بررسي و شبيه‌سازي احتراق ناقص در موتورهاي احتراق سرد با شبكه فازي- عصبي

Data driven model for detecting misfiring combustion in low temperature combustion engine using Neuro-Fuzzy

موتورهاي احتراق تراكمي مخلوط همگن با سوخت اتانول به عنوان يك سوخت تجديد پذير، راه حل اميدوار كننده براي مقابله با برخي از چالش هاي عمده موتورهاي احتراقي است. احتراق ناقص يا نادرست عملكرد اين موتورها را محدود كرده و به سامانه هاي پس پالايش و دود آسيب رسانده و سبب افزايش آلودگي در خودرو مي شود. در اين تحقيق داده هاي تجربي يك موتور 0.3 ليتري احتراق تراكمي مخلوط همگن براي شبيه سازي و تحليل احتراق ناقص استفاده شده استفاده شده است. نتايج نشان داد كه بين احتراق ناقص و تغييرات فشار استوانه در 0، 5، 10، 15 و 20 زاويه ميل لنگ ارتباط معني داري وجود دارد. اين يافته هاي تجربي براي طراحي يك شبكه فازي-عصبي براي تشخيص احتراق ناقص در موتور احتراق تراكمي مخلوط همگن استفاده شد. نتايج ارزيابي دقت شبيه سازي فازي-عصبي بدست آمده با استفاده از داده ­هايي آزمايشگاهي نشان داد، كه همبستگي بسيار مناسبي ( ) بين داده هاي پيش بيني شده شبيه سازي و داده هاي آزمايشگاهي وجود دارد كه بيانگر دقت قابل قبول شبيه سازي فازي-عصبي براي تشخيص احتراق ناقص انتخاب شده است.

The homogeneous charge compression ignition (HCCI) engines with ethanol fuel as a renewable fuel is a promising solution to some of the major challenges of combustion engines. Incomplete or misfiring combustion limits HCCI operation and damages the catalyst converter and exhaust systems. The experimental data of a 0.3-liter combustion engine was used for modeling and detecting misfiring combustion. Incomplete and misfiring combustion in HCCI engine was studied by fuzzy-neural network. There is a significant relationship between misfiring combustion and in-cylinder pressure variations at 0, 5, 10, 15 and 20 crankshafts. These experimental findings were used to design a fuzzy-neural network for misfiring incomplete combustion in a HCCI engine. This model has been tested on experimental data. The results showed that the fuzzy-neural network fault diagnostic model can detect incomplete and misfiring combustion in HCCI engine with ethanol fuel. In addition, the developed model was able to identify the transition success from the normal operating area and incomplete combustion.