柴油机NOx排放的实时估计模型分析

柴油机NOx排放的实时估计模型分析

氮氧化合物（NOx）排放较高始终是柴油机存在的一个重要问题。目前，通过采用后处理系统将NOx转化为N2，降低NOx排放。但是，随着排放法规的日益严格，需要不断提升后处理系统的转化率，这将使后处理系统的复杂性增加，成本也随着增加。对此，开始通过对柴油机自身的优化(如调整喷射参数等)，降低NOx排放。在进行柴油机自身优化时，需要对柴油机的NOx排放进行实时估计，以形成闭环反馈，基于此进行喷射参数的调整。

对柴油机NOx排放进行实时估计的模型可以分为黑箱模型和物理模型。常用的黑箱模型包括回归模型、神经网络模型和具有修改因子的查找表等，但这些模型在进行NOx排放的实时估计时没有考虑真实的驾驶条件，只利用试验确定出的柴油机特性图进行估计，因而估计精度较低。物理模型则主要由缸内温度模型和Zeldovich反应机制构成，该类模型根据传感器实时测量发动机参数来进行NOx排放的估计，因而估计精度高于黑箱模型。

进一步改善物理模型的估计精度，主要考虑消除输入和模型的不确定性。消除输入的不确定性，可通过采用缸内压力传感器（ICPS）来对缸内压力进行测量，并将其作为输入来消除。消除模型的不确定性，是将物理模型表示为热力学模型、燃烧模型和NOx生成模型3个子模型。热力学子模型基于ICPS信号进行放热率的计算和气体温度的计算。燃烧子模型进行缸内燃烧产物浓度的计算。NOx生成子模型则基于Zeldovich反应机制进行NOx生成的计算。在一台美国福特汽车公司生产的6.7L V8发动机上对消除不确定性后的物理模型精度进行评价，并与试验数据相比较，输入不确定性的消除使估计精度改善10%～40%，具体数值取决于柴油机负荷；模型不确定性的消除使估计精度改善22%。

Hoon Cho et al.SAE 2017-01-0963.

编译：王淼