颗粒物捕集效率预测模型的获取方法、装置、设备及介质与流程

1.本技术涉及发动机排气技术领域，具体涉及一种颗粒物捕集效率预测模型的获取方法、获取装置、电子设备及计算机可读存储介质。


背景技术：

2.为了避免大气污染，发动机排气气体中的颗粒物需要经过过滤之后才能排到大气中。相关技术中，通过颗粒过滤器来过滤发动机排气中的颗粒物。在进行颗粒过滤器设计制造时，无法对颗粒物过滤器的颗粒物捕集效率进行预测，导致制造出的颗粒过滤器无法满足实际应用的需要，造成产品成品率不够高，造成资源浪费。


技术实现要素：

3.本技术的目的是提供一种颗粒物捕集效率预测模型的获取方法、获取装置、电子设备及计算机可读存储介质，以改善相关技术中的以下状况：在进行颗粒过滤器设计制造时，无法对颗粒物过滤器的颗粒物捕集效率进行预测，导致制造出的颗粒过滤器无法满足实际应用的需要，造成产品成品率不够高，造成资源浪费。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
4.根据本技术实施例的一个方面，提供一种颗粒物捕集效率预测模型的获取方法，包括：
5.构建颗粒过滤器dpf对发动机排气颗粒物的捕集效率预测模型，所述捕集效率预测模型包括dpf结构参数；
6.利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率；
7.获取dpf实际捕集效率；
8.根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型。
9.在本技术的一些实施例中，所述发动机排气参数包括排气气体参数和排气颗粒物参数；所述利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率，包括：
10.根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率；
11.根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述dpf对所述发动机排气的颗粒物预测捕集效率。
12.在本技术的一些实施例中，所述根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率，包括：
13.所述根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的基于扩散机理的捕集效率、基于拦截机理的捕集效
率以及基于碰撞机理的捕集效率；
14.根据所述基于扩散机理的捕集效率、所述基于拦截机理的捕集效率以及所述基于碰撞机理的捕集效率，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率。
15.在本技术的一些实施例中，所述根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述dpf对所述发动机排气的颗粒物预测捕集效率，包括：
16.根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述每一捕集层对所有粒径颗粒物的捕集效率；
17.根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取所述dpf对所述所有粒径颗粒物的捕集效率。
18.在本技术的一些实施例中，所述根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取所述dpf对所述所有粒径颗粒物的捕集效率，包括：
19.根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取dpf对每一粒径颗粒物的捕集效率；
20.计算所述dpf对每一粒径颗粒物的捕集效率的加权和，得到所述dpf对所述所有粒径颗粒物的捕集效率；
21.其中，所述每一粒径颗粒物的捕集效率所对应的权重等于该粒径颗粒物的浓度在颗粒物总浓度中的比例。
22.在本技术的一些实施例中，所述获取dpf实际捕集效率，包括：
23.通过粒径分析仪测量流入dpf的颗粒物总浓度以及流出dpf的颗粒物总浓度；
24.计算流入dpf的颗粒物总浓度与流出dpf的颗粒物总浓度之差与所述流入dpf的颗粒物总浓度的比值，得到dpf实际捕集效率。
25.在本技术的一些实施例中，所述根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型，包括：
26.获取所述dpf预测捕集效率和所述dpf实际捕集效率的差值；
27.根据所述差值基于最小二乘法调整所述dpf结构参数，直至所述差值达到预设准确度阈值为止，得到所述达到预设准确度阈值的捕集效率预测模型。
28.根据本技术实施例的另一个方面，提供一种发动机排气颗粒物捕集效率的预测方法，包括：
29.获取发动机排气参数以及dpf结构参数；
30.将所述发动机排气参数以及所述dpf结构参数输入如权利要求1-7中任一项所获得的所述达到预设准确度阈值的捕集效率预测模型，得到捕集效率预测结果。
31.根据本技术实施例的另一个方面，提供一种发动机排气颗粒物捕集效率预测模型的获取装置，包括：
32.构建模块，用于构建颗粒过滤器dpf对发动机排气颗粒物的捕集效率预测模型，所述捕集效率预测模型包括dpf结构参数；
33.dpf预测捕集效率获取模块，用于利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率；
34.dpf实际捕集效率获取模块，用于获取dpf实际捕集效率；
35.dpf结构参数调整模块，用于根据所述dpf预测捕集效率和所述dpf实际捕集效率
调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型。
36.根据本技术实施例的另一个方面，提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以实现上述任一项所述的方法。
37.根据本技术实施例的另一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行，以实现上述任一项所述的方法。
38.本技术实施例的其中一个方面提供的技术方案可以包括以下有益效果：
39.本技术实施例提供的颗粒物捕集效率预测模型的获取方法，构建颗粒过滤器dpf对发动机排气颗粒物的捕集效率预测模型，利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率，获取dpf实际捕集效率，根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型，该捕集效率预测模型能够准确预测颗粒过滤器的颗粒物捕集效率，从而为颗粒过滤器的设计制造提供参考，确保制造出的颗粒过滤器能够满足实际应用的需要，提高产品成品率，避免资源浪费，大大改善了相关技术中存在的以下状况：在进行颗粒过滤器设计制造时，无法对颗粒物过滤器的颗粒物捕集效率进行预测，导致制造出的颗粒过滤器无法满足实际应用的需要，造成产品成品率不够高，造成资源浪费。
40.本技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者，部分特征和优点可以从说明书中推知或毫无疑义地确定，或者通过实施本技术实施例了解。
附图说明
41.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
42.图1示出了本技术一个实施例的发动机排气颗粒物捕集效率预测模型的获取方法流程图。
43.图2示出了本技术一个实施例中的柴油机颗粒过滤器结构示意图。
44.图3示出了本技术一个实施例中的球状捕集体捕集颗粒的效果示意图。
45.图4示出了本技术一个实施例中获取一个捕集层的综合捕集效率的流程示意图。
46.图5示出了本技术一个实施例中颗粒过滤器对发动机排气颗粒物的捕集效率预测模型的工作原理示意图。
47.图6示出了本技术一个实施例中捕集效率预测模型对某一dpf捕集效率进行模拟计算的结果示例图。
48.图7示出了本技术一个实施例中的预测模型通过最小二乘法进行自我校准和修正的原理图。
49.图8示出了本技术一个实施例的发动机排气颗粒物捕集效率预测模型的获取装置结构框图。
50.图9示出了本技术一个实施例的电子设备结构框图。
51.图10示出了本技术一个实施例的计算机可读存储介质示意图。
52.本技术的目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
53.为了使本技术的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本技术做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
54.本领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
55.柴油机颗粒过滤器：英文全称diesel particle filter，缩写dpf，是柴油发动机排放处理系统中的颗粒物去除装置。柴油机排放的含有较多颗粒物的气流流入dpf时，经过进口通道流入过滤壁面，过滤壁面具有蓬松、多孔的内部结构，可以捕集排气气流中的大多数颗粒物，而后含有较少颗粒物的洁净气流从出口通道流出dpf，最终从排气尾管中进入外界环境。
56.捕集机理，指捕集材料收纳颗粒物的动力学原理，包括扩散机理、拦截机理和碰撞机理等，其计算方法不同。
57.扩散捕集机理，也称布朗扩散捕集机理：在柴油机的排气气流中，颗粒由于受到气体分子热运动的碰撞而作布朗运动，使其运动轨迹脱离流体的流线，转而向任意方向运动(扩散)，当颗粒扩散到捕集体上时，即被捕集体捕集。
58.拦截捕集机理，也称直接拦截捕集机理：颗粒流动时，当其所在的流线(即颗粒的中心线)到捕集体表面的距离小于或等于微粒半径时，颗粒就被捕集体直接拦截住，从而被捕集。
59.碰撞捕集机理，也称惯性碰撞捕集机理：一般发生在粒径较大的颗粒，在气流的流线遇到捕集体而发生拐弯时，颗粒由于粒径大、惯性大，来不及跟随流线绕过捕集体，因而脱离流线碰撞到捕集体上而被捕集。
60.捕集效率，指流入捕集材料的颗粒物数量与流出捕集材料的颗粒物数量的比值，反映了该捕集材料的捕集性能。
61.粒径，即单个颗粒的直径或当量直径。
62.粒径分布，指一定数量的颗粒中，不同粒径大小的颗粒各自的数量和所占比例。例如这些颗粒总共具有n种不同的粒径，其中从小到大的第i种粒径(i＝1,2,3,
…
,n)的颗粒占颗粒总数的比例分别是多少。
63.最小二乘法，是对于某个包括自变量、因变量和参数的函数关系。最小二乘法是一种将各个自变量对应的因变量运算值(即因变量模型值)与因变量实测值做差后计算平方和，从而计算使该平方和最小的参数值的优化方法。
64.dpf设计选型，指对于特定的柴油发动机即其工况，选择合适参数(如尺寸、壁厚
等)的dpf与之匹配。dpf的设计选型应优先满足排放法规对颗粒物控制的要求(即不得使排放颗粒物超出法规规定的限值)，其次兼顾考虑成本、油耗等因素。
65.关于真实的粒径分布和粒径分布的测量：真实环境下的发动机颗粒粒径自然是很多的，但常用的粒径分析仪通常只有十几至二十几个通道，即s3节中的n最大一般不超过30。粒径分析仪的测量中有近似处理，比如某个测量通道对应的粒径是100nm，实际上这个通道内测得的颗粒粒径并不都是100nm，而是围绕在100nm上下，只是近似地认为这些颗粒粒径都是100nm。这是粒径分析仪自身固有的特征。
66.本技术实施例的发动机排气颗粒物捕集效率预测模型的获取方法，基于颗粒物的不同捕集机理，构建了柴油机颗粒过滤器dpf对发动机排气的固体颗粒物的捕集效率的计算模型，通过输入dpf的各种相关参数(直径、长度等)和发动机排气的相关参数(温度、流量、颗粒物浓度等)，进行综合分析计算，可得出dpf对不同尺寸颗粒的总捕集效率及dpf下游的颗粒浓度及粒径分布。
67.参考图1所示，本技术的一个实施例提供了一种发动机排气颗粒物捕集效率预测模型的获取方法，包括：
68.s10、构建颗粒过滤器dpf对发动机排气颗粒物的捕集效率预测模型，所述捕集效率预测模型包括dpf结构参数。
69.柴油机颗粒过滤器dpf主要通过过滤壁面实现颗粒物过滤，参考图2所示，柴油机的排气通过dpf进口通道1、dpf过滤壁面2、dpf出口通道3排出，dpf过滤壁面2包括多层捕集层4，每一个捕集层4包括若干个尺寸相等、分布均匀的球状捕集体5。单个球状捕集体5捕集颗粒的效果如图3所示。
70.在一个实施例中，颗粒过滤器dpf对发动机排气颗粒物的捕集效率预测模型，其包含的数学公式以及运行原理如步骤s1至s3：
71.s1、获取基于扩散、拦截、碰撞三种机理统合的颗粒物捕集效率。
72.对于每一捕集层以及排气中流入dpf中的具有任一特定粒径d
p
的颗粒，输入发动机排气的参数(流量、温度、所含颗粒的一种粒径等)和dpf的各个参数(孔隙率等)，即可计算得出该捕集层对具有该特定粒径d
p
的颗粒的基于不同捕集机理的捕集效率ed、er、ei；而后将不同机理的捕集效率统合起来，得到了该捕集层对该类特定粒径d
p
的颗粒的综合捕集效率e
p
，其原理如图4所示。
73.基于扩散机理的捕集效率ed由如下公式计算
[0074][0075]
ed代表单一捕集层对某特定粒径d
p
的颗粒的基于扩散机理的捕集效率；g(ε)代表kuwabara流体模型的一个经验函数；ε代表dpf过滤壁的孔隙率，是dpf参数之一；pe代表具有该特定粒径颗粒的佩克莱特数；
[0076][0077]
[0078]upore
代表气流流过dpf过滤壁孔道的平均流速，单位是m/s；dc代表球状捕集体的直径，单位m；d
p
代表具有该特定粒径颗粒的扩散系数，单位m2/s；
[0079][0080]dpore
代表dpf壁上微孔的中值孔径，单位m，是dpf参数之一；
[0081][0082]uw
代表气流穿过dpf过滤壁的表观平均流速，单位m/s；
[0083][0084]
qv代表发动机排气的体积流量，单位m3/s，发动机排气气体参数之一；cpsm即cells per square meter的缩写，代表dpf截面上单位面积内的通道个数，俗称为dpf的目数或dpf的通道密度，单位m-2
，dpf参数之一；d代表dpf的直径，单位m，dpf参数之一；l代表dpf的长度，单位m，dpf参数之一；a代表dpf的通道的边长，单位m；
[0085]
(a+w)2cpsm＝1
[0086]
w代表dpf的壁厚，单位m，dpf参数之一；
[0087][0088]
scf即stokes-cunningham factor的缩写，斯托克斯-坎宁汉修正系数；kb即玻尔兹曼常数，值为1.38
×
10-23
j/k，是一个恒定值；t代表发动机排气的温度，单位k，是发动机排气气体参数之一；μ代表气体粘度，单位n
·s·
m-2
；d
p
代表某一特定粒径，单位m；kn即knudsen number，克努森数；
[0089]
μ＝8.32
×
10-15
t
3-2.96
×
10-11
t2+6.24
×
10-8
t+2.31
×
10-6
[0090][0091][0092]
λ代表颗粒的平均自由程，单位m；
[0093][0094][0095]
ρ代表发动机排气的气体密度，单位kg/m3，是发动机排气气体参数之一；ug代表气体分子的算数平均速度，单位m/s；r代表理想气体常数，值为8.314j/(mol
·
k)；m代表空气的摩尔质量，值为0.029kg/mol。
[0096]
基于拦截机理的捕集效率er包括如下一系列公式计算。
[0097]
[0098][0099]er
代表捕集层对某特定粒径d
p
的颗粒的基于拦截机理的捕集效率；nr代表直接拦截比；ei代表捕集层对某特定粒径d
p
的颗粒的基于拦截机理的捕集效率；st为strokes的缩写，斯托克斯数；e
p
代表捕集层对特定粒径d
p
的颗粒的综合捕集效率；η
p
代表整个dpf过滤壁对特定粒径d
p
的颗粒的综合捕集效率；d
pi
代表将流入或流出dpf的所有颗粒按照不同粒径划分为总共n种粒径，其中的第i种颗粒所具有的粒径，单位m，i＝1，2，
…
，n；η
p，i
代表整个dpf过滤壁对第i种颗粒的总捕集效率，i＝1，2，
…
，n；c
in
代表流入dpf的发动机排气中的颗粒物总浓度，单位个/m3，发动机排气颗粒物参数之一；g
in，i
代表流入dpf中的颗粒物的粒径分布比例，发动机排气颗粒物参数之一，i＝1，2，
…
，n；代表整个dpf对流入dpf的所有颗粒的总捕集效率；c
out
代表流出dpf的气流中的颗粒总浓度，单位个/m3；g
out，i
代表流出dpf的气流中的颗粒的粒径分布比例，i＝1,2，
…
，n。本技术实施例中各公式中的物理量的单位均采用国际标准单位制，非国际标准单位制的量，在使用本技术实施例的公式进行运算前需将其转换为国际标准单位制。
[0100]
基于碰撞机理的捕集效率ei由如下一系列公式计算。
[0101][0102][0103]
基于扩散、拦截、碰撞三种机理统合的捕集层对该类特定粒径d
p
的颗粒的综合捕集效率e
p
由如下公式计算
[0104]ep
＝1-(1-ed)(1-er)(1-ei)。
[0105]
s2、基于dpf的壁厚w等参数，把特定粒径d
p
下许多个球状捕集体的捕集效率累加，可得到整个dpf过滤壁对具有特定粒径d
p
的颗粒的捕集效率η
p
，η
p
由如下公式计算
[0106][0107]
s3、使用粒径分析仪测量流入dpf的颗粒物参数以及流出dpf的颗粒物参数，测量报表可将所有颗粒按照不同粒径划分为总共n种，其中的第i种颗粒(i＝1,2，
…
，n)具有以下特征：
[0108]
(1)第i种颗粒都具有单一的粒径d
pi
。
[0109]
(2)整个dpf过滤壁对第i种颗粒的总捕集效率为η
p，i
，η
p,i
可根据d
pi
算出，计算过程完全参照步骤s1和步骤s2的一系列公式中得出的η
p
和d
p
的关系。
[0110]
在此基础上，再输入流入dpf的发动机排气中的颗粒物总浓度c
in
、粒径分布比例g
in，i
(i＝1，2，
…
，n)等，即可得出整个dpf对流入dpf的所有颗粒的总捕集效率流出dpf的气流中的颗粒总浓度c
out
和粒径分布比例g
out,i
。
[0111]
其中，g
in,i
(i＝1,2，
…
，n)表示流入dpf的粒径从小到大的第i类颗粒物浓度c
in，i
占颗粒物总浓度c
in
的比例(假设流入dpf的颗粒总共具有n种不同粒径)，即
[0112]cin,i
＝c
in
×gin,i
[0113]
对应的η
p
分别表示为η
pi
(i＝1,2,
…
,n)并求出，则流出dpf的气流中的第i种粒径的颗粒的浓度c
out,i
可用如下方法计算：
[0114]cout,i
＝c
in,i
×
(1-η
pi
)
[0115]
流出dpf的气流中的各种粒径的颗粒的总浓度c
out
可用如下方法计算：
[0116][0117]
整个dpf对流入dpf的各种颗粒的总捕集效率可用如下两种方法计算，二者在本质上是等效的。
[0118][0119]
在一种实施方式中，颗粒过滤器dpf对发动机排气颗粒物的捕集效率预测模型的工作原理示意图，如图5所示。
[0120]
此外，按照国六排放法规，对颗粒物数量的控制限值需使用颗粒的比排放值(单位：个/千瓦时)作为通过与否的标准。对于进/出dpf的颗粒，从颗粒物浓度(单位：个/立方米)折算到比排放值(单位：个/千瓦时)的折算过程并无区别。因此本模型既可使用颗粒浓度值(单位：个/立方米)作为发动机排气颗粒物参数的输入，也可使用比排放值(单位：个/千瓦时)。后者，即使用比排放值(单位：个/千瓦时)的优势在于，可以直接判断流出dpf的颗粒排放水平是否符合国六标准。
[0121]
s20、利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率。
[0122]
在一种实施方式中，所述发动机排气参数包括排气气体参数和排气颗粒物参数；所述利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率，包括：根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率；根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述dpf对所述发动机排气的颗粒物预测捕集效率。
[0123]
在一种实施方式中，所述根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率，包括：所述根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的基于扩散机理的捕集效率、基于拦截机理的捕集效率以及基于碰撞机理的捕集效率；根据所述基于扩散机理的捕集效率、所述基于拦截机理的捕集效率以及所述基于碰撞机理的捕集效率，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率。
[0124]
在一种实施方式中，所述根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述dpf对所述发动机排气的颗粒物预测捕集效率，包括：根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述每一捕集层对所有粒径颗粒物的捕集效率；根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取所述dpf对所述所有粒径颗粒物的捕集效率。
[0125]
在一种实施方式中，所述根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取所述dpf对所述所有粒径颗粒物的捕集效率，包括：根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取dpf对每一粒径颗粒物的捕集效率；计算所述dpf对每一粒径颗粒物的
捕集效率的加权和，得到所述dpf对所述所有粒径颗粒物的捕集效率；其中，所述每一粒径颗粒物的捕集效率所对应的权重等于该粒径颗粒物的浓度在颗粒物总浓度中的比例。
[0126]
s30、获取dpf实际捕集效率。
[0127]
在一种实施方式中，所述获取dpf实际捕集效率，包括：通过粒径分析仪测量流入dpf的颗粒物总浓度以及流出dpf的颗粒物总浓度；计算流入dpf的颗粒物总浓度与流出dpf的颗粒物总浓度之差与所述流入dpf的颗粒物总浓度的比值，得到dpf实际捕集效率。
[0128]
s40、根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型。
[0129]
在一种实施方式中，所述根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型，包括：获取所述dpf预测捕集效率和所述dpf实际捕集效率的差值；根据所述差值基于最小二乘法调整所述dpf结构参数，直至所述差值达到预设准确度阈值为止，得到所述达到预设准确度阈值的捕集效率预测模型。
[0130]
使用上述达到预设准确度阈值的捕集效率预测模型对某一dpf捕集效率进行模拟计算的结果示例如图6所示。此外，本技术实施例中的预测模型具有基于实测数据，通过最小二乘法进行自我校准和修正的功能，原理如图7所示。
[0131]
本技术实施例通过将dpf过滤壁面等效为球状捕集体，分析其各种捕集机理的综合效率，再将各捕集体的效率累加，得出了整个dpf的捕集效率；再结合流出dpf的发动机排气的颗粒物浓度与分布，即可预测流出dpf的颗粒物浓度与分布。因此本技术实施例从原理上比较符合颗粒物捕集的真实动力学原理，与实验结果也契合较好。
[0132]
本技术实施例提供的捕集效率预测模型从运算的角度看比较简便，与其他获取dpf捕集效率的手段相比，本技术实施例不需要复杂的实验条件，也不需要较长的计算机运行时间，从而可以为发动机排放法规符合性分析、dpf选型匹配等工作降低资源成本和时间成本。
[0133]
本技术实施例提供的数学计算模型具备基于实验数据进行自我校准与修正的功能，因此具有较广的适用性，可适用于不同参数的dpf、不同型号的柴油发动机和的柴油发动机的不同工况。
[0134]
基于不同捕集机理和统合计算，得出了计算dpf捕集效率的数学模型。基于上述数学模型，快速有效地预测dpf下游的颗粒物浓度及粒径分布。提出了基于最小二乘法对捕集效率模型值进行修正校准的方法，提升了模型的精准度，拓宽了模型的适用条件。本技术实施例具备根据实测的数据进行自我校准与修正的功能。因此本技术实施例可预测dpf捕集性能，从而为dpf设计选型提供依据，并节约资源和时间成本。
[0135]
参考图8所示，本技术另一个实施例提供了一种发动机排气颗粒物捕集效率预测模型的获取装置，包括：
[0136]
构建模块，用于构建颗粒过滤器dpf对发动机排气颗粒物的捕集效率预测模型，所述捕集效率预测模型包括dpf结构参数；
[0137]
dpf预测捕集效率获取模块，用于利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率；
[0138]
dpf实际捕集效率获取模块，用于获取dpf实际捕集效率；
[0139]
dpf结构参数调整模块，用于根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型。
[0140]
在一种实施方式中，所述发动机排气参数包括排气气体参数和排气颗粒物参数；dpf预测捕集效率获取模块所执行的利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率，包括：根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率；根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述dpf对所述发动机排气的颗粒物预测捕集效率。
[0141]
在一种实施方式中，dpf预测捕集效率获取模块所执行的根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率，包括：所述根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的基于扩散机理的捕集效率、基于拦截机理的捕集效率以及基于碰撞机理的捕集效率；根据所述基于扩散机理的捕集效率、所述基于拦截机理的捕集效率以及所述基于碰撞机理的捕集效率，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率。
[0142]
在一种实施方式中，dpf预测捕集效率获取模块所执行的根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述dpf对所述发动机排气的颗粒物预测捕集效率，包括：根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述每一捕集层对所有粒径颗粒物的捕集效率；根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取所述dpf对所述所有粒径颗粒物的捕集效率。
[0143]
在一种实施方式中，dpf预测捕集效率获取模块所执行的根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取所述dpf对所述所有粒径颗粒物的捕集效率，包括：根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取dpf对每一粒径颗粒物的捕集效率；计算所述dpf对每一粒径颗粒物的捕集效率的加权和，得到所述dpf对所述所有粒径颗粒物的捕集效率；其中，所述每一粒径颗粒物的捕集效率所对应的权重等于该粒径颗粒物的浓度在颗粒物总浓度中的比例。
[0144]
在一种实施方式中，dpf实际捕集效率获取模块所执行的获取dpf实际捕集效率，包括：通过粒径分析仪测量流入dpf的颗粒物总浓度以及流出dpf的颗粒物总浓度；计算流入dpf的颗粒物总浓度与流出dpf的颗粒物总浓度之差与所述流入dpf的颗粒物总浓度的比值，得到dpf实际捕集效率。
[0145]
在一种实施方式中，dpf结构参数调整模块所执行的根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型，包括：获取所述dpf预测捕集效率和所述dpf实际捕集效率的差值；根据所述差值基于最小二乘法调整所述dpf结构参数，直至所述差值达到预设准确度阈值为止，得到所述达到预设准确度阈值的捕集效率预测模型。
[0146]
本技术的另一个实施例提供了一种发动机排气颗粒物捕集效率的预测方法，包括：获取发动机排气参数以及dpf结构参数；将所述发动机排气参数以及所述dpf结构参数输入上述任一实施方式所获得的所述达到预设准确度阈值的捕集效率预测模型，得到捕集效率预测结果。
[0147]
本技术另一个实施例提供了一种电子设备，包括存储器、处理器及存储在所述存
储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以实现上述任一实施方式所述的方法。
[0148]
参考图9所示，电子设备10可以包括：处理器100，存储器101，总线102和通信接口103，处理器100、通信接口103和存储器101通过总线102连接；存储器101中存储有可在处理器100上运行的计算机程序，处理器100运行该计算机程序时执行本技术前述任一实施方式所提供的方法。
[0149]
其中，存储器101可能包含高速随机存取存储器(ram：random access memory)，也可能还可以包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该装置网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
[0150]
总线102可以是isa总线、pci总线或eisa总线等。总线可以分为地址总线、数据总线、控制总线等。其中，存储器101用于存储程序，处理器100在接收到执行指令后，执行该程序，前述本技术实施例任一实施方式揭示的方法可以应用于处理器100中，或者由处理器100实现。
[0151]
处理器100可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器100可以是通用处理器，可以包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器101，处理器100读取存储器101中的信息，结合其硬件完成上述方法的步骤。
[0152]
本技术实施例提供的电子设备与本技术实施例提供的方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
[0153]
本技术另一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行，以实现上述任一实施方式所述的方法。参考图10所示，其示出的计算机可读存储介质为光盘20，其上存储有计算机程序(即程序产品)，该计算机程序在被处理器运行时，会执行前述任意实施方式所提供的方法。
[0154]
需要说明的是，计算机可读存储介质的例子还可以包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
[0155]
本技术的上述实施例提供的计算机可读存储介质与本技术实施例提供的方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
[0156]
需要说明的是：
[0157]
术语“模块”并非意图受限于特定物理形式。取决于具体应用，模块可以实现为硬件、固件、软件和/或其组合。此外，不同的模块可以共享公共组件或甚至由相同组件实现。不同模块之间可以存在或不存在清楚的界限。
[0158]
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示例一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本技术也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本技术的内容，并且上面对特定语言所做的描述是为了披露本技术的最佳实施方式。
[0159]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0160]
以上实施例仅表达了本技术的实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种颗粒物捕集效率预测模型的获取方法，其特征在于，包括：构建颗粒过滤器dpf对发动机排气颗粒物的捕集效率预测模型，所述捕集效率预测模型包括dpf结构参数；利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率；获取dpf实际捕集效率；根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型。2.根据权利要求1所述的方法，其特征在于，所述发动机排气参数包括排气气体参数和排气颗粒物参数；所述利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率，包括：根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率；根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述dpf对所述发动机排气的颗粒物预测捕集效率。3.根据权利要求2所述的方法，其特征在于，所述根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率，包括：所述根据所述dpf结构参数、所述排气气体参数和所述排气颗粒物参数，获取所述dpf的每一捕集层对每种粒径颗粒物的基于扩散机理的捕集效率、基于拦截机理的捕集效率以及基于碰撞机理的捕集效率；根据所述基于扩散机理的捕集效率、所述基于拦截机理的捕集效率以及所述基于碰撞机理的捕集效率，获取所述dpf的每一捕集层对每种粒径颗粒物的捕集效率。4.根据权利要求2所述的方法，其特征在于，所述根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述dpf对所述发动机排气的颗粒物预测捕集效率，包括：根据所述每一捕集层对每种粒径颗粒物的捕集效率，获取所述每一捕集层对所有粒径颗粒物的捕集效率；根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取所述dpf对所述所有粒径颗粒物的捕集效率。5.根据权利要求4所述的方法，其特征在于，所述根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取所述dpf对所述所有粒径颗粒物的捕集效率，包括：根据所述每一捕集层对所有粒径颗粒物的捕集效率，获取dpf对每一粒径颗粒物的捕集效率；计算所述dpf对每一粒径颗粒物的捕集效率的加权和，得到所述dpf对所述所有粒径颗粒物的捕集效率；其中，所述每一粒径颗粒物的捕集效率所对应的权重等于该粒径颗粒物的浓度在颗粒物总浓度中的比例。6.根据权利要求1所述的方法，其特征在于，所述获取dpf实际捕集效率，包括：通过粒径分析仪测量流入dpf的颗粒物总浓度以及流出dpf的颗粒物总浓度；计算流入dpf的颗粒物总浓度与流出dpf的颗粒物总浓度之差与所述流入dpf的颗粒物
总浓度的比值，得到dpf实际捕集效率。7.根据权利要求1所述的方法，其特征在于，所述根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型，包括：获取所述dpf预测捕集效率和所述dpf实际捕集效率的差值；根据所述差值基于最小二乘法调整所述dpf结构参数，直至所述差值达到预设准确度阈值为止，得到所述达到预设准确度阈值的捕集效率预测模型。8.一种发动机排气颗粒物捕集效率的预测方法，其特征在于，包括：获取发动机排气参数以及dpf结构参数；将所述发动机排气参数以及所述dpf结构参数输入如权利要求1-7中任一项所获得的所述达到预设准确度阈值的捕集效率预测模型，得到捕集效率预测结果。9.一种发动机排气颗粒物捕集效率预测模型的获取装置，其特征在于，包括：构建模块，用于构建颗粒过滤器dpf对发动机排气颗粒物的捕集效率预测模型，所述捕集效率预测模型包括dpf结构参数；dpf预测捕集效率获取模块，用于利用所述捕集效率预测模型处理发动机排气参数，获得dpf预测捕集效率；dpf实际捕集效率获取模块，用于获取dpf实际捕集效率；dpf结构参数调整模块，用于根据所述dpf预测捕集效率和所述dpf实际捕集效率调整所述dpf结构参数，直至获得达到预设准确度阈值的捕集效率预测模型。10.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以实现如权利要求1-8中任一项所述的方法。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行，以实现如权利要求1-8中任一项所述的方法。

技术总结
本申请公开了一种颗粒物捕集效率预测模型的获取方法、获取装置、电子设备及计算机可读存储介质。该获取方法包括：构建颗粒过滤器DPF对发动机排气颗粒物的捕集效率预测模型，所述捕集效率预测模型包括DPF结构参数；利用所述捕集效率预测模型处理发动机排气参数，获得DPF预测捕集效率；获取DPF实际捕集效率；根据所述DPF预测捕集效率和所述DPF实际捕集效率调整所述DPF结构参数，直至获得达到预设准确度阈值的捕集效率预测模型。本申请实施例的获取方法得到的捕集效率预测模型能够准确预测颗粒过滤器的颗粒物捕集效率，从而为颗粒过滤器的设计制造提供参考，确保制造出的颗粒过滤器能够满足实际应用的需要，提高产品成品率，避免资源浪费。避免资源浪费。避免资源浪费。


技术研发人员：翟天宇 张瑜 王建东 张军 王继铭 王浩浩
受保护的技术使用者：潍柴动力股份有限公司
技术研发日：2023.03.15
技术公布日：2023/9/23