Fuel consumption analysis in dynamic states of the engine with use of artificial neural network

• Autorzy: Bera P.

Warianty tytułu

PL

Analiza zużycia paliwa w dynamicznych stanach pracy silnika z zastosowaniem sztucznej sieci neuronowej

• Języki publikacji: EN PL

Abstrakty

EN

The paper presents the construction of fuel consumption dynamic characteristic determined with use of artificial neural network (ANN). The characteristic is based on the data obtained during measurements carried out on the engine dynamometer. The momentary fuel consumption as a non-linear function of two variable parameters, engine speed and torque, has been presented. Article discusses the way of determining such a characteristic which can be used for both SI and CI engines for entire range of engine speed and load. Described characteristic enables analysis of engine properties in dynamic states and allows computing mileage fuel consumption of the car with a given engine in combination with the specific transmission in any virtual driving cycle. An important advantage of the ANN method in case of general fuel consumption characteristic in dynamic operating states is that standard measurement equipment can be used and the solution to a complex problem is reduced to programming issues.

PL

W artykule zaprezentowano charakterystykę dynamiczną zużycia paliwa, wyznaczoną z wykorzystaniem sztucznej sieci neuronowej (SSN),opierając się na danych z pomiarów przeprowadzanych na hamowni silnikowej. Przedstawiono chwilowe zużycie paliwa jako nieliniową funkcję dwóch zmiennych parametrów pracy silnika: prędkości obrotowej i momentu obrotowego, a następnie omówiono sposób sporządzania charakterystyki, która może być zastosowana w odniesieniu do silników ZI i ZS dla całego zakresu prędkości obrotowej i obciążenia. Opisana charakterystyka umożliwia analizę właściwości silników w stanach dynamicznych oraz wstępne obliczanie przebiegowego zużycia paliwa samochodu z danym silnikiem w konfiguracji z określonym układem przeniesienia napędu w dowolnym wirtualnym cyklu jezdnym. Niewątpliwą zaletą wykorzystania metody SSN do sporządzania ogólnej charakterystyki zużycia paliwa w dynamicznych stanach pracy jest możliwość wykorzystania standardowej aparatury pomiarowej do przeprowadzenia badań, a rozwiązanie złożonego problemu zostaje sprowadzone do zakresu programowania.

Słowa kluczowe

EN

dynamic characteristics; fuel consumption; artificial neural networks

PL

charakterystyka dynamiczna; zużycie paliwa; sztuczne sieci neuronowe

• Wydawca: Polskie Towarzystwo Naukowe Silników Spalinowych
• Czasopismo: Combustion Engines
• Rocznik: 2013
• Tom: R. 52, nr 4
• Strony: 16--25
• Opis fizyczny: Bibliogr. 21 poz., il., wykr.

Twórcy

autor

Bera P.

• Faculty of Mechanical Engineering and Robotics, AGH University of Science and Technology, Cracov

Bibliografia

• [1] Bera P.: Applying neural network in computing filling coefficient of four-stroke internal combustion engine. Mechanics and Control, tom 30 nr 2, Kraków 2011.
• [2] Brzeżański M., Golomb P.: Application of neural network method to analysis of emission of particulates in CI and SI engines exhaust gas. Combustion Engines, 2009, nr 2009-SC1, s. 331-337.
• [3] Brzózka J., Dorobczyński L.: Matlab. Środowisko obliczeń naukowo-technicznych. Wydawnictwo Naukowe PWN, Warszawa 2008.
• [4] Çelik V., Arcaklioğlu E.: Performance maps of a diesel engine. Applied Energy. 2005, Vol. 81, Issue 3, s. 247-259.
• [5] Chłopek Z.: Uwagi do badań silników spalinowych w stanach dynamicznych. Silniki Spalinowe nr 4/2010 (143).
• [6] Dyrektywa Rady Wspólnot Europejskich z dnia 20 marca 1970 r. w sprawie zbliżenia ustawodawstw Państw Członkowskich odnoszących się do działań, jakie mają być podjęte w celu ograniczenia zanieczyszczania powietrza przez spaliny z silników o zapłonie iskrowym pojazdów silnikowych (70/220/EWG).
• [7] Dyrektywa Rady Wspólnot Europejskich z dnia 26 czerwca 1991 r. zmieniająca dyrektywę 70/220/EWG w sprawie zbliżenia ustawodawstw Państw Członkowskich odnoszących się do działań, jakie mają być podjęte w celu ograniczenia zanieczyszczania powietrza przez emisje z pojazdów silnikowych (91/441/EWG).
• [8] Gabryelewicz M.: Podwozia i nadwozia pojazdów samochodowych. 1. Podstawy teorii ruchu i eksploatacji oraz układ przeniesienia napędu. Wydawnictwa Komunikacji i Łączności, Warszawa 2010.
• [9] Gölcü M., Sekmen Y., Erduranli P., Salman M. S.: Artificial neural network based modeling of variable valve timing in a spark-ignition engine. Applied Energy, 2005, Vol. 81, Issue 2, s. 187-197.
• [10] Gupta M. M., Jin L., Homma N.: Static and Dynamic Neural Networks. From Fundamentals to Advanced Theory, John Wiley & Sons Inc, 2003.
• [11] Hassoun M. H.: Fundamentals of Artificial Neural Networks. The MIT Press, 1995.
• [12] Mamala J., Jantos J.: Exploitation characteristics of an engine car. Journal of KONES, 2005, Vol. 12, No. 1-2, s. 217-224.
• [13] MathWorks, Neural network toolbox: user’s guide (Release 2010b), 2010, http://www.mathworks.com/ (20.12.2010).
• [14] Parlak A., Islamoglu Y., Yasar H., Egrisogut A.: Application of artificial neural network to predict specific fuel consumption and exhaust temperature for a diesel engine. Applied Thermal Engineering 26, 2006, Vol. 26, Issues 8-9, s. 824-828.
• [15] Praszkiewicz T., Sobieszczański M.: Realizacje testów badawczych na zautomatyzowanej hamowni silników spalinowych. Journal of KONES Internal, Combustion Engines 2002.
• [16] Romaniszyn K.M., Wnęk H.: Aproksymowane charakterystyki dynamiczne pojazdów budowane na podstawie testów jezdnych. Silniki Spalinowe, nr 3/2011 (146).
• [17] Serdecki W.: Badania silników spalinowych: laboratorium, wyd. 2. Wydawnictwo Politechniki Poznańskiej, Poznań 2001.
• [18] Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa 1993.
• [19] Taşdemir Ş. [i in.]: Artificial neural network and fuzzy export system comparison for prediction of per formance and emission parameters on a gasoline engine. Expert Systems with Applications, 2011, Vol. 38, Issue 11, s. 13912-13923.
• [20] Togun N. K., Baysec S.: Prediction of torque and specific fuel consumption of a gasoline engine by using artificial neural networks. Applied Energy, 2010, Vol. 87, Issue 1, s. 349-355.
• [21] Zembowicz J.: Fiat Seicento. WKŁ, Warszawa 2010.