Toksyczność spalin silnika o zapłonie samoczynnym w warunkach zmiennego obciążenia dla różnych wartości parametrów regulacyjnych

• Autorzy: Brzozowski K. , Nowakowski J.

Warianty tytułu

EN

Toxicity of exhaust gases of compression ignition engine under conditions of variable load for different values of engine control parameters

• Języki publikacji: EN

Abstrakty

EN

This work presents a procedure leading to empirical identification of the dependency of smoke level and emission of harmful compounds on selected engine control parameters in an compression ignition engine. In the course of experiments identification of emission of nitrogen oxides, carbohydrates, carbon oxide and smoke level of exhaust gases was carried out, depending on: rotational speed, fuel amount, exhaust gas recirculation factor and injection timing. Using artificial neural networks has been proposed to generalize the results of experiments. The computed values of coefficients used to evaluate approximation errors and prediction of smoke level and emission of harmful compounds confirm effectiveness of the proposed method of generalizing the identification procedure.

PL

W pracy przedstawiono postępowanie prowadzące do eksperymentalnej identyfikacji zależności zadymienia i emisji związków szkodliwych od wybranych parametrów regulacyjnych silnika o zapłonie samoczynnym. W ramach badań przeprowadzono identyfikację emisji tlenków azotu, węglowodorów, tlenku węgla oraz zadymienia spalin w zależności od: prędkości obrotowej, dawki paliwa, stopnia recyrkulacji spalin i kąta wyprzedzenia wtrysku. Do uogólnienia wyników badań eksperymentalnych zaproponowano wykorzystanie sztucznych sieci neuronowych. Obliczone wartości wskaźników wykorzystanych do oceny błędów aproksymacji oraz predykcji zadymienia i emisji związków szkodliwych spalin potwierdzają skuteczność zaproponowanej metody uogólnienia badań identyfikacyjnych.

Słowa kluczowe

EN

compression ignition engine; engine control parameters; emission harmful compounds

PL

silnik o zapłonie samoczynnym; parametry regulacyjne; emisja związków szkodliwych

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2011
• Tom: nr 4
• Strony: 56--62
• Opis fizyczny: Bibliogr. 21 poz.

Twórcy

autor

Brzozowski K.

autor

Nowakowski J.

• Department of Transport and Applied Computer Science University of Bielsko-Biała, ul. Willowa 2, 43-309 Bielsko-Biała, Poland,

Bibliografia

• 1. Brzozowski K, Romaniszyn K. An effective method of creating dynamic characteristics using drive tests. The Archive of Mechanical Engineering 2003; 50(4): 403-420.
• 2. Brzozowski K. Mikroskalowe modele emisji i dyspersji zanieczyszczeń samochodowych. Zeszyty Naukowe ATH – Seria Rozprawy Naukowe; 18, 2006.
• 3. Brzozowski K, Nowakowski J. Zastosowanie sztucznych sieci neuronowych do modelowania emisji z silnika o zapłonie samoczynnym. Journal of KONES: Internal Combustion Engines 2005; 12(1-2): 51-59.
• 4. Brzozowska L, Brzozowski K, Warwas K. Zastosowanie sztucznych sieci neuronowych do modelowania ekologicznych właściwości pojazdów. The Archives of Automotive Engineering 2005; 3: 229-247.
• 5. Brzozowska L, Brzozowski K, Nowakowski J. An application of artificial neural network to diesel engine modelling. Proceedings of the Third IEEE Workshop Inteligent Data Acquisition and Advanced Computing Systems - Technology and Appllication 2005: 142-146.
• 6. Brzozowski K, Nowakowski J. The model of compression ignition engine with artificial neural networks. Combustion Engines 2008; 1: 44-49.
• 7. Canakci M, Erdil A, Arcaklioğlu E. Performance and exhaust emissions of a biodiesel engine. Applied Energy 2006; 83: 594-605.
• 8. Canakci M, Ozsezen A.N, Arcaklioğlu E, Erdil A. Prediction of performance and exhaust emissions of a diesel engine fueled with biodiesel produced from waste frying palm oil. Expert Systems with Applications 2009; 36: 9268-9280.
• 9. de Lucas A, Durán A, Carmona M, Lapuerta M. Modeling diesel particulate emissions with neural networks. Fuel 2001; 80: 539-548.
• 10. Ghazikhani M, Mirzaii I. Soot emission prediction of a waste-gated turbo-charged DI diesel engine using artificial neural network. Neural Comput. & Applic. 2011; 20: 303-308.
• 11. Ghobadian B, Rahimi H, Nikbakht A.M, Najafi G, Yusaf T.F. Diesel engine performance and exhaust emission analysis using waste cooking biodiesel fuel with an artificial neural network. Renewable Energy 2009; 34: 976-982.
• 12. Nowakowski J. Model cyklu roboczego silnika o zapłonie samoczynnym i jego zastosowanie do doboru parametrów regulacyjnych. Zeszyty Naukowe ATH - Seria Rozprawy Naukowe; 15, 2005.
• 13. Nowakowski J, Brzozowski K. Numerical model and programme for simulating working process in the compression-ignition engine with EGR. Proceedings of the 12th European Automotive Congress EAEC 2009: 1-18.
• 14. Osowski S. Sieci neuronowe w ujęciu algorytmicznym. Warszawa: WNT, 1996.
• 15. Ponti F, Corti E, Serra G, De Cesare M. Common Rail Multi-Jet Diesel Engine Combustion Model Development for Control Purposes. SAE Paper 2007-01-0383.
• 16. Shivakumar, Srinivasa Pai P, Shrinivasa Rao B.R. Artificial Neural Network based prediction of performance and emission characteristics of a variable compression ratio CI engine using WCO as a biodiesel at different injection timings. Applied Energy 2011; 88: 2344-2354.
• 17. Sobieszczański M, Pietras D, Knefel T. Dobór algorytmów sterowania rozruchem, nagrzewaniem, wolnymi obrotami oraz recyrkulacją spalin silnika o zapłonie iskrowym zasilanego w systemie wtrysku MPI. The Archive of Automotive Engineering 2002; 2-3: 53-67.
• 18. Sobieszczański M, Brzozowski K, Nowakowski J, Tekielak K. The impact of SI engine controlling parameters on the content of toxic components and smokiness of exhaust gases. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2008; 3: 53-61.
• 19. Tomishima H, Matsumoto T, Oki M, Nagata K. The Advanced Diesel Common Rail System for Achieving a Good Balance Between Ecology and Economy. SAE Paper 2008-28-0017.
• 20. Yusaf T.F, Buttsworth D.R, Saleh K.H, Yousif B.F. CNG-diesel engine performance and exhaust emission analysis with the aid of artificial neural network. Applied Energy 2010; 87: 1661-1669.
• 21. Wang E. Control System Design for Variable Nozzle Turbocharger. SAE Paper 2009-01-1668.