(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210952897.2 (22)申请日 2022.08.09 (71)申请人 北京交通发展研究院 地址 100073 北京市西城区广安门内大街 317号 (72)发明人 何巍楠　程颖　赵旭　韩媛　余柳　 郑晓彬　管城熠　马皓　薛晴　 姚金龙　陈佳琪　梁文博　郑龙　 (74)专利代理 机构 广州蓝晟专利代理事务所 (普通合伙) 44452 专利代理师 高学敏 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/00(2019.01) (54)发明名称 一种基于OBD数据修复的重型柴油卡车超排 判定方法 (57)摘要 本发明提供了一种基于OBD数据修复的重型 柴油卡车超排判定方法， 属于汽 车超标排放检测 技术领域， 用于解决现有重型柴油卡车超排判定 准确度差且难以监控的问题。 本发明基于OBD数 据对重型柴油卡车进行超排判定， 针对数据质量 问题提出氮氧化物排放的超标判断体系及问题 数据修复方法。 超标判断体系通过移动均值、 移 动中值、 去除最值后的移动均值和多方案综合四 种方法， 排除数据中因个别数值过高导致的超 标 判断不准确问题； 问题数据修复方法包括超 标值 预测、 SCR输出值预测、 全变量数据补全和插值修 复， 对缺失数据进行预测、 补全及对超标与否的 状态预测解决数据缺失问题； 本发 明提高了超排 判定的准确性， 使用车排放监管更加方便、 及时、 有效。 权利要求书2页 说明书9页 附图8页 CN 115392116 A 2022.11.25 CN 115392116 A 1.一种基于OBD数据修复的重型柴油卡车超排判定方法， 其特征在于， 所述重型柴油卡 车超排判定方法的步骤如下： 步骤一， 对原始数据的质量进行评估， 对现有的发动机原始数据从数据时间、 数据来 源、 数据品类三个角度出发， 统计分析数据缺 失及异常情况； 评估内容主要是 统计各时间段 下每辆车 的各项指标数据是否完整以及是否有异常， 用缺失率来反 映数据完整情况， 用负 数率来反映异常情况； 缺失率＝缺失数据个数/数据总数； 负数率＝负值个数/数据总数； 原始数据包括发动机净输出扭矩、 摩擦扭矩、 发动机转速、 发动机燃料流量、 SCR下游 NOx传感器输出值、 尿素 液位共六项指标。 步骤二， 进行指标相关性分析和筛选， 通过对原始发动机数据中各项指标数据之间的 相关性进行分析， 将数据分为主要指标数据和其他指标数据， 主要指标数据为SCR下游NOx 传感器输出值， 其他指标数据包括发动机净输出扭矩、 摩擦扭矩、 发动机转速、 发动机燃料 流量和尿素液位； 其他指标数据中划分出重要指标数据， 重要指标数据设置为与SCR下游 NOx传感器输出值相关性较强的发动机净输出扭矩、 发动机转速、 发动机燃料流量三项指 标。 步骤三， 针对数据质量问题进行针对性问题数据修复， 问题数据修复方法包括超标值 预测、 SCR输出值预测、 全变量数据补全和插值 修复。 步骤四， 氮氧化物浓度值超标判断， 超标计算采用计算滑动平均值获得氮氧化物浓度 值结果， 对比超标数据及超标阈值， 判断是够超标； 计算滑动平均值包括移动均值、 移动中 值和去除最 值的移动均值计算， 通过多种方案综合获得最终判断结果。 步骤五： 将上述方法应用于OBD排 放检测过程中。 2.根据权利要求1所述的一种基于OBD数据修复的重型柴油卡车超排判定方法， 其特征 在于， 所述问题数据修复和超标判断的具体过程如下： S1、 判断SCR下游NOx传感器输出值数据是否缺失， 若否， 则计算滑动平均值； 若是， 分为 两部分： 第一部 分是基于插值的数据修复， 后计算滑动平均值； 第二部 分是判断其他指标数 据是否有缺失； S2、 若其他指标数据有缺失， 再判断重要指标数据是否有整列缺失， 若有整列缺失， 进 行基于矩阵补 全的数据修复， 后计算滑动平均值； 若 无整列缺失， 进 行基于回归 预测技术的 修复方法， 后计算滑动平均值； S3、 若其他指标数据无缺失， 分为两部分： 第一部分是基于其他指标的超标值修复， 采 用基于超标值预测的修复方法， 并判断预测得到的氮氧化物浓度是否超标； 第二部分是基 于其他指标修复SCR输出值数据， 分为基于矩阵补全的数据修复和 基于回归预测技术的修 复方法， 后计算滑动平均值； S4、 计算滑动平均值后， 根据超标数据和超标阈值判断氮氧化物浓度是否超标， 若超 标， 进行输出报警。 3.根据权利要求1或2所述的一种基于OBD数据修复的重型柴油卡车超排判定方法， 其 特征在于， 所述超标判断方法的过程如下： 一、 计算移动均值： 计算出3 0s移动平均值；权　利　要　求　书 1/2 页 2 CN 115392116 A 2二、 计算移动中值： 计算出3 0s移动中值； 三、 计算去除最值的移动均值法： 计算30s移动平均值时首先去除最大值与最小值， 再 计算移动平均值； 四、 多方案综合： 取三种方法判断结果的众 数作为最终超标判断结果。 4.根据权利要求2所述的一种基于OBD数据修复的重型柴油卡车超排判定方法， 其特征 在于， 所述基于插值的数据修复方法包括采用MovMedian模型、 Linear模型、 Pchip模型、 Spline模型、 Mak ima模型或KN N模型进行SCR输出值 修复。 5.根据权利要求2所述的一种基于OBD数据修复的重型柴油卡车超排判定方法， 其特征 在于， 所述基于矩阵补全的数据修复方法包括建立NNMF模型、 PPCA模型或KNN模型进行SCR 输出值修复。 6.根据权利要求2或5所述的一种基于OBD数据修复的重型柴油卡车超排判定方法， 其 特征在于， 所述步骤S2中， 当缺失率高于0.6或某指标数据完全缺失时， 不采用矩阵补全的 方法进行 数据修复。 7.根据权利要求2所述的一种基于OBD数据修复的重型柴油卡车超排判定方法， 其特征 在于， 所述SCR输出值预测以回归预测为总体思路对SCR输出值进行预测， 并分为基于全部 指标的SCR输出值预测 和基于重要指标的SCR输出值预测两个修复方向； 所述步骤S2中， 基于回归预测技术的修复方法采用基于重要指标的SCR输出值修复方 法， 基于重要指标的SCR输出值 修复方法采用随机森林模型或GBDT模型 预测SCR输出值； 所述步骤S3中， 基于回归预测技术的修复方法采用基于全部指标的SCR输出值修复方 法， 基于全部指标的SCR输出值修复方法包括建立随机森林模型、 GBDT模型、 多元线性回归 模型、 集成学习器、 高斯过程回归 模型或广义线性模型 预测SCR输出值。 8.根据权利要求2所述的一种基于OBD数据修复的重型柴油卡车超排判定方法， 其特征 在于， 所述基于超 标值预测的修复方法通过采用随机森林、 GBDT和SVM三种分类预测模 型通 过各指标数据预测氮氧化物浓度超标情况， 并取三种预测方法结果的众数值作为最 终预测 结果。权　利　要　求　书 2/2 页 3 CN 115392116 A 3