İçten yanmalı motorlarda geliştirme testlerinde kullanılan silindir içi basınç sensörlerinin doğruluğunu kontrol eden sanal motor modeli oluşturulması
Creating virtual engine model confirming the accuracy of in-cylinder pressure sensors used in internal combustion engine development tests
- Tez No: 572159
- Danışmanlar: DR. ÖĞR. ÜYESİ ORKUN ÖZENER
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Makine Mühendisliği, Mühendislik Bilimleri, Energy, Mechanical Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Enerji Bilim Dalı
- Sayfa Sayısı: 77
Özet
İçten yanmalı motorların ürettiği zararlı egzoz gazların yasal sınırları gün geçtikçe daralmaktadır. Emisyon standartları denilen bu sınırlamaları sağlamak amacıyla motor üreticileri motor geliştirme çalışmalarının yanında motor geliştirme testleri yapmaktadırlar. Motor geliştirme testleri sırasında, motorun mekanik dayanımlarından birisi olan silindir içi yanmadan kaynaklı silindir içi maksimum basınç (PMAX) değeri sürekli takip edilmeli ve sınırlar içerisinde kalınmalıdır. PMAX değerleri, maliyetleri yüksek olan silindir içi basınç sensörleri ile takip edilmektedir. Sensörlere ek olarak anfi, bilgisayar gibi fazladan cihazlara ihtiyaç duyulmaktadır. Öte yandan sensörlerin silindir içine temas etmesi gerektiği için kızdırma bujileri sökülerek yerlerine silindir içi basınç sensörleri bir adaptör vasıtasıyla takılmaktadır. Sensör silindir içindeki yanmadan ötürü yüksek sıcaklık ve yüksek basınca maruz kalmakta ve bu sebeple zaman içerisinde sensör hassasiyeti ve ölçüm değerlerinde kaymalar meydana gelmektedir. Ölçüm değerlerinde kaymaların veya tutarsızlıkların meydana geldiği gözlemlendiğinde sensörlerin kalibre edilmesi gerekir. Sensörlerin kalibre edilmesi ise fazladan bir kalibratör cihaz ve referans sensörle sağlanmaktadır. Kızdırma bujilerine ve silindir içi basınç sensörlerine aynı anda ihtiyaç duyulduğu anlarda ise motor kafasına talaşlı işlem ile sensörlerin yerleştirileceği kanallar açılmalıdır. Bu talaşlı işlem yanma odası geometrisini bozduğu gibi aynı zamanda büyük çaba gerektirmektedir. Gelişen teknoloji ve modelleme teknikleriyle çoğu sensörlerin kullanımı kalkmış veya azalmıştır. Bu tez çalışmasında, motor geliştirme testleri süresince kullanılan maliyetleri yüksek olan silindir içi basınç sensörleri yerine geçebilecek ve/veya sensörlerin ölçümlerindeki kaymaları yakalayabilecek sanal sensör oluşturulabilirliği denenmiştir. Tez çalışmasında çok çeşitli modelleme tekniklerinden, hızlı işlem yapabilme kabiliyetli ve açıklanması güç olaylarda tahminleme yeteneği yüksek olan yapay sinir ağları tekniği seçilmiştir. Yapay sinir ağları tekniği ile eğitilecek modellerin öncelikle girdileri belirlenmek istenmiş ve 4 farklı girdi seti oluşturulmuştur. İkinci olarak modellerin gizli nöron sayıları belirlenmek istenmiş ve nöron sayıları 2, 3, 4, 5, 10 ve 20 olacak şekilde 4 farklı girdi seti için toplamda 24 adet model eğitilmiştir. Bu 4 farklı girdi setiyle eğitilen 24 adet modelin sonuçları incelendiğinde 2 girdi seti daha oluşturulmuştur. Toplamda 26 adet model eğitilmiş ve sonuçları karşılaştırılmıştır. Motor geliştirme testleri sırasında koşulan Genişletilmiş Deneysel Tasarım - EDOE (Extended Design of Experiments) testinin sonuçlarından elde edilen 2533 farklı çalışma noktasına ait ölçümler ile modeller eğitilmiştir. Eğitilen her bir model tekrardan motor geliştirme testleri sırasında koşulan motor haritalama testinin sonuçlarından elde edilen 196 farklı çalışma noktasına ait ölçümler ile çevrimdışı test edilmiştir. Haritalama testi sonuçlarına göre en iyi sonucu veren model seçilmiştir. En iyi sonucu veren model çevrimiçi gerçek zamanlı olarak motor geliştirme testleri süresince çalıştırılmış ve sonuçları kayıt altına alınmıştır. Çevrimiçi gerçek zamanlı çalışan model motor haritalama testi süresince çalıştırılmıştır. Model ve sensör ölçümleri arasındaki fark ±4 bar ve R değeri 0,99681 olarak kaydedilmiştir. Haritalama testinden sonra motorun hızlı manevralar yaptığı Dünya Uyumlaştırılmış Test Çevrimi - WHTC (World Harmonized Transient Cycle) testi süresince çalışan model ve sensör ölçümleri arasındaki fark ± 7 bar ve R değeri 0,9965 olarak kaydedilmiştir. WHTC testi daha detaylı incelendiğinde, ±4 bar ve üstü farkların oluştuğu bölgelerin aslında yüksek basınç bölgeleri olmadığı görülmüştür. Motorun silindir içi maksimum basınç dayanımına yakın bölgelerde sensör ve model çıktıları arasındaki farkın ±4 bar sınırında kaldığı gözlemlenmiştir. Nihayetinde doğru girdiler, doğru nöron sayısı ve geniş eğitim seti ile eğitilen yapay sinir ağları modelinin sensörlere yakın tahminlemeler yaptığı ve sensörlerden daha hızlı tepki verdiği sonucuna ulaşılmıştır.
Özet (Çeviri)
The legal limits of the harmful exhaust gases produced by internal combustion engines are decreasing day by day. In order to achieve these limitations, engine manufacturers carry out engine development studies as well as engine development tests. During engine development tests, one of the mechanical strength of the engine, the maximum pressure value caused by the internal combustion of the cylinder should be continuously monitored and should be kept within the limits. In-cylinder pressure values are monitored by in-cylinder pressure sensors with high costs. In addition to sensors, additional devices such as amplifiers, computers are needed. On the other hand, since the sensors need to be in contact with the in-cylinder, the glow plugs are removed and the in-cylinder pressure sensors are installed by means of an adapter. The sensor is exposed to high temperature and high pressure due to the combustion in the cylinder and therefore the sensor sensitivity and the measured values are shifted over time. Sensors must be calibrated when observation of drifts or inconsistencies occur. The calibration of the sensors is provided by an extra calibrator device and a reference sensor. In cases where the glow plugs and in-cylinder pressure sensors are needed at the same time, the passages in which the sensors are placed should be opened to the motor head. This machining process disrupts the geometry of the combustion chamber and also requires great effort. Many sensors have been removed or decreased with improved technology and modeling techniques. In this thesis, it is possible to replace high cost in-cylinder pressure sensors with virtual sensors and/or can capture drifts in the measurement of the sensors. In this thesis study, capable of fast processing and good predicting in hard to explain processes artificial neural network technique has been chosen from a wide variety of modeling techniques. Firstly, artificial neural network inputs aimed to determine inputs so 4 different input sets created. Secondly, aimed to determine the number of secret neurons of the models and a total of 24 models were trained for 4 different input sets, with the number of neurons being 2, 3, 4, 5, 10 and 20. When the results of 24 models, which were trained with these 4 different input sets, were examined, 2 more sets of inputs were formed. A total of 26 models were trained and the results were compared. Models were trained with the measurements of 2533 different working points obtained from the results of the Extended Design of Experiments (EDOE) test conducted during the engine development tests. Each model was tested offline with the measurements of 196 different operating points obtained from the results of the engine mapping test, which was run during the engine development tests. According to the results of the mapping test, the model with the best results was chosen. The best result model was run online in real time during engine development tests and the results were recorded. The online real-time model was run during the engine mapping test. The difference between model and sensor measurements was ± 4 bar and the value of R was 0,99681. After the mapping test, the difference between the working model and the sensor measurements during the World Harmonized Transient Cycle (WHTC) test, where the engine performed fast maneuvers, was ± 7 bar and the R value was 0.9965. When the WHTC test was examined in more detail, it was observed that the regions where the differences of ± 4 bar and above were not actually high pressure zones. It has been observed that the difference between the sensor and model outputs in the regions near the maximum cylinder resistance of the engine remains at the limits of ± 4 bar. Finally, it is concluded that the neural network model, which has been trained with the correct inputs, correct number of neurons and the wide training set, makes near estimations and reacts faster than the sensors.
Benzer Tezler
- Design of an intelligent boost pressure controller for a series sequential turbocharged diesel engine
Seri bağlı aşırı doldurma sistemine sahip dizel motorlar için akıllı manifold basıncı kontrolcüsü tasarımı
MUSTAFA ENGİN EMEKLİ
Doktora
İngilizce
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. BİLİN AKSUN GÜVENÇ
- 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
- 3 LT dizel motorun çift kademeli turboşarj sisteminden tek kademeli turboşarj sistemine dönüştürülmesi
Investigation and optimization of the engine parameters when switching to single turbocharger from bi-turbocharger in the 3L V6 engine
VEYSEL TEKÇE
Yüksek Lisans
Türkçe
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HİKMET ARSLAN
- Roller bearing fault detection using rotary encoder
Açısal enkoder kullanarak bilyalı rulmanlarda hata tespiti
SAMET YALDIZ
Yüksek Lisans
İngilizce
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN YÜCE ŞANLITÜRK
- Integrated vehicle control unit development with active safety functions for electric vehicles
Elektrikli araçlar için aktif güvenlik sistemleri içeren tümleşik araç kontrol ünitesi geliştirme
MUHAMMET MUSTAFA ÜNVER
Yüksek Lisans
İngilizce
2022
Otomotiv Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. METİN GÖKAŞAN