So sánh hiệu suất lọc của các bộ lọc không khí trong cabin ô tô có bán trên thị trường với nhiều chất ô nhiễm trong không khí khác nhau Việt Nam

Thời gian: 2024-11-06

Tóm tắt

Bộ lọc khí nạp động cơ ô tô đảm bảo cung cấp không khí sạch cho động cơ, mặc dù theo thời gian, các bộ lọc này chứa nhiều chất gây ô nhiễm cản trở luồng khí tự do. Phương pháp bảo dưỡng bộ lọc khí vòng hở ngày nay yêu cầu người lái xe thay thế các bộ phận theo các khoảng thời gian bảo dưỡng được định trước, gây ra tình trạng thay thế quá mức hoặc quá ít tốn kém và có khả năng gây hại. Kết quả là nhiều xe liên tục hoạt động với công suất giảm, mức tiêu thụ nhiên liệu tăng hoặc hao mòn liên quan đến hạt quá mức có thể gây hại cho chất xúc tác hoặc làm hỏng bề mặt động cơ đã gia công.

Chúng tôi trình bày một phương pháp phát hiện tải tạp chất lọc từ dữ liệu âm thanh được thu thập bởi điện thoại thông minh và micrô đứng. Phương pháp học máy của chúng tôi để giám sát bộ lọc sử dụng các đặc điểm Mel-Cepstrum, Fourier và Wavelet làm đầu vào cho mô hình phân loại và áp dụng xếp hạng đặc điểm để chọn các đặc điểm phân biệt tốt nhất. Chúng tôi chứng minh tính mạnh mẽ của kỹ thuật của mình bằng cách chỉ ra hiệu quả của nó đối với hai loại xe và micrô khác nhau, tìm thấy kết quả tốt nhất với độ chính xác 79.7% khi phân loại bộ lọc thành ba trạng thái tải.

Việc cải tiến kỹ thuật này sẽ giúp tài xế giám sát bộ lọc của họ và hỗ trợ thời điểm thay thế tối ưu. Điều này sẽ dẫn đến cải thiện hiệu suất, hiệu quả và độ tin cậy của xe, đồng thời giảm chi phí bảo dưỡng cho chủ xe.

Giới thiệu

Hàng năm, tuổi thọ trung bình của xe và số dặm di chuyển hàng năm đều tăng theo Bộ Giao thông Vận tải Hoa Kỳ (2016b), IHS Inc (2016) và với sự chuyển dịch sang phương tiện di chuyển chung, nhu cầu về những phương tiện hiệu quả, đáng tin cậy và bền bỉ ngày càng tăng.

Hầu hết các

260

- triệu xe của đội xe hạng nhẹ Hoa Kỳ (Bộ Giao thông Vận tải Hoa Kỳ, 2016a) chạy bằng xăng (Cơ quan Thông tin Năng lượng Hoa Kỳ, 2016), với động cơ tiêu thụ không khí và nhiên liệu, đốt cháy hỗn hợp này để đẩy piston và thải ra các sản phẩm phụ của quá trình đốt cháy. Bất kỳ sự kém hiệu quả nào cũng làm giảm hiệu suất, tính kinh tế và tuổi thọ của động cơ.

Hệ thống nạp khí rất quan trọng đối với hiệu suất tối ưu. Không khí đi vào phải lưu thông tự do để đạt được hiệu quả, sạch, bảo vệ bề mặt động cơ khỏi bị mài mòn và lạnh, do đó mật độ tăng lên cho phép đốt cháy nhiều nhiên liệu hơn, cải thiện công suất.

Một thành phần chính của ống nạp động cơ, bộ lọc làm giảm nồng độ chất gây ô nhiễm xuống mức an toàn (Jaroszczyk và cộng sự, 1993) đồng thời đảm bảo dòng chất lỏng chảy tự do để hạn chế làm nóng không khí nạp. Các bộ lọc này là vật dụng hao mòn, cần được vệ sinh hoặc thay thế khi chứa đầy bụi bẩn, bụi và mảnh vụn.

Lọc tối ưu cải thiện tình trạng kẹt hạt, giảm xói mòn xi lanh động cơ. Những thay đổi nhỏ về hiệu suất có tác động đáng kể: hao mòn động cơ là

8

nhanh hơn nhiều lần đối với một bộ lọc

98

% so với

99

% hiệu quả (Jaroszczyk và cộng sự, 1993). Hơn nữa, lọc lý tưởng làm giảm mức độ tiếng ồn trong cabin và cải thiện công suất và phản ứng của động cơ. Ngược lại, bộ lọc bẩn hạn chế công suất, gây ra tiếng ồn, lãng phí nhiên liệu Norman và cộng sự (2009), Toma (2016) và có thể gây ra lỗi bộ chuyển đổi xúc tác hạ lưu. Những thách thức này đáng kể nhất ở các loại xe chế hòa khí (Thomas và cộng sự, 2012) thiếu kiểm soát nhiên liệu vòng kín. Trong khi những chiếc ô tô mới chuyển sang phun nhiên liệu vào giữa những năm 1990, nhiều ô tô, xe máy và các phương tiện vận tải hạng nhẹ khác trên thế giới vẫn sử dụng bộ chế hòa khí.

Thay đổi các thành phần lọc sớm có vẻ là một giải pháp hiển nhiên, nhưng việc thay thế sớm gây ra những vấn đề tinh tế nhưng nghiêm trọng. Hiệu quả thu giữ hạt tăng lên khi tải (Norman và cộng sự, 2009), do đó các thành phần được sử dụng ít sẽ làm giảm hao mòn động cơ và kéo dài tuổi thọ. Có một khoảng thời gian tối ưu để thay đổi bộ lọc — khoảng thời gian mà bộ lọc thu giữ phần lớn các hạt và hạn chế tối thiểu lưu lượng.

Các cảm biến trong xe được thiết kế để giải quyết vấn đề thay thế bộ lọc tối ưu, nhưng hầu hết các xe mới có Chẩn đoán trên xe thường không theo dõi tình trạng này và các xe cũ thường không có bất kỳ cảm biến nào. Một số ít xe cung cấp cảm biến giảm áp suất nạp dựa trên chân không (Norman và cộng sự, 2009) cho biết mức tăng giảm áp suất so với mức cơ bản

1

2.5 kPa

Toma (2016), Thomas và cộng sự (2012). Khi không có cảm biến, người lái xe thường không biết và do đó dựa vào thời gian không có dữ liệu, với hầu hết người lái xe thay bộ lọc theo các khoảng thời gian đã đặt (thường là 15,000 km (Toma, 2016)) hoặc khi chúng trông bẩn. Các phương pháp này không chính xác, với các phương tiện được sử dụng trong các môi trường khác nhau với tải trọng hạt khác nhau và tốc độ luồng khí không thể đoán trước (Jaroszczyk và cộng sự, 1993).

Trong một cuộc khảo sát

21

bộ lọc không khí được kiểm tra sau khi tháo ra,

15

đã được gỡ bỏ sớm trong khi hai bộ lọc đã được thay đổi sau khi tắc nghẽn làm giảm hiệu suất bắt đầu (Toma, 2016). Điều này chỉ ra rằng những người lái xe đưa xe đi bảo dưỡng thay bộ lọc quá sớm nhưng về bản chất là thiên vị, vì bộ lọc bẩn nhất được tìm thấy trong những chiếc xe không bao giờ được đưa đi bảo dưỡng. Giả sử

2

% tổn thất về tiết kiệm nhiên liệu ở những xe không được bảo dưỡng, một tài xế trung bình chi 1680 đô la mỗi năm cho nhiên liệu lãng phí 33.60 đô la khi lái xe với bộ lọc bẩn. Điều này vượt quá chi phí của một bộ lọc thông thường và chứng minh khả năng tiết kiệm tiềm năng cho thời điểm thay thế tối ưu, chưa kể đến thiệt hại lâu dài cho động cơ và bộ chuyển đổi xúc tác.

Phân loại bộ lọc theo thời gian thực, hợp lý có thể giảm chi phí vận hành xe và khí thải trong khi cải thiện độ tin cậy. Có nhu cầu tiềm ẩn đối với thông tin này — 81.4% mọi người sẽ tiếp nhận khuyến nghị từ hệ thống có dữ liệu (Toma và Bobalca, 2016).

Để giảm nhu cầu thay đổi hành vi, có thể sử dụng cảm biến phổ biến, chi phí thấp bằng điện thoại thông minh để tái sử dụng các thiết bị hiện có (Engelbrecht và cộng sự, 2015). Trong những năm gần đây, các nhà sản xuất thiết bị điện tử tiêu dùng đã tăng cường khả năng cảm biến di động. Những đầu vào mới này, từ áp suất khí quyển và hướng thiết bị đến nhiệt độ, cảm ứng và độ gần, đã đáp ứng được những cải tiến tương ứng trong tính toán di động, lưu trữ và kết nối (Han và Cho, 2016). Công trình của chúng tôi đã chỉ ra rằng có thể theo dõi quá trình đánh lửa động cơ bằng các thiết bị như vậy (Siegel và cộng sự, 2016b).

Chúng tôi hướng đến mục tiêu chuyển đổi từ mô hình bảo trì phản ứng ngày nay sang chủ động, tận dụng các nguồn lực này. Chúng tôi áp dụng âm thanh di động để quan sát cách một chiếc xe “thở” để phân loại hiệu suất của bộ lọc không khí với mục tiêu tạo ra chỉ báo “tuổi thọ còn lại” và màn hình theo dõi tình trạng của bộ lọc không khí để tăng cường tuân thủ các thông lệ bảo dưỡng tốt nhất của ô tô. Bài báo này trình bày cách dữ liệu âm thanh di động và phân loại tổng hợp có thể được áp dụng để phân loại tình trạng bộ lọc không khí thành nhiều trạng thái tải.

Trong Phần 2, chúng tôi đưa ra giả thuyết rằng âm thanh phát ra từ ống nạp thay đổi theo tải trọng hạt, trong khi Phần 3 khám phá công việc liên quan. Phần 4 mô tả quy trình thử nghiệm để thu thập dữ liệu và mô phỏng các chất gây ô nhiễm hạn chế luồng không khí. Chúng tôi mô tả thuật toán phân loại tổng hợp của mình trong Phần 5 và trình bày kết quả trong Phần 6, cho thấy độ chính xác cao trong việc phân biệt các bộ lọc mới, đã qua sử dụng nhẹ nhàng, bẩn và bị tắc nghẽn. Cuối cùng, Phần 7 thảo luận về những cải tiến trong tương lai cho thuật toán này và các ứng dụng của cảm biến lan tỏa đối với các lỗi xe khác.

Đoạn trích phần

Mô tả vấn đề

Động cơ đốt trong lý tưởng đòi hỏi nguồn cung cấp không giới hạn không khí sạch, lạnh, lưu thông tự do. Trên thực tế, động cơ cần bộ lọc để làm sạch không khí và hạn chế hao mòn. Khi mới, các bộ lọc này hạn chế luồng khí nạp và khi bộ lọc chứa nhiều chất gây ô nhiễm, hạn chế này và sự sụt áp liên quan sẽ tăng lên. Trong khi các hệ thống nạp được điều chỉnh để giảm thiểu tiếng ồn, độ rung và độ xóc, thì những thay đổi về luồng khí cuối cùng sẽ dẫn đến những thay đổi đáng kể về âm thanh phát ra từ bộ nạp. Chúng tôi khẳng định rằng những áp suất này

Nghệ thuật nguyên thủy

Việc mô tả hiệu suất của xe, phân loại tình trạng thành phần và xác định hành vi bất thường bằng tín hiệu miền thời gian không phải là một lĩnh vực mới. Cảm biến trong xe nói riêng đã được áp dụng để giám sát bộ lọc không khí. Tuy nhiên, phân loại đa trạng thái và giám sát tình trạng phổ biến vẫn chưa được khám phá đầy đủ.

Điều này không phải do thiếu chẩn đoán xe phổ biến. Việc sử dụng tín hiệu âm thanh đặc biệt phổ biến trong nghiên cứu và ứng dụng công nghiệp vì tín hiệu âm thanh không yêu cầu

Quy trình thử nghiệm và xác nhận giả thuyết

Phần này mô tả cách chúng tôi tạo mẫu âm thanh từ một chiếc xe có mức độ ô nhiễm bộ lọc không khí khác nhau để đào tạo bộ phân loại ba trạng thái cho nhiều xe.

Đầu tiên, chúng tôi thảo luận về một thí nghiệm thu thập dữ liệu để chứng minh khái niệm sử dụng các tính năng âm thanh để phân biệt bộ lọc cũ với bộ lọc mới. Sau đó, chúng tôi trình bày một quy trình để tạo dữ liệu được kiểm soát để phân loại ô nhiễm đa trạng thái và giải thích cách tiếp cận này đảm bảo tính mạnh mẽ của bộ phân loại của chúng tôi. Ở đây, chúng tôi thu thập dữ liệu

Phát triển thuật toán

Từ Hình 5, chúng tôi đưa ra giả thuyết rằng sự khác biệt đỉnh FT có thể được sử dụng để phân biệt giữa ba trạng thái, với các tính năng bổ sung cải thiện độ chính xác phân loại. Trong phần này, chúng tôi thảo luận về cách chúng tôi tạo ra các tính năng, điều chỉnh bộ phân loại và chọn các tham số đầu vào tối ưu để tối đa hóa độ chính xác phân loại tải bộ lọc trong khi giảm thiểu tình trạng quá khớp.

Kết quả mẫu ngoài

Phần này hiển thị kết quả mẫu ngoài, được tối ưu hóa cho ba tập dữ liệu đã thử nghiệm dưới dạng bảng.

Trong Bảng 1, chúng ta thấy cấu hình tối ưu cho mỗi mô hình trong ba mô hình và hiệu suất mẫu được xác thực chéo 5 lần cũng như

25

% hiệu suất ngoài mẫu.

Chúng tôi lưu ý xu hướng trong các tham số mô hình tối ưu. Mỗi mô hình có xu hướng chọn kích thước thùng nhỏ, cho thấy rằng các phần tử DFT sẽ đóng vai trò quan trọng trong việc phân biệt các trạng thái và các tính năng quan tâm tập trung vào các phạm vi hẹp

Kết luận

Chúng tôi đã chứng minh độ chính xác 80% trong việc phát hiện tải hạt lọc không khí ba trạng thái bằng cách sử dụng các đặc điểm MFCC, DFT và wavelet và cây quyết định có túi, chứng minh tính khả thi của âm thanh điện thoại thông minh được xử lý theo lô để phân loại bộ lọc. Phân loại đa trạng thái là một bước tiến tới giám sát tình trạng, trong khi độ nhạy của bộ phân loại được chứng minh cho thấy khả năng phản ứng sớm. Một ứng dụng di động sử dụng phương pháp này cuối cùng có thể cải thiện hiệu suất và hiệu quả của xe.

Kết quả

TRƯỚC: TẦM QUAN TRỌNG CỦA BỘ LỌC DẦU

KẾ TIẾP : Câu chuyện có thật về bộ lọc ô tô

Tất cả danh mục

TIN TỨC