[发明专利]GPF再生优化方法及GPF再生机会评估系统

说明书

本发明提供一种GPF再生优化方法及GPF再生机会评估系统，包括：回收目标车辆的运行工况数据；通过机器学习算法对驾驶行为与回收的所述运行工况数据之间的关系进行提取训练以得到驾驶行为预测模型，所述驾驶行为预测模型用于根据导航反馈的信息预测驾驶行为；根据预测的驾驶行为评估导航反馈的信息中的GPF再生机会，进而对所述目标车辆的GPF再生进行优化控制，如此不仅能够以主动再生方式降低GPF积炭量的情况，也可从全旅程角度优化整体驾驶过程中的GPF再生控制效果。

技术领域

本发明涉及汽车技术领域，特别涉及一种GPF再生优化方法及GPF再生机会评估系统。

背景技术

随着国六排放法规的实施，颗粒物排放是汽油机排放的重要需求项，在排气系统加装GPF(汽油机颗粒物捕集器，Gasoline Particular Filter)是满足颗粒物排放需求的关键技术手段之一。GPF可捕集排气中的积炭和积尘等颗粒物，随着颗粒物累积量的累加会导致排气管背压增大，造成发动机油耗增大；另外过多的积炭也会导致排气系统高温时积炭燃烧释放的热量增大，可能导致GPF损伤。综上所述，及时的GPF积炭清理有利于发动机节油和零部件自身安全保护，通过燃烧的手段对GPF积炭进行清理，该过程称为GPF再生。GPF再生需要较高的排气温度条件(如600℃以上)，排温达到阈值的条件下保证GPF处存在一定的氧含量即可实现GPF再生。能否达到GPF再生温度条件与车辆的工况、外部环境条件密切相关，通常车辆运行在外部温度较高的环境、发动机处于高负荷工况下时更容易得到再生机会。根据再生所需温度的获取方式分为被动再生和主动再生，前者无需主动通过EMS系统调整GPF排温大小，再生所需的高温、空燃比均由车辆运行自发进行；后者需要主动调整发动机进气、点火、油气比等参数，以保证GPF温度、含氧量满足再生需求，控制逻辑如图1所示。

对于传统车辆，由于无法提前获知前方路况信息，因此EMS只能被动的按照其预设的控制规则根据当前的传感器信息对发动机的运行参数进行管理，并根据标定试验结果选择合适的参数以保证GPF积炭量处在合适的水平。如果条件满足，优选通过被动再生完成GPF积炭清理，避免再生过程对驾驶性、油耗的影响。对于发动机来说，如果其运行工况下颗粒物的排放水平本身较差，或车辆所运行环境温度较低不利于再生条件制造，那么GPF的积炭量会快速升高，最终造成油耗表现恶化甚至影响车辆正常运行。此外对于必须通过主动再生方式降低GPF积炭量的情况，现有技术也无法从全旅程角度优化整个驾驶过程中GPF再生控制效果。

发明内容

本发明的目的在于提供一种GPF再生优化方法及GPF再生机会评估系统，以解决现有技术存在的一个或多个问题。

为解决上述技术问题，本发明提供一种GPF再生优化方法，包括：

回收目标车辆的运行工况数据；

通过机器学习算法对驾驶行为与回收的所述运行工况数据之间的关系进行提取训练以得到驾驶行为预测模型，所述驾驶行为预测模型用于根据反馈的信息预测驾驶行为；

根据预测的驾驶行为评估导航反馈的信息中的GPF再生机会，进而对所述目标车辆的GPF再生进行优化控制。

可选的，在所述的GPF再生优化方法中，所述对所述目标车辆的GPF再生进行优化控制包括：

基于所述评估的结果选择驾驶路线；和/或

对所选择路线的GPF再生进行路段的选择。

可选的，在所述的GPF再生优化方法中，所述运行工况数据包括车况数据、环境天气数据、道路情况数据、路线交通数据和驾驶数据。

可选的，在所述的GPF再生优化方法中，在通过机器学习算法对驾驶行为与回收的所述运行工况数据之间的关系进行提取训练之前，所述GPF再生优化方法还包括：

对回收的所述运行工况数据进行预处理，所述预处理包括归一化整理、结构化整理。