基于卷積神經網絡的柴油機DPF狀態辨識研究

程德新， 趙樹恩， 張 軍， 王欣偉， 胡超超

(1.重慶交通大學機電與車輛工程學院， 重慶 400074； 2.內燃機可靠性國家重點實驗室， 山東 濰坊 261000；3.濰柴動力股份有限公司， 山東 濰坊 261000)

面對更為嚴苛的國Ⅵ排放標準，僅通過機內燃燒技術很難滿足要求。柴油機顆粒捕集器(DPF)作為后處理系統的關鍵部件，長期在較高的排氣溫度、機械振動、熱沖擊等惡劣環境下工作，容易發生燒熔、斷裂和堵塞等故障，對發動機動力性、經濟性和排放造成影響，嚴重時會危害人體健康。針對DPF故障診斷問題，文獻[2-8]各自提出了相應的方法，但這些方法還存在診斷模型復雜、魯棒性差、傳感器精度要求高等問題。本文提出一種基于卷積神經網絡的狀態辨識方法，對上述問題予以改善。

1 DPF狀態特征仿真分析

柴油機運行過程中，由于顆粒物不斷累積、再生不完全或失敗會導致后處理裝置堵塞，出現燃燒變差、熄火和啟動困難等現象，甚至會通過ECU降低發動機的峰值扭矩，限制車輛的行駛速度；另外，碳煙過多會使再生溫度過高導致DPF載體基質燒融，溫度梯度過大會導致載體燒裂，機械振動會導致載體結構破損，最終會造成部分廢氣未進行處理便直接排向大氣；更為嚴重的是將DPF移除會對環境造成重大影響。因此，需要事先通過仿真分析DPF的不同狀態與其特征參數之間的關系，為DPF狀態辨識所需的神經網絡訓練參數的選擇提供依據。

1.1 DPF仿真模型及驗證

根據所用發動機的試驗數據，運用GT-SUITE軟件搭建柴油機DPF的仿真模型，如圖1所示。……