Modelling of the car engine characteristics using artificial neural networks

• Autorzy: Mamala J. , Kołodziej S. , Hennek K.

Warianty tytułu

PL

Modelowanie charakterystyk silnika samochodu z wykorzystaniem sztucznych sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

The complexity of changes and processes occurring in a combustion engine leads to a situation when literature contains numerous mathematical models describing only selected aspects of the engine operation. Due to multidimensional and nonlinear types of the engine characteristics, as well as the degree of complexity and only partial depicting of particular interrelations, their usability is limited. Tests carried out by means of a digital simulation based on an analysis of static characteristics of the engine, are one of the methods used to solve that type of problem in the early phase of a power transmission system designing. This method enables, among others, determination of fuel consumption and engine torque depending on a selected operation point. Methods based on approximation and adaptation properties of artificial neural networks are used in innovative solutions. Authors of this paper prove that it is possible to use artificial neural networks to predict the engine characteristics with the use of Matlab software.

PL

Złożoność zmian i procesów zachodzących w silniku spalinowym prowadzi do sytuacji, w której literatura terenowa zawiera liczne modele matematyczne opisujące tylko wybrane aspekty pracy silnika. Ze względu na wielowymiarowość i nieliniowość charakterystyk silnika, a także stopień ich złożoności i jedynie częściowe obrazowanie poszczególnych zależności, użyteczność tych charakterystyk jest ograniczona. Testy przeprowadzone za pomocą cyfrowej symulacji opartej na analizie statycznej charakterystyk silnika są jedną z metod rozwiązywania tego typu problemów we wczesnej fazie projektowania układu napędowego. Metoda ta umożliwia między innymi określenie zużycia paliwa i wielkości momentu obrotowego silnika w zależności od wybranego punktu roboczego. Metody oparte na właściwościach przybliżających i adaptacyjnych sztucznych sieci neuronowych są stosowane w innowacyjnych rozwiązaniach. Autorzy niniejszej publikacji wykazują możliwość wykorzystania sztucznych sieci neuronowych do przewidywania charakterystyki silnika przy użyciu oprogramowania Matlab.

Słowa kluczowe

EN

neural networks; combustion engine characteristics; fuel consumption; driving cycle

PL

sieci neuronowe; charakterystyka silnika spalinowego; zużycie paliwa; cykle jezdne

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej. Oddział Gliwice
• Czasopismo: Modelowanie Inżynierskie
• Rocznik: 2017
• Tom: T. 34, nr 65
• Strony: 70--74
• Opis fizyczny: Bibliogr. 8 poz.

Twórcy

autor

Mamala J.

• Opole University of Technology, Faculty of Mechanical Engineering, Department of Vehicles

autor

Kołodziej S.

• Opole University of Technology, Faculty of Mechanical Engineering, Department of Vehicles

autor

Hennek K.

• Opole University of Technology, Faculty of Mechanical Engineering, Department of Vehicles

Bibliografia

• 1. Augustynek K., Warwas K., Knefel T.: Analiza parametrów sztucznych sieci neuronowych na dokładność modelowania wybranych parametrów eksploatacyjnych silników o zapłonie samoczynnym. „Logistyka” 2015, nr 4, s. 2274-2281.
• 2. Arsie L., Pianese C., Rizzo G.: Enhancement of control oriented engine model using neural network. “Theory and Practice of Control and Systems” January 1999, p. 465-471.
• 3. Brzozowski K., Nowakowski J.: Model do wyznaczania parametrów pracy silnika o zapłonie samoczynnym. „Eksploatacja i Niezawodność - Maintenance and Reliability” 2014, vol. 16, nr 3, s. 407-414.
• 4. Jantos J., Korniak J., Mamala J., Siłka W.: Drivability and fuel consumption improvement through integrated fuzzy logic control of powertrain with spark ignition engine and continuously variable transmission. “FISITA World Automotive Congress”, Barcelona 2004, nr F2004F414.
• 5. Jantos J., Mamala J.: Stanowiskowy symulator obciążenia drogowego silnika, „Teka Komisji Naukowo-Problemowej Motoryzacji PAN oddział w Krakowie, Konstrukcja, badania, eksploatacja, technologia pojazdów samochodowych i silników spalinowych”, Kraków 1999, t.18, s. 113-119.
• 6. Mamala J., Jantos J.: Stanowisko dynamiczne do badań układu pojazd - silnik techniką symulacji stanowiskowej, W: Międzynarodowa Konferencja Naukowo - Techniczna AUTOPROGRES’98”, Jachranka 1998, s. 19-27.
• 7. Taghavifar Had., Taghavifar Ham., Mardani A., Mohebbi A., Khalilarya S., Jafarmadar S.: Appraisal of artificial neural networks to the emission analysis and prediction of CO2, soot, and NOx of n-heptane fueled engine. “Journal of Cleaner Production” 2016, 112, p. 1729-1739.
• 8. Yoon P. Myoungho S.: A nonlinear modelling of SI engines for controller design. “International Journal of Vehicle Design” 2001, Vol. 26, No 2/3, p. 277-297.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).