Modeling diesel oxidation catalyst exhaust gas temperatures using long short-term memory recurrent neural networks
Dizel oksidasyon katalizörünün egzoz gaz sıcaklıklarının lstm rnn kullanarak modellenmesi
- Tez No: 536550
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET SELÇUK ARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 69
Özet
Günümüzde sensörler, yüksek performans ve daha az emisyon ihtiyacı nedeniyle güç aktarma mühendisliği (powertrain engineering) ve egzoz arıtma sistemleri (exhaust aftertreatment systems) için çok önemlidir. Ayrıca dizel oksidasyon katalizörlerinde giriş ve çıkış sıcaklık sensörlerin modellerinin kalibre edilmesine kadar araçta monta edilir. Sonra müşteri versiyonunda çıkarılırır. Diğer durumlarda aracı, katalizördeki sensörleriyle beraber tüketiciye teslim edilir. Modelleme süreci hem motor hem de şasi dinamometreleri gerektirdiği için hem pahalı hem de uzun zaman tüketmektedir. Öte yandan, yüksek hassasiyet olan sensörler pahalıdır. Ayrıca ekstra hata algılama ve arıza tespit fonksiyonları gerektirir. Bu modeller, oksidasyon katalizör verimliliğinin dizel rejenerasyon sırasında hesaplanması için kullanılmaktadır. Bu iki sıcaklık değerlerin arasıdakı fark ne kadar büyükse oksidasyon katalizörü o kadar verimli olur. Verimlilik, katalizörün yaşlanma seviyesini ve CO emisyon miktarını belirler. Emisyon resmi kurallarına göre CO'nun izlenmesini zorunlu kılındığı için dizel katalizörün verimliliği kontrolü yapılması gerekmektedir. Son birkaç yılda, makine öğrenmesi birçok sektör için uygulanabilir hale geldi. Tekrarlayan sinir ağları (RNN) geliştirilmesinden sonra, dil modelleme, otomatik çevirisi, resim yorumlama, el yazısı üretimi ve soru cevaplama uygulamalarında yaygın olmaktadır. Daha sonra, uzun kısa-süreli hafıza ağları (LSTM), tekrarlayan sinir ağların uygulamalarına zaman serisi tahmini ve karmaşık doğrusal olmayan modellemeyi içeren gradient kaybolma ve patlama problemleri için bir çözüm önermiştir. Bu çalışmanın amacı uzun-kısa süreli bellek ağları (LSTM) kullanarak dizel oksidasyon katalizörünün üst ve alt akış sıcaklıkları için bir model geliştirmektir. Motor sensörlerinden ve aktüatörlerin konum geri beslemesinden ölçümler alıp LSTM modelin eğitimi için kullanıldı. Yeterli eğitimden sonra oksidasyon katalizörünün giriş ve çıkış sıcaklıkları tahmin edildi. Kullanılan eğitim verileri AVL tarafından sağlandı.
Özet (Çeviri)
Nowadays sensors are essential in powertrain engineering and exhaust aftertreatment systems due to the increasing need for high performance and fewer emissions. However, cost increases proportionally with the number of sensors in the vehicle. Mostly in diesel oxidation catalysts, the upstream and downstream temperature sensors are attached to the vehicle until their models get calibrated then removed in the end-user version. In some other cases, the vehicle is delivered to the consumer containing those sensors. The modeling process is both extravagant and time-consuming as it requires engine and chassis dynamometers. On the other hand, accurate sensors are expensive and require extra plausibility diagnoses and coherence monitoring. The importance of those models come from the truth that the oxidation catalyst efficiency is calculated from the difference between the downstream and upstream temperature sensor measurements in the time of diesel regeneration. The greater the difference is, the more efficient the oxidation catalyst becomes. Concretely, efficiency determines the aging level of the catalyst and yet, the amount of CO emission. As another reason for temperature models, the emission regulations obligate the monitoring of CO. Also, the other exhaust after-treatment system components use those models as inputs to calculate their efficiencies. In the past few years, deep structured learning became applicable for many sectors. After the development of the recurrent neural networks, language modeling, machine translation, image captioning, handwriting generation, and question answering became the most common applications. Later, the long short-term memory networks have proposed a solution to the gradient vanishing and exploding problem which included time series prediction and complex nonlinear modeling to the applications of recurrent neural networks. The purpose of this study is to develop a model for the diesel oxidation catalyst upstream and downstream temperatures by using long-short term memory networks. Measurements from engine sensors and actuators position feedback were recorded from a vehicle and used as training and validation data. After enough training, the model was utilized to evaluate and predict the modeled oxidation catalyst upstream and downstream temperatures. The training data used was supplied by AVL as well as the post-processing environment.
Benzer Tezler
- Gemilerde kullanılan seçici katalitik indirgeme sistemlerinde tortu oluşumunun ve azot oksit indirgeme performanslarının deneysel ve sayısal olarak incelenmesi
Experimental and numerical investigation of urea-deposit formation and nitrogen oxide reduction performances in selective catalytic reduction systems used on marine vessels
TALAT GÖKÇER CANYURT
Doktora
Türkçe
2023
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA ERGİN
- Egzoz sistemlerinde sıcaklık sensörü ölçüm doğruluğunun ve katalist sıcaklığının incelenmesi
Temperature sensor measurement accuracy and catalyst temperature investigation for automotive exhaust systems
MUSTAFA BAHADIR HERGENÇ
Yüksek Lisans
Türkçe
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
YRD. DOÇ. DR. MURAT ÇAKAN
- Dizel motor emisyon düzenlemeleri için LNT'nin matematiksel olarak modellenmesi
Mathematical modelling of LNT for diesel engine emissions regulations
FERİT ORÇUN PARLAK
Yüksek Lisans
Türkçe
2017
Makine Mühendisliğiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. SERDAR YAMAN
- Experimental combustion analysis of diesel engine
Dizel içten yanmalı motorlarda yanmanın deneysel incelenmesi
TOLGAHAN KAYA
Doktora
İngilizce
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OSMAN AKIN KUTLAR
DR. ÖZGÜR OĞUZ TAŞKIRAN
- Oxidative steam reforming of light hydrocarbons in a catalytic microchannel reactor
Hafif hidrokarbonların oksijen destekli buhar reformlamalarının katalitik mikrokanal reaktör düzeninde incelenmesi
İREM ŞEN
Yüksek Lisans
İngilizce
2013
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET KERİM AVCI