تشخيص عيب سايش سمبه با استفاده از روش انتشار صدا

Piston scuffing detection by acoustic emission method

سايش سمبه يكي از خرابي هاي اصلي است كه در شرايط خاص در موتور احتراق داخلي به وجود مي آيد و باعث از كار افتادگي سمبه و موتور مي-گردد. اين عيب در اثر از بين رفتن لايه روغن بين سمبه و جدار استوانه به وجود مي آيد كه بررسي آن به كمك انتشار صدا تا به حال انجام نشده است. زيرا علاوه بر اينكه اين عيب بندرت به وجود مي آيد, شرايط تشخيص آن نيز دشوار است به نحوي كه زمان تشخيص خرابي ايجاد شده, عموماً خيلي دير است و لحظات اوليه ايجاد عيب از دست رفته است. بنابراين به عنوان يك مطالعه نو، هدف اين تحقيق بررسي توانايي روش انتشار صدا در تشخيص اين عيب و مطالعه رفتار موج هاي انتشار صدا قبل و بعد از اين عيب است. به اين منظور در مطالعه اي آزمايشگاهي، روي موتور ديزل دو حسگر انتشار صدا نصب شدند. ايجاد عيب سايش سمبه در شرايط آزمايشگاه براحتي امكان پذير نمي باشد لذا با طراحي آزمون ويژه، اين عيب طبيعي به صورت تعمدي بوجود آورده شد. نتايج اين تحقيق نشان مي دهند كه بهترين شاخص ها براي تشخيص سايش از روش انتشار صدا، ريشه مجموع مربعات و انرژي مطلق اند. همچنين بر اساس روش ارايه شده در اين مقاله، توانايي تشخيص محل عيب به وسيله دو حسگر از روي وابستگي داده هاي انتشار صدا به ميزان سايش، توضيح داده شده است.

The Piston scuffing is major failure of an internal combustion engine. This failure occurs due to loss of oil film between piston and cylinder liner. Piston scuffing investigation by acoustic emission method is a new study. Because this failure occurs randomly , it’s online detection is very difficult. The goal of this paper is to study the ability of acoustic emission method to be applied to piston scuff detection. In addition record of AE signal behaviour before and after piston scuffing is another new purpose. To this order, in an experimental set up, two AE sensors was installed on cylinder head and engine block of a diesel engine. We know that blow by flow rate directly is affected by piston scuffing failure. Therefore it was measured as a base parameter. Creation of intended piston scuff conditions is very difficult. Therefore a special test was designed to making it artificially . The results show that the best AE parameter for piston scuff detection is AE root mean square and AE energy. Also based on the presented method in this paper we can found the location of the event in cylinder head or in engine block.