বিভিন্ন বায়ুবাহিত দূষণকারীর বিরুদ্ধে বাণিজ্যিকভাবে উপলব্ধ স্বয়ংচালিত কেবিন এয়ার ফিল্টারগুলির পরিস্রাবণ কার্যক্ষমতার তুলনা

প্রতি বছর, গড় যানবাহনের বয়স এবং বার্ষিক মাইল ভ্রমণ ইউনাইটেড স্টেটস ডিপার্টমেন্ট অফ ট্রান্সপোর্টেশন (2016b), IHS Inc (2016) এবং শেয়ার্ড মোবিলিটির দিকে পরিবর্তনের সাথে সাথে দক্ষ, নির্ভরযোগ্য এবং টেকসই যানবাহনের প্রয়োজনীয়তা বাড়তে থাকে।

অধিকাংশ 260" id="MathJax-Element-1-Frame" class="MathJax_SVG" tabindex="0">$260$-মিলিয়ন যানবাহন ইউএস লাইট-ডিউটি ​​ফ্লিট (ইউনাইটেড স্টেটস ডিপার্টমেন্ট অফ ট্রান্সপোর্টেশন, 2016a) পেট্রল চালিত (ইউএস এনার্জি ইনফরমেশন অ্যাডমিনিস্ট্রেশন, 2016), ইঞ্জিন যা বায়ু এবং জ্বালানী গ্রহণ করে, একটি পিস্টনকে চালিত করতে এই মিশ্রণটি জ্বালায়, এবং দহন উপজাত নির্গত করে৷ যেকোনো অদক্ষতার কারণে ইঞ্জিনের কর্মক্ষমতা, অর্থনীতি এবং দীর্ঘায়ু ক্ষতিগ্রস্ত হয়।

গ্রহণ ব্যবস্থা সর্বোত্তম কর্মক্ষমতা জন্য গুরুত্বপূর্ণ. ইনকামিং বাতাস অবশ্যই মুক্ত-প্রবাহিত হতে হবে দক্ষতা অর্জন করতে, পরিষ্কার করতে, ঘর্ষণ এবং ঠান্ডা থেকে ইঞ্জিনের পৃষ্ঠকে রক্ষা করতে, যাতে বর্ধিত ঘনত্ব আরও জ্বালানীকে দহন করতে দেয়, শক্তির উন্নতি করে।

ইঞ্জিন গ্রহণের একটি মূল উপাদান, ফিল্টারগুলি দূষক ঘনত্বকে নিরাপদ মাত্রায় কমিয়ে দেয় (Jaroszczyk et al., 1993) যখন ভোজনের বায়ু উত্তাপকে সীমিত করতে বিনামূল্যে তরল প্রবাহ নিশ্চিত করে। এই ফিল্টারগুলি পরিধানের আইটেম, ময়লা, ধুলো এবং ধ্বংসাবশেষে লোড হয়ে গেলে পরিষ্কার বা প্রতিস্থাপনের প্রয়োজন।

সর্বোত্তম পরিস্রাবণ ইঞ্জিন সিলিন্ডারের ক্ষয় হ্রাস করে, কণার প্রবেশকে উন্নত করে। দক্ষতার ছোট পরিবর্তনগুলি উল্লেখযোগ্য প্রভাব ফেলে: ইঞ্জিন পরিধান হয় 8" id="MathJax-Element-2-Frame" class="MathJax_SVG" tabindex="0">$8$ যে একটি ফিল্টার জন্য বার দ্রুত 98" id="MathJax-Element-3-Frame" class="MathJax_SVG" tabindex="0">$98$% বনাম 99" id="MathJax-Element-4-Frame" class="MathJax_SVG" tabindex="0">$99$% দক্ষ (Jaroszczyk et al., 1993)। আরও, আদর্শ পরিস্রাবণ কেবিনের শব্দের মাত্রা হ্রাস করে এবং ইঞ্জিনের শক্তি এবং প্রতিক্রিয়া উন্নত করে। বিপরীতে, নোংরা ফিল্টার শক্তি সীমিত করে, গোলমাল সৃষ্টি করে, বর্জ্য জ্বালানী নরম্যান এট আল। (2009), Toma (2016) এবং ডাউনস্ট্রিম ক্যাটালিটিক কনভার্টার ব্যর্থতার কারণ হতে পারে। এই চ্যালেঞ্জগুলি কার্বুরেটেড যানবাহনগুলিতে সবচেয়ে গুরুত্বপূর্ণ (থমাস এট আল।, 2012) বন্ধ-লুপ জ্বালানী নিয়ন্ত্রণের অভাব। 1990-এর দশকের মাঝামাঝি নতুন গাড়িগুলি ফুয়েল ইনজেকশনে স্যুইচ করার সময়, বিশ্বজুড়ে অনেক গাড়ি, মোটরসাইকেল এবং অন্যান্য হালকা পরিবহন যান এখনও কার্বুরেটর ব্যবহার করে।

ফিল্টার উপাদানগুলিকে তাড়াতাড়ি পরিবর্তন করা একটি সুস্পষ্ট সমাধান বলে মনে হয়, তবে তাড়াতাড়ি প্রতিস্থাপন সূক্ষ্ম কিন্তু গুরুতর সমস্যা সৃষ্টি করে। লোড করার সাথে সাথে পার্টিকুলেট ক্যাপচারের দক্ষতা বৃদ্ধি পায় (Norman et al., 2009), তাই হালকাভাবে ব্যবহৃত উপাদানগুলি ইঞ্জিনের পরিধান কমায় এবং পরিষেবার আয়ু বাড়ায়। একটি ফিল্টার পরিবর্তন করার জন্য একটি সর্বোত্তম উইন্ডো রয়েছে - যেটিতে ফিল্টারটি বেশিরভাগ কণা ক্যাপচার করে এবং প্রবাহকে ন্যূনতমভাবে সীমাবদ্ধ করে।

গাড়ির মধ্যে সেন্সরগুলি সর্বোত্তম ফিল্টার প্রতিস্থাপনের সমস্যা সমাধানের জন্য ডিজাইন করা হয়েছে, কিন্তু অন-বোর্ড ডায়াগনস্টিক সহ বেশিরভাগ নতুন যানবাহন সাধারণত এই অবস্থার নিরীক্ষণ করে না এবং পুরানো যানবাহনে সাধারণত কোনও সেন্সিংয়ের অভাব থাকে। কিছু যানবাহন ভ্যাকুয়াম-ভিত্তিক গ্রহণের চাপ ড্রপ সেন্সর (Norman et al., 2009) অফার করে যা বেসলাইন প্রেসার ড্রপের চেয়ে বৃদ্ধি নির্দেশ করে 1" id="MathJax-Element-5-Frame" class="MathJax_SVG" tabindex="0">$1$-2.5kPa" id="MathJax-Element-6-Frame" class="MathJax_SVG" tabindex="0">$2.5\mathrm{kPa,}$ Toma (2016), Thomas et al. (2012)। যেখানে সেন্সর থাকে না, ড্রাইভাররা সাধারণত অসচেতন থাকে এবং তাই ডেটা-ব্লাইন্ড টাইমিং এর উপর নির্ভর করে, বেশিরভাগ ড্রাইভার ফিল্টারগুলিকে নির্দিষ্ট ব্যবধানে প্রতিস্থাপন করে (প্রায়শই 15,000 কিমি (Toma, 2016)) বা যখন তারা নোংরা দেখায়। এই পদ্ধতিগুলি ভুল, বিভিন্ন পরিবেশে ব্যবহৃত যানবাহনগুলি বিভিন্ন কণা লোড এবং অপ্রত্যাশিত বায়ুপ্রবাহের হার সহ (Jaroszczyk et al., 1993)।

একটি জরিপে 21" id="MathJax-Element-7-Frame" class="MathJax_SVG" tabindex="0">$21$ এয়ার ফিল্টার অপসারণের পর পরীক্ষিত, 15" id="MathJax-Element-8-Frame" class="MathJax_SVG" tabindex="0">$15$ প্রথম দিকে সরানো হয়েছিল যখন কার্যক্ষমতা-অবক্ষয়কারী বাধা শুরু হওয়ার পরে দুটি পরিবর্তন করা হয়েছিল (Toma, 2016)। এটি ইঙ্গিত দেয় যে চালকরা পরিষেবার জন্য যানবাহনগুলিকে খুব তাড়াতাড়ি পরিবর্তন করে তবে এটি সহজাতভাবে পক্ষপাতদুষ্ট, কারণ সেই গাড়িগুলিতে সবচেয়ে নোংরা ফিল্টারগুলি পাওয়া যায় যেগুলি পরিষেবার জন্য কখনও নেওয়া হয়নি৷ অনুমান a 2" id="MathJax-Element-9-Frame" class="MathJax_SVG" tabindex="0">$2$কম-পরিষেধিত যানবাহনে জ্বালানী অর্থনীতির % ক্ষতি, একজন গড় চালক প্রতি বছর $1680 জ্বালানি অপচয় করে $33.60 একটি নোংরা ফিল্টার দিয়ে গাড়ি চালাতে। এটি একটি সাধারণ ফিল্টারের খরচকে ছাড়িয়ে যায় এবং ইঞ্জিন এবং অনুঘটক রূপান্তরকারীদের দীর্ঘমেয়াদী ক্ষতির কথা উল্লেখ না করে, সর্বোত্তম প্রতিস্থাপনের জন্য সম্ভাব্য সঞ্চয় প্রদর্শন করে।

স্ট্রীমলাইনড, রিয়েলটাইম ফিল্টার শ্রেণীবিভাগ নির্ভরযোগ্যতা উন্নত করার সময় গাড়ির অপারেটিং খরচ এবং নির্গমন কমাতে পারে। এই তথ্যের জন্য সুপ্ত চাহিদা রয়েছে — 81.4% মানুষ একটি ডেটা-ইনফর্মড সিস্টেম থেকে সুপারিশ নেবে (Toma and Bobalca, 2016)।

আচরণগত পরিবর্তনের প্রয়োজনীয়তা কমাতে, কম খরচে, স্মার্টফোন ব্যবহার করে ব্যাপক সেন্সিং ব্যবহার করা যেতে পারে বিদ্যমান ডিভাইসগুলিকে পুনরায় ব্যবহার করতে (Engelbrecht et al., 2015)। সাম্প্রতিক বছরগুলিতে, ভোক্তা ইলেকট্রনিক্স নির্মাতারা মোবাইল সেন্সিং ক্ষমতা বাড়িয়েছে। এই নতুন ইনপুটগুলি, বায়ুমণ্ডলীয় চাপ এবং ডিভাইসের অভিযোজন থেকে শুরু করে তাপমাত্রা, স্পর্শ এবং নৈকট্য পর্যন্ত, মোবাইল গণনা, সঞ্চয়স্থান এবং সংযোগের ক্ষেত্রে সামঞ্জস্যপূর্ণ উন্নতির সাথে মিলিত হয়েছে (Han and Cho, 2016)। আমাদের নিজস্ব কাজ দেখিয়েছে যে এই ধরনের ডিভাইস ব্যবহার করে ইঞ্জিন ইগনিশন নিরীক্ষণ করা সম্ভব (Siegel et al., 2016b)।

আমরা আজকের প্রতিক্রিয়াশীল রক্ষণাবেক্ষণের দৃষ্টান্ত থেকে সক্রিয়ভাবে রূপান্তর করার লক্ষ্য রাখি, এই সংস্থানগুলি নিজেদেরকে কাজে লাগিয়ে। স্বয়ংচালিত সর্বোত্তম রক্ষণাবেক্ষণ অনুশীলনের সাথে সম্মতি বাড়াতে এয়ার ফিল্টারগুলির জন্য একটি "বাকি জীবন" নির্দেশক এবং অবস্থার মনিটর তৈরির লক্ষ্যে একটি গাড়ি কীভাবে "শ্বাস নেয়" তা পর্যবেক্ষণ করতে আমরা মোবাইল অডিও প্রয়োগ করি। এই কাগজটি দেখায় কিভাবে মোবাইল অডিও ডেটা এবং এনসেম্বল শ্রেণীবিভাগ এয়ার ফিল্টার অবস্থাকে একাধিক লোড অবস্থায় শ্রেণীবদ্ধ করতে প্রয়োগ করা যেতে পারে।

বিভাগ 2-এ, আমরা অনুমান করি যে ভোজন থেকে নির্গত শব্দটি কণা লোডিংয়ের সাথে পরিবর্তিত হয়, যখন বিভাগ 3 সম্পর্কিত কাজগুলি অন্বেষণ করে। বিভাগ 4 ডেটা সংগ্রহ করার জন্য একটি পরীক্ষামূলক পদ্ধতি বর্ণনা করে এবং বায়ুপ্রবাহকে সীমাবদ্ধকারী দূষকদের অনুকরণ করে। আমরা সেকশন 5-এ আমাদের এনসেম্বল শ্রেণীবিভাগ অ্যালগরিদম বর্ণনা করি এবং ধারা 6-এ বর্তমান ফলাফলগুলি, নতুন, মৃদুভাবে ব্যবহৃত, নোংরা এবং বাধাযুক্ত ফিল্টারগুলিকে আলাদা করার ক্ষেত্রে উচ্চ নির্ভুলতা দেখায়। পরিশেষে, বিভাগ 7 এই অ্যালগরিদমের ভবিষ্যতের উন্নতি এবং গাড়ির অন্যান্য ত্রুটির জন্য ব্যাপক সংবেদন প্রয়োগের বিষয়ে আলোচনা করে।