بررسی پارامتری سیگنال ارتعاشات تراکتور mf 399 با استفاده از سوخت های دیزل و بیودیزل

بیودیزل سوختی است که از روغن های گیاهی و بافت های چربی تولید می شود. این سوخت با نسبت های مختلفی با سوخت دیزل مخلوط شده و در موتورهای درونسوز استفاده می گردد. معمولا نوع سوخت عامل مهمی است که می تواند باعث ایجاد ارتعاش و کوبش در موتور باشد. این ارتعاش و کوبش می تواند از یک طرف باعث خرابی و افزایش هزینه نگهداری موتور گردیده و از طرف دیگر باعث به وجود آوردن احساس ناراحتی در کاربر شود. در حال حاضر، تحقیقات اندکی در خصوص ارتعاشات بیودیزل و مخلوط های آن در دنیا ارائه شده است. به همین منظور، در این تحقیق ارتعاشات حاصل از مخلوط های مختلف سوخت بیودیزل با دیزل در موتور چهار زمانه دیزلی پرکینز 6-1006، قبل و بعد از سرویس موتور بررسی گردید. ارتعاشات در سه نقطه موتور، سکوی قرارگیری پای راننده و صندلی و همچنین در 8 دور موتور 800، 1000، 1200، 1400، 1600، 1800، 2000 و rpm2200، اندازه گیری شد. برای تحلیل ارتعاشات موتور از روش های آماری، روش های غیرپارامتری مانند: "تحلیل حوزه فرکانسی، تحلیل زمان- فرکانس"، روش های پارامتری مانند: "تحلیل سری های زمانی و شناسایی سیستم" و همچنین تحلیل شبکه عصبی استفاده شد. نتایج آزمایش ها نشان داد که ارتعاش در دور rpm2000 بیشترین مقدار و در حدود m/s2 17/13 است. نتایج نشان داد بعد از سرویس موتور، اندازه میانگین ارتعاش به مقدار 12% کاهش می یابد. مخلوط سوخت به طور معنی داری بر مقدار ارتعاش در سطح احتمال 5% تاثیر داشت. همچنین ثابت شد که موتور دیزل با مخلوط های سوخت b20 و b40 کم ترین مقدار ارتعاش را دارد که مقادیر میانگین کل آن به ترتیب 02/45 و m/s2 02/46 بود. بیشترین ارتعاش موتور نیز در مخلوط های سوخت b15 و b30 مشاهده شد. همچنین کوبش و وجود عیب در موتور نیز مورد بررسی قرار گرفت. در تحلیل زمان- فرکانس، نتایج نشان داد که دو روش stft و msc مناسب ترین روش برای تشخیص کوبش و شناسایی عیوب موتور بودند. در کل، روش msc مناسب ترین روش برای تشخیص کوبش و شناسایی عیوب در سوپاپ ها و پاشش انژکتورها بود اما زمان طولانی تری را برای محاسبه نیاز داشت. در روش سری های زمانی، ابتدا پارامترهای مدل های سری زمانی تخمین زده شدند. سپس، پیش بینی ها برای سیگنال های موتور انجام گرفت. برای تحلیل سری های زمانی با مدل armax، در سیلندرهای با عملکرد ایده آل، پارامترهای دارای پایین ترین مقدار یعنی 04/0 و 12/0 به ترتیب برای سیلندرهای 5 و 4 بودند. با توجه به نوساناتی که در پارامترهای ar و ma وجود داشت، از معیارهایی مانند aic، lf و fpe نیز برای شناسایی شرایط موتور استفاده گردید. نتایج این تحقیق نشان داد که برای احتراق در یک سیلندر، هرچه تعداد پیک ها و نوسانات ارتعاش در سیگنال ارتعاش بدنه سیلندر (متعاقب آن تغییرات فشار داخل سیلندر) بالا رود، مقادیر میانگین چهار پارامتر ar، ma، aic و fpe افزایش می یابد. در کل مقادیر aic و fpe برای شناسایی یک سیستم و در آشکارسازی عیوب و کوبش موتور بسیار قابل اعتماد بودند. با استفاده از این روش، مدل armax قادر بود سیگنال را تا 80 درصد درست پیش بینی کند. نتیجه گیری شد که با استفاده از روش های پارامتری تحلیل سیگنال و پیش بینی شرایط آینده احتراق موتور، می توان از بسیاری از پدیده ها مانند کوبش قبل از وقوع آن جلوگیری نمود. در سیستم های کنترل کنونی عملکرد موتور، از روش زمان- حقیقی (real-time) استفاده می شود. می توان نتیجه گرفت، اگر بتوان شرایط موتور را زودتر از زمان کنونی حدس زد، روش ذکر شده به مراتب نسبت به روش زمان- حقیقی برتری دارد. برای مدل سازی ارتعاشات، از شبکه عصبی مصنوعی نیز استفاده شد. زیرا روش های شبکه عصبی نسبت به بسیاری از روش های معمولی آماری و قطعی مزایای بیشتری دارند. با استفاده از شبکه های عصبی، نتایج نشان داد که بهترین توپولوژی برای پیش بینی rms شتاب، شبکه عصبی با ساختار 1-30-30-4، با الگوریتم آموزش trainlm و توابع آستانه logsig، tansig و pureline می باشد. مشاهده شد که بین مقادیر جذر میانگین مربعات شتاب و نتایج شبکه عصبی تطابق زیادی وجود دارد و میزان خطا در اکثر الگوها به طور تقریبی نزدیک به صفر است. مقایسه نتایج حاصل از شبیه سازی شبکه عصبی با نتایج بدست آمده از آزمایش ها نشان داد که شبکه های عصبی ابزار قدرتمندی برای شبیه سازی ارتعاش در موتور هستند. با مقایسه مقادیر wrms با جدول استاندارد iso مشاهده گردید که ارتعاش در محدوده ناراحت کننده و تا حدودی خیلی ناراحت کننده قرار دارد. مدت زمان مجاز رانندگی (ta) هم نباید برای دنده سه از 94/1، 07/1 و 4/0 (24 دقیقه) ساعت به ترتیب برای دورهای 1200، 1400 و rpm1800 تجاوز کند. در این صورت توصیه می شود که برای حمل و نقل در جاده روستایی از دنده ها (دنده 2) و دورهای پایین تر (rpm1400) تراکتور استفاده گردد.