基于远程数据的重型车DPF监测方法、装置、介质及设备与流程

本申请涉及重型车dpf监测，具体涉及基于远程数据的重型车dpf监测方法、装置、介质及设备。

背景技术：

1、柴油机的排放颗粒物是大气中颗粒物、雾霾等污染的主要来源之一，搭载柴油机的重型车的排放控制对于环境污染和人类健康是至关重要的。柴油车颗粒捕集器（dieselparticulate filter，简称dpf）可有效降低柴油机的颗粒物排放，为了满足柴油车颗粒物的排放标准要求，柴油机通常都会装配dpf，柴油机排气经过dpf时，排气中的颗粒物因拦截、碰撞、扩散等作用被dpf捕集。

2、在dpf的使用过程中，由于再生控制不当、振动、热冲击等问题，容易引起dpf出现异常，从而导致dpf失效，若不能及时的发现dpf失效的情况，不仅影响汽车的动力性和燃油经济性，甚至会导致尾气排放超出法规限值，污染大气环境。因此，采用适当的技术进行dpf异常判定是dpf稳定运行的强有力保障。

3、然而现有的dpf异常判定多是借助于高精度传感器对柴油机排放的颗粒物进行检测或对dpf结构进行检测，并以此来判定重型车的dpf是否异常，这种方法的成本较高，不利于大范围普及。因此，亟需一种成本较低的适用于重型车dpf监测方法。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了基于远程数据的重型车dpf监测方法、装置、介质及设备。

2、根据本申请的一个方面，提供了基于远程数据的重型车dpf监测方法，包括：获取测试重型车在不同dpf状态下的第一远程监控数据；其中，所述dpf状态包括dpf正常、dpf空管和dpf堵塞；将所述第一远程监控数据拆分为多个车速区间内的第一行程片段集；根据同一个所述车速区间内的所述第一行程片段集，构建该所述车速区间对应的dpf状态判定模型；获取待监测重型车的第二远程监控数据；将所述第二远程监控数据拆分为多个所述车速区间内的第二行程片段集；基于所述第二行程片段集和对应的所述dpf状态判定模型，确定所述待监测重型车的dpf状态。

3、在一实施例中，所述将所述第一远程监控数据拆分为多个车速区间内的第一行程片段集包括：基于预设时长将所述第一远程监控数据拆分为多个第一行程片段；计算所述第一行程片段的特征参数；其中所述特征参数包括第一平均车速；基于所述第一平均车速，将多个所述第一行程片段归类至对应的所述车速区间，以得到多个所述第一行程片段集。

4、在一实施例中，所述根据同一个所述车速区间内的所述第一行程片段集，构建该所述车速区间对应的dpf状态判定模型包括：根据每个所述第一行程片段集中所述第一行程片段的特征参数，构建该所述第一行程片段对应的dpf状态判定模型。

5、在一实施例中，所述第一行程片段的特征参数包括车速每加速度、排气流量和dpf压差；其中，所述根据每个所述第一行程片段集中所述第一行程片段的特征参数，构建该所述第一行程片段对应的dpf状态判定模型包括：利用最小二乘支持向量机方法，搭建初始判定模型；将所述第一行程片段集中所述第一行程片段的特征参数作为输入、dpf状态作为输出，训练所述初始判定模型，以得到所述第一行程片段对应的所述dpf状态判定模型。

6、在一实施例中，所述将所述第二远程监控数据拆分为多个所述车速区间内的第二行程片段集包括：基于预设时长将所述第二远程监控数据拆分为多个第二行程片段；计算所述第二行程片段的特征参数；其中所述特征参数包括第二平均车速；基于所述第二平均车速，将多个所述第二行程片段归类至对应的所述车速区间，以得到多个所述第二行程片段集。

7、在一实施例中，所述基于所述第二行程片段集和对应的所述dpf状态判定模型，确定所述待监测重型车的dpf状态包括：将所述第二行程片段集输入对应的所述dpf状态判定模型，得到多个区间判定结果；基于多个所述区间判定结果，确定所述待监测重型车的dpf状态。

8、在一实施例中，所述将所述第二行程片段集输入对应的所述dpf状态判定模型，得到多个区间判定结果包括：若单个所述第二行程片段集中同一个判定结果的占比超过预设占比，则确定该所述第二行程片段集的判定结果为所述同一个判定结果。

9、根据本申请的另一个方面，提供了基于远程数据的重型车dpf监测装置，包括：第一数据获取模块，用于获取测试重型车在不同dpf状态下的第一远程监控数据；其中，所述dpf状态包括dpf正常、dpf空管和dpf堵塞；第一行程拆分模块，用于将所述第一远程监控数据拆分为多个车速区间内的第一行程片段集；判定模型构建模块，用于根据同一个所述车速区间内的所述第一行程片段集，构建该所述车速区间对应的dpf状态判定模型；第二数据获取模块，用于获取待监测重型车的第二远程监控数据；第二行程拆分模块，用于将所述第二远程监控数据拆分为多个所述车速区间内的第二行程片段集；dpf状态监测模块，用于基于所述第二行程片段集和对应的所述dpf状态判定模型，确定所述待监测重型车的dpf状态。

10、根据本申请的另一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一所述的基于远程数据的重型车dpf监测方法。

11、根据本申请的另一个方面，提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器用于执行上述任一所述的基于远程数据的重型车dpf监测方法。

12、本申请提供的基于远程数据的重型车dpf监测方法、装置、介质及设备，通过获取测试重型车在不同dpf状态下的第一远程监控数据；其中，dpf状态包括dpf正常、dpf空管和dpf堵塞；将第一远程监控数据拆分为多个车速区间内的第一行程片段集；根据同一个车速区间内的第一行程片段集，构建该车速区间对应的dpf状态判定模型；获取待监测重型车的第二远程监控数据；将第二远程监控数据拆分为多个车速区间内的第二行程片段集；基于第二行程片段集和对应的dpf状态判定模型，确定待监测重型车的dpf状态；即通过测试重型车试验得到不同dpf状态下的第一远程监控数据，将第一远程监控数据拆分为第一行程片段并基于车速分为多个集合，针对不同车速区间构建dpf状态判定模型，在实际监测过程中实时获取重型车的第二远程监控数据并拆分为不同车速的第二行程片段，并且由对应的dpf状态判定模型确定待监测重型车的dpf状态，以利用远程监控数据实时判定待监测重型车的dpf状态，不仅可以提高判定效率，而且还可以不增加硬件结构，从而降低监测成本，同时对应不同车速区间分别构建dpf状态判定模型，以分别判定不同车速状态下的dpf状态，从而提高判定精度。

技术特征：

1.基于远程数据的重型车dpf监测方法，其特征在于，包括：

2.根据权利要求1所述的基于远程数据的重型车dpf监测方法，其特征在于，所述将所述第一远程监控数据拆分为多个车速区间内的第一行程片段集包括：

3.根据权利要求2所述的基于远程数据的重型车dpf监测方法，其特征在于，所述根据同一个所述车速区间内的所述第一行程片段集，构建该所述车速区间对应的dpf状态判定模型包括：

4.根据权利要求3所述的基于远程数据的重型车dpf监测方法，其特征在于，所述第一行程片段的特征参数包括车速每加速度、排气流量和dpf压差；其中，所述根据每个所述第一行程片段集中所述第一行程片段的特征参数，构建该所述第一行程片段对应的dpf状态判定模型包括：

5.根据权利要求1所述的基于远程数据的重型车dpf监测方法，其特征在于，所述将所述第二远程监控数据拆分为多个所述车速区间内的第二行程片段集包括：

6.根据权利要求1所述的基于远程数据的重型车dpf监测方法，其特征在于，所述基于所述第二行程片段集和对应的所述dpf状态判定模型，确定所述待监测重型车的dpf状态包括：

7.根据权利要求6所述的基于远程数据的重型车dpf监测方法，其特征在于，所述将所述第二行程片段集输入对应的所述dpf状态判定模型，得到多个区间判定结果包括：

8.基于远程数据的重型车dpf监测装置，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的基于远程数据的重型车dpf监测方法。

10.一种电子设备，其特征在于，包括：

技术总结本申请公开了基于远程数据的重型车DPF监测方法、装置、介质及设备，通过获取测试重型车在不同DPF状态下的远程监控数据并拆分为行程片段集；针对不同车速区间分别构建对应的DPF状态判定模型；获取待监测重型车的远程监控数据并拆分为多个车速区间内的行程片段集并基于行程片段集和对应的DPF状态判定模型，确定DPF状态；即针对不同车速区间构建DPF状态判定模型，在实际监测过程中实时获取重型车的远程监控数据并由对应的DPF状态判定模型确定待监测重型车的DPF状态，不仅可以提高判定效率，而且还可以不增加硬件结构，从而降低监测成本，同时对应不同车速区间分别构建DPF状态判定模型，以分别判定不同车速状态下的DPF状态，从而提高判定精度。技术研发人员：刘昱,张昊,杨妍妍,吴志新,李菁元,于晗正男,谢振凯,邹雄辉,卢洋,冯谦,王蓬睿受保护的技术使用者：中汽研汽车检验中心（天津）有限公司技术研发日：技术公布日：2024/7/9