一种消除氮氧化物传感器氨交叉灵敏度的方法与流程

本发明涉及氮氧传感器，尤其是涉及一种消除氮氧化物传感器氨交叉灵敏度的方法。

背景技术：

1、近年来，与汽油发动机相比，柴油发动机由于其燃油效率和低温室气体排放而成为汽车应用中非常有利的动力源，柴油发动机将继续在车辆动力系统领域发挥重要作用。然而，柴油发动机存在一些问题，如柴油发动机的高火焰温度导致产生有害颗粒物(pm)和尾气nox，受新的排放法规约束，内燃机驱动的汽车必须遵守严格的排放限制。

2、根据研究，尿素scr(selective catalyticreduction，选择性催化还原法)是柴油机和工业应用中最有前途的nox还原后处理方法之一，尿素scr使用nh3作为还原剂，将nox排放转化为n2和h2o。但是，为了实现高scr效率并防止nh3泄漏，即氨由于过量注入而未反应而通过scr的情况，找到nh3的最佳剂量至关重要，对于剂量率的闭环控制，通常使用nox传感器来测量nox的值作为反馈调节的依据。然而，nox传感器对nh3具有显著的交叉敏感性，传感器读数与实际nox数据不匹配，会让nox传感器误认为排放超标而对车主和汽车行业造成极大的影响。

3、解决这个问题的方法之一是使用传感器传感层上的滤波器。然而，直接设置在传感器层上的滤波器降低了传感器的灵敏度，并且材料受到限制。另一种方案是采用安装在尿素scr中的nox传感器外部的nh3过滤器，这种过滤器可以应用于各种类型的nox传感器，而不会污染感测层，其本质是采用化学制剂如fe2(so4)3去反应消耗掉传输到nox传感器位置的nh3，从而来达到进入nox传感器测量层的尾气不含氨的目的。但是该方法存在明显的弊端：传感器以精密复杂著称，加入一个化学反应层，一方面增大了传感器的体积而不利于更多的工业应用场合，使其应用场景变得更小；另一方面，化学试剂总归是带有腐蚀性的，不利于传感器的安全稳定性；并且，过滤器以化学反应而不是催化剂去消耗掉尾气中的nh3，那么反应层的试剂浓度则会不断地被消耗，但是nox传感器都是被封装安置在设备内部，不可能定期拆解汽车然后补充反应试剂。

技术实现思路

1、为解决上述背景技术中提出的问题，本发明采取的技术方案为：

2、一种消除氮氧化物传感器氨交叉灵敏度的方法，包括如下步骤：

3、s1、搭建物理nox传感器试验台，并采集构建氮氧传感器的基础数据样本总集，样本总集中，输入特征包括参考单元电势vs，第一感测单元电势vp1，第一感测单元电流ip1与第二感测单元电势vp2，输出特征包括nox浓度与nh3浓度；

4、s2、搭建深度神经网络框架模型，初始化模型的训练参数值，同时按照预设比例随机分配样本总集的样本作为训练集、验证集和测试集；

5、s3、依据训练集样本数据，对深度神经网络进行训练；

6、s4、依据验证集样本数据，对深度神经网络进行验证；

7、s5、依据测试集样本数据，对深度神经网络进行测试，若测试结果达到预设要求，则进入步骤s6，否则返回步骤s2并修改模型的训练参数值；

8、s6、将深度神经网络打包封装成软件工具包。

9、在一些实施例中，在步骤s6后，还包括步骤s7、实车应用时，下载软件工具包到车载系统本地，设置为后台运行，工具包通过通信模块定时接收实车尾部的氮氧传感器的如下信息：参考单元电势vs，第一感测单元电势vp1，第一感测单元电流ip1，第二感测单元电势vp2数据，经过车载系统运算后，输出到工具包的人机界面上，从而实现在线的nox浓度，nh3浓度检测。

10、在一些实施例中，在步骤s1中，参考电池电势vs表示o2传感室内o2的摩尔分数，闭环控制器通过调节o2第一感测单元电势vp1将vs保持在期望值，第一感测室中no的摩尔分数与vp1的指数成比例，nox感测泵送电流与第一感测室中no的摩尔分数成比例；

11、第一感测单元电流ip1为o2传感单元的泵送电流，表示样品气流中的o2浓度，第二感测单元电势vp2对传感器输出的影响包括氧化、活化、欧姆、欧姆扩散转变、扩散速率以及电解质还原。

12、在一些实施例中，在步骤s2中，按照70∶15∶15的比例随机分配样本总集的样本作为训练集、验证集和测试集。

13、在一些实施例中，在步骤s5中，对于任意一个样本数据，若测试得到的nox浓度和nh3浓度和样本nox浓度和nh3浓度的误差小于等于3％，则认为该样本数据达到期望，若多个样本中不少于99％的样本数量达到期望，则认为深度神经网络训练测试成功，进入步骤s6，若超过1％的样本数量误差未达到期望，返回步骤s2并修改模型的训练参数值。

14、与现有技术相比，本发明的有益效果是：

15、本发明提供的消除氮氧化物传感器氨交叉灵敏度的方法，通过一部分信息样本来训练深度神经网络，然后利用剩余数据来检验神经网络的可用性和准确性；通过训练得到的深度神经网络工具是一个在线的工具箱，不需额外的物理硬件支撑，与价格高昂的传感器相比，经济实惠。且数据包易于转移，易于拓展，不需要在工业场景中预留出传感器安装位置，对于大规模应用有着极强的便捷性；深度神经网络模型建立后，可以通过输入端的信息快速计算出所需输出端的信息，进而能够轻松辨别出尾气中nox-nh3浓度，解决了汽车尾气nox传感器对nh3具有显著的交叉敏感性二导致nox浓度测量失效问题。

技术特征：

1.一种消除氮氧化物传感器氨交叉灵敏度的方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的消除氮氧化物传感器氨交叉灵敏度的方法，其特征在于，在步骤s6后，还包括步骤s7、实车应用时，下载软件工具包到车载系统本地，设置为后台运行，工具包通过通信模块定时接收实车尾部的氮氧传感器的如下信息：参考单元电势vs，第一感测单元电势vp1，第一感测单元电流ip1，第二感测单元电势vp2数据，经过车载系统运算后，输出到工具包的人机界面上，从而实现在线的nox浓度，nh3浓度检测。

3.根据权利要求1所述的消除氮氧化物传感器氨交叉灵敏度的方法，其特征在于，在步骤s1中，参考电池电势vs表示o2传感室内o2的摩尔分数，闭环控制器通过调节o2第一感测单元电势vp1将vs保持在期望值，第一感测室中no的摩尔分数与vp1的指数成比例，nox感测泵送电流与第一感测室中no的摩尔分数成比例；

4.根据权利要求1所述的消除氮氧化物传感器氨交叉灵敏度的方法，其特征在于，在步骤s2中，按照70∶15∶15的比例随机分配样本总集的样本作为训练集、验证集和测试集。

5.根据权利要求1所述的消除氮氧化物传感器氨交叉灵敏度的方法，其特征在于，在步骤s5中，对于任意一个样本数据，若测试得到的nox浓度和nh3浓度和样本nox浓度和nh3浓度的误差小于等于3％，则认为该样本数据达到期望，若多个样本中不少于99％的样本数量达到期望，则认为深度神经网络训练测试成功，进入步骤s6，若超过1％的样本数量误差未达到期望，返回步骤s2并修改模型的训练参数值。

技术总结本发明公开了一种消除氮氧化物传感器氨交叉灵敏度的方法，包括如下步骤：一种消除氮氧化物传感器氨交叉灵敏度的方法，包括如下步骤：S1、搭建物理NOx传感器试验台，并采集构建氮氧传感器的基础数据样本总集；S2、搭建深度神经网络框架模型，初始化模型的训练参数值，同时按照预设比例随机分配样本总集的样本作为训练集、验证集和测试集；S3、依据训练集样本数据，对深度神经网络进行训练；S4、依据验证集样本数据，对深度神经网络进行验证；S5、依据测试集样本数据，对深度神经网络进行测试，若测试结果达到预设要求，则进入步骤S6，否则返回步骤S2并修改模型的训练参数值；S6、将深度神经网络打包封装成软件工具包。技术研发人员：李曦,蒋如顺,许元武,向芸受保护的技术使用者：武汉华夏智能技术有限公司技术研发日：技术公布日：2024/8/20