[发明专利]一种柴油机SCR系统输入状态的观测方法及观测系统

摘要

本发明公开了一种柴油机SCR系统输入状态的观测方法及观测系统。该观测方法保护如下步骤步骤1，根据SCR系统内化学反应建立状态空间模型；步骤2，将状态空间模型与EKF方程结合起来；该EKF方程包括预测方程x(k)＝f[x(k‑1),u(k)]+w(k)，及，更新方程z(k)＝h[x(k)]+v(k)；其中，x(k)代表状态向量，u(k)是输入向量，w(k)代表高斯过程噪声，z(k)代表观测向量，h(x)代表观测函数，v(k)代表高斯观测噪声；步骤3，运用软件编码以上提到的EKF算法，进行计算仿真，从而得出输入浓度估计值。本发明设计了拓展卡尔曼滤波来进行输入状态观测的方法，在仿真中验证了所设计观测器的有效性，并且保证了估计浓度的精度，达到了预期的设计目的，完全有能力取代入口处的氨气传感器或NOx传感器。

主权项

一种柴油机SCR系统输入状态的观测方法，其特征在于，该方法包含如下步骤：步骤1，根据SCR系统内化学反应建立状态空间模型，其中，该状态空间模型的输入值为SCR系统输入端氨气或NOx的浓度值、SCR系统输出端的氨气的浓度值、及SCR系统输出端的NOx的浓度值；该状态空间模型的输出值为SCR系统输入端NOx或氨气的浓度值；该SCR系统的输入端设置有检测NH3浓度的传感器或者检测NOx浓度的传感器，该SCR系统的输出端设置有检测NH3浓度的传感器及检测NOx浓度的传感器；步骤2，将SCR系统的输入端的检测NH3浓度的传感器或者检测NOx浓度的传感器、SCR系统的输出端的检测NH3浓度的传感器及检测NOx浓度的传感器分别与EKF观测算法模块连接，使得状态空间模型与EKF算法结合起来，运用软件编码所述的EKF算法，进行计算仿真，从而算出输入估计值；EKF算法分为两步，包括预测过程和更新过程；该EKF算法包括预测方程：x(k)＝f[x(k‑1),u(k)]+w(k)，及，更新方程：z(k)＝h[x(k)]+v(k)；其中，x(k)代表状态向量，u(k)是输入向量，w(k)代表高斯过程噪声，z(k)代表观测向量，h(x)代表观测函数，v(k)代表高斯观测噪声。