爾曼濾波的狀態(tài)空間模型。

3.2 控制邏輯設(shè)計(jì)

4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析

4.1 臺(tái)架試驗(yàn)設(shè)計(jì)

設(shè)備：重型柴油機(jī)臺(tái)架（滿足ISO 8178標(biāo)準(zhǔn)）。

工況：涵蓋WHTC循環(huán)及整車實(shí)際道路等場景。

4.2 性能對比

a.DPF故障件效率監(jiān)控表現(xiàn)。

在發(fā)動(dòng)機(jī)碳顆粒排放值相同的條件下，低效率故障件DPF累碳量遠(yuǎn)低于正常件累碳量的物理特性，通過雙模法（原排模型/流阻模型）在原排模型計(jì)算的碳載相對增加量達(dá)到診斷觸發(fā)限值時(shí)，觸發(fā)判斷流阻模型計(jì)算的碳載相對增加量是否達(dá)到限值要求，未到達(dá)限值要求則診斷報(bào)錯(cuò)。在排放水平滿足DOC后PM≤40 mg/（kW·h）且匹配高精度壓差傳感器（±5 hPa）的條件下，通過雙模法監(jiān)控可實(shí)現(xiàn)對DPF效率的有效監(jiān)控，并滿足國六OBD法規(guī)要求，如圖1所示。

b.DPF正常件和故障件全場景工況效率監(jiān)控表現(xiàn)。

整車上分別使用DPF正常件和故障件在平原、高原、高寒環(huán)境驗(yàn)證雙模法監(jiān)控，試驗(yàn)結(jié)果顯示DPF故障件與正常件壓差分布區(qū)分度明顯（圖2），滿足法規(guī)對DPF效率監(jiān)控的診斷要求，且沒有出現(xiàn)誤報(bào)錯(cuò)的情況。

5 結(jié)語

a.雙模型協(xié)同控制策略應(yīng)用于重型柴油國六商用車后處理系統(tǒng)中可實(shí)現(xiàn)模型替代PM傳感器硬件，實(shí)現(xiàn)整車后處理系統(tǒng)成本下降11%，模型監(jiān)控精度達(dá)成國六排放OBD法規(guī)要求。

b.未來可結(jié)合數(shù)字孿生技術(shù)實(shí)現(xiàn)模型參數(shù)的在線自學(xué)習(xí)，進(jìn)一步提高模型精度，實(shí)現(xiàn)自適應(yīng)顆粒排放監(jiān)控。

參考文獻(xiàn)：

[1]唐蛟，李國祥，王志堅(jiān)，等.DPF碳載量模型的建立及試驗(yàn)[J].內(nèi)燃機(jī)學(xué)報(bào)，2015（1）：51-57.

[2]于津濤，周濤，張凡.重型國六排放標(biāo)準(zhǔn)中OBD主要變化及驗(yàn)證[J].小型內(nèi)燃機(jī)與摩托車，2019，48（3）：43-47.

[3]孟忠偉，譚杰，方嘉，等.DPF再生時(shí)出口氣體和顆粒排放特性的試驗(yàn)[J].內(nèi)燃機(jī)學(xué)報(bào)，2021（3）：257-264.

[4]王忠，張啟霞，劉帥，等.柴油機(jī)排氣顆粒吸附行為及微觀特征[J].內(nèi)燃機(jī)學(xué)報(bào)，2022（5）：440-446.

[5]陳昊天，王玥，曹晶，等.基于粒子群算法的增壓柴油機(jī)神經(jīng)網(wǎng)絡(luò)模型[J].車用發(fā)動(dòng)機(jī)，2021（3）：1-7.

[6]劉海報(bào)，詹坤.一種基于PM傳感器監(jiān)控柴油機(jī)DPF性能的控制策略[J].汽車博覽，2021（5）：71-71.

[7]劉寶利，鄭春芳，郭勇，等.國六柴油車遠(yuǎn)程排放監(jiān)測數(shù)據(jù)項(xiàng)間相關(guān)性特征研究[J].小型內(nèi)燃機(jī)與摩托車，2022（3）：58-63.

[8]劉洋，宋興炬，萬輝.國六柴油機(jī)顆粒捕捉器原理及常見故障解析[C]//第十七屆河南省汽車工程科技學(xué)術(shù)研討會(huì).河南省汽車工程學(xué)會(huì)，2020.

[9]鞠偉達(dá)，魯永亮，李智.國六重型柴油車劣化排放特性分析[J].動(dòng)力系統(tǒng)與控制，2024，13（4）：181-191.

作者簡介：

黃令宇，男，1992年生，工程師，研究方向?yàn)檐囕v工程。