苜蓿根
刘洋;张文彬;华伦;张云龙;帅石金
【摘 要】基于快速原型的思想,开发了一套轻型汽油车国六后处理OBD系统.该系统的硬件由NI PXI平台定制而成,能够对三效催化器(TWC)和汽油机颗粒捕集器(GPF)集成后处理系统的传感器信号和发动机工况参数进行采集和通信;在Matlab/Simulink中开发了基于神经网络的故障诊断模型和基于状态机的故障决策模型,将模型进行代码生成并下载到实时控制器运行;在上位机PC中通过VeriStand软件,进行系统定义文件的配置和交互界面的设计,实现了系统状态的实时监控.分别通过台架试验和整车转鼓试验对后处理OBD系统进行功能性验证.结果表明,所开发的快速原型系统能够在台架稳态工况和实际驾驶循环中正确诊断出后处理部件的故障,并进行合理的故障决策. 【期刊名称】《车用发动机》
【年(卷),期】2019(000)004
【总页数】8页(P34-40,46)
【关键词】快速原型;后处理系统;车载诊断系统;诊断模型;三效催化器;汽油机颗粒捕集器
【作 者】oled灯刘洋;张文彬;华伦;张云龙;帅石金
【作者单位】清华大学汽车安全与节能国家重点实验室,北京 100084;清华大学汽车安全与节能国家重点实验室,北京 100084;清华大学汽车安全与节能国家重点实验室,北京 100084;清华大学汽车安全与节能国家重点实验室,北京 100084;清华大学汽车安全与节能国家重点实验室,北京 100084
【正文语种】中 文
【中图分类】TK411.5
干蒸房车载诊断系统(On-Board Diagnostics，OBD)是发动机管理系统(Engine Management System，EMS)的重要组成部分，其主要功能为监测发动机控制相关的电子元器件以及部件系统的各类故障，在发动机电子控制单元(Electronic Control Unit，ECU)中记录相应的故障代码，并通过外部的故障指示灯(Malfunction Indicator Lamp，MIL)对驾驶员进行提醒[1-2]。为进一步减少排放，根据《轻型汽车污染物排放限值及测量方法(中国第六阶段)》
的要求，汽油车采用三效催化转化器(Three-Way Catalytic Converter，TWC)和汽油机颗粒捕集器(Gasoline Particulate Filter，GPF)集成后处理系统作为标准配置，其复杂程度对OBD开发工作提出了更高的要求，需要改进传统的单一阈值、单一工况诊断策略，引入更完善的诊断模型[3-5]。近年来，基于快速原型的开发模式在汽车控制系统上得到了广泛应用[6-8]，通过将模型下载到实时硬件上运行，考察设计的ECU功能模块在嵌入式环境中的实际表现，完成逻辑验证、性能评估以及模型优化等工作。相比于传统的嵌入式开发流程，该方法在提高模型完整性和实用性的同时，减少了相应的开发周期和成本。
1 OBD系统总体设计
脱硫催化剂OBD系统的基本功能是监测部件的状态并诊断故障的类型。监测部件状态的基础是按照一定的频率采集相应的传感器信号。在后处理系统中， GPF前后的温度和压力传感器独立于原有的ECU线束额外安装，通过采集电压信号转换得到具体的物理量数值。GPF前后的温度传感器主要用来监测GPF工作过程中的温度变化，防止温度过高损坏堇青石载体，起到辅助诊断的作用；GPF前后压力传感器信号则作为诊断的主要输入量。对于已经安装在TWC上下游的氧传感器，信号不便于外部采集，必须设计相应的调制电路，通过与ECU通
信获取。诊断故障类型主要通过实时诊断模型实现，模型以部件相关的模拟量作为输入，具体的故障模式作为输出。在明确故障类型后，还需要设计故障响应和消除的机制，使其反映在MIL上。
OBD系统的总体设计见图1。待测对象为TWC和GPF集成后处理系统，GPF前后温度传感器和前后压力传感器与实时控制器的I/O通道进行连接，发动机的工况信息和TWC前后氧传感器信号由CAN总线实现与实时控制器的通信。实时控制器内部运行编译完成的模型，将模型的输入与控制器采集的数据进行匹配和映射，模型实时地计算出诊断的结果并进行相应的决策。上位机与实时控制器进行数据交互，系统的所有变量和环节均通过用户界面进行实时监控，改变模型的标定参数能够观测不同的运行结果。
图1 OBD系统总体设计
桥架支撑架2 OBD系统硬件设计
OBD系统的硬件结构(见图2)分为下位机和上位机两个部分。下位机以PXI平台为基础，根据后处理OBD的测试要求定制相应的模块搭建而成。所用的PXI平台集成了最新的PCI Exp
ress开关和英特尔多核处理器，处理速度快且结构紧凑，有利于现场测试。选用PXIe-1078机箱，容纳板卡和控制器，并将其连接至提供定时和同步功能的高性能背板；选用PXIe-8821控制器运行PharLab实时操作系统，为各板卡提供驱动支持；选用PXIe-4353温度输入模块搭配TB-4353等温接线盒进行GPF前后温度信号采集；选用PXIe-6341多功能I/O模块搭配SCB-68A抗噪屏蔽I/O接线盒进行GPF前后压力信号采集；选用CAN OBD-II电缆连接NI PXI-8512与汽车的OBD接口实时获取ECU测量参数。上位机选用一台PC，运行Windows操作系统并安装VeriStand软件环境，通过TCP/IP协议与下位机实现连接，对实时端进行模型部署和数据传输。
图2 OBD系统硬件设计
3 OBD系统软件设计
3.1 诊断条件判断模型
OBD系统的软件设计主要分为算法开发和交互界面开发两部分，其中算法开发的主要任务是搭建故障诊断模型，涵盖了OBD系统的主要功能，是整个开发流程的核心环节。算法开
发选择Matlab/Simulink作为主环境，通过Simulink代码生成工具将搭建完成的模型转化为C代码并编译成dll动态链接库文件，导入VeriStand中进行配置[9]。OBD系统的Simulink故障诊断模型(见图3)包含诊断条件判断、神经网络诊断和故障决策3个子模型。
图3 Simulink故障诊断模型
诊断条件判断模型是一个在ECU上电后就立刻被激活的前置模型，将实际的诊断工况与理想的诊断工况进行比较，判断在某个时刻是否激活后置的神经网络诊断模型。一般情况下，OBD诊断可以在较为稳定的工况下取得良好表现。以“GPF诊断条件判断”模型为例，它的输入是车速和进气量，输出为标志位CDN_DIAG_GPF，在车速和进气量同时满足要求时置为1，其他情况均置为0。在模型内部，进气量的设计条件为“大于150 kg/h”，判断过程容易实现；而车速的设计条件为“较为稳定”，即判断在当前诊断时刻前的一段时间内，车速是否接近匀速。由于Simulink库中常用的模块较难实现该判断逻辑，通过自定义的Matlab Function模块编写算法。首先在处理器中预留一块缓存区域，大小可以容纳5 s左右的车速数据，对每个模型运行周期进行数据存储并滚动覆盖旧数据，实现在每次进行诊断条件判断前读取前5 s内的所有车速；查询所有车速中的最大值和最小值，并作差比较，如果差值不超过5 km/h则判断此时的车速波动较小，满足诊断条件。
3.2 神经网络诊断模型
OBD需要诊断的TWC故障主要是由高温、催化剂中毒等原因导致的老化。对于新鲜的TWC，当发动机的工作状态偏离理论空燃比时，催化剂中的铈氧化物将发生对应的储氧和释氧反应，使TWC后端的排气始终保持在理论空燃比左右，此时TWC的转化效率最高；随着TWC逐渐老化，其储氧能力不断下降，此时TWC后的排气不再维持在理论空燃比，而是产生一定程度的波动，TWC转化效率降低；当TWC老化达到临界状态时，催化剂基本丧失储氧能力，直观表现为后氧传感器电压信号产生剧烈波动。
传统的TWC老化诊断策略主要采用振幅模型化法和响应时间判断法[10]。振幅模型化法通过大量试验建立TWC老化的经验模型或储氧量动态模型，将实际的后氧传感器信号与模型预测的信号进行对比，结合阈值判断TWC是否达到临界状态。该诊断策略的问题在于动态模型建模复杂，标定工作量大。响应时间判断法在诊断区间内主动控制发动机空燃比，使TWC储氧量达到饱和后释氧。TWC的老化程度越高，后氧传感器电压从最小值跳变到设定值所需的时间越短，通过标定临界TWC确定诊断阈值。该方法的主要缺点在于需要改变发动机原有的控制策略，导致诊断过程中的排放恶化。
OBD需要诊断的GPF故障按照影响排放和影响发动机性能分为两类。其中影响排放的故障有人为移除载体、封装不当导致载体破损、再生温度过高导致孔道烧熔泄漏等；影响发动机性能的故障有炭烟沉积过多、润滑油灰分造成的过滤体堵塞等[11]。排气流经GPF时受到阻力作用，直观表现为GPF两端具有压力差，且随排气流量增大而增大。当GPF发生各种故障时，其两端压差将产生相应变化，以此作为GPF诊断的基本依据。
传统的壁流式过滤体故障诊断方法以压差-排气流量模型为基础[12]，模型基于线性回归拟合建立，考虑温度对于压差的影响以及温度、压力传感器本身的测量误差，在符合诊断条件的排气流量下标定合理的GPF压差范围，如果超过这个范围则认为故障发生。该方法在大排气流量范围内的故障诊断精度较低，如果限定若干点或者小区间作为诊断工况，虽然诊断精度提高，但难以满足OBD法规的故障诊断频率要求。
神经网络诊断模块由神经网络模型发展而来，本质是一种非参数模型。对于OBD诊断问题，神经网络模型因其良好的非线性特性，具有建模简便、标定工作量小、不影响原有控制策略、诊断精度高、诊断范围大等优势[13-15]，能较好地弥补上述传统诊断方法的不足。神经网络诊断模型包含GPF诊断和TWC诊断两个独立模块，建模使用的故障标准样件
均根据法规要求制备，并进行标签化处理。其中GPF诊断模块输入发动机转速、扭矩、GPF前压力及GPF后压力，输出GPF处于正常、移除、泄漏、过载和堵塞状态的概率；TWC诊断模块输入诊断时刻前1 s内的进气流量、前氧传感器电压值和后氧传感器电压值，输出TWC处于新鲜或临界老化状态的概率。由于GPF和TWC的诊断模块采用了统一的神经网络架构，开发流程相似，故重点介绍TWC老化诊断的应用，而不再赘述GPF相关内容。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议