Title Predviđanje parametara rada brodskog dizelskog motora primjenom neuronskih mreža : doktorska disertacija Author Ozren Bukovac Mentor Vladimir Medica (mentor)Mentor Radovan Antonić (komentor)Committee member Vladimir Medica (predsjednik povjerenstva)Committee member Tomislav Mrakovčić (član povjerenstva)Committee member Radovan Antonić (član povjerenstva)Granter University of Rijeka Defense date and country 2012-01-01, Croatia Scientific / art field, TECHNICAL SCIENCES Universal decimal classificationUDC ) 621 - Mechanical engineering. Nuclear technology. Machinery Abstract U usporedbi s drugim strojevima za pogon broda dvotaktni sporohodni dizelski motori
s prednabijanjem imaju prednosti zbog svog visokog stupnja djelovanja i pouzdanosti.
Suvremeni sporohodni brodski dizelski motori imaju veliku fleksibilnost u radu obzirom
na varijabilne strategije ubrizgavanja goriva i upravljanja ispušnih ventila. Kod tih ”inteligentnih”
motora moguće je tijekom rada (bez zaustavljanja motora) mijenjati strategiju
ubrizgavanja goriva i pogona ispušnog ventila, čime se značajno
... More mogu mijenjati vanjske
karakteristike motora. Uvjeti proizvođača motora, nužni za pouzdanost rada i priznavanje
garantnih uvjeta, koji definiraju strategiju gradijenta opterećenja i vođenje rada
motora, ugrađeni su u sustav regulacije i zaštite rada motora.
Modeli za numeričke simulacije rada motora u stanju su vrlo pouzdano prognozirati
karakteristike i ponašanje motora u različitim pogonskim uvjetima. Uz to što omogućuju
bolji uvid u različite aspekte rada motora, daju i dodatne informacije iz ograničeno
dostupnih eksperimentalnih podataka.
U ovoj disertaciji provedene su numeričke simulacije za izračunavanje stacionarnih
stanja rada motora. U simulaciji se motor se postupno dovodi u stacionarnu radnu točku
za što je potrebno određeno vrijeme koje zna biti i višestruko duže nego kod stvarnog
rada motora.
Rezultati numeričkih simulacija za uvjete rada brodskog dizelskog motora primjenjeni
su za odabir vrste i strukture neuronske mreže koja je korištena u ovom radu, njeno učenje
i validaciju. Izrada modela s neuronskom mrežom iz simulacijskog modela radi postizanja
određenih performansi, a i novih mogućnosti analize podataka koje je bi inače teško
postigli, nije jednostavan zadatak. Pri obradi podataka neuronska mreža je pokazala
velike dijagnostičke mogućnosti za prepoznavanje problematičnih podataka.
Odabrana neuronska mreža zadovoljila je unaprijed zadanu točnost i spremna je za
prihvat budućih eksperimentalnih podataka i njihovu obradu. Razvijeni model neuronske
mrežu u stanju je dati tražene podatke karakteristika motora više od 3000 puta u kraćem
vremenu nego numeričke simulacije za zadanu stacionarnu radnu točku. Brzina rada
neuronske mreže čini je pogodnom za brze proračune u iznalaženju optimalnih uvjeta po
različitim kriterijima koje možemo proizvoljno nametati.
U radu se istražuje efikasno predviđanje radnih parametara u svrhu optimalnog upravljanja.
Istražena je i mogućnost da se izlazni rezultati naučenih neuronskih mreža koriste
kao ulazni podaci za optimizaciju traženih radnih uvjeta. Isto tako istraživanje pokazuje
značajan utjecaj turbopuhala na rad motora. U radu su pokazani primjeri primjene
opisane neuronske mreže za optimizaciju mogućih podešenja suvremenih brodskih ”inteligentnih”
dizelskih motora, s ciljem dovođenja traženog toplinskog toka ispušnih plinova
u radne uvjete za potrebe utilizacije otpadne topline, uz minimalnu specifičnu potrošnju
goriva na motoru, te za optimizaciju maksimalne temperature procesa motora u svrhu
smanjenja emisija NOx-a.
Ovim istraživanjem razvijen je model, baziran na neuronskim mrežama, koji omogućuje
predviđanje parametara rada brodskog dizelskog motora. Namjera prikazanih
istraživanja bila je u izradi modela neuronskih mreža za implementaciju u suvremenim
i inteligentnim sustavima vođenja glavnog brodskog dizelskog motora. Razvijeni model neuronske
mreže u potpunosti je pripremljen za prihvat novih podataka izmjerenih tijekom
eksploatacije motora. Prvim usporedbama izmjerenih podataka i podataka neuronske
mreže moći će se ocijeniti kvaliteta izmjerenih podataka i cijelog mjernog sustava. Ta
ocjena je preduvjet za kasnije analize mogućih odstupanja sustava od očekivanih normalnih
stanja za potrebe dijagnostike nadolazećih kvarova. Less Abstract (english) Compared to the other machines for ship propulsion, two-stroke low speed diesel engines
with supercharging have advantages due to its high efficiency and reliability. Modern
low speed marine diesel engines have a lot of flexibility in operation due to the variable
fuel injection strategy and management of the exhaust valve. During operation in these
”intelligent” engine it is possible to change the strategy of the fuel injection and exhaust
valve operation (without stopping the engine), which
... More can significantly change the external
characteristics of the engine. Terms of engine manufacturers, necessary for the reliable
operation and recognition of warranty conditions which define the policy gradient of
loading and running the engine, were built into the regulation and protection system of
the engine.
Models for the engine numerical simulations are able to very reliably predict characteristics
and behaviour of the engine in a variety of operating conditions. They provide
greater insight into the various aspects of engine operation and additional information
from limited available experimental data.
This dissertation carried out numerical simulations to calculate the stationary operation
states. In the simulations, engine was gradually led to steady state operating point
This takes some time and can be several times longer than the actual operation.
The results of numerical simulations for heavy duty marine diesel engines were applied
to select the type and structure of the neural network that is used in this paper, also for
its learning and validation. It is not an easy task to develop neural network models with
used simulation model in order to achieve certain performance and new opportunities to
analyse data that would otherwise be difficult to achieve. Neural network data processing
has shown diagnostic capabilities to identify problematic data.
Selected neural network satisfy the required accuracy and is ready to accept future
experimental data and their analysis. Developed neural network model is able to provide
the required engine data characteristics more than 3000 times faster than the numerical
simulations for a given stationary operating point.
This paper explores efficient prediction of operating parameters for optimal control
and the possibility that the outputs of learned neural networks are used as input data
required for operating conditions optimization. Also, research shows that turbochargers
have a significant effect on the engine performance. The dissertation presents examples
of the neural networks application to optimize the potential of modern marine diesel
engines, with the aim of achieving the required exhaust gases heat flow for waste heat
utilization in the working conditions . As well, minimization of the engine specific fuel
consumption, and optimization of the maximum process temperature to reduce emissions
of NOx ’s.
This research developed a model, based on neural networks, in order to predict the
operating parameters of marine diesel engines. The intention was to develop the neural
network model for implementation in intelligent systems running modern main ship diesel
engines. The developed neural network model is fully prepared to accept new data measured
during engine operation. After first comparison between measured data and the
neural network results it will be possible to estimate the quality of measured data and
the entire measurement system. This estimation is a prerequisite for the subsequent analysis
of possible deviations from the expected normal situation for diagnostic upcoming
failures. Less Keywords
brodski dizelski motori
neuronske mreže
Language croatian URN:NBN urn:nbn:hr:188:414703 Study programme Title: Postgraduate university (doctoral) study Catalog URL http://libraries.uniri.hr/cgi-bin/ucat/unilib.cgi?form=D1130228081 Type of resource Text Extent 126 str; 30 cm File origin Born digital Access conditions Open access Terms of use Created on 2017-01-19 17:22:44
