• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于瞬時(shí)轉(zhuǎn)速分析的柴油機(jī)氣缸壓縮性能檢測(cè)方法

      2014-12-29 09:11:08喬新勇劉春華
      車用發(fā)動(dòng)機(jī) 2014年6期
      關(guān)鍵詞:權(quán)值氣缸柴油機(jī)

      喬新勇,劉春華,劉 君,靳 瑩

      (1.裝甲兵工程學(xué)院機(jī)械工程系,北京 100072;2.中國(guó)空氣動(dòng)力研究與發(fā)展中心,四川 綿陽(yáng) 621000)

      與汽油機(jī)不同,柴油機(jī)采用壓燃式工作方式,因此,氣缸壓縮性能決定著噴入氣缸內(nèi)的燃油能否被壓燃,能否達(dá)到較高的燃燒質(zhì)量,進(jìn)而保證柴油機(jī)順利起動(dòng)。通常情況下,氣缸壓縮性能用氣缸壓縮壓力來(lái)衡量。氣缸壓縮壓力是指在柴油機(jī)不工作(不加油)、用起動(dòng)電機(jī)拖動(dòng)柴油機(jī)曲軸旋轉(zhuǎn)的情況下,壓縮過(guò)程氣缸內(nèi)的最高氣體壓力。氣缸壓縮壓力低會(huì)使壓縮行程的溫度和壓力都下降,發(fā)動(dòng)機(jī)工作時(shí)著火延遲期變長(zhǎng),致使發(fā)動(dòng)機(jī)工作粗暴,燃燒不完全,熱效率下降。一般來(lái)說(shuō),隨著柴油機(jī)使用時(shí)間的推移,氣缸壓縮壓力呈逐漸減小的變化趨勢(shì),當(dāng)其降低到一定程度時(shí),柴油機(jī)已嚴(yán)重磨損,不能繼續(xù)使用。

      對(duì)氣缸壓縮壓力進(jìn)行測(cè)量有利于監(jiān)測(cè)柴油機(jī)工作狀況[1-2]。但在實(shí)車上直接測(cè)量壓縮壓力,存在傳感器安裝困難、高熱條件下傳感器可靠性降低等問(wèn)題,因此近年來(lái)對(duì)氣缸壓力進(jìn)行間接檢測(cè)的研究日漸興起[2-5]。

      本研究基于人工神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力,建立了車輛倒拖過(guò)程瞬時(shí)轉(zhuǎn)速波動(dòng)與氣缸壓力的映射關(guān)系模型,實(shí)現(xiàn)由瞬時(shí)轉(zhuǎn)速間接計(jì)算氣缸壓縮壓力,進(jìn)而實(shí)現(xiàn)氣缸壓縮性能的檢測(cè)。

      1 人工神經(jīng)網(wǎng)絡(luò)基本原理

      人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks)理論是20世紀(jì)80年代中后期在世界范圍內(nèi)迅速發(fā)展起來(lái)的人工智能領(lǐng)域的一個(gè)重要分支,其本質(zhì)是一種接近于人認(rèn)識(shí)過(guò)程的計(jì)算模型,模仿大腦神經(jīng)元結(jié)構(gòu)而建立起來(lái)的一種非線性網(wǎng)絡(luò)系統(tǒng)。近年來(lái),神經(jīng)網(wǎng)絡(luò)技術(shù)得到很大的發(fā)展,其在故障診斷領(lǐng)域中得到廣泛應(yīng)用[3-4]。

      至今為止,人們己經(jīng)提出了幾十種神經(jīng)網(wǎng)絡(luò)模型,如自適應(yīng)共振理論模型(ART)、誤差反向傳播模型(BP)、雙向聯(lián)想存儲(chǔ)器(BAM)、感知機(jī)模型(PTR)等,目前應(yīng)用最為廣泛、理論最為成熟的當(dāng)屬BP網(wǎng)絡(luò)模型和RBF網(wǎng)絡(luò)模型[5]。盡管BP網(wǎng)絡(luò)無(wú)論在理論上還是實(shí)用上都已經(jīng)相當(dāng)成熟,且結(jié)構(gòu)簡(jiǎn)單,易于實(shí)現(xiàn),但它的突出缺點(diǎn)是收斂速度慢,易陷于局部極值點(diǎn),需要在監(jiān)督的情況下進(jìn)行。

      本研究提出利用徑向基神經(jīng)網(wǎng)絡(luò)(RBF)來(lái)進(jìn)行識(shí)別建模。徑向基函數(shù)網(wǎng)絡(luò)是在借鑒生物局部調(diào)節(jié)和交疊接受區(qū)域知識(shí)的基礎(chǔ)上提出的一種采用局部接受域來(lái)執(zhí)行函數(shù)映射的人工神經(jīng)網(wǎng)絡(luò)。RBF網(wǎng)絡(luò)結(jié)構(gòu)是由一個(gè)隱含層和一個(gè)線性輸出層組成的前向網(wǎng)絡(luò),隱含層采用徑向基函數(shù)作為網(wǎng)絡(luò)的激活函數(shù),徑向基函數(shù)是一個(gè)高斯型函數(shù),它是將該層權(quán)值矢量與輸入矢量之間的矢量距離與偏差相乘后作為網(wǎng)絡(luò)激活函數(shù)的輸入。從功能上看,RBF網(wǎng)絡(luò)可以用來(lái)進(jìn)行函數(shù)逼近,并且更容易逼近函數(shù)的局部特性。

      1.1 徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

      徑向基網(wǎng)絡(luò)一般是三層結(jié)構(gòu)(見(jiàn)圖1)。φ(u,tk)是非線性函數(shù)(一般選擇高斯型函數(shù)),用于計(jì)算輸入向量u與它的中心tk間的距離。ωk表示聯(lián)接第k個(gè)隱層結(jié)點(diǎn)與輸出結(jié)點(diǎn)的權(quán)值,常量ω0代表偏差。

      網(wǎng)絡(luò)的輸出與輸入關(guān)系見(jiàn)式(1):

      式中:‖u-tk‖為u和tk之間的歐幾里得距離;b為寬度;n為凈輸入。

      隱含層的每個(gè)節(jié)點(diǎn)稱為徑向基神經(jīng)元,其計(jì)算過(guò)程見(jiàn)圖2。

      這里徑向基函數(shù)的輸入值為輸入向量u與權(quán)值向量ω的距離乘以偏差b后的結(jié)果。一般選擇高斯函數(shù)作為神經(jīng)元函數(shù),如式(2)所示。

      當(dāng)輸入向量u與權(quán)值向量ω的距離減小,輸出值減??;當(dāng)輸入向量u與權(quán)值向量ω相同時(shí),函數(shù)輸出為1,為最大值。因此,徑向基神經(jīng)元起著一個(gè)距離檢測(cè)器的作用。偏差b可以改變神經(jīng)元的敏感度。在輸入向量u與權(quán)值向量ω的距離變化一定的情況下,b增大,徑向基函數(shù)的寬度減小,函數(shù)輸出值變化較大,對(duì)距離變化敏感。

      1.2 徑向基神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

      RBF網(wǎng)絡(luò)的訓(xùn)練與設(shè)計(jì)分為兩步,第一步是采用非監(jiān)督式的學(xué)習(xí)訓(xùn)練RBF層的權(quán)值,第二步是采用監(jiān)督式學(xué)習(xí)訓(xùn)練線性輸出層的權(quán)值。通常RBF網(wǎng)絡(luò)隱含層的權(quán)值被賦予一個(gè)不同輸入矢量的轉(zhuǎn)置,以使得每個(gè)神經(jīng)元都作為不同輸入矢量的探測(cè)器。一般若有q組輸入矢量,則RBF層中的神經(jīng)元個(gè)數(shù)最大為q,每個(gè)偏差置為0.832 6/c(c為高斯函數(shù)的中心),以此確定輸入空間中每個(gè)神經(jīng)元的響應(yīng)寬度。

      通過(guò)使網(wǎng)絡(luò)輸出與目標(biāo)輸出的誤差平方和最小來(lái)求線性輸出層的權(quán)值[6]。本研究采用最小二乘法求解權(quán)值。

      1.3 改進(jìn)的徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法

      上述設(shè)計(jì)過(guò)程的缺點(diǎn)是:所設(shè)計(jì)出的網(wǎng)絡(luò)產(chǎn)生的隱含層具有的神經(jīng)元的個(gè)數(shù)與輸入矢量組數(shù)相等。當(dāng)需要許多組矢量來(lái)定義網(wǎng)絡(luò)時(shí),用此方法設(shè)計(jì)的網(wǎng)絡(luò)可能是不可接受的。對(duì)此采用的改進(jìn)思想原則是:在滿足目標(biāo)誤差的前提下盡量減少隱含層中的神經(jīng)元個(gè)數(shù)。做法是:從一個(gè)節(jié)點(diǎn)開(kāi)始訓(xùn)練,通過(guò)檢查誤差目標(biāo)使網(wǎng)絡(luò)自動(dòng)增加節(jié)點(diǎn)。每次循環(huán)使網(wǎng)絡(luò)產(chǎn)生的最大誤差所對(duì)應(yīng)的輸入矢量產(chǎn)生一個(gè)新的隱含層節(jié)點(diǎn),然后檢查新網(wǎng)絡(luò)的誤差,重復(fù)此過(guò)程,直到達(dá)到目標(biāo)誤差或達(dá)到最大神經(jīng)元數(shù)為止。

      2 試驗(yàn)方法及數(shù)據(jù)采集

      在某型車輛上進(jìn)行柴油機(jī)倒拖試驗(yàn)。試驗(yàn)時(shí)在切斷燃油供給的情況下,采用起動(dòng)電機(jī)拖動(dòng)柴油機(jī)運(yùn)行3~4s,分別采用光電反射式傳感器、光電式轉(zhuǎn)速傳感器和壓力傳感器同步測(cè)量柴油機(jī)左1缸上止點(diǎn)信號(hào)、瞬時(shí)轉(zhuǎn)速信號(hào)及右6缸的氣體壓力信號(hào),采樣頻率為14kHz。

      利用上止點(diǎn)信號(hào)截取柴油機(jī)一個(gè)工作循環(huán)內(nèi)的瞬時(shí)轉(zhuǎn)速信號(hào)和右6缸氣體壓力信號(hào)(見(jiàn)圖3)。

      從圖3中可以看出,瞬時(shí)轉(zhuǎn)速信號(hào)在一個(gè)工作循環(huán)內(nèi)呈現(xiàn)12次波動(dòng)。瞬時(shí)轉(zhuǎn)速的波動(dòng)與各缸內(nèi)氣體壓力的作用有關(guān)。由于該型柴油機(jī)為12缸機(jī),在各缸氣體壓力的交替作用下,導(dǎo)致瞬時(shí)轉(zhuǎn)速在一個(gè)工作循環(huán)內(nèi)出現(xiàn)12次波動(dòng)。

      為了便于分析,假定各缸內(nèi)氣體壓力完全一致,可繪制各缸內(nèi)壓力曲線,如圖4中虛線所示。將各缸壓力相加后得到疊加壓力,如圖4中實(shí)線所示。各缸內(nèi)氣體壓力綜合作用即構(gòu)成了對(duì)轉(zhuǎn)速的影響。由此可以看出,疊加壓力在一個(gè)工作循環(huán)內(nèi)存在12次波動(dòng),且在時(shí)域上與瞬時(shí)轉(zhuǎn)速波形一一對(duì)應(yīng)。因此通過(guò)測(cè)量瞬時(shí)轉(zhuǎn)速,可以進(jìn)一步檢測(cè)氣缸壓縮壓力或者判斷各缸的壓縮性能。

      3 神經(jīng)網(wǎng)絡(luò)建模及模型求解

      考慮到缸內(nèi)壓力與轉(zhuǎn)速之間呈相反的增長(zhǎng)關(guān)系,即缸內(nèi)壓力增大時(shí),轉(zhuǎn)速降低,而當(dāng)缸內(nèi)壓力減小時(shí),轉(zhuǎn)速增高,因此如果直接截取右6缸氣體壓力所對(duì)應(yīng)的轉(zhuǎn)速作為網(wǎng)絡(luò)的輸入,會(huì)使RBF神經(jīng)網(wǎng)絡(luò)輸入和輸出之間的非線性因素增大。因此,采用相對(duì)轉(zhuǎn)速,即截取右6缸氣體壓力所對(duì)應(yīng)轉(zhuǎn)速與此轉(zhuǎn)速最大值之差的絕對(duì)值,作為網(wǎng)絡(luò)的輸入,對(duì)應(yīng)的右6缸氣體壓力作為網(wǎng)絡(luò)輸出,相應(yīng)地建立相對(duì)轉(zhuǎn)速與右6缸壓縮壓力之間的RBF神經(jīng)網(wǎng)絡(luò)模型。截取轉(zhuǎn)速過(guò)程見(jiàn)圖3,求得的相對(duì)轉(zhuǎn)速見(jiàn)圖5,對(duì)應(yīng)的右6缸氣體壓力見(jiàn)圖6。

      本研究按照改進(jìn)思想進(jìn)行網(wǎng)絡(luò)設(shè)計(jì)和訓(xùn)練。網(wǎng)絡(luò)的隱層神經(jīng)元數(shù)目以及權(quán)值向量在訓(xùn)練中自動(dòng)確定。利用12個(gè)樣本分別建立識(shí)別模型,其中11個(gè)作為訓(xùn)練樣本,剩下1個(gè)作為測(cè)試樣本。在進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練之前,對(duì)訓(xùn)練集和測(cè)試集進(jìn)行歸一化處理,采用的歸一化映射見(jiàn)式(3):

      模型1:輸入歸一化后的相對(duì)轉(zhuǎn)速,神經(jīng)元為25個(gè),輸出氣體壓力,神經(jīng)元也為25個(gè)。經(jīng)過(guò)網(wǎng)絡(luò)訓(xùn)練便可分別得到瞬時(shí)轉(zhuǎn)速相對(duì)轉(zhuǎn)速和氣缸壓力的非線性映射模型,隱層節(jié)點(diǎn)均為10個(gè)。

      模型2:輸入歸一化后的相對(duì)轉(zhuǎn)速,神經(jīng)元為25個(gè),輸出氣缸壓縮壓力,神經(jīng)元為1個(gè)。經(jīng)過(guò)網(wǎng)絡(luò)訓(xùn)練便可分別得到瞬時(shí)轉(zhuǎn)速相對(duì)轉(zhuǎn)速和氣缸壓縮壓力之間的非線性映射模型,隱層節(jié)點(diǎn)均為10個(gè)。模型1的分析結(jié)果見(jiàn)圖7。

      由圖7可以看出,利用RBF神經(jīng)網(wǎng)絡(luò)檢測(cè)氣缸壓力與實(shí)際測(cè)量氣缸壓力的逼近程度很高。檢測(cè)的氣缸壓縮壓力即為所檢測(cè)缸內(nèi)壓力的峰值。模型2的分析結(jié)果見(jiàn)圖8。

      由圖8可以看出,直接建立瞬時(shí)轉(zhuǎn)速相對(duì)轉(zhuǎn)速與氣缸壓縮壓力的RBF神經(jīng)網(wǎng)絡(luò)模型,所檢測(cè)氣缸壓縮壓力的結(jié)果與實(shí)際測(cè)量的結(jié)果基本上是一致的。對(duì)12組樣本數(shù)據(jù)的檢測(cè)結(jié)果見(jiàn)表1。

      由表1可以得知,模型1恢復(fù)氣缸壓縮壓力的平均誤差為1.082 9%,模型2恢復(fù)氣缸壓縮壓力的平均誤差為1.451 1%。兩種神經(jīng)網(wǎng)絡(luò)模型恢復(fù)氣缸壓縮壓力的精度都較高,但是模型1的恢復(fù)結(jié)果比模型2好,誤差更小。

      表1 檢測(cè)氣缸壓縮壓力與實(shí)測(cè)氣缸壓縮壓力比較

      4 柴油機(jī)氣缸壓縮性能檢測(cè)

      對(duì)該型柴油機(jī)進(jìn)行氣缸壓縮壓力檢測(cè)時(shí),規(guī)定了在曲軸轉(zhuǎn)速為150r/min、溫度為298K時(shí)的檢測(cè)值標(biāo)準(zhǔn)。但在實(shí)車試驗(yàn)中,曲軸轉(zhuǎn)速和進(jìn)氣溫度并不完全是150r/min和298K,因此需要將所有數(shù)據(jù)都修正到標(biāo)準(zhǔn)轉(zhuǎn)速和標(biāo)準(zhǔn)溫度下[7]。

      式中:pN,T為150r/min,298K時(shí)的壓縮壓力 ;t為測(cè)量時(shí)的進(jìn)氣溫度;T0=298K;N=150r/min;n為實(shí)際測(cè)得的發(fā)動(dòng)機(jī)轉(zhuǎn)速;p為實(shí)際測(cè)得的氣缸壓力。

      由前面的分析可知,模型1建立瞬時(shí)轉(zhuǎn)速的相對(duì)轉(zhuǎn)速與右6缸壓縮壓力之間的對(duì)應(yīng)關(guān)系,求得的最大值即為氣缸壓縮壓力,誤差小于2%。利用此方法檢測(cè)氣缸壓縮壓力,并且根據(jù)式(4)把檢測(cè)結(jié)果修正到標(biāo)準(zhǔn)轉(zhuǎn)速、標(biāo)準(zhǔn)溫度狀態(tài)下。

      某型柴油機(jī)運(yùn)轉(zhuǎn)時(shí)間為150h,在起動(dòng)平均轉(zhuǎn)速為144r/min、進(jìn)氣溫度為303K時(shí),氣缸壓縮壓力檢測(cè)結(jié)果和修正結(jié)果見(jiàn)表2。由該型柴油機(jī)使用標(biāo)準(zhǔn)得知,在轉(zhuǎn)速n=150r/min,標(biāo)準(zhǔn)大氣溫度298K時(shí),完全磨合后的發(fā)動(dòng)機(jī)壓縮終了的壓力應(yīng)在2.744(28kg/cm2)~2.94MPa(30kg/cm2)范圍內(nèi),最低不得小于1.764MPa(18kg/cm2),且各缸差值不大于10%。

      由表2修正后壓縮壓力數(shù)據(jù)可以看出,該型柴油機(jī)各缸的壓縮壓力都在警戒線1.764MPa之上,并且各缸差值為2.148 6%,遠(yuǎn)小于10%。因此,該柴油機(jī)氣缸壓縮性能良好,各缸比較均衡。

      表3列出不同柴油機(jī)氣缸壓縮壓力修正后的檢測(cè)結(jié)果。從表3中可以看出,隨著柴油機(jī)使用時(shí)間的增加,各缸的壓縮壓力呈現(xiàn)減小趨勢(shì),這反映了氣缸磨損呈現(xiàn)增大趨勢(shì),尤其是6號(hào)和7號(hào)車,氣缸壓縮壓力的最小值距離警戒線值比較近,氣缸壓縮性能比較差;隨著使用時(shí)間的增加各缸差值呈現(xiàn)增大趨勢(shì),這反映了氣缸密封不均衡度也呈現(xiàn)增大趨勢(shì)。

      表2 某型柴油機(jī)氣缸壓縮壓力檢測(cè)結(jié)果和修正結(jié)果

      續(xù)表2 某型柴油機(jī)氣缸壓縮壓力檢測(cè)結(jié)果和修正結(jié)果

      表3 不同柴油機(jī)氣缸壓縮壓力檢測(cè)修正后的結(jié)果 MPa

      5 結(jié)束語(yǔ)

      本研究提出了一種利用柴油機(jī)倒拖過(guò)程瞬時(shí)轉(zhuǎn)速分析來(lái)間接測(cè)量氣缸壓縮壓力的方法,進(jìn)而檢測(cè)氣缸的壓縮性能。通過(guò)對(duì)實(shí)際測(cè)量的瞬時(shí)轉(zhuǎn)速信號(hào)和缸壓信號(hào)的分析,利用逼近性更強(qiáng)的RBF神經(jīng)網(wǎng)絡(luò)建立了瞬時(shí)轉(zhuǎn)速波動(dòng)與氣缸內(nèi)壓力的關(guān)系模型,實(shí)現(xiàn)了實(shí)車氣缸壓縮壓力的不解體檢測(cè)。結(jié)果表明,該方法檢測(cè)效果良好,能夠有效評(píng)價(jià)柴油機(jī)氣缸壓縮性能和氣缸密封不均衡度。

      [1] 邱宗敏,金洪衛(wèi).氣缸壓縮壓力的測(cè)量在發(fā)動(dòng)機(jī)故障診斷中的運(yùn)用[J].裝備制造技術(shù),2012(4):73-74.

      [2] 喬新勇,劉建敏,劉 瑋.基于振動(dòng)測(cè)量的發(fā)動(dòng)機(jī)氣缸壓縮壓力檢測(cè)方法[J].內(nèi)燃機(jī)工程,2008,29(4):63-67.

      [3] 黃加亮.RBF神經(jīng)網(wǎng)絡(luò)在船用低速柴油機(jī)故障診斷中的應(yīng)用研究[D].大連:大連海事大學(xué),2000.

      [4] 陳丹一,黃加亮,蔡振雄.徑向基函數(shù)網(wǎng)絡(luò)用于船用柴油機(jī)智能診斷的研究[J].武漢理工大學(xué)學(xué)報(bào):交通科學(xué)與工程版,2004,28(4):494-497.

      [5] Martin T Hagan,Howard B Demuth,Mark Beale.Neural Network Design[M].Boston:PWS Publishing Company,2002.

      [6] 閻平凡,張長(zhǎng)水.人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算[M].北京:清華大學(xué)出版社,2000:40-57.

      [7] 劉春華.基于瞬時(shí)轉(zhuǎn)速分析的坦克柴油機(jī)狀態(tài)檢測(cè)與故障診斷研究[D].北京:裝甲兵工程學(xué)院,2012.

      猜你喜歡
      權(quán)值氣缸柴油機(jī)
      一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
      氣缸體止口面展開(kāi)式車削加工
      CONTENTS
      美國(guó)FCA 推出第三代EcoDie s e l V6 柴油機(jī)
      一種新型無(wú)桿氣缸傳送一模雙件開(kāi)卷落料模結(jié)構(gòu)
      模具制造(2019年4期)2019-06-24 03:36:42
      譚旭光:柴油機(jī)50年內(nèi)仍大有可為
      汽車觀察(2019年2期)2019-03-15 06:00:54
      基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
      一種發(fā)電站專用的電力輸送電纜的架設(shè)設(shè)備
      現(xiàn)代柴油機(jī)的技術(shù)發(fā)展趨勢(shì)
      氣缸工作表面形狀的評(píng)定
      武功县| 三原县| 潍坊市| 新巴尔虎左旗| 福海县| 永济市| 陆丰市| 牡丹江市| 富顺县| 自贡市| 临湘市| 蛟河市| 绥滨县| 当雄县| 孟州市| 江都市| 涟水县| 定远县| 禹州市| 壶关县| 乐亭县| 宁晋县| 交口县| 湖口县| 杭锦后旗| 永兴县| 麦盖提县| 洛隆县| 永善县| 西丰县| 雅安市| 嵊州市| 朔州市| 城市| 岫岩| 习水县| 循化| 改则县| 固原市| 乌兰浩特市| 宁明县|