数学通道的应用(十七)-检测DPF是否堵塞

2023-11-08 22:30

本文主要是介绍数学通道的应用(十七)-检测DPF是否堵塞,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在数学通道的应用(十三)中,我们介绍了涡轮增压发动机空气流量(MAF)实际值的计算方法。在那之后我一直在思考关于DPF背压的问题,尤其是丰田提出的计算DPF再生效率的数学公式。

该公式指出,如果DPF没有堵塞故障,则DPF压差除以MAF的值应小于0.2。公式中还声明,使用的是路试期间所捕获的串行数据,且DPF温度稳定在450°C以上。

例如:MAF=25g/s,DPF压差=2kPa。因此:2/25=0.08<0.2,表明DPF工作正常。但是如果MAF=25g/s时DPF压差为6kPa,6/25=0.24>0.2,这意味DPF出现堵塞故障。

鉴于我们可以使用虹科Pico示波器来计算MAF,接下来我想测试一些不属于丰田车系的2.0升柴油发动机检验上面这个公式。在开始检测DPF之前,需要注意以下三个变量:

1.我要用到WPS500X压力传感器,将WPS压力传感器安装在DPF之前,而不是像压差传感器那样跨接在DPF前后气管。

2.与公式声明有所不同,我测试时DPF的温度小于450°C。

3.同时还用另一个WPS500X测量进气歧管压力。

我们测试的是一个2.0L 四缸BMW320D车,通过数学通道 LowPass(freq(A),50)*(2.0 * 0.8)*(B+1)/2*1.223/60 来获得MAF(空气密度为1.223g/L)。对这个数学通道公式分段解释一下:

LowPass(freq(A),50)可以计算出RPM,我们用A通道捕获了曲轴传感器信号波形。使用LowPass低通过滤可以得到“平滑的”RPM值,并且减少了曲轴缺失齿造成的尖峰波形。请注意,在图1和图2示例波形中,我们把A通道曲轴信号隐藏了,没有显示在软件界面上。

(2.0*0.8)中2.0表示发动机排量,0.8是此类涡轮增压柴油机的容积效率标准值(VE)。

*(B + 1),我们在通道B上用WPS测了进气歧管压力,之所以加1是因为MAF实际值需要用绝对压力计算得出。而WPS500X捕获的进气歧管压力是相对于大气压的压力值,因此我们需要增加1 bar以获得进气歧管压力绝对值。

/2*1.223/60 ,除以2是指曲轴每转一圈产生2次进气冲程,乘以1.223得到空气质量,最后除以60得到以g/s为单位的MAF值。

用于检测DPF再生效率还需要捕获以kPa为单位的排气压差,这也是我们刚刚提到的变量之一。我们是将WPS压力传感器安装在DPF之前而不是在DPF上,测量的是DPF前的排气背压。D通道就是使用WPS5测得的以bar为单位的排气背压波形,因为要转换单位为kPa,所以我们将通道D乘以100。

DPF再生效率计算公式为:DPF压差(kPa)/ MAF(gm/s)。所以综上,我们检测DPF再生效率的数学通道公式为:(D * 100)/(LowPass(freq(A),50)*(2.0 * 0.8)*(B + 1)/2*1.223/60)。之前提到过,该理论公式指出正常工作的DPF计算结果应该小于0.2,我们接着来看看图1的计算结果。

图1 BMW车DPF再生效率测试

正如图1所示,在大多数情况下再生效率公式的计算结果都低于“0.2”,但在WOT加速期间会略高于0.2(这很可能是上面提到的变量造成的)。事实上这辆车的性能一切正常,这跟上述计算结果是比较契合的。因此丰田提出的DPF背压/MAF=DPF再生效率的理论公式似乎有些逻辑。

接着我又测试了另一款2.0L柴油机,西雅特Alhambra车,发动机代码为BRT,和测试BMW时采用相同的连接方法(在进气歧管和DPF前各安装了一个WPS压力传感器)。

图2 西雅特车DPF再生效率测试

如图2所示,当使用相同的公式DPF背压/MAF=DPF再生效率计算时,在车辆加速过程中,计算结果高于0.2,仅从计算结果来看说明DPF再生效率很差!这就是我的疑问所在,实际上这两辆车在WOT条件下工作都非常良好,但是公式的计算结果却高于0.2,很可能前面提到的变量确实对计算结果产生了影响。

总而言之,我想通过这篇文章给大家分享一下这个理论。因为如果我们从扫描工具中获取串行数据,并直接使用串行数据计算DPF压差(kPa)除以MAF(g/s)会发现(图3),这个理论公式是可靠的,似乎可以用来判断DPF再生效率。

图3 串行数据

由图3可知,DPF压差15.894kPa/MAF值97.69g/s=0.163<0.2,计算结果表明DPF工作正常。希望上述例子对您有所帮助,如果有DPF压差这个数据,那么我们就不需要用WPS去测DPF前的排气背压了,这是因为DPF压差会更为准确。但是用虹科Pico示波器和WPS压力传感器去捕获这些数据,根据上述数学通道可以帮我们绘制出随时间变化的DPF再生效率曲线,这对我们观察和分析车辆的动态性能非常有价值。

作者:Steve Smith

更多精彩修车案例、教学视频请关注官微:

虹科Pico汽车示波器

这篇关于数学通道的应用(十七)-检测DPF是否堵塞的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/372878

相关文章

分布式锁在Spring Boot应用中的实现过程

《分布式锁在SpringBoot应用中的实现过程》文章介绍在SpringBoot中通过自定义Lock注解、LockAspect切面和RedisLockUtils工具类实现分布式锁,确保多实例并发操作... 目录Lock注解LockASPect切面RedisLockUtils工具类总结在现代微服务架构中,分布

Python标准库之数据压缩和存档的应用详解

《Python标准库之数据压缩和存档的应用详解》在数据处理与存储领域,压缩和存档是提升效率的关键技术,Python标准库提供了一套完整的工具链,下面小编就来和大家简单介绍一下吧... 目录一、核心模块架构与设计哲学二、关键模块深度解析1.tarfile:专业级归档工具2.zipfile:跨平台归档首选3.

使用IDEA部署Docker应用指南分享

《使用IDEA部署Docker应用指南分享》本文介绍了使用IDEA部署Docker应用的四步流程:创建Dockerfile、配置IDEADocker连接、设置运行调试环境、构建运行镜像,并强调需准备本... 目录一、创建 dockerfile 配置文件二、配置 IDEA 的 Docker 连接三、配置 Do

深入浅出SpringBoot WebSocket构建实时应用全面指南

《深入浅出SpringBootWebSocket构建实时应用全面指南》WebSocket是一种在单个TCP连接上进行全双工通信的协议,这篇文章主要为大家详细介绍了SpringBoot如何集成WebS... 目录前言为什么需要 WebSocketWebSocket 是什么Spring Boot 如何简化 We

Java Stream流之GroupBy的用法及应用场景

《JavaStream流之GroupBy的用法及应用场景》本教程将详细介绍如何在Java中使用Stream流的groupby方法,包括基本用法和一些常见的实际应用场景,感兴趣的朋友一起看看吧... 目录Java Stream流之GroupBy的用法1. 前言2. 基础概念什么是 GroupBy?Stream

python中列表应用和扩展性实用详解

《python中列表应用和扩展性实用详解》文章介绍了Python列表的核心特性:有序数据集合,用[]定义,元素类型可不同,支持迭代、循环、切片,可执行增删改查、排序、推导式及嵌套操作,是常用的数据处理... 目录1、列表定义2、格式3、列表是可迭代对象4、列表的常见操作总结1、列表定义是处理一组有序项目的

C#中的Converter的具体应用

《C#中的Converter的具体应用》C#中的Converter提供了一种灵活的类型转换机制,本文详细介绍了Converter的基本概念、使用场景,具有一定的参考价值,感兴趣的可以了解一下... 目录Converter的基本概念1. Converter委托2. 使用场景布尔型转换示例示例1:简单的字符串到

Spring Boot Actuator应用监控与管理的详细步骤

《SpringBootActuator应用监控与管理的详细步骤》SpringBootActuator是SpringBoot的监控工具,提供健康检查、性能指标、日志管理等核心功能,支持自定义和扩展端... 目录一、 Spring Boot Actuator 概述二、 集成 Spring Boot Actuat

PyTorch中的词嵌入层(nn.Embedding)详解与实战应用示例

《PyTorch中的词嵌入层(nn.Embedding)详解与实战应用示例》词嵌入解决NLP维度灾难,捕捉语义关系,PyTorch的nn.Embedding模块提供灵活实现,支持参数配置、预训练及变长... 目录一、词嵌入(Word Embedding)简介为什么需要词嵌入?二、PyTorch中的nn.Em

Spring Boot3.0新特性全面解析与应用实战

《SpringBoot3.0新特性全面解析与应用实战》SpringBoot3.0作为Spring生态系统的一个重要里程碑,带来了众多令人兴奋的新特性和改进,本文将深入解析SpringBoot3.0的... 目录核心变化概览Java版本要求提升迁移至Jakarta EE重要新特性详解1. Native Ima