随着排放法规的日益严格,单纯的依靠某一后处理技术,难以到达法规要求。2019年国六法规正式实施,传统的单一后处理技术,无法满足法规要求,因此需要依靠集成后处理系统来解决尾气排放问题。但集成后处理系统工作环境恶劣,结构复杂,各子系统之间存在耦合作用,在运行过程中,柴油机工况随时发生改变,因此为了能快速准确的诊断出后处理系统的劣化状态,需要采用更合理的方法对集成后处理系统进行劣化诊断。本文将利用多源信息融合技术对(DOC+DPF+SCR+AOC)集成后处理系统进行劣化诊断。利用GT-Power发动机仿真软件搭建柴油车道路循环工况工作过程仿真模型,柴油机工作过程仿真模型,以及集成后处理系统工作过程仿真模型。利用搭建的GT-Power仿真模型,通过改变集成后处理系统结构模型中的结构参数以及化学反应参数的方法,模拟集成后处理系统不同类型的劣化以及劣化程度,并在柴油机稳态工况下,研究随着劣化程度的改变,不同转速和负荷下各子系统的温差、压差、各组分转化效率等参数的变化规律。通过分析,选择敏感程度较大者作为劣化诊断的劣化特征参数,提出根据劣化特征参数进行劣化诊断的方法,并研究各子系统劣化对其他子系统劣化特征参数的影响。利用搭建的GT-Power仿真模型,研究道路工况下集成后处理系统排气参数在不同劣化状态下的变化规律,研究道路工况下各子系统劣化对其他子系统劣化特征参数的影响,并与稳态工况下得到的结果进行对比。通过分析,确定道路工况下劣化诊断特征参数,并分析是否需要进行误判诊断,另外研究发现当子系统劣化时对前置子系统压差影响较大,对后置系统温差影响较大。从信息熵测度指标、特征空间划分方法、特征信息熵提取方法等方面对信息熵融合技术进行研究,搭建概率神经网络模型,利用特征信息熵与诊断特征参数的平均值训练概率神经网络,对得到的信息熵神经网络与均值神经网络进行诊断结果检测,比较诊断结果。通过分析,利用信息熵融合与神经网络技术能够在满足一定准确度的情况下对集成后处理系统进行劣化诊断,并且在加入信息熵作为诊断特征值时,能够提高诊断模型的诊断准确率。