مقارنة أداء الترشيح لمرشحات الهواء المتوفرة تجاريًا في مقصورة السيارات ضد الملوثات المحمولة جوًا المختلفة
الوقت: 2024-11-06
الفعالية: 0
مقارنة أداء الترشيح لمرشحات الهواء المتوفرة تجاريًا في مقصورة السيارات ضد الملوثات المحمولة جوًا المختلفة
ملخص
تضمن فلاتر سحب الهواء في محرك السيارة توصيل الهواء النظيف إلى المحرك، ولكن بمرور الوقت تتراكم الملوثات على هذه الفلاتر مما يعيق تدفق الهواء الحر. إن النهج المفتوح لصيانة فلتر الهواء اليوم يجعل السائقين يستبدلون العناصر على فترات خدمة محددة مسبقًا، مما يتسبب في الإفراط في الاستبدال أو النقص في الاستبدال وهو أمر مكلف وربما ضار. والنتيجة هي أن العديد من المركبات تعمل باستمرار بقوة منخفضة أو زيادة استهلاك الوقود أو التآكل المفرط المرتبط بالجسيمات والذي قد يضر بالمحفز أو يتلف أسطح المحرك الميكانيكية.
نقدم طريقة للكشف عن تحميل الملوثات في المرشح من البيانات الصوتية التي تم جمعها بواسطة هاتف ذكي وميكروفون قائم. يستخدم نهج التعلم الآلي الخاص بنا للإشراف على المرشح ميزات Mel-Cepstrum وFourier وWavelet كمدخلات في نموذج التصنيف ويطبق تصنيف الميزات لاختيار أفضل الميزات التمييزية. نوضح قوة تقنيتنا من خلال إظهار فعاليتها لنوعين من المركبات وميكروفونات مختلفة، حيث وجدنا أفضل نتيجة بدقة 79.7٪ عند تصنيف مرشح إلى ثلاث حالات تحميل.
ستساعد التحسينات التي تطرأ على هذه التقنية السائقين على مراقبة مرشحاتهم والمساعدة في تحديد توقيت استبدالها على النحو الأمثل. وسيؤدي هذا إلى تحسين أداء السيارة وكفاءتها وموثوقيتها، مع تقليل تكلفة الصيانة لأصحاب السيارات.
المُقدّمة
في كل عام، يزداد متوسط عمر السيارة والأميال التي تقطعها سنويًا (وزارة النقل في الولايات المتحدة (2016ب))، IHS Inc (2016)، ومع التحول نحو التنقل المشترك، تستمر الحاجة إلى مركبات فعالة وموثوقة ومتينة في النمو.
أكثر من 260 " id="MathJax-Element-1-Frame" class="MathJax_SVG" tabindex="0">- مليون مركبة في أسطول الولايات المتحدة للمركبات الخفيفة (وزارة النقل الأمريكية، 2016أ) تعمل بالبنزين (إدارة معلومات الطاقة الأمريكية، 2016)، بمحركات تستهلك الهواء والوقود، وتشعل هذا الخليط لدفع المكبس، وتستنزف نواتج الاحتراق. وأي خلل في الكفاءة يؤدي إلى تدهور أداء المحرك واقتصاده وطول عمره.
يعد نظام السحب أمرًا بالغ الأهمية لتحقيق الأداء الأمثل. يجب أن يكون الهواء الداخل حر التدفق لتحقيق الكفاءة، ونظيفًا، ولحماية أسطح المحرك من التآكل والبرودة، بحيث تسمح الكثافة المتزايدة باحتراق المزيد من الوقود، وتحسين الطاقة.
تعد المرشحات عنصرًا أساسيًا في مداخل المحرك، حيث تعمل على تقليل تركيز الملوثات إلى مستويات آمنة (Jaroszczyk et al., 1993) مع ضمان تدفق السوائل بحرية للحد من تسخين هواء المدخل. هذه المرشحات هي عناصر قابلة للتآكل، حيث تحتاج إلى التنظيف أو الاستبدال بمجرد تحميلها بالأوساخ والغبار والحطام.
تعمل الترشيح الأمثل على تحسين احتجاز الجسيمات، مما يقلل من تآكل أسطوانة المحرك. التغييرات الصغيرة في الكفاءة لها تأثير كبير: تآكل المحرك 8 " id="MathJax-Element-2-Frame" class="MathJax_SVG" tabindex="0"> مرات أسرع بالنسبة للمرشح الذي 98 " id="MathJax-Element-3-Frame" class="MathJax_SVG" tabindex="0">٪ عكس 99 " id="MathJax-Element-4-Frame" class="MathJax_SVG" tabindex="0">% كفاءة (Jaroszczyk et al.، 1993). علاوة على ذلك، تعمل الترشيح المثالي على تقليل مستويات ضوضاء المقصورة وتحسين قوة المحرك واستجابته. على النقيض من ذلك، تحد المرشحات المتسخة من الطاقة وتسبب الضوضاء وتبديد الوقود وقد تتسبب في فشل المحول الحفاز في مجرى النهر. هذه التحديات هي الأكثر أهمية في المركبات المكربنة (توماس وآخرون، 2009) التي تفتقر إلى التحكم في الوقود ذي الحلقة المغلقة. بينما تحولت السيارات الجديدة إلى حقن الوقود بحلول منتصف التسعينيات، لا تزال العديد من السيارات والدراجات النارية وغيرها من مركبات النقل الخفيفة في جميع أنحاء العالم تستخدم المكربنات.
يبدو تغيير عناصر الفلتر مبكرًا حلاً واضحًا، لكن الاستبدال المبكر يسبب مشاكل خفية ولكنها خطيرة. تزداد كفاءة التقاط الجسيمات مع التحميل (نورمان وآخرون، 2009)، لذا فإن العناصر المستخدمة بشكل خفيف تقلل من تآكل المحرك وتطيل عمر الخدمة. توجد نافذة مثالية لتغيير الفلتر - وهي النافذة التي يلتقط فيها الفلتر غالبية الجسيمات ويحد من التدفق إلى الحد الأدنى.
تم تصميم أجهزة الاستشعار داخل السيارة لحل مشكلة استبدال الفلتر بشكل مثالي، ولكن معظم المركبات الجديدة المزودة بتشخيصات على متن السيارة لا تراقب هذه الحالة عادةً، وتفتقر المركبات القديمة عادةً إلى أي استشعار. تقدم قِلة من المركبات أجهزة استشعار انخفاض ضغط السحب القائمة على الفراغ (نورمان وآخرون، 2009) التي تشير إلى زيادة عن انخفاض الضغط الأساسي بمقدار 1 " id="MathJax-Element-5-Frame" class="MathJax_SVG" tabindex="0">-2 . 5 kPa " id="MathJax-Element-6-Frame" class="MathJax_SVG" tabindex="0"> توما (2016)، توماس وآخرون (2012). في حالة عدم وجود أجهزة استشعار، لا يكون السائقون على دراية عادةً، وبالتالي يعتمدون على التوقيت الأعمى للبيانات، حيث يستبدل معظم السائقين المرشحات على فترات زمنية محددة (غالبًا 15,000 كم (توما، 2016)) أو عندما تبدو متسخة. هذه الأساليب غير دقيقة، حيث تُستخدم المركبات في بيئات متنوعة ذات أحمال جسيمية مختلفة ومعدلات تدفق هواء غير متوقعة (جاروزكزيك وآخرون، 1993).
في دراسة استقصائية 21 " id="MathJax-Element-7-Frame" class="MathJax_SVG" tabindex="0"> تم اختبار مرشحات الهواء بعد إزالتها، 15 " id="MathJax-Element-8-Frame" class="MathJax_SVG" tabindex="0"> تم إزالة المرشحات مبكرًا بينما تم تغيير مرشحين بعد بدء الانسداد المسبب لتدهور الأداء (Toma، 2016). يشير هذا إلى أن السائقين الذين يأخذون المركبات للصيانة يغيرون المرشحات مبكرًا جدًا ولكن هذا متحيز بطبيعته، حيث توجد المرشحات الأكثر قذارة في تلك السيارات التي لم يتم أخذها للصيانة مطلقًا. بافتراض أن المرشحات الأكثر قذارة موجودة في السيارات التي لم يتم أخذها للصيانة مطلقًا. 2 " id="MathJax-Element-9-Frame" class="MathJax_SVG" tabindex="0">إن خسارة 1680% من استهلاك الوقود في المركبات التي لا تخضع للصيانة الكافية، حيث يهدر السائق العادي الذي ينفق 33.60 دولارًا سنويًا على الوقود XNUMX دولارًا عند القيادة بفلتر متسخ. وهذا يتجاوز تكلفة الفلتر النموذجي ويوضح المدخرات المحتملة لتوقيت الاستبدال الأمثل، ناهيك عن الضرر الطويل الأمد للمحركات والمحولات الحفازة.
إن التصنيف المبسط للمرشحات في الوقت الفعلي من شأنه أن يقلل من تكاليف تشغيل المركبات والانبعاثات مع تحسين الموثوقية. وهناك طلب كامن على هذه المعلومات - 81.4٪ من الناس يأخذون التوصيات من نظام يعتمد على البيانات (Toma and Bobalca، 2016).
لتقليل الحاجة إلى التغييرات السلوكية، يمكن استخدام الاستشعار الشامل منخفض التكلفة باستخدام الهواتف الذكية لإعادة استخدام الأجهزة الموجودة (Engelbrecht et al.، 2015). في السنوات الأخيرة، زاد مصنعو الأجهزة الإلكترونية الاستهلاكية من قدرات الاستشعار المحمولة. وقد لاقت هذه المدخلات الجديدة، التي تتراوح من الضغط الجوي واتجاه الجهاز إلى درجة الحرارة واللمس والقرب، تحسينات متناسبة في الحوسبة المحمولة والتخزين والاتصال (Han and Cho، 2016). وقد أظهر عملنا الخاص أنه من الممكن مراقبة اشتعال المحرك باستخدام مثل هذه الأجهزة (Siegel et al.، 2016b).
نهدف إلى الانتقال من نموذج الصيانة التفاعلية اليوم إلى الصيانة الاستباقية، والاستفادة من هذه الموارد. نستخدم الصوت المحمول لمراقبة كيفية "تنفس" السيارة لتصنيف أداء فلتر الهواء بهدف إنشاء مؤشر "العمر المتبقي" ومراقبة حالة مرشحات الهواء لتعزيز الامتثال لأفضل ممارسات صيانة السيارات. يوضح هذا البحث كيف يمكن تطبيق بيانات الصوت المحمول وتصنيف المجموعة لتصنيف حالة فلتر الهواء إلى حالات متعددة محملة.
في القسم 2، نفترض أن الصوت المنبعث من المدخل يتغير مع تحميل الجسيمات، بينما يستكشف القسم 3 العمل ذي الصلة. يصف القسم 4 إجراءً تجريبيًا لجمع البيانات ومحاكاة الملوثات التي تقيد تدفق الهواء. نصف خوارزمية تصنيف المجموعة الخاصة بنا في القسم 5 ونقدم النتائج في القسم 6، والتي تظهر دقة عالية في التمييز بين المرشحات الجديدة والمستعملة برفق والمتسخة والمسدودة. أخيرًا، يناقش القسم 7 التحسينات المستقبلية لهذه الخوارزمية وتطبيقات الاستشعار الشامل لأعطال المركبات الأخرى.
مقتطفات من القسم
وصف المشكلة
يتطلب محرك الاحتراق المثالي إمدادًا غير محدود من الهواء النظيف البارد المتدفق بحرية. في الواقع، تتطلب المحركات مرشحات لتنظيف الهواء والحد من التآكل. عندما تكون جديدة، تقيد هذه المرشحات تدفق الهواء الداخل، ومع تحميل المرشح بالملوثات، يزداد هذا التقييد وانخفاض الضغط المرتبط به. في حين يتم ضبط أنظمة السحب لتقليل الضوضاء والاهتزاز والخشونة، تؤدي التغييرات في التدفق في النهاية إلى تغييرات ملحوظة في الصوت المنبعث من السحب. نؤكد أن هذه الضغوط
فن مسبق
إن تحديد أداء السيارة وتصنيف حالة المكونات وتحديد السلوك غير الطبيعي باستخدام إشارات المجال الزمني ليس مجالًا جديدًا. فقد تم تطبيق الاستشعار داخل السيارة على وجه الخصوص على مراقبة فلتر الهواء. ومع ذلك، لا يزال التصنيف متعدد الحالات ومراقبة الحالة الشاملة غير مستكشفة.
لا يرجع هذا إلى نقص التشخيص الشامل للمركبات. إن استخدام الإشارات الصوتية شائع بشكل خاص في التطبيقات البحثية والصناعية لأن الإشارات الصوتية لا تتطلب
الإجراء التجريبي وإثبات الفرضية
يصف هذا القسم كيفية إنشاء عينات صوتية من مركبة بدرجات متفاوتة من تلوث فلتر الهواء لتدريب مصنف ثلاثي الحالات لمركبات متعددة.
سنناقش أولاً تجربة جمع البيانات لإثبات مفهوم استخدام ميزات الصوت للتمييز بين المرشحات القديمة والجديدة. ثم سنقدم إجراءً لتوليد بيانات خاضعة للرقابة لتصنيف التلوث متعدد الحالات ونشرح كيف يضمن هذا النهج قوة تصنيفاتنا. هنا، نجمع البيانات
تطوير الخوارزمية
من الشكل 5، افترضنا أنه يمكن استخدام فروق ذروة FT للتمييز بين ثلاث حالات، مع تحسين دقة التصنيف من خلال ميزات إضافية. في هذا القسم، نناقش كيف قمنا بإنشاء الميزات، وضبط المصنف، واختيار معلمات الإدخال المثلى لزيادة دقة تصنيف تحميل المرشح مع تقليل الإفراط في التجهيز.
نتائج العينة الخارجية
يعرض هذا القسم نتائج العينة الخارجية المحسنة للمجموعات الثلاث التي تم اختبارها في شكل جدول.
في الجدول 1، نرى التكوين الأمثل لكل من النماذج الثلاثة والأداء داخل العينة الذي تم التحقق منه عبر 5 أضعاف بالإضافة إلى 25 " id="MathJax-Element-10-Frame" class="MathJax_SVG" tabindex="0">% أداء أخذ العينات.
نلاحظ اتجاهات في معلمات النموذج الأمثل. يميل كل نموذج إلى اختيار أحجام صغيرة من الصناديق، مما يشير إلى أن عناصر DFT ستلعب دورًا مهمًا في التمييز بين الحالات وأن السمات ذات الأهمية تركز على أحجام صغيرة.
استنتاجات
لقد أثبتنا دقة 80% في الكشف عن تحميل الجسيمات في مرشح الهواء ثلاثي الحالات باستخدام ميزات MFCC وDFT وwavelet وأشجار القرار المغلفة، مما يثبت جدوى معالجة الصوت على الهواتف الذكية على دفعات لتصنيف المرشح. إن التصنيف متعدد الحالات هو خطوة نحو مراقبة الحالة، في حين تشير حساسية المصنف الموضحة إلى إمكانية الاستجابة المبكرة. قد يؤدي تطبيق الهاتف المحمول الذي يستخدم هذا النهج في النهاية إلى تحسين أداء السيارة وكفاءتها.
النتائج