Detection of Injected Urea Quantity and Correction for SCR Urea Dosing Control
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Using urea-based Selected Catalytic Reduction (SCR) systems is an effective way in diesel engine after-treatment systems to meet increasingly stringent emission regulations. The amount of urea injection is critical to achieve high NOx reduction efficiency and low ammonia slip and overdosing or under-dosing of urea injection need to be avoided. One of the difficulties in urea injection amount control lies in the accurate measurement/estimation of the urea injection mass. To effectively address this issue, this paper defined a correction factor for under-dosing or overdosing detection and correction and proposed two methods to identify the correction factor. The first method is based on urea pump model and line pressure. Through frequency analysis, the relation between the urea pump speed and power spectrum characteristics of the line pressure by using FFT method was revealed. The urea pump frequency is extracted from the frequency analysis of the line pressure and used for detecting the urea injection and identifying the correction factor. Second method is based on the effective voltage of the Motor. The relation between urea injection and effective voltage of the Motor was revealed based on the motor dynamic model. The effective voltage of the Motor is used to detect the urea injection and identify the correction factor. The effectiveness of both proposed detection and correction methods are experimentally validated through the urea dosing system.</div></div>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».