PARAMETERS’ IDENTIFICATION OF ACCELERATION CHARACTERISTIC OF INTERNAL COMBUSTION ENGINE

Abstract


The paper deals with the parameters identification of an internal combustion engine based on its acceleration characteristics using the integral modulation method. The ICE model is approximated by a first-order inertial link. Approximation of the experimental acceleration characteristic by a linear model allows one to quickly identify the dynamic parameters of the object, such as the time constant and the sensitivity coefficient, on the basis of which the generalized state of the internal combustion engine of a car can be estimated by comparing these parameters with their standard values. Purpose of the study: operability assessment of the identification system under consideration, using the Matlab / Simulink simulation package. Methods: the fundamental possibility of using parametric identification based on the integral modulation method for functional testing of an internal combustion engine is shown. The efficiency of using the parametric identification method based on integral modulation in the system is due to the peculiarities of the latter nuclei which can be synthesized from the groups of parent functions of the wavelet transformation operators, which makes it possible not only to assess the unknown parameters of the object, but also to analyze the nonstationary transient processes that occur in ICE. Results: an important issue when creating a real system of express diagnostics is the integration of the proposed system of acceleration characteristics parametric identification of the internal combustion engine into the general on-board system of a car using a special diagnostic protocol, such as k-line. When using the diagnostic protocol, the variables values are given in physical quantities. This simplifies perception, at the same time, complicates coordination with the electronic control unit of the ECU, since it is programmed to receive data directly from sensors connected to the ADC channels. Thus, there is a need for a detailed study of the documentation of sensors to clarify their characteristics and signal levels. Practical significance: the proposed technique can also be used for the operating mode of an internal combustion engine, considering the gas pedal of a car as a source that forms an input signal for a given diagnostic object.

Full Text

Надежность функционирования современного автомобиля, который является сложным техническим объектом, во многом определяется соответствием технических параметров двигателя внутреннего сгорания (ДВС) номинальным значениям [1, 2]. Существуют различные методы диагностики технического состояния двигателя внутреннего сгорания [3], они зачастую требуют разбора данного объекта или сопряжены с применением специальных методов, в том числе и методов вибрационного анализа [4-8], или систем, основанных на интеллектуальных технологиях, таких как нейронные сети и математический аппарат нечеткой логики [9-14]. Модели ДВС, представленные в виде дифференциальных уравнений с учётом термодинамических и кинематических процессов и систем смесеобразования, а также электрического зажигания, оказываются достаточно сложными и требуют большого количества исходных данных, их решение сопряжено с рядом сложных вычислительных процедур [15-21]. Поэтому разработка простых компактных методов предварительной оценки состояния ДВС в режиме реального времени представляет определенный интерес. В этом плане проведение экспресс-диагностики на основе разгонной характеристики ДВС является предпочтительным. Аппроксимация экспериментальной разгонной характеристики линейными моделями позволяет оперативно идентифицировать динамические параметры, такие как постоянная времени и коэффициент чувствительности разгонной характеристики ДВС, на основании которых можно определить обобщенное состояние ДВС автомобиля путем сравнения этих параметров с их нормативными значениями. При проведении процедуры идентификации [22, 23] вышеуказанных параметров ДВС в качестве входного воздействия рассматривается объем бензина, подаваемого в цилиндр ДВС, который, в свою очередь, связан с положением педали газа, расположенной в кабине автомобиля. В качестве выходного сигнала используется массив данных, отображающий разгонную скоростную характеристику двигателя, получаемого от тахометра, установленного на ДВС. Для разгонного режима работы ДВС принята линеаризованная математическая модель [24], которая представлена на рис. 1, где приняты следующие операторы обобщенной модели ДВС: - оператор главной цепи передачи сигнала: (1) - оператор обратной связи и оператор по возмущающему воздействию: . С учетом представленной модели запишем уравнение динамики разгона ДВС в виде следующего дифференциального управления: (2) где (t) - контролируемый выходной сигнал, снимаемый с тахометра. Параметры, входящие в уравнение (2), определяются следующими соотношениями: (3) где - функция, определяющая изменение положения дроссельной заслонки газа относительно покоя. Модель ДВС Решатель С1 С0 БФК БФК U0 БФУИ Блок идентификации ДПЗГ Wf (s) V(t) q(t) Woc(s) f(t) Рис. 1. Структурная блок-схема системы идентификации параметров разгонной характеристики ДВС; ДПЗГ - датчик положения заслонки газа, БФК - блок формирования коэффициентов, БФУИ - блок формирования уравнения идентификации, решатель - устройство решения системы алгебраических уравнений Используя по отношению к дифференциальным уравнениям метод интегральной модуляции [25, 26], получим следующее уравнение: (4) где - ядро оператора интегральной модуляции. Приняв следующие обозначения: (5) получим уравнение в виде: (6) где - параметры разгонной характеристики ДВС, подлежащие идентификации. Вычисл**ение дискретных значений коэффициентов и в случае использования метода прямоугольников можно представить с помощью следующих соотношений: (7) . В этом случае уравнение идентификации можно записать в векторно-матричной форме: или , где - это матрица наблюдения, а - вектор неизвестных параметров объекта. Применив к уравнению метод наименьших квадратов, можно осуществить оценку вектора неизвестных параметров разгонной характеристики ДВС на основе следующего соотношения: Оценка работоспособности рассматриваемой системы идентификации определения параметров динамики ДВС осуществлялась на основе примера, аппроксимирующего разгонную характеристику с помощью линейной модели с использованием пакета моделирования MatLab/Simulink (рис. 2). Эксперимент показал, что данный подход позволяет с достаточной точностью идентифицировать основные параметры разгонной характеристики ДВС. В частности, в проведенном эксперименте ошибка оценки динамических параметров модели относительно исходных составила в пределах 5-7 % (рис. 3). Рис. 2. Схема моделирования системы идентификации параметров разгонной характеристики ДВС в среде MatLab/Simulink Рис. 3. Переходные временные характеристики разгона исходной (Реальный) и идентифицированной (Модель) моделей ДВС Разработанная система идентификации параметров разгонной характеристики может быть использована в качестве предварительной оценки качества работы двигателя, а также в бортовом варианте для текущего анализа работы ДВС. Выводы. Разработанная методика экспресс-диагностики на основе применения метода интегральной модуляции позволяет проводит обобщенную оценку технического состояния ДВС по её разгонной характеристике непосредственно в режиме реального времени, которая может быть интегрирована и использована как способ предварительной идентификации технического состояния перед углубленной диагностикой рассматриваемого объекта.

About the authors

U. H Dzhalolov

Tajik Technical University named after academician M.S. Osimi

N. I Yunusov

Tajik Technical University named after academician M.S. Osimi

U. A Tursunbadalov

Tajik Technical University named after academician M.S. Osimi

Sh. Sh Ziyoev

Tajik Technical University named after academician M.S. Osimi

Dzh. R Khasanov

Tajik Technical University named after academician M.S. Osimi; National Research South Ural State University SUSU

References

  1. Мигдаль В.Д. Техническая диагностика автомобильных двигателей: учеб. пособие: в 3 т. Т. 1. Объекты и методы диагностирования. - Харьков: Майдан, 2014. - 459 с.
  2. Мирошников Л.В., Болдик А.П., Пал В.И. Диагностирование технического состояния автомобилей на автотракторных предприятиях. - М.: Наука, 1968. - 228 с.
  3. Тыманюк К.С., Костенко В.Л. Разработка автоматизированной системы итеративного контроля технического состояния систем двигателя автомобиля // Технологический аудит и резервы производства. - 2016. - № 1/2(27). - С. 77-82.
  4. Лютин К.И., Федянов В.Е. Вибродиагностика систем ДВС с использованием нейронных сетей // Известия Волгоград. гос. техн. ун-та. Сер. Наземные транспортные системы. - 2007. - Т. 2, № 8(34). - С. 88-90.
  5. Компьютерная диагностика многокомпонентных вибрационных машин / Н.И. Юнусов, У.Х. Джалолов, У.А. Турсунбадалов, Ш.Ш. Зиёев // Материалы 10-й Междунар. конф. по компьютерному анализу проблем науки и технологии. - Душанбе: Изд-во филиала МГУ им. М.В. Ломоносова в Душанбе, 2015. - С. 124-127.
  6. Bánlaki P., Kulcsár Sz. Monitoring the Operation of Internal Combustion Engines Using Order Analysis of Noise and Vibration Data // Journal of Machine Manufacturing. - 2009. - XLIX. - P. 142-144.
  7. Гассельберг В.С. Запорожец А.В. Диагностика двигателей внутреннего сгорания автомобилей по виброакустическим параметрам // Вестник АГТУ. - 2007. - № 2. - С. 72-74.
  8. Nagy I. Technical Diagnostics I. - Vibration Analysis, Delta3N, 2007. 10 National Instruments: Understanding Order Analysis and Resampling, 2007. - URL: www.ni.com
  9. Интеллектуальные системы управления с использованием нейронных сетей / В.И. Васильев, Б.Г. Ильясов, C.С. Валеев, С.В. Жернаков. - Уфа: Изд-во УГАТУ, 1997.
  10. Задачи диагностики и прогнозирования состояния ДДВС на основе принципов нечеткой логики и нейросетевых технологий / Н.И. Юнусов, У.Х. Джалолов, Ш.Ш. Зиёев, У.А. Турсунбадалов // Вестник Таджик. техн. ун-та. - 2015. - 4(32). - С. 66-70.
  11. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. - Винница: УНИВЕРСУМ-Винница, 1999. - 320 с.
  12. Сериков С.А., Дзюбенко А.А. Идентификация математической модели двигателя внутреннего сгорания с использованием системы нечеткого вывода // Двигатели внутреннего сгорания. - 2009. - № 1. - С. 14-18.
  13. Палагута К.А., Чиркин С.Ю., Кузнецов А.В. Синтез системы управления двигателем внутреннего сгорания с использованием гибридных и нейронных сетей // Машиностроение и инженерное образование. - 2009. - № 4. - С. 42-49.
  14. Злотин Г.Н., Лютин К.И., Федянов Е.А. Применение нейронных сетей для вибродиагностики систем ДВС // Фундаментальные и прикладные проблемы совершенствования поршневых двигателей (посв. 50-лет. ВлГУ): материалы XI Междунар. науч.-практ. конф.; Владимир, 27-29 мая 2008 / Владимир. гос. ун-т. - Владимир, 2008. - C. 160-163.
  15. Гребенников А.С., Гребенников С.А., Никитин А.В. Математическая модель внутри циклового изменения угловой скорости коленчатого вала дизеля на холостом ходу // Известия Вологод. ГТУ: межвуз. сб. науч. ст. - 2013. - Т. 5, № 12. - С. 42-45.
  16. Разработка компьютерной настраиваемой модели ДВС / И.П. Добролюбов, О.Ф. Совченков, В.В. Альт, С.Н. Ольшевский // Вычислительные технологии. - Новосибирск, 2013. - Т. 18, № 6. - С. 54-61.
  17. Апелинский Д.В., Шендеровский И.М., Яхутль Д.Р. Математические модели рабочего цикла ДВС с искровым зажиганием и их численная реализация // Автомобили и тракторостроение в России: приоритеты развития и подготовка кадров: материалы междунар. науч.-техн. конф. ААИ, посв. 145-лет. МГТУ «МАМИ». - М.: Изд-во МГТУ «МАМИ», 2012. - С. 22-28.
  18. Чиркин С.Ю. Моделирование двигателя внутреннего сгорания как объекта управления на основе экспериментальных данных // Естественные и технические науки. - 2010. - № 2. - С. 406-410.
  19. Гребенников А.С., Гребенников С.А., Никитин А.В. Математическая модель внутрициклового изменения угловой скорости коленчатого вала дизеля на холостом ходу // Известия. ВолгГТУ: межвуз. сб. науч. ст. - 2013. - Т. 5, № 12. - С. 42-46.
  20. Блаттер К. Вейвлет-анализ. Основы теории / пер. с нем. Т. Кренкель; под ред. А.Г. Кюрктчан. - М.: Техносфера, 2006. - 272 с.
  21. Ramos J.I. Mathematical Modeless of Spark-ignition Engines // Computer simulation for fluid flow, heart and mass transfer, and combustion in reciprocating engines. - New York: Hemisphere, 1989.
  22. Эйкхофф П. Основы идентификации систем управления: пер. с англ. - М.: Мир, 1975. - 684 с.
  23. Применение фильтра Калмана в задачах технической диагностики двигателей внутреннего сгорания (ДВС) / У.А. Турсунбадалов, О.О. Евсютин [и др.] // Вестник Южно-Урал. гос. ун-та. Сер. Компьютерные технологии, управление и радиоэлектроник. - 2019. - Т. 19. - № 1. - С. 152-159.
  24. Джалолов У.Х. Параметрическая идентификация нестационарных динамических объектов // Тезисы докл. IX Всесоюз. совещ. по проблемам управления. - Ереван, 1983. - С. 72-73.
  25. Применение метода интегральной модуляции в задаче идентификации технического состояние двигателя внутреннего сгорания / У.А. Турсунбадалов, К.З. Тиллоев [и др.] // I-methods. - 2019. - Т. 11. - № 1. - С. 20-28.
  26. Васильев В.В., Симак Л.А., Рыбникова А.М. Математическое и компьютерное моделирование процессов и систем в среде MatLab/Simulink: учеб. пособие для студ. и аспир. - Киев: Изд-во НАН Украины, 2008. - 91 с.

Statistics

Views

Abstract - 27

PDF (Russian) - 15

Refbacks

  • There are currently no refbacks.

Copyright (c) 2022 PNRPU Bulletin. Electrotechnics, Informational Technologies, Control Systems

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies