시중에서 판매되는 자동차 실내 공기 필터의 여과 성능과 다양한 대기 오염 물질 비교 대한민국

시간 : 2024-11-06

추상

자동차 엔진 흡기 필터는 엔진에 깨끗한 공기를 공급하지만, 시간이 지나면서 이러한 필터는 자유로운 공기 흐름을 방해하는 오염 물질로 가득 찹니다. 오늘날의 공기 필터 유지 관리에 대한 개방 루프 방식은 운전자가 미리 정해진 서비스 간격으로 요소를 교체하게 하여 비용이 많이 들고 잠재적으로 해로운 과다 및 미비한 교체를 초래합니다. 그 결과 많은 차량이 지속적으로 전력이 감소하고 연료 소비가 증가하거나 촉매를 손상시키거나 가공된 엔진 표면을 손상시킬 수 있는 과도한 입자 관련 마모로 작동합니다.

스마트폰과 스탠드 마이크에서 수집한 오디오 데이터에서 필터 오염 물질 로딩을 감지하는 방법을 제시합니다. 필터 감독에 대한 머신 러닝 접근 방식은 Mel-Cepstrum, Fourier 및 Wavelet 기능을 분류 모델에 입력으로 사용하고 기능 순위를 적용하여 가장 잘 차별화되는 기능을 선택합니다. 두 가지 차량 유형과 다른 마이크에 대한 효능을 보여줌으로써 기술의 견고성을 입증하고 필터를 세 가지 로딩 상태로 분류할 때 79.7%의 최고 정확도 결과를 찾았습니다.

이 기술을 개선하면 운전자가 필터를 감독하고 최적의 교체 시기를 잡는 데 도움이 됩니다. 이를 통해 차량 성능, 효율성 및 신뢰성이 향상되고 차량 소유자의 유지 관리 비용이 줄어듭니다.

개요

미국 교통부(2016b), IHS Inc(2016)에 따르면 매년 평균 차량 연식과 연간 주행 거리는 증가하고 있으며, 공유 이동성으로의 전환에 따라 효율적이고 안정적이며 내구성 있는 차량에 대한 필요성은 계속해서 증가하고 있습니다.

대부분의

260

-백만 대의 미국 경형 차량(미국 교통부, 2016a)은 가솔린으로 구동되며(미국 에너지 정보청, 2016), 엔진은 공기와 연료를 소비하고, 이 혼합물을 점화하여 피스톤을 추진하고, 연소 부산물을 배출합니다. 비효율성이 있으면 엔진 성능, 경제성 및 수명이 저하됩니다.

흡기 시스템은 최적의 성능에 필수적입니다. 유입 공기는 효율성을 달성하기 위해 자유롭게 흐르고, 깨끗해야 하며, 엔진 표면을 마모와 추위로부터 보호해야 하며, 밀도가 증가하면 더 많은 연료를 연소시켜 출력을 개선할 수 있습니다.

엔진 흡입구의 핵심 요소인 필터는 오염 물질 농도를 안전한 수준으로 낮추는 동시에(Jaroszczyk et al., 1993) 흡입 공기 가열을 제한하기 위해 자유로운 유체 흐름을 보장합니다. 이러한 필터는 마모품으로, 먼지, 먼지, 이물질이 가득 차면 세척이나 교체가 필요합니다.

최적의 여과는 입자 포집을 개선하여 엔진 실린더 침식을 줄입니다. 효율성에 대한 작은 변화는 상당한 영향을 미칩니다. 엔진 마모는

8

필터의 경우 몇 배 더 빠릅니다.

98

% 대

99

% 효율적(Jaroszczyk 등, 1993). 또한 이상적인 여과는 실내 소음 수준을 줄이고 엔진 출력과 반응을 개선합니다. 반면에 더러운 필터는 출력을 제한하고 소음을 발생시키고 연료를 낭비하며 Norman 등(2009), Toma(2016) 하류 촉매 변환기 고장을 일으킬 수 있습니다. 이러한 과제는 폐쇄 루프 연료 제어가 없는 기화기 차량(Thomas 등, 2012)에서 가장 중요합니다. 1990년대 중반까지 신차가 연료 분사로 전환되었지만 전 세계의 많은 자동차, 오토바이 및 기타 경형 운송 차량은 여전히 기화기를 사용합니다.

필터 요소를 일찍 교체하는 것은 명백한 해결책처럼 보이지만, 일찍 교체하면 미묘하지만 심각한 문제가 발생합니다. 미립자 포집 효율은 로딩에 따라 증가하므로(Norman et al., 2009) 가볍게 사용한 요소는 엔진 마모를 줄이고 서비스 수명을 연장합니다. 필터를 교체할 최적의 창이 있는데, 필터가 대부분의 미립자를 포집하고 흐름을 최소한으로 제한하는 창입니다.

차량 내 센서는 최적의 필터 교체 문제를 해결하도록 설계되었지만, 온보드 진단 기능이 있는 대부분의 신차는 일반적으로 이 상태를 모니터링하지 않으며, 구형 차량은 일반적으로 감지 기능이 없습니다. 기준 압력 강하보다 증가를 나타내는 진공 기반 흡기 압력 강하 센서(Norman et al., 2009)를 제공하는 차량은 거의 없습니다.

1

2.5 kPa의

Toma(2016), Thomas et al.(2012). 센서가 없는 경우 운전자는 일반적으로 인식하지 못하므로 데이터 블라인드 타이밍에 의존하며, 대부분 운전자는 일정 간격(종종 15,000km(Toma, 2016))으로 또는 더러워 보일 때 필터를 교체합니다. 이러한 방법은 다양한 환경에서 사용되는 차량과 다양한 입자 부하 및 예측할 수 없는 공기 흐름 속도(Jaroszczyk et al., 1993)로 인해 정확하지 않습니다.

한 조사에서는

21

제거 후 테스트된 공기 필터

15

두 개는 성능 저하 폐색이 시작된 후 교체되었지만 일찍 제거되었습니다(Toma, 2016). 이는 차량을 정비하기 위해 가져가는 운전자가 필터를 너무 일찍 교체했음을 나타내지만, 가장 더러운 필터는 정비를 위해 가져가지 않은 차량에서 발견되기 때문에 본질적으로 편향되어 있습니다.

2

서비스가 부족한 차량의 연비 손실률, 평균 운전자가 연료에 연간 1680달러를 지출하는 동안 더러운 필터로 운전하면 33.60달러를 낭비합니다. 이는 일반적인 필터 비용을 초과하며 최적의 교체 시기를 위한 잠재적인 절감을 보여주며, 엔진과 촉매 변환기의 장기적 손상은 말할 것도 없습니다.

간소화된 실시간 필터 분류는 신뢰성을 개선하는 동시에 차량 운영 비용과 배출량을 줄일 수 있습니다. 이 정보에 대한 잠재적인 수요가 존재합니다. 81.4%의 사람들이 데이터 기반 시스템에서 추천을 받을 것입니다(Toma 및 Bobalca, 2016).

행동 변화의 필요성을 줄이기 위해 스마트폰을 사용한 저비용의 퍼베이시브 센싱을 사용하여 기존 장치를 재활용할 수 있습니다(Engelbrecht et al., 2015). 최근 몇 년 동안 가전 제품 제조업체는 모바일 센싱 기능을 강화했습니다. 대기압과 장치 방향에서 온도, 터치, 근접성에 이르기까지 이러한 새로운 입력은 모바일 계산, 저장 및 연결에서 상응하는 향상을 이루었습니다(Han and Cho, 2016). 저희의 연구에서는 이러한 장치를 사용하여 엔진 점화를 모니터링하는 것이 가능하다는 것을 보여주었습니다(Siegel et al., 2016b).

우리는 오늘날의 반응형 유지 관리 패러다임에서 선제적 유지 관리로 전환하고 이러한 리소스를 활용하는 것을 목표로 합니다. 모바일 오디오를 적용하여 자동차가 "호흡"하는 방식을 관찰하여 공기 필터 성능을 분류하고, 자동차 최상의 유지 관리 관행을 준수하기 위해 공기 필터의 "남은 수명" 표시기와 상태 모니터를 만드는 것을 목표로 합니다. 이 논문은 모바일 오디오 데이터와 앙상블 분류를 적용하여 공기 필터 상태를 여러 로드된 상태로 분류하는 방법을 보여줍니다.

2절에서는 흡입구에서 나오는 소리가 입자 부하에 따라 변한다고 가정하고, 3절에서는 관련 작업을 살펴봅니다. 4절에서는 데이터를 수집하고 공기 흐름을 제한하는 오염 물질을 시뮬레이션하는 실험 절차를 설명합니다. 5절에서는 앙상블 분류 알고리즘을 설명하고 6절에서는 새 필터, 부드럽게 사용한 필터, 더러운 필터, 막힌 필터를 구별하는 데 높은 정확도를 보이는 결과를 제시합니다. 마지막으로 7절에서는 이 알고리즘의 향후 개선 사항과 다른 차량 결함에 대한 퍼베이시브 센싱의 적용에 대해 논의합니다.

섹션 스니펫

문제 설명

이상적인 연소 엔진은 자유 흐름, 깨끗하고 차가운 공기의 무한한 공급을 요구합니다. 실제로 엔진은 공기를 정화하고 마모를 제한하기 위해 필터가 필요합니다. 새 필터일 때 이러한 필터는 흡입 공기 흐름을 제한하고 필터에 오염 물질이 쌓이면 이러한 제한과 관련된 압력 강하가 증가합니다. 흡입 시스템은 소음, 진동 및 거칠음을 최소화하도록 조정되지만 흐름의 변화는 궁극적으로 흡입구에서 나오는 오디오에 눈에 띄는 변화를 초래합니다. 우리는 이러한 압력이

선행 기술

차량 성능 특성화, 구성 요소 상태 분류 및 시간 영역 신호를 사용한 비정상적 동작 식별은 새로운 분야가 아닙니다. 특히 차량 내 감지는 공기 필터 모니터링에 적용되었습니다. 그러나 다중 상태 분류 및 보편적 상태 모니터링은 여전히 미개척 상태입니다.

이는 보편적인 차량 진단이 부족하기 때문이 아닙니다. 음향 신호는 필요하지 않기 때문에 오디오 신호의 사용은 연구 및 산업 응용 분야에서 특히 널리 퍼져 있습니다.

실험 절차 및 가설 검증

이 섹션에서는 다양한 정도의 공기 필터 오염이 있는 차량에서 오디오 샘플을 생성하여 여러 차량에 대한 3상태 분류기를 훈련하는 방법을 설명합니다.

먼저 오디오 기능을 사용하여 오래된 필터와 새 필터를 구별하는 개념을 증명하기 위해 데이터를 수집하는 실험에 대해 논의합니다. 그런 다음 다중 상태 오염 분류를 위한 제어된 데이터를 생성하는 절차를 제시하고 이 접근 방식이 분류기의 견고성을 어떻게 보장하는지 설명합니다. 여기서 데이터를 수집합니다.

알고리즘 개발

그림 5에서 우리는 FT 피크 차이를 사용하여 세 가지 상태를 구별할 수 있으며, 추가 기능이 분류 정확도를 개선할 수 있다고 가정했습니다. 이 섹션에서는 기능을 생성하고, 분류기를 조정하고, 필터 로딩 분류 정확도를 극대화하면서 과적합을 최소화하기 위해 최적의 입력 매개변수를 선택하는 방법에 대해 설명합니다.

아웃 샘플 결과

이 섹션에서는 테스트된 세 가지 데이터 세트에 대한 아웃샘플링 및 최적화된 결과를 표 형태로 보여줍니다.

표 1에서 우리는 세 가지 모델 각각의 최적 구성과 5겹 교차 검증된 샘플 내 성능 및

25

% 아웃샘플링 성능.

우리는 최적의 모델 매개변수의 추세를 주목합니다. 각 모델은 작은 빈 크기를 선택하는 경향이 있어 DFT 요소가 상태를 구별하는 데 중요한 역할을 하며 관심 있는 기능이 좁은 영역에 집중되어 있음을 시사합니다.

결론

우리는 MFCC, DFT 및 웨이블릿 피처와 배깅된 의사결정 트리를 사용하여 80상태 공기 필터 입자 로딩 감지에서 XNUMX%의 정확도를 입증했으며, 필터 분류를 위한 일괄 처리된 스마트폰 오디오의 실행 가능성을 증명했습니다. 다중 상태 분류는 상태 모니터링을 향한 한 걸음이며, 입증된 분류기의 민감도는 조기 대응이 가능하다는 것을 시사합니다. 이 접근 방식을 사용하는 모바일 애플리케이션은 궁극적으로 차량 성능과 효율성을 개선할 수 있습니다.

결과

이전 : 오일 필터의 중요성

다음 : 자동차 필터에 대한 진짜 이야기

전체카테고리

뉴스