Data-based prediction of soot emissions for transient engine operation

• Autorzy: Schaub Michèle

Identyfikatory

DOI

10.35784/IAPGOS.29

Warianty tytułu

PL

Przewidywanie emisji sadzy w przypadku przejściowej pracy silnika w oparciu o dane

• Języki publikacji: EN

Abstrakty

EN

Global maritime transport is one of the causes of air pollution. Annex VI of the International Maritime Organisation’s (IMO) International Convention for the Prevention of Pollution from Ships (MARPOL) refers to air pollution. Air pollution is mainly caused by the conversion of energy in internal combustion engines, in particular in the case of transient engine operation. The main pollutant is soot. It is an impure carbon substance of various sizes, resulting from incomplete combustion of hydrocarbons. This document concerns data-based modelling of soot emissions – the main component of exhaust particles – in transient engine operation. In a unique manoeuvring aid system, the prediction of exhaust emissions will become a new element. If the navigator knows the consequences of his actions, the human role will be strengthened in relation to the decision making on energy-efficient and emission-poor vessel traffic, in particular during manoeuvres. Thanks to the mathematical model, the soot formation process during stationary engine operation – at constant speed and load – will be mapped first. The model will then be extended to simulate engine operation and soot formation in the transition phase.

PL

Globalny transport morski jest jedną z przyczyn zanieczyszczenia powietrza. Załącznik VI do Międzynarodowej konwencji o zapobieganiu zanieczyszczeniu morza przez statki (MARPOL) Międzynarodowej Organizacji Morskiej (IMO) odnosi się do zanieczyszczeń powietrza. Zanieczyszczenie powietrza jest głównie powodowane przez konwersję energii w silnikach spalinowych, w szczególności w przypadku przejściowej pracy silnika. Głównym zanieczyszczeniem jest sadza. Jest to zanieczyszczona substancja węglowa różnej wielkości, będąca wynikiem niepełnego spalania węglowodorów. Niniejszy dokument dotyczy modelowania emisji sadzy – głównego składnika cząstek spalin, w pracy silnika w warunkach przejściowych w oparciu o dane. W unikalnym systemie wspomagania manewrów, przewidywanie emisji spalin stanie się nowym elementem. Jeżeli nawigator zna konsekwencje swoich działań, to rola człowieka zostanie wzmocniona w odniesieniu do podejmowania decyzji o energooszczędnym i ubogim w emisje spalin ruchu statków, w szczególności podczas manewrów. Dzięki modelowi matematycznemu,w pierwszej kolejności zostanie odwzorowany proces powstawania sadzy podczas stacjonarnej pracy silnika – przy stałych obrotach i obciążeniu. Następnie model ten zostanie tak rozszerzony, aby umożliwić symulację pracy silnika i powstawania sadzy w fazie przejściowej.

Słowa kluczowe

EN

ship emission; data processing; predictive model

PL

emisja ze statków; przetwarzanie danych; model predykcyjny

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2019
• Tom: T. 9, nr 4
• Strony: 10--13
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Schaub Michèle

• Wismar University of Applied Sciences, Faculty of Engineering, Maritime Department

Bibliografia

• [1] Ayoubi M.: Nonlinear system identification based on neural networks with locally distributed dynamics and application to technical processes. VDI edition, Düsseldorf 1996.
• [2] Bockhorn H.: Soot formation in combustion. Springer edition, Berlin/Heidelberg 1994.
• [3] Dahms F., Reska M., Nocke J., Hassel E., Reißig M., Schaub M.: Characterizing of transient engine operating with investigation on particle size distribution on a four-stroke medium-speed engine. CIMAC 2019.
• [4] http://www.imo.org/en/KnowledgeCentre/IndexofIMOResolutions/Marine-Environment-Protection-Committee-(MEPC)/Documents/MEPC.176(58).pdf (available: 24.07.2019).
• [5] https://issims-gmbh.com/yoomla/products/sammon (available: 24.07.2019).
• [6] Isermann R.: Engine Modeling and Control. Springer edition, Heidelberg 2014.
• [7] Nelles O.: Nonlinear System Identification. Springer, Heidelberg 2001.
• [8] Rohs H.: Simulation des transienten Betriebsverhalten von aufgeladenen Dieselmotoren. PhD Thesis, TH Aachen, 2006.
• [9] Schaub M., Finger G., Dahms F., Hassel E., Jeinsch T., Kirchhoff M.: Data-based prediction of particle emissions during manoeuvring of ships. IIPhdW 2019.
• [10] Schaub M., Finger G., Riebe T., Dahms F., Hassel E., Baldauf M.: Data-based modelling of ship emissions and fuel oil consumption for transient engine operation. OCEANS 2019.
• [11] Wenzel S.P.: Modellierung der Ruß- und NOX-Emissionen des Dieselmotors. PhD thesis, Otto-von-Guericke-Universität Magdeburg, 2006.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).