CN111911270A

CN111911270A - 使用车载系统的车辆污染排放物测量方法

Info

Publication number: CN111911270A
Application number: CN202010382161.7A
Authority: CN
Inventors: S·S·罗德里格斯罗德里格斯; L·蒂博; P·德吉尔; J·科玛尼; A·弗洛伯特
Original assignee: IFP Energies Nouvelles IFPEN
Current assignee: IFP Energies Nouvelles IFPEN
Priority date: 2019-05-10
Filing date: 2020-05-08
Publication date: 2020-11-10
Also published as: EP3736418B1; EP3736418A1; US20200355108A1; FR3095837A1; FR3095837B1

Abstract

本发明涉及一种使用车载测量系统来确定车辆污染排放物的方法，该车载测量系统具有传感器(CAP)以及包括车辆的通用模型(MOD GEN)的计算机系统。该方法基于使用测量和模型来确定污染物的量。

Description

使用车载系统的车辆污染排放物测量方法

技术领域

本发明涉及车辆污染排放物确定领域。

现实世界中私人汽车的排放物是公众和立法者关注的问题。的确，最新案例(Dieselgate(柴油门)及其进展)通过证明某些汽车制造商在排放物控制方面不诚实而不合时宜地破坏了汽车行业。业已证明，已将不同的设置用于认证和实际使用。

背景技术

为了解决这些问题并避免更多丑闻，已通过使认证标准更接近现实(WLTC循环：全球统一轻型汽车测试程序)并通过系统地比较在实验室条件下和实际条件下(RDE：实际驾驶排放物)获得的排放物来更改该认证标准。因此，已经开发了可以在私人汽车和/或运输车辆上采用的测量系统。被称为PEMS(便携式排放物测量系统)的这些设备庞大、昂贵、易碎，并且由于必须满足该标准定义的精度准则，因此需要大量维护工作。这些设备由此被设计成只由专家在车辆开发期间或者在认证之际使用。

此外，已经开发出使用模型且没有传感器的排放物确定方法。专利申请FR-3,049,653(WO-17,174,239)描述了这一基于模型的方法。尽管在速度、易用性和代表性(模型用车辆参数来构建)方面是令人满意的，但该方法无法顾及每一车辆的具体特征，尤其是与控制和校准策略相关的那些特征，并且该方法在没有测量系统的情况下本身不足以确定该汽车市场监管环境内的排放物。

为了克服这些缺点，专利申请No.FR-18/51,330的专利申请涉及一种车载车辆排放物测量系统。该车载测量系统包括布置在后处理系统下游的至少一个传感器和可选的插入车辆OBD(车载诊断)端口的传感器，以及包括模型的计算机装置。根据本发明，污染排放物确定基于来自传感器的信号以及模型。使用考虑至少一个传感器的信号的模型允许获得精确且有代表性的排放物确定。此外，使用模型使得能够限制传感器的数量，这允许限制车载测量系统的成本和维护，并提供使用便利性。然而，该车载系统不允许测量以质量计的排放量。实际上，该系统允许测量以体积计的排放量。为了获得该数据(以质量计的排放量)，通常使用对后处理系统的出口处的流量的测量(如对于PEMS系统是如此)，这使得处理系统变得复杂、庞大且昂贵。

发明内容

本发明的目的是以简单、紧凑且经济的方式确定(绝对)排放量。因此，本发明涉及一种使用车载测量系统来确定车辆污染排放物的方法，该车载测量系统具有传感器以及包括车辆的通用模型的计算机系统。该方法基于使用测量和模型来确定污染物的量。这通过根据车辆的通用模型确定二氧化碳的量来避免对流量测量系统的需求。

本发明涉及一种确定已沿一路线行驶的车辆的污染排放物的方法，所述车辆包括内燃机引擎以及用于所述引擎的废气的后处理系统，所述方法实现一种车载测量系统，该车载测量系统包括布置在所述后处理系统下游的至少一个传感器以及用于通过实现所述车辆的通用模型来确定所述车辆的所述排放物的计算机系统。对于该方法，执行以下步骤：

a)通过所述传感器测量所述后处理系统下游的所述污染排放物的体积浓度，

b)通过所述车辆的所述通用模型来估算所述车辆的油耗，

c)根据所述引擎的所估算的油耗来确定所述后处理系统下游的二氧化碳的质量流量，以及

d)确定所述车辆的所述后处理系统下游的排放物，所述确定根据对所述排放物的所述体积浓度的所述测量以及由此确定的二氧化碳的所述质量流量来进行。

根据一实施例，所述车辆的污染排放物根据以下公式来确定：Q_pol＝R_mes×K×Q_{CO2_est}，Q_pol是排放量，R_mes是所述排放物的所测得的体积浓度，K是基于所考虑的污染物与二氧化碳的摩尔质量比的系数，Q_{CO2_est}是估算出的二氧化碳质量流量。

根据一实现，所述车辆的所述通用模型包括车辆的模型、所述车辆的引擎类型的模型以及所述车辆的后处理模型，所述车辆模型将所述车辆的所述位置和/或海拔和/或速度相关到所述引擎的扭矩和转速，所述引擎类型模型将所述引擎的所述扭矩和所述转速相关到所述引擎的出口处的排放物，并且所述后处理模型将所述引擎的出口处的所述排放物相关到所述后处理系统的出口处的排放物。

根据一方面，所述车载系统包括传感器，所述传感器选自氮氧化物NO_x传感器、一氧化氮NO传感器、二氧化氮NO₂传感器、一氧化碳CO传感器或二氧化碳CO₂传感器、双氧O₂传感器、未燃烧碳氢化合物传感器、氨NH₃传感器、颗粒传感器。

优选地，所述车载系统包括插入到所述车辆的诊断端口中的传感器，所述至少一个传感器通过无线连接与插入所述车辆的诊断端口中的所述传感器通信。

有利地，所述计算机系统包括至少一个智能手机，所述至少一个传感器通过无线连接与所述智能手机通信。

有利地，包含在所述计算机系统内的所述车辆的所述通用模型被存储在云中，所述智能手机和/或插入所述车辆的诊断端口中的所述传感器被配置成与所述云交互。

根据一特征，所述车辆的所述通用模型进一步取决于所述车辆的至少一个宏观参数(PAR)，所述宏观参数优选地从数据库(BDD)获取和/或通过与用户的接口来获取。

此外，本发明涉及一种通过所述车载测量系统来确定车辆的污染排放物的动态相符性因子的方法，其中执行以下步骤：

a)通过根据以上特征之一的确定污染排放物的方法来确定所述车辆的污染排放物，

b)通过机器学习算法，根据所述车辆的至少一个宏观参数来构建所述车辆的标称模型，所述车辆的所述标称模型对应于所述车辆的所述通用模型的理论模型，以及

c)通过将经由所述标称模型确定的标称排放值Q_{pol_nom}与经由根据以上特征之一的确定排放物的方法来确定的排放值Q_{pol_mes}相比较来确定所述动态相符性因子。

本发明还涉及一种通过所述车载测量系统来确定车辆的污染排放物的动态相符性因子的方法，其中执行以下步骤：

b)通过机器学习算法，根据所述车辆的至少一个宏观参数来构建所述车辆的标称模型，所述车辆的所述标称模型对应于所述车辆的所述通用模型的理论模型，

c)通过机器学习算法，根据所确定的污染排放物、所述传感器的测量以及来自所述车辆的所述通用模型的数据来构建所述车辆的经校准模型，所述车辆的所述经校准模型对应于用所述车载测量系统的所述传感器的所述测量校准的所述车辆的所述通用模型，以及

d)针对所述车辆行进的所述路线，通过将经由所述车辆的所述经校准模型获取的对污染排放物的估算Q_{pol_cal}与经由所述车辆的所述标称模型获取的对污染排放物的估算Q_{pol_nom}相比较来确定所述动态相符性因子。

根据一实施例，动态相符性因子是针对所述车辆行进的所述路线，通过将由另一测量系统测量的污染排放物与通过所述车辆的所述标称模型估算的污染排放物相比较来确定的。

有利地，用于构建所述标称模型的所述宏观参数包括所述车辆的认证标准。

根据一方面，动态相符性因子是按照所述车辆行进的所述路线的每一段来确定的，尤其是每一路线段具有等同长度，优选地所述路线段的长度的范围在1和50km之间。

根据本发明的一实现，所述方法包括以下附加步骤：通过所述车辆的所述标称和经校准模型来为预定理论驾驶循环确定动态相符性因子。

根据一可选实施例，确定所述相符性因子的所述附加步骤对多个预定理论驾驶循环重复，并且标识具有最高动态相符性因子的驾驶循环。

此外，本发明涉及一种标识至少一辆污染最多的车辆的方法，其中执行以下步骤：

a)对多个车辆实现根据以上特征之一的确定动态相符性因子的方法，以及

b)比较每一辆车辆的最高相符性因子以确定所述至少一辆污染最多的车辆。

附图说明

参照附图，通过阅读以下通过非限制性示例给出的实施例的描述，根据本发明的方法的其他特征和优点将显而易见，其中：

图1示出了根据本发明的一实施例的方法的各步骤，

图2示出了根据本发明的一实施例的可由该方法使用的车载测量系统，

图3示出了根据本发明的第二实施例的可由该方法使用的车载测量系统，

图4示出了根据本发明的第二实施例的方法的各步骤，

图5示出了根据本发明的第三实施例的方法的各步骤，

图6示出了根据本发明的示例实施例的构建经校准模型的各步骤，

图7示出了针对已行进路线示例的NO_x排放物，污染排放物通过重构以质量计的排放量并且通过针对车辆在同一路线上的标称行为确定的排放值来确定，以及

图8示出了通过根据本发明的确定动态相符性因子的方法来确定的图7的示例中的针对已行进路线的动态相符性因子。

具体实施方式

本发明涉及一种确定已行进至少一条路线的车辆的污染排放物的方法。

术语“污染物”指定氮氧化物(NO_x)、一氧化氮(NO)和二氧化氮(NO₂)(可以有利地单独测量这两个)、颗粒、一氧化碳(CO)、二氧化碳(CO₂)、未燃烧碳氢化合物(HC)和氨(NH₃)。根据本发明的方法允许确定这些污染物中的至少一者(有利地是不止一者且优选地是全部)的排放。

车辆包括内燃机引擎(以下称为“引擎”)以及用于引擎废气的后处理系统。内燃机引擎可以是汽油引擎或柴油引擎，或者通过任何其它类型的燃油运行的引擎。引擎可单独实现车辆的推进，或者它可以是混合推进系统的一部分。后处理系统允许处理引擎出口处的污染排放物，由此减少车辆的污染排放物。后处理系统可包括用于同时处理未燃烧的烃、一氧化碳和氮氧化物的三元催化剂，和/或用于处理未燃烧的烃和一氧化碳的氧化催化剂，和/或用于在氧气存在的情况下还原氮氧化物的DeNO_x催化剂，和/或用于除去固体颗粒的各种过滤器。

确定污染排放物的方法使用车载排放物测量系统。术语“车载”指示系统被安装在车辆上，这还暗示该系统可被附连在车辆外部。

根据本发明的方法和车载测量系统可用于机动车。然而，该方法和测量系统还可用于以下领域：道路运输、两轮车、铁路部门、船舶部门、航空部门、气垫船和两栖车辆，等等。

根据本发明的车载测量系统包括：

布置在后处理系统的出口处的至少一个传感器，该传感器被设计成在后处理系统出口处测量气体或颗粒的体积浓度，以及

用于确定污染排放物的计算机系统，该计算机系统因此执行该车辆的通用模型。

该车辆的通用模型是车辆的代表性模型，该模型被配置成考虑来自(诸)传感器的信号以确定排放物相关值。使用模型允许在限制传感器数量的情况下确定排放物，这涉及成本降低以及测量系统维护阶段的减少，并且允许使车载测量系统对于所有类型的车辆都是能容易运输且适配的。

车辆的通用模型可以是任何类型。

根据本发明的一实施例，车辆的通用模型可包括三个经配置模型，这些经配置模型可使用瀑布方法(连续地)执行：

○车辆的模型，该车辆模型将车辆的位置和/或海拔和/或速度相关到引擎扭矩和转速，

○车辆的引擎类型模型，该引擎类型模型将引擎扭矩和转速相关到引擎出口处的排放物，以及

○后处理模型，该后处理模型将引擎出口处的污染排放物相关到该后处理系统出口处的排放物。

根据本发明的一示例实施例，车辆的通用模型可根据在专利申请FR-3,049,653(WO-17,174,239)中描述的模型。这三个模型未在本申请中详细描述。对于这些模型的详细描述，可参照专利申请FR-3,049,653(WO-17,174,239)，具体而言：

-车辆模型从第8页第29行到第10页第10行，

-引擎类型模型从第10页第11行到第12页第24行，以及

-后处理模型从第12页第26行到第13页第26行。

根据本发明的一实施例，计算机系统的三个模型可取决于车辆的宏观参数。由此，模型最佳地表示车辆、引擎类型和后处理系统。宏观参数被理解为与车辆、引擎或其后处理系统相关的一般特征。这些参数是车辆的对应于车辆制造数据的恒定参数。参数因为以车辆的尺度确定而被称为宏观参数，它不是按照表示燃烧室的一小部分的网格单元的尺度来确定的微观参数(例如在专利申请FR-2,984,557(US-2013-0,158,967)中)。

宏观参数可具有三种类型：

-与车辆的总体构造相关的参数(例如：车辆质量、变速箱等)，

-与引擎相关的参数(例如：喷射类型、排量、引擎类型等)，以及

-与后处理系统相关的参数(例如：后处理类型)。

根据本发明的一实施例，可获取至少一个宏观参数，该至少一个宏观参数选自：

-引擎类型(汽油、柴油等)

-排放标准等级(欧1、欧2等)

-引擎排量

-最大扭矩和相关联的引擎转速

-最大功率和相关联的引擎转速

-车辆质量

-车辆变速箱类型(齿轮箱类型和构成等)

-后处理系统类型

-喷射系统类型

-空气循环体系结构(是否存在燃烧废气再循环EGR、是否使用涡轮增压器、是否存在超增压等)

-车轮尺寸，等等。

根据一变型实施例，宏观参数可以从列出服务中的各种车辆的数据库中获取。例如，宏观参数可通过车辆的登记号来获取，该数据库将牌照号码与车辆的设计(品牌、型号、引擎类型等)相关联并且包括车辆的宏观参数。根据一示例实施例，数据库可被存储在计算机系统的云中。

替换地，宏观参数可以是由用户提供，具体而言通过接口(例如，智能手机或地理位置系统)提供的制造数据。

根据本发明的一实施例，车载测量系统的计算机系统可包括智能手机。相对于专用计算机或计算器，这一智能手机提供了车辆中的安装便利性、适应性、可运输性并降低了成本。此外，智能手机允许系统被广大受众使用。

可选地，车载测量系统可包括传感器，该传感器被插入到车辆的OBD(车载诊断)端口中，并且可回收诸如引擎转速、引擎温度、水温或车辆速度等值。在以下说明书的其余部分中，该传感器被称为OBD传感器。计算机装置于是可被设计成考虑由OBD传感器获取的值。这一OBD传感器可包括无线连接装置(例如GSM和/或Wi-Fi和/或蓝牙)和/或地理位置传感器(例如GPS类型)。配备有连接装置的这一传感器允许使装备变得精简、简单且紧凑，且测量精度提高，并且这使得能够在没有智能手机的情况下亦如此。

为了便于安装在车辆上(在没有特定线缆的情况下)，(诸)传感器可通过例如Wi-Fi或蓝牙类型的无线连接来与智能手机或OBD传感器通信。在一变型中，可以在传感器与智能手机或OBD传感器或计算机或计算器之间提供有线连接。

此外，计算机系统的三个模型可被存储在云或在线存储服务中。这允许限制智能手机消耗的存储器并且使用更强大的处理器来执行这三个模型。对于该配置，智能手机或OBD传感器被配置成通过因特网连接来与云交互。使用智能手机或OBD传感器和云的该配置使得能够以降低的成本简化使用。

如果智能手机或OBD传感器配备有地理位置系统(GPS)，则该智能手机或OBD传感器还可被配置成测量车辆的速度和/或海拔和/或位置。该位置、速度或海拔数据可以在计算机系统中所包含的通用模型中使用，或许(具有三个模型的实施例)在车辆模型中使用。

在一变型(例如在智能手机或OBD传感器未配备地理位置系统的情况下)中，车载系统可包括与智能手机或OBD传感器通信的地理位置传感器。

根据另一方面，计算机系统还可包括显示通过模型确定的污染排放物以将排放物告知车辆用户的装置。例如，该显示装置可以是智能手机的屏幕。

替代智能手机或OBD传感器，计算机系统可包括与(诸)传感器通信的计算器或计算机。该计算器或计算机可包括车辆的通用模型(或许是构成车辆的通用模型的三个模型)。

根据本发明，确定污染排放物的方法包括将在以下说明书中详细描述的以下步骤：

1)测量排放物的体积浓度

2)估算车辆油耗

3)确定二氧化碳质量流量

4)确定污染排放物

优选地，这些步骤可通过车载测量系统来执行。有利地，步骤2)到4)可由车载测量系统的计算机系统执行。

1)测量污染排放物的体积浓度

该步骤包括对于至少一种污染物类型，通过车载测量系统的传感器来测量污染排放物的体积浓度。实际上，车载测量系统的(诸)传感器不允许测量后处理系统下游的排放物的以质量计的绝对量，这些传感器只允许测量相对值，即排放物的体积浓度。优选地，体积浓度以百分比或百万分之一(ppm)表示。

根据本发明的一实现，传感器可选自氮氧化物NO_x传感器、一氧化氮NO传感器、二氧化氮NO₂传感器、一氧化碳CO传感器或二氧化碳CO₂传感器、双氧O₂传感器、未燃烧碳氢化合物传感器、颗粒传感器或氨NH₃传感器。

优选地，车载测量系统包括二氧化碳CO₂传感器、颗粒传感器和氮氧化物NO_x传感器。该配置提供了车载系统成本与所测得数据方面的良好折衷以用于模型的最优校准。

具体而言，车载测量系统的(诸)传感器可选自：

○关于OBD传感器：

·优选地，能够通过被布置在车辆仪表板附近的诊断端口或OBD端口来读取车辆的OBD通信网络上流通的信息的传感器；

○关于氮氧化物NO_x体积传感器：

·优选地，电化学传感器

·紫外线UV传感器

·红外IR传感器，或者

·化学发光检测器(CLD)；

○关于一氧化碳或二氧化碳CO/CO₂体积传感器：

·优选地，红外IR传感器，或者

·紫外线UV传感器；

○关于双氧O₂体积传感器：

·优选地，电化学传感器

·激光二极管测量

·顺磁传感器，或者

·磁气传感器；

○关于PM/PN/不透明度传感器：

·优选地，带电颗粒散射计数

·感应电流测量计数

·颗粒堆积传感器

·光学不透明度计(Beer-Lambert原理或Mie散射)

·凝聚核计数

·颗粒照射计数

·光学或离子家用烟雾检测器

·用于空气质量测量的BAM(Beta衰减监控器)，或者

·用于空气质量测量的真激光颗粒计数器。

2)估算车辆油耗

该步骤包括通过车辆的通用模型来估算对于行进路线的车辆油耗。根据其中通用车辆模型包括车辆模型、引擎类型模型和后处理模型的实施例，对于行进路线的车辆油耗可以在引擎类型模型的输出处获取。

3)确定二氧化碳质量流量

该步骤包括对于车辆行进的路线，根据在前一步骤中估算的车辆油耗来确定后处理系统下游的二氧化碳CO₂的质量流量。由此，无需质量流量测量系统来估算后处理系统出口处的CO₂量。

根据一实施例，CO₂的质量流量可通过基于燃烧表示的方法、碳平衡并且通过考虑燃油类型来确定。

优选地，二氧化碳质量流量能够以每单位时间质量表示，例如以g/h表示。

4)确定污染排放物

该步骤包括根据在步骤1)中执行的对后处理系统下游的排放物的体积浓度的测量并且根据在步骤3)中确定的后处理系统下游的二氧化碳质量流量来确定至少一种类型的污染物的排放。将体积浓度测量与二氧化碳质量流量的估算值相组合允许在不使用排放物后处理系统下游的流量测量系统的情况下精确地确定污染排放物。由此，污染排放物使用精确、简单、经济且紧凑的装置来确定。

根据本发明的一实施例，车辆的污染排放物可通过以下类型的公式来确定：Q_pol＝R_mes×K×Q_{CO2_est}，其中Q_pol是要确定的排放量，R_mes是污染排放物的所测得的体积浓度(步骤1))，K是基于所考虑的污染物与二氧化碳的摩尔质量比的系数，而Q_{CO2_est}是在步骤3)中估算出的所估算的二氧化碳质量流量。该公式提供了精确的估算。

有利地，污染排放物的量能够以每单位时间质量表达，例如以g/h表示。

根据本发明的一实施例，该方法可包括存储和/或显示由此确定的排放量的附加步骤。该数据可被存储和/或显示在车辆上：仪表板上、诸如地理位置设备(GPS类型)、移动电话(智能手机类型)等独立便携式设备上。还可将该指示符存储并显示在驾驶员可以在驾驶后访问的网站上。此外，污染排放物量可以与车辆控制站、汽车共享公司、汽车租赁公司、车队经理等共享。

有利地，根据本发明的确定污染排放物的方法能够以简单(特别是在没有专家的情况下)、经济且紧凑的方式实现。

图1通过非限制性示例示意性地示出了根据本发明的一实施例的确定污染排放物的方法。首先同时或连续执行以下步骤：

-通过传感器(CAP)测量后处理系统下游的排放物的体积浓度R_mes，以及

-通过车辆的通用模型(MOD GEN)以及在行进路线期间确定油耗的中间步骤来估算二氧化碳的质量流量Q_{CO2_est}。

然后组合(FUS)体积浓度R_mes以及所估算的二氧化碳质量流量Q_{CO2_est}以确定在后处理系统出口处排出的至少一种类型的污染物的量Q_pol。

图2通过非限制性示例示意性地示出了根据本发明的一实施例的车载测量系统的计算机系统，该计算机系统允许实现确定污染排放物的方法。车载测量系统包括计算机系统SIN。计算机系统SIN包括智能手机TEL和/或OBD传感器和/或配备有无线连接装置(未示出)的任何类似装置以及云NUA。

在该附图中，虚线箭头对应于元素之间的无线连接。智能手机TEL和/或OBD传感器和/或任何类似装置通过例如无线连接、GSM(全球移动通信系统)连接来与云NUA交互。智能手机和/或OBD传感器向云NUA传送信号。具体而言，智能手机TEL和/或OBD传感器可传送地理位置测量。

车辆的通用模型MOD GEN被存储在云NUA中。该模型包括三个模型：车辆模型MODVEH、引擎模型MOD MOT以及后处理模型MOD POT。计算机系统SIN通过由智能手机接收到的数据来逐个执行这三个模型以确定污染排放物。

图3通过非限制性示例示意性地示出了根据本发明的一实施例的车载测量系统的计算机系统的使用，该计算机系统用于实现确定污染排放物的方法。在该附图中，虚线指示该方法中的可选元素。

在执行该方法的步骤之前，构建车辆的通用模型(MOD GEN)(包括车辆模型MODVEH、引擎模型MOD MOT以及后处理模型MOD POT)。这些模型优选地根据宏观参数PAR来构建。可选地，宏观参数PAR可以从列出流通的各种车辆的数据库BDD中获取。例如，宏观参数PAR可通过输入车辆登记号来获取，数据库BDD将牌照号码与车辆的设计(品牌、型号、引擎类型等)相关联并且包括车辆的宏观参数。数据库BDD可被存储在计算机系统的云NUA中。

第一系列的宏观参数PAR1可用于构建车辆模型MOD VEH。该第一系列的宏观参数PAR1可包括以下参数：车辆质量、最大功率及相关联的引擎转速、最大速度、变速箱类型(非限制性列表)。

第二系列的宏观参数PAR2可用于构建引擎模型MOD MOT。该第二系列的宏观参数PAR2可包括以下参数：排量、引擎类型、最大扭矩和功率、空气循环体系结构、车辆认证标准(非限制性列表)。

第三系列的宏观参数PAR3可用于构建后处理模型MOD POT。该第三系列的宏观参数PAR3可包括以下参数：排量、车辆认证标准(非限制性列表)。

第一步骤可包括通过智能手机TEL和/或传感器和/或任何类似装置(有利地是OBD传感器)来执行地理位置测量步骤。可以在该步骤中测量车辆的位置pos_GPS和/或海拔alt_GPS和/或速度V_GPS。考虑海拔alt_GPS特别是允许道路的坡度被考虑到。优选地，执行三次测量以具有关于车辆地理位置的尽可能最精确的信息，因为然后可考虑驾驶风格和车辆加速度。该测量可使用地理位置系统(例如，GPS(全球定位系统)或伽利略类型)或者通过智能手机等来进行。在智能手机情形中，后者可配备有地理位置系统，或者测量可通过其他手段(特别是通过三角测量)来执行。

此外，第一步骤包括将地理位置测量传送至云NUA。

可选的第二步骤是对测量信号进行预处理PRT。该步骤允许在使用所测得的信号之前提高这些信号的质量。如果是通过智能手机执行测量，那将会是特别有趣的，因为用这种设备获得的测量可能有些不精确。该预处理可以是可变的，因为它取决于输入数据的质量。根据本发明的一实施例，预处理PRT可包括对信号进行过采样，然后进行滤波。在该步骤结束之际，与车辆的位置pos_GPS和/或海拔alt_GPS和/或速度V_GPS相关的信号由此是可用的，这些信号已被预处理。

第三步骤包括确定引擎扭矩和转速。该步骤通过车辆模型MOD VEH来执行，该车辆模型MOD VEH根据地理位置数据：车辆的位置pos_GPS和/或海拔alt_GPS和/或速度V_GPS来确定引擎的扭矩Cme和转速N_e。

第四步骤包括确定引擎出口处的污染排放物；该步骤通过引擎模型MODMOT来执行，该引擎模型MOD MOT根据引擎的扭矩Cme和转速N_e来确定引擎出口处的污染排放物PSME。

第五步骤包括确定车辆的(即，后处理系统的出口处的)污染排放物。排放物确定可以在任意时间完成，例如以1赫兹频率。此外，还可针对给定路线确定累积排放物。该步骤使用后处理模型MOD POT来执行，后处理模型MOD POT根据引擎出口处的排放物PSME来确定后处理系统的出口处的污染排放物。

可选的第六步骤与数据存储相关。一旦已确定车辆的污染排放物，这些排放就可被存储STO(记录)，具体而言是存储在数据库(不同于包括宏观参数的数据库)中。该存储STO可以只关注车辆的污染排放物，但它还可关注在该方法的每一步骤之后确定的数据：经预处理的测量和/或引擎的扭矩Cme和转速N_e和/或引擎出口处的污染排放物PSME。该信息使得能够以良好的控件和时间分辨率监控实际使用和相关联的排放物。存储STO可被包含在云NUA中。

此外，本发明涉及一种针对行进路线确定车辆的污染排放物的动态相符性因子的方法。动态相符性因子被理解为指示车辆在排放物方面的行为的系数，该系数是理论排放值与所测得和/或所估算的排放值之间的比较结果。确定污染排放物的动态相符性因子的方法使用根据以上描述的本发明的各变型中的任一者的确定污染排放物的方法。

对于该方法，执行以下步骤：

1)确定污染排放物

2)构建标称模型

3)(可选步骤)构建经校准模型

4)确定动态相符性因子

优选地，这些步骤通过车载测量系统来执行。有利地，步骤1)到4)可由车载测量系统的计算机系统执行。

1)确定污染排放物

该步骤包括对于至少一种污染物类型，通过根据以上描述的变型之一或变型组合之一的确定污染排放物的方法来确定针对车辆所行进的路线的排放量(以质量计)。

2)构建标称模型

该步骤包括通过机器学习算法，根据车辆的至少一个宏观参数来构建车辆的标称模型。车辆的标称模型对应于车辆的理想运作的通用车辆模型的理论模型。换言之，车辆的标称模型表示符合其对应的标准的无缺陷车辆。

根据本发明的一实施例，用于构建标称模型的宏观参数可以是车辆认证标准(例如，欧4、欧5等)。

根据本发明的一实现(可以与前一实施例相组合)，用于构建标称模型的宏观参数可包括与车辆相关的制造数据。

这些宏观参数可由关于驾驶员对车辆的使用的信息(例如，引擎转速、引擎负荷)来补充。该信息或许可由OBD传感器获取。

3)构建经校准模型

该可选步骤(用于本发明的第三实施例)包括根据所确定的污染排放物、来自车载系统传感器的测量以及来自车辆的通用模型的数据来构建车辆的经校准模型。经校准模型对应于用传感器的测量来校准的车辆的通用模型。根据本发明的经校准模型的构建通过机器学习算法来执行。

通用模型的校准可针对若干参数执行，这些参数来自(非穷尽性列表)：

-车辆的齿比；

-通过引擎水温对引擎暖机动态的校准；

-对油耗的校准；

-火花引燃式引擎(例如汽油引擎)情形中的对燃烧气体循环的校准；

-氮氧化物的NO_x值允许校准三元催化剂的起燃/预热；

-氮氧化物NO_x值允许校准与NO_x还原催化剂有关的模型：NO_x捕集器情形中的NO_x存储模型、SCR(选择性催化还原)催化剂情形中的还原剂(主要是氨)注入和存储模型；

-所测得的颗粒值允许在引擎不具有废气过滤系统的情况下校准烟尘排放模型；

-在引擎具有废气过滤系统的情况下颗粒测量允许评估过滤效率。

根据该步骤的一示例实现，通用车辆模型中表示齿轮箱分级(staging)的部分可通过来自OBD传感器的数据和引擎转速信号来校准。对于本申请，通用车辆模型可通过车辆功率和最大可达速度来校准。齿轮箱分级首先可使用常规设计原理来得出。来自通用车辆模型的数据于是允许应用一种分组方法，该分组方法用于标识在整个行进路线中啮合的分级比和齿比。

根据该步骤的实现的另一示例(可以与第一示例相组合)，该步骤可实现对柴油车辆废气的氮氧化物NO_x估算的校准。例如，为了估算后处理系统下游的污染排放物，通用车辆模型可依靠引擎出口处的排放物的模型以及后处理系统模型。所估算的内部物理量可用于获得引擎出口处的排放物，这些排放物特别可能是氮氧化物NO_x、颗粒、一氧化碳、二氧化碳。具体而言，引擎出口处的NO_x排放物(NO_x EO)可取决于燃油流量Q_fuel以及气缸中的燃烧气体比BGR，并且可被写作如下：

后处理模型库已被开发成具有若干子模型(参见专利申请FR-3,049,653(WO-17,174,239)中的后处理模型)。有了这些子模型，可以描述大多数现有的排气管线架构(后处理系统)。这些子模型的输出是后处理系统出口处的污染排放物。通过车辆所需的污染物水平以及与子模型的数据融合，这两个元素允许改进系统出口处的污染物估算。例如，图6示出了被执行以用于构建后处理系统下游的NO_x排放物的经校准模型的步骤。引擎出口处的NO_x排放物(NO_x EO)、气缸中的燃烧气体比、后处理系统(具体而言是催化系统SCR)的平均总体效率(由SCR Eff generic表示)以及后处理系统出口处的NO_x排放物(NO_x TP)在通用模型MOD GEN中确定。并行地，通过传感器CAP来测量后处理系统出口处的NOx排放物(NO_x TP)。根据测量CAP以及来自通用模型MOD GEN的数据，为所考虑的量确定目标CIB：引擎出口处的NOx排放物的目标(NO_x EO target)、后处理系统的平均效率的目标(SCR Eff target)、以及后处理系统出口处的NOx排放物的目标(NO_x TP target)。这些目标由校准机器学习算法CAL通过确定燃烧气体比偏移(BGR_offset)以及后处理系统的平均效率增益来使用。例如，平均总体效率与平均效率目标之间的比值允许校准该模型。该步骤允许获得经校准模型，该经校准模型确定与测量相一致的引擎出口处的NO_x排放物(NO_x EO)、气缸中的燃烧气体比、后处理系统的平均效率、以及后处理系统出口处的NOx排放物(NO_x TP)。

以下等式可用于这些步骤：

NO_x TP target＝NO_x TP meas

BGR_offset＝1/α×log(NO_x EO target/NO_x EO generic)×K₀

其中K₀是NO_x模型校准系数，并且Prop EO是表示NO_x的比例的系数，该系数被赋予引擎出口或后处理系统效率变化。

4)确定动态相符性因子

该步骤包括通过理论污染排放物值与所测得和所估算的污染排放物值之间的比较来确定动态相符性因子(也被称为动态符合性因子)。动态相符性因子是针对车辆所行进的路线确定的。动态相符性因子的高值反映其行为(在污染排放物方面)几乎不与标称车辆(无缺陷、无故障)相符的车辆；另一方面，低相符性因子值反映其行为(在污染排放物方面)与标称车辆(无缺陷、无故障)相符的车辆。因此，可通过动态相符性因子来确定故障车辆。

有利地，动态相符性因子可针对所考虑的每一种污染物类型来确定。

根据第二实施例(对于该实施例步骤3)并非必需)，动态相符性因子可通过将经由标称模型确定的标称污染排放物值与根据车载系统传感器获取的测量、例如通过根据上述各变型或变型组合中的任一者的确定污染排放物的方法来估算的污染排放物值相比较来确定。

对于该第一变型实施例，可通过以下类型的公式，针对至少一种污染物类型计算动态相符性因子CF：

其中Q_{pol_mes}是通过根据车载系统传感器获取的测量来确定排放物的方法来估算的污染物量，Q_{pol_nom}是用标称模型估算的污染物量。

根据第三实施例(对于该实施例步骤3)并非必需)，动态相符性因子可通过用标称模型获取的理论污染排放物值与由(诸)传感器测量的值和/或用经校准模型估算的污染排放物之间的比较来得出。

对于该第三实施例，可通过以下类型的公式，针对至少一种污染物类型计算动态相符性因子CF：

其中Q_{pol_cal}是用经校准模型估算的污染物量，且Q_{pol_nom}是用标称模型估算的污染物量。

替换地，动态相符性因子CF可通过将经由标称模型获得的理论污染排放物值与经由另一测量系统测量的值(例如PEMS)相比较来确定。在该情形中，可通过以下类型的公式，针对至少一种污染物类型计算动态相符性因子CF：

其中Q_{pol_pems}是经由另一测量系统测量的污染物量，且Q_{pol_nom}是用标称模型估算的污染物量。

根据一实施例，动态相符性因子可针对行进路线确定。

另外地或另选地，动态相符性因子可针对行进路线的至少一段(即，行进路线的一部分)来确定。由此，动态相符性因子可针对单一类型的道路(城市、郊区、高速公路)确定。优选地，动态相符性因子可针对行进路线的每一段确定，以便确定车辆在整条路线中的行为。有利地，路线段可具有恒定长度，其范围在1和50公里之间，有利地在5和25公里之间，优选地在10和20公里之间，以表示道路类型。

根据本发明的一方面，该步骤可包括针对至少一种理论驾驶循环，通过经校准模型和标称模型来确定至少一个动态相符性因子的附加子步骤。该子步骤包括针对车辆尚未行进的驾驶循环确定动态相符性因子。理论驾驶循环可以是认证驾驶循环或者排放物测试驾驶循环(例如真实驾驶排放物RDE循环)。由此可获取与车辆在其他驾驶条件下的污染行为相关的数据。

有利地，该方法可包括对若干驾驶循环重复确定至少一个动态相符性因子的子步骤，然后标识相符性因子最高的驾驶循环。由此可确定其中车辆具有与标称车辆(无故障)相距甚远的行为(在污染排放物方面)的最坏情形(即，最差驾驶循环)。

优选地，对于本发明的该实现，动态相符性因子可根据本发明的第三实施例来确定，即通过比较经由经校准模型和标称模型估算的污染排放物来确定。对行进路线使用经校准模型为(尚未执行的)其他驾驶循环提供了表示车辆的估算。由此，通过用所测得的数据校准的模型，甚至对于理论驾驶循环动态相符性因子也是精确的。

根据本发明的一实施例，该方法可包括存储和/或显示由此确定的动态相符性因子的附加步骤。存储和/或显示可以在车辆上实现：仪表板上、诸如地理位置设备(GPS类型)、移动电话(智能手机类型)等独立便携式设备上。还可将该指示符显示在驾驶员可以在驾驶后访问的网站上。此外，(诸)动态相符性因子可以与车辆控制站、汽车共享公司、汽车租赁公司、车队经理等共享。

此外，本发明涉及一种标识至少一辆非常污染的车辆的方法。对于该方法执行以下步骤：

a)对多辆车辆实现根据以上描述的变型或变型组合中的任一者的对若干理论驾驶循环确定动态相符性因子的方法，以及

b)比较每一车辆的最高动态相符性因子并从中推断出污染最多的一辆或多辆车辆。

该方法允许从一队车辆中标识污染最多的一辆或多辆车辆。该标识然后允许选择需要对其执行更完整的测试(例如PEMS类型的测试)的一辆或多辆车辆，由此避免对不需要该测试的车辆进行冗长、昂贵且复杂的测试。

图4通过非限制性示例示意性地示出了根据第二实施例的用于确定动态相符性因子的方法的各步骤。该附图的下半部分示出了基于通用模型MOD GEN以及宏观参数(例如，车辆认证标准)的标称模型MOD NOM的构造。如图所示，标称模型MOD NOM的构造可进一步考虑来自OBD传感器的信号。如在图1中，标称模型MOD NOM允许确定后处理系统出口处的CO₂的量：Q_CO2。该数据与来自传感器CAP的测量R_mes一起被用来在数据融合(重构)步骤FUS中确定污染物量Q_{pol_mes}。标称模型MOD NOM的输出处的污染排放物由Q_{pol_nom}表示，并且这些污染排放物随后与通过根据本发明的确定排放物的方法来估算的污染物量Q_{pol_mes}相比较COMP，以确定动态相符性因子CFD。

图5通过非限制性示例示意性地示出了根据第三实施例的用于确定动态相符性因子的方法的各步骤。对于该实施例，标称模型MOD NOM以与图4的第一变型实施例相似的方式构建。此外，经校准模型MOD CAL通过通用模型(未示出)和测量(未示出)来构建。标称模型MOD NOM允许确定标称排放量Q_{pol_nom}。经校准模型MOD CAL允许确定经校准的排放量Q_{pol_cal}。这两个污染排放物量随后被比较COMP以确定动态相符性因子CFD。

示例

通过阅读下文的应用示例，将清楚根据本发明的方法的特征和优点。

该示例依赖于欧6b车辆的测试。对车辆所行进的约90公里的距离应用确定动态相符性因子的方法。为每10公里行进路线段确定动态相符性因子。

图7示出了因变于车辆行进的以公里计的距离D的虚线表示的速度曲线V以及所估算的NO_x排放物(以mg/km计)。NO_x排放物由直方图表示：淡灰色长方形对应于用标称模型估算的NO_x排放物Q_{pol_nom}，而深灰色长方形对应于用根据图1的第一实施例的确定污染排放物的方法来估算的NO_x排放物，其被表示为Q_{pol_mes}。速度曲线是变化的：该曲线包括可对应于城市路线的第一低速段(10到20公里)、可对应于郊区路线的第二中速段(20到60公里)以及可对应于高速公路路线的第三高速段(60到90公里)。注意，NO_x排放物取决于所使用的模型以及车辆速度而不同。特别是观察到车辆以比所预期的污染排放物Q_{pol_nom}高的污染排放物进行冷启动，车辆在第二路段内具有对应于所预期的污染排放物Q_{pol_nom}的污染排放物，并且对于第三高速路段车辆在排放物方面是有故障的。

图8示出了根据图7的数据构建的、因变于距离的动态相符性因子CF的直方图。动态相符性因子CF是通过第一变型实施例(参见图4)且经由所估算的NO_x量Q_{pol_mes}与用标称模型估算出的NO_x量Q_{pol_nom}之比来获得的。该直方图证实了图7的分析：对于第三高速路线段所调研的车辆在排放物方面是有故障的。

Claims

1.一种确定已沿一路线行驶的车辆的污染排放物的方法，所述车辆包括内燃机引擎以及用于所述引擎的废气的后处理系统，所述方法实现一种车载测量系统，所述车载测量系统包括布置在所述后处理系统下游的至少一个传感器(CAP)以及用于通过实现所述车辆的通用模型(MOD GEN)来确定所述车辆的所述排放物的计算机系统(SIN)，所述方法的特征在于执行以下步骤：

a)通过所述传感器(CAP)测量所述后处理系统下游的所述污染排放物的体积浓度(R_mes)；

b)通过所述车辆的所述通用模型来估算所述车辆的油耗；

c)根据所述引擎的所估算的油耗来确定所述后处理系统下游的二氧化碳的质量流量；以及

d)根据对所述排放物的所述体积浓度的所述测量以及由此确定的二氧化碳的所述质量流量来确定所述车辆的所述后处理系统下游的排放物Q_pol。

2.如权利要求1所述的确定污染排放物的方法，其特征在于，所述车辆的排放物通过公式确定：Q_pol＝R_mes×K×Q_{CO2_est}，其中Q_pol是排放量，R_mes是所述排放物的所测得的体积浓度，K是基于所考虑的所述污染物与二氧化碳的摩尔质量比的系数，Q_{CO2_est}是估算出的二氧化碳质量流量。

3.如前述权利要求中的任一项所述的确定污染排放物的方法，其特征在于，所述车辆的所述通用模型包括所述车辆的模型(MOD VEH)、所述车辆的引擎类型的模型(MOD MOT)以及所述车辆的后处理模型(MOD POT)，所述车辆模型(MOD VEH)将所述车辆的所述位置和/或海拔和/或速度相关到所述引擎的扭矩和转速，所述引擎类型模型(MOD MOT)将所述引擎的所述扭矩和所述转速相关到所述引擎的出口处的排放物，并且所述后处理模型(MODPOT)将所述引擎的出口处的所述排放物相关到所述后处理系统的出口处的排放物。

4.如前述权利要求中的任一项所述的确定污染排放物的方法，其特征在于，所述车载系统包括传感器，所述传感器选自氮氧化物NO_x传感器、一氧化氮NO传感器、二氧化氮NO₂传感器、一氧化碳CO传感器或二氧化碳CO₂传感器、双氧O₂传感器、未燃烧碳氢化合物传感器、氨NH₃传感器、颗粒传感器。

5.如前述权利要求中的任一项所述的确定污染排放物的方法，其特征在于，所述车载系统包括被插入到所述车辆的诊断端口(OBD)中的传感器，所述至少一个传感器(CAP)通过无线连接与被插入到所述车辆的诊断端口(OBD)中的所述传感器通信。

6.如前述权利要求中的任一项所述的确定污染排放物的方法，其特征在于，所述计算机系统包括至少一个智能手机、所述至少一个传感器(CAP)通过无线连接与所述智能手机(TEL)通信。

7.如权利要求5或6中的任一项所述的确定污染排放物的方法，其特征在于，所述计算机系统(SIN)中包含的所述车辆的所述通用模型被存储在云(NUA)中，所述智能手机(TEL)和/或被插入到所述车辆的诊断端口(OBD)中的所述传感器被配置成与所述云(NUA)交互。

8.如前述权利要求中的任一项所述的确定污染排放物的方法，其特征在于，所述车辆的所述通用模型进一步取决于所述车辆的至少一个宏观参数(PAR)，所述宏观参数优选地从数据库(BDD)获取和/或通过与用户的接口来获取。

9.一种通过所述车载测量系统来确定车辆的污染排放物的动态相符性因子的方法，其中执行以下步骤：

a)通过根据权利要求1到8中的一项权利要求的确定污染排放物的方法来确定所述车辆的污染排放物；

b)通过机器学习算法，根据所述车辆的至少一个宏观参数来构建所述车辆的标称模型(MOD NOM)，所述车辆的所述标称模型(MOD NOM)对应于所述车辆的所述通用模型(MODGEN)的理论模型；以及

c)通过将经由所述标称模型确定的标称排放值Q_{pol_nom}与经由根据权利要求1到8中的一项权利要求的确定排放物的方法来确定的排放值Q_{pol_mes}相比较来确定所述动态相符性因子(CFD)。

10.一种通过所述车载测量系统来确定车辆的污染排放物的动态相符性因子的方法，其中执行以下步骤：

b)通过机器学习算法，根据所述车辆的至少一个宏观参数来构建所述车辆的标称模型(MOD NOM)，所述车辆的所述标称模型(MOD NOM)对应于所述车辆的所述通用模型(MODGEN)的理论模型；

c)通过机器学习算法，根据所确定的污染排放物、所述传感器(CAP)的测量以及来自所述车辆的所述通用模型(MOD GEN)的数据来构建所述车辆的经校准模型(MOD CAL)，所述车辆的所述经校准模型(MOD CAL)对应于用所述车载测量系统的所述传感器(CAP)的所述测量校准的所述车辆的所述通用模型(MOD GEN)；以及

d)针对所述车辆行进的所述路线，通过将经由所述车辆的所述经校准模型(MOD CAL)获取的对污染排放物的估算Q_{pol_cal}与经由所述车辆的所述标称模型(MOD NOM)获取的对污染排放物的估算Q_{pol_nom}相比较来确定所述动态相符性因子(CFD)。

11.如权利要求9或10所述的确定动态相符性因子的方法，其特征在于，动态相符性因子(CFD)是针对所述车辆行进的所述路线，通过将由另一测量系统测量的污染排放物与通过所述车辆的所述标称模型(MOD NOM)估算的污染排放物相比较来确定的。

12.如权利要求9到11中的一项权利要求所述的确定动态相符性因子的方法，其特征在于，用于构建所述标称模型的所述宏观参数包括所述车辆的认证标准。

13.如权利要求9到12中的一项权利要求所述的确定动态相符性因子的方法，其特征在于，动态相符性因子(CFD)是按照所述车辆行进的所述路线的每一段来确定的，尤其是每一路线段具有等同长度，优选地所述路线段的长度的范围在1和50km之间。

14.如权利要求9到13中的一项权利要求所述的确定动态相符性因子的方法，其特征在于，所述方法包括通过所述车辆的所述标称模型(MOD NOM)和经校准模型(MOD CAL)来为预定理论驾驶循环确定动态相符性因子(CFD)的附加步骤。

15.如权利要求14所述的确定动态相符性因子的方法，其特征在于，确定所述相符性因子(CFD)的所述附加步骤对多个预定理论驾驶循环重复，并且标识具有最高动态相符性因子(CFD)的驾驶循环。

16.一种标识至少一辆污染最多的车辆的方法，其中执行以下步骤：

a)对多辆车辆实现如权利要求15所述的确定动态相符性因子(CFD)的方法；以及

b)比较每一辆车辆的最高相符性因子(CFD)以确定所述至少一辆污染最多的车辆。