Luận văn Thạc sĩ Phùng Tất Thắng: Chẩn đoán hệ thống nhiên liệu Diesel bằng tập mờ

Luận văn nghiên cứu ứng dụng lý thuyết tập mờ chẩn đoán trạng thái kỹ thuật hệ thống cung cấp nhiên liệu động cơ diesel trên xe tải cỡ nhỏ.

Trường đại học

Trường Đại học Lâm nghiệp

Người đăng

Ẩn danh

Thể loại

Luận văn thạc sĩ kỹ thuật

2012

105
1
0

Phí lưu trữ

35 Point

Mục lục chi tiết

Lời cảm ơn

Danh mục các bảng

Danh mục các hình

ĐẶT VẤN ĐỀ

1. CHƯƠNG 1: TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU

1.1. Tình hình nghiên cứu về chẩn đoán trạng thái kỹ thuật hệ thống nhiên liệu động cơ Diesel

1.2. Tình hình nghiên cứu, ứng dụng lý thuyết mờ trong chẩn đoán

1.3. Ứng dụng lý thuyết tập mờ trong chẩn đoán trên thế giới

2. CHƯƠNG 2: MỤC TIÊU, ĐỐI TƯỢNG, PHẠM VI, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU CỦA ĐỀ TÀI

2.1. Mục tiêu nghiên cứu

2.2. Đối tượng, phạm vi nghiên cứu

2.2.1. Đối tượng nghiên cứu

2.2.2. Phạm vi nghiên cứu

2.3. Nội dung nghiên cứu

2.4. Phương pháp nghiên cứu

3. CHƯƠNG 3: CHẨN ĐOÁN KỸ THUẬT VÀ LÝ THUYẾT TẬP MỜ

3.1. Chẩn đoán kỹ thuật

3.2. Mục đích, ý nghĩa của chẩn đoán kỹ thuật

3.3. Các khái niệm và định nghĩa trong chẩn đoán kỹ thuật

3.4. Các phương pháp chẩn đoán

3.5. Sơ đồ quá trình chẩn đoán

3.6. Cơ sở lý thuyết logic trong chẩn đoán và dự báo

3.7. Lý thuyết tập mờ

3.7.1. Nhắc lại tập hợp kinh điển

3.7.2. Các phép toán trên mờ

3.8. Biến ngôn ngữ và giá trị của nó

3.9. Luật hợp thành mờ

4. CHƯƠNG 4: PHÂN TÍCH SỰ THAY ĐỔI TRẠNG THÁI KỸ THUẬT HỆ THỐNG CUNG CẤP NHIÊN LIỆU ĐỘNG CƠ DIESEL

4.1. Giới thiệu hệ thống cung cấp nhiên liệu động cơ Diesel

4.2. Yêu cầu của hệ thống cung cấp nhiên liệu

4.3. Sơ đồ hệ thống cung cấp nhiên liệu

4.4. Các bộ phận chính của hệ thống cung cấp nhiên liệu

4.5. Sự thay đổi trạng thái kỹ thuật của hệ thống cung cấp nhiên liệu

4.6. Những hư hỏng của hệ thống cung cấp nhiên liệu thấp áp

4.7. Hư hỏng của bơm cao áp

4.8. Hư hỏng của vòi phun

4.9. Một số dấu hiệu hư hỏng thường gặp trong hệ thống nhiên liệu

5. CHƯƠNG 5: ỨNG DỤNG LÝ THUYẾT TẬP MỜ CHẨN ĐOÁN TRẠNG THÁI KỸ THUẬT HỆ THỐNG CUNG CẤP NHIÊN LIỆU ĐỘNG CƠ DIESEL TRÊN XE TẢI CỠ NHỎ

5.1. Xây dựng ma trận chẩn đoán cho hệ thống cung cấp nhiên liệu

5.2. Các thông số kết cấu

5.3. Các thông số chẩn đoán

5.4. Mờ hoá các thông số chẩn đoán và kết cấu (giá trị ngôn ngữ)

5.5. Thiết lập ma trận chẩn đoán

5.6. Ứng dụng phần mềm matlab chẩn đoán hệ thống cung cấ p nhiên liêụ đô ̣ng cơ diesel trên xe tải cỡ nhỏ

5.7. Giới thiệu phần mềm matlab

5.8. Soạn thảo các biến vào - ra

5.9. Thuật toán hệ mờ chẩn đoán hệ thống cung cấp nhiên liệu động cơ Diesel

5.10. Luật điều khiển – tri thức chẩn đoán tình trạng kỹ thuật của hệ thống cung cấp nhiên liệu động cơ Diesel

5.11. Chọn thiết bị hợp thành

5.12. Tổng hợp kết quả

5.13. Kiểm chứng sự phù hợp của hệ mờ và đối tượng

KẾT LUẬN VÀ KIẾN NGHỊ

TÀI LIỆU THAM KHẢO

PHỤ LỤC

Tóm tắt

I. Hướng Dẫn Chẩn Đoán Động Cơ Diesel Bằng Tập Mờ Toàn Diện

Chẩn đoán kỹ thuật hiện đại đóng vai trò then chốt trong việc đảm bảo độ tin cậy và hiệu suất của động cơ. Đặc biệt với các hệ thống phức tạp như hệ thống cung cấp nhiên liệu diesel trên xe tải, phương pháp truyền thống dựa vào kinh nghiệm đang dần bộc lộ nhiều hạn chế. Logic mờ (Fuzzy Logic) nổi lên như một giải pháp đột phá, cung cấp một khuôn khổ toán học để xử lý các thông tin không chắc chắn và mang tính định tính. Luận văn "Ứng dụng lý thuyết tập mờ chẩn đoán trạng thái kỹ thuật hệ thống cung cấp nhiên liệu động cơ Diesel trên xe tải cỡ nhỏ" của tác giả Phùng Tất Thắng đã chứng minh tính hiệu quả của phương pháp này. Thay vì các giá trị nhị phân đúng/sai (0/1) của logic cổ điển, logic mờ cho phép biểu diễn các khái niệm ngôn ngữ như "áp suất hơi cao" hay "tiếng gõ nhẹ" bằng các giá trị số trong khoảng [0,1]. Điều này cho phép mô hình hóa hệ thống gần với tư duy của con người hơn, biến những kinh nghiệm chủ quan của chuyên gia thành các luật suy diễn có cấu trúc. Việc áp dụng hệ thống chuyên gia mờ trong chẩn đoán lỗi động cơ giúp tự động hóa quá trình phân tích, giảm sự phụ thuộc vào trình độ kỹ thuật viên và tăng độ chính xác. Hệ thống có khả năng xử lý đồng thời nhiều tín hiệu đầu vào từ các cảm biến, phân tích mối tương quan và đưa ra kết luận về trạng thái kỹ thuật của các bộ phận như bơm cao áp common rail hay kim phun điện tử, giúp phát hiện sự cố sớm và lên kế hoạch bảo dưỡng dự đoán hiệu quả.

1.1. Logic mờ là gì và vai trò trong chẩn đoán kỹ thuật

Logic mờ là một nhánh của trí tuệ nhân tạo trong ô tô, được Giáo sư Lotfi A. Zadeh giới thiệu vào năm 1965. Nền tảng của nó là lý thuyết tập mờ, cho phép một phần tử có thể thuộc về một tập hợp với một "độ thuộc" nhất định, thay vì chỉ có hai trạng thái thuộc hoặc không thuộc. Trong chẩn đoán kỹ thuật, điều này cực kỳ hữu ích. Ví dụ, một động cơ không thể được phân loại đơn giản là "tốt" hoặc "hỏng". Nó có thể ở trạng thái "hoạt động bình thường", "có dấu hiệu mài mòn nhẹ", hoặc "sắp hỏng". Logic mờ cho phép định lượng các trạng thái trung gian này. Vai trò chính của nó là xây dựng các thuật toán chẩn đoán thông minh, có khả năng suy luận từ các dữ liệu không đầy đủ hoặc không chính xác. Các hệ thống này mô phỏng cách một chuyên gia con người đưa ra quyết định, dựa trên kinh nghiệm và các quy tắc "Nếu...Thì...". Nhờ đó, việc chẩn đoán động cơ Diesel bằng tập mờ trở nên khách quan và nhất quán hơn.

1.2. Tại sao phương pháp chẩn đoán truyền thống không còn hiệu quả

Các phương pháp chẩn đoán truyền thống thường dựa vào hai yếu tố chính: kinh nghiệm của kỹ thuật viên và các mã lỗi động cơ diesel do bộ điều khiển động cơ (ECU) cung cấp. Tuy nhiên, phương pháp này ngày càng gặp nhiều thách thức. Thứ nhất, độ phức tạp của các hệ thống hiện đại như hệ thống phun nhiên liệu common rail khiến một mã lỗi duy nhất có thể do nhiều nguyên nhân gây ra. Thứ hai, việc chẩn đoán phụ thuộc quá nhiều vào yếu tố chủ quan của con người, dẫn đến kết quả không đồng nhất. Như tác giả Phùng Tất Thắng đề cập, "độ chính xác của quyết định chẩn đoán phụ thuộc nhiều vào kinh nghiệm của chuyên gia". Các hư hỏng ở giai đoạn đầu, với các triệu chứng không rõ ràng, thường bị bỏ qua. Phương pháp truyền thống cũng khó có thể thực hiện bảo dưỡng dự đoán, mà chủ yếu chỉ khắc phục sự cố sau khi đã xảy ra, gây tốn kém chi phí và thời gian dừng xe.

II. Thách Thức Khi Chẩn Đoán Hệ Thống Nhiên Liệu Diesel Hiện Nay

Việc chẩn đoán lỗi động cơ diesel, đặc biệt là hệ thống cung cấp nhiên liệu diesel, đối mặt với nhiều thách thức cố hữu. Các hệ thống hiện đại như Common Rail hoạt động dưới áp suất cực cao và được điều khiển điện tử tinh vi. Một sai lệch nhỏ trong áp suất hoặc thời điểm phun có thể ảnh hưởng lớn đến hiệu suất động cơkiểm soát khí thải. Vấn đề nằm ở chỗ, các triệu chứng hư hỏng thường không rõ ràng và có mối liên hệ chồng chéo. Ví dụ, hiện tượng khói đen có thể do kim phun điện tử bị kẹt, bơm cao áp common rail yếu, hoặc cảm biến đo lưu lượng khí nạp (MAF) bị bẩn. Việc xác định chính xác nguyên nhân gốc rễ đòi hỏi một quá trình phân tích phức tạp. Các công cụ chẩn đoán tiêu chuẩn chỉ cung cấp các mã lỗi động cơ diesel chung chung, không chỉ rõ mức độ nghiêm trọng của hư hỏng. Thêm vào đó, dữ liệu từ các cảm biến luôn chứa nhiễu và sự không chắc chắn. Một kỹ thuật viên phải dựa vào kinh nghiệm để diễn giải các tín hiệu này. Quá trình này không chỉ tốn thời gian mà còn tiềm ẩn nguy cơ chẩn đoán sai, dẫn đến việc thay thế những bộ phận còn tốt và làm tăng chi phí sửa chữa một cách không cần thiết. Đây chính là những "vùng xám" mà các phương pháp chẩn đoán kinh điển khó lòng giải quyết triệt để.

2.1. Phân tích các mã lỗi động cơ diesel DTC phức tạp

Mặc dù bộ điều khiển động cơ (ECU) cung cấp các Mã Lỗi Chẩn Đoán (DTCs), việc diễn giải chúng không hề đơn giản. Một mã lỗi như P0087 - "Áp suất Rail/Hệ thống quá thấp" có thể xuất phát từ hàng loạt nguyên nhân: bơm thấp áp yếu, lọc nhiên liệu tắc, rò rỉ tại kim phun điện tử, van điều áp trên rail bị hỏng, hoặc chính bơm cao áp common rail gặp vấn đề. Việc xác định nguyên nhân chính xác đòi hỏi phải kiểm tra tuần tự từng bộ phận, một quy trình tốn nhiều công sức. Hệ thống chẩn đoán dựa trên tập mờ có thể khắc phục điều này bằng cách phân tích dữ liệu xe tải từ nhiều cảm biến khác nhau (áp suất rail, vòng tua máy, tải động cơ) để khoanh vùng khả năng gây lỗi cao nhất, giúp kỹ thuật viên đi thẳng vào vấn đề.

2.2. Hạn chế của việc chẩn đoán chỉ dựa trên kinh nghiệm

Chẩn đoán dựa trên kinh nghiệm có những hạn chế lớn về tính khách quan và khả năng mở rộng. Kiến thức của một chuyên gia là hữu hạn và có thể không cập nhật kịp với các công nghệ động cơ mới. Hơn nữa, những đánh giá cảm tính như "tiếng động cơ nghe lạ" hay "xe có vẻ yếu hơn" rất khó để định lượng và chuẩn hóa. Luận văn của Phùng Tất Thắng nhấn mạnh rằng "khi chẩn đoán các chuyên gia thường sử dụng những đánh giá chủ quan hoặc trực giác". Điều này đặc biệt nguy hiểm đối với các hư hỏng ở "ranh giới" (trường hợp biên), nơi các triệu chứng không rõ ràng. Một hệ thống chuyên gia mờ giúp loại bỏ sự chủ quan này bằng cách cung cấp một nền tảng logic nhất quán, đảm bảo mọi chẩn đoán đều dựa trên một bộ quy tắc và dữ liệu đã được xác thực.

III. Cách Xây Dựng Hệ Chuyên Gia Mờ Chẩn Đoán Lỗi Động Cơ Xe Tải

Xây dựng một hệ thống chuyên gia mờ để chẩn đoán lỗi động cơ là một quy trình có cấu trúc, chuyển hóa tri thức chuyên gia thành một mô hình tính toán. Quá trình này bao gồm ba giai đoạn chính: Mờ hóa (Fuzzification), Suy diễn mờ (Fuzzy Inference), và Giải mờ (Defuzzification). Đầu tiên, cần phải thực hiện mô hình hóa hệ thống bằng cách xác định các biến đầu vào và đầu ra. Các biến đầu vào là các thông số chẩn đoán có thể đo lường được như công suất, suất tiêu hao nhiên liệu, màu sắc khí xả, nhiệt độ động cơ. Các biến đầu ra là trạng thái kỹ thuật của các bộ phận như mòn piston-xylanh, lỗi van triệt hồi, hay hỏng vòi phun. Giai đoạn Mờ hóa sẽ chuyển đổi các giá trị số rõ ràng (ví dụ: nhiệt độ 850°C) thành các tập mờ ngôn ngữ (ví dụ: {Bình thường: 0.1, Cao: 0.8, Rất cao: 0.3}). Tiếp theo, trái tim của hệ thống là bộ suy diễn mờ, nơi chứa các luật "Nếu...Thì...". Các luật này được xây dựng dựa trên kiến thức chuyên môn và dữ liệu thực nghiệm. Ví dụ: "NẾU suất tiêu hao nhiên liệu 'Tăng' VÀ tiếng gõ động cơ 'Lớn' THÌ sai lệch góc phun 'Nghiêm trọng'". Cuối cùng, giai đoạn Giải mờ tổng hợp kết quả từ tất cả các luật được kích hoạt và chuyển đổi giá trị mờ đầu ra thành một con số rõ ràng, có thể hành động được (ví dụ: "Độ hỏng của kim phun là 75%").

3.1. Mô hình hóa hệ thống và xác định thông số chẩn đoán

Bước đầu tiên là phân tích đối tượng, tức hệ thống cung cấp nhiên liệu diesel, và xác định các thông số quan trọng. Theo nghiên cứu, các thông số chẩn đoán (đầu vào) được lựa chọn bao gồm: công suất động cơ, suất tiêu thụ nhiên liệu, thành phần và màu sắc khí xả, nhiệt độ và tiếng gõ động cơ. Các thông số kết cấu (đầu ra) đại diện cho các hư hỏng tiềm tàng được xác định là: mòn piston-xylanh, lỗi van triệt hồi, hỏng vòi phun, sai lệch áp suất phun, và thời điểm phun. Việc lựa chọn các thông số này phải đảm bảo chúng vừa phản ánh chính xác trạng thái kỹ thuật của hệ thống, vừa có thể thu thập được thông qua các cảm biến áp suất nhiên liệu và các thiết bị đo khác.

3.2. Mờ hóa dữ liệu Chuyển đổi tín hiệu cảm biến thành biến ngôn ngữ

Mờ hóa là quá trình ánh xạ một giá trị đầu vào rõ (crisp value) từ việc phân tích tín hiệu cảm biến sang các tập mờ. Mỗi thông số chẩn đoán được định nghĩa bởi một tập các giá trị ngôn ngữ. Ví dụ, biến "Công suất động cơ" có thể được mô tả bằng các tập mờ như {Giảm nhiều, Giảm ít, Bình thường}. Mỗi tập mờ này được đại diện bởi một hàm thuộc (membership function), thường có dạng tam giác hoặc hình thang. Hàm thuộc này sẽ gán một giá trị từ 0 đến 1 cho bất kỳ giá trị công suất đo được, biểu thị mức độ mà giá trị đó "thuộc" về tập mờ tương ứng. Ví dụ, một mức công suất giảm 15% có thể có độ thuộc là 0.7 với tập "Giảm ít" và 0.3 với tập "Giảm nhiều".

IV. Phương Pháp Phân Tích Dữ Liệu Xe Tải Bằng Thuật Toán Chẩn Đoán

Trọng tâm của hệ thống chẩn đoán là thuật toán chẩn đoán dựa trên các luật hợp thành mờ. Sau khi các giá trị đầu vào đã được mờ hóa, hệ thống sẽ sử dụng một cơ sở tri thức gồm các luật điều khiển để suy luận ra trạng thái của các bộ phận. Các luật này có dạng "IF [điều kiện] THEN [kết luận]". Ví dụ một luật trong hệ thống có thể là: "IF [công suất giảm] AND [tiêu hao nhiên liệu tăng] THEN [độ mòn piston-xylanh cao]". Mỗi phần của luật (ví dụ "công suất giảm") là một biến mờ. Hệ thống sẽ đánh giá độ "đúng" của phần điều kiện (vế IF) dựa trên các giá trị độ thuộc đã được tính ở bước mờ hóa. Kết quả đánh giá này sau đó được dùng để xác định kết quả của vế kết luận (vế THEN). Khác với logic cổ điển, nhiều luật có thể được kích hoạt cùng lúc với các mức độ khác nhau. Quá trình tổng hợp tất cả các kết quả từ các luật được kích hoạt sẽ tạo ra một tập mờ tổng hợp cho mỗi biến đầu ra. Quá trình phân tích dữ liệu xe tải này cho phép hệ thống xem xét đồng thời nhiều yếu tố, giống như cách một chuyên gia giỏi phân tích một vấn đề phức tạp từ nhiều góc độ khác nhau để đưa ra kết luận cuối cùng về hiệu suất động cơ.

4.1. Thiết lập ma trận chẩn đoán và các luật suy diễn mờ

Để hệ thống hóa cơ sở tri thức, một ma trận chẩn đoán logic mờ được thiết lập. Ma trận này thể hiện mối quan hệ nhân-quả giữa các thông số chẩn đoán (triệu chứng) và các thông số kết cấu (hư hỏng). Dựa trên ma trận này, các luật suy diễn mờ được xây dựng. Ví dụ, nghiên cứu của Phùng Tất Thắng đã xây dựng 27 luật để chẩn đoán. Một luật điển hình: "Nếu (Công suất là Giảm nhiều) và (Tiêu thụ nhiên liệu là Tăng nhiều) thì (Piston_Xilanh là Mòn nhiều)". Các luật này là xương sống của hệ thống chuyên gia mờ, mã hóa kiến thức chuyên môn vào một dạng mà máy tính có thể xử lý được. Chất lượng của các luật này quyết định trực tiếp đến độ chính xác của toàn bộ hệ thống chẩn đoán.

4.2. Suy diễn mờ và giải mờ để đưa ra kết quả cuối cùng

Sau khi các luật được đánh giá, hệ thống sẽ tổng hợp các kết luận mờ riêng lẻ thành một kết luận mờ tổng thể cho mỗi hư hỏng. Quá trình này được gọi là hợp thành (aggregation). Kết quả là một tập mờ đầu ra, ví dụ như một hình dạng đồ thị mô tả khả năng hư hỏng của kim phun điện tử. Tuy nhiên, kết quả này vẫn ở dạng "mờ", chưa thể sử dụng trực tiếp. Do đó, cần bước cuối cùng là Giải mờ (defuzzification). Phương pháp phổ biến nhất là "phương pháp điểm trọng tâm", tính toán "trọng tâm" của diện tích dưới đồ thị của tập mờ đầu ra. Kết quả của phép tính này là một con số duy nhất, rõ ràng (ví dụ: 8.5 trên thang điểm 10), đại diện cho mức độ hư hỏng của bộ phận, giúp kỹ thuật viên đưa ra quyết định sửa chữa chính xác.

V. Ứng Dụng Thực Tiễn Kết Quả Chẩn Đoán Hệ Thống Common Rail

Lý thuyết sẽ vô nghĩa nếu không được chứng minh bằng thực tiễn. Việc ứng dụng chẩn đoán động cơ Diesel bằng tập mờ đã được kiểm chứng trên các xe tải cỡ nhỏ, mang lại kết quả rất khả quan. Trong luận văn gốc, hệ thống mờ được xây dựng trên phần mềm MATLAB và tiến hành thử nghiệm trên các xe thực tế. Quá trình này bao gồm việc thu thập dữ liệu vận hành của xe (công suất, khí xả, nhiệt độ...) và nhập vào hệ thống mờ. Hệ thống sau đó tự động phân tích dữ liệu xe tải và đưa ra kết luận về trạng thái kỹ thuật của hệ thống cung cấp nhiên liệu diesel. Kết quả chẩn đoán từ hệ thống mờ sau đó được so sánh với kết quả kiểm tra thực tế của các chuyên gia sau khi tháo rời và kiểm tra các bộ phận. Các kết quả so sánh cho thấy sự tương đồng cao giữa dự đoán của mô hình và tình trạng hư hỏng thực tế. Điều này khẳng định rằng hệ thống chuyên gia mờ không chỉ là một mô hình lý thuyết mà còn là một công cụ chẩn đoán mạnh mẽ, có khả năng phát hiện sự cố sớm ở các bộ phận quan trọng như bơm cao áp common railkim phun điện tử, giúp giảm thiểu chi phí sửa chữa và thời gian xe ngừng hoạt động.

5.1. Case study Phát hiện sớm sự cố ở bơm cao áp và kim phun

Một trong những ưu điểm lớn nhất của phương pháp này là khả năng phát hiện các hư hỏng đang trong giai đoạn manh nha. Ví dụ, khi một kim phun điện tử bắt đầu bị rò rỉ nhẹ, nó có thể chưa gây ra mã lỗi DTC trên bộ điều khiển động cơ (ECU). Tuy nhiên, hệ thống mờ có thể nhận diện sự thay đổi tinh vi trong các thông số vận hành, chẳng hạn như suất tiêu hao nhiên liệu tăng nhẹ và có một chút khói xám khi khởi động lạnh. Bằng cách tổng hợp những dấu hiệu nhỏ này, hệ thống có thể cảnh báo về nguy cơ hỏng kim phun trước khi nó trở nên nghiêm trọng. Tương tự, sự suy giảm áp suất từ từ của bơm cao áp common rail cũng có thể được phát hiện thông qua phân tích tín hiệu cảm biến và các luật suy diễn, cho phép thực hiện bảo dưỡng dự đoán.

5.2. So sánh kết quả thực nghiệm và độ chính xác của mô hình

Trong phần thực nghiệm của luận văn, tác giả đã tiến hành đo đạc trên các xe tải thực tế và so sánh kết quả chẩn đoán của hệ mờ với đánh giá của chuyên gia. Ví dụ, với một xe có các thông số đo được (Bảng 5.18), hệ thống mờ đưa ra kết luận "Hệ thống cung cấp nhiên liệu ở trạng thái kém", tương ứng với giá trị đầu ra là 2.895 (trên thang điểm từ 1-Tốt đến 3-Kém). Kết quả kiểm tra thực tế của chuyên gia cũng xác nhận tình trạng này. Sự phù hợp giữa dự báo của mô hình và thực tế cho thấy độ tin cậy và chính xác cao của phương pháp, khẳng định tính ưu việt so với việc chẩn đoán cảm tính. Điều này mở ra tiềm năng lớn cho việc chuẩn hóa quy trình chẩn đoán trong các xưởng dịch vụ.

VI. Tương Lai Của Bảo Dưỡng Dự Đoán Và Trí Tuệ Nhân Tạo Ô Tô

Trí tuệ nhân tạo trong ô tô đang định hình lại ngành công nghiệp, và chẩn đoán động cơ Diesel bằng tập mờ là một minh chứng rõ nét. Phương pháp này không chỉ dừng lại ở việc xác định lỗi sau khi chúng xảy ra mà còn mở đường cho kỷ nguyên bảo dưỡng dự đoán (Predictive Maintenance). Bằng cách liên tục phân tích dữ liệu xe tải trong thời gian thực, hệ thống có thể dự báo khi nào một bộ phận có khả năng hỏng, cho phép lên kế hoạch bảo dưỡng trước khi sự cố xảy ra. Điều này giúp tối ưu hóa lịch trình sửa chữa, giảm chi phí phụ tùng và tối đa hóa thời gian hoạt động của xe. Trong tương lai, logic mờ có thể được kết hợp với các công nghệ AI khác như mạng nơ-ron nhân tạo (Artificial Neural Networks). Mạng nơ-ron có thể tự học từ một lượng lớn dữ liệu lịch sử để nhận dạng các mẫu hư hỏng phức tạp, trong khi logic mờ cung cấp khả năng diễn giải và suy luận giống con người. Sự kết hợp này sẽ tạo ra các hệ thống chẩn đoán thông minh hơn, có khả năng thích ứng và tự cải thiện. Cuối cùng, những tiến bộ này sẽ giúp nâng cao hiệu suất động cơ, giảm tiêu hao nhiên liệu và đảm bảo các tiêu chuẩn kiểm soát khí thải ngày càng nghiêm ngặt.

6.1. Tối ưu hiệu suất động cơ và kiểm soát khí thải hiệu quả

Một hệ thống cung cấp nhiên liệu hoạt động không chính xác là nguyên nhân hàng đầu gây lãng phí nhiên liệu và tăng lượng khí thải độc hại. Bằng cách đảm bảo các bộ phận như kim phun điện tửbơm cao áp common rail luôn hoạt động ở trạng thái tối ưu, hệ thống chẩn đoán mờ gián tiếp góp phần cải thiện hiệu suất động cơ. Việc phát hiện và khắc phục sớm các sai lệch trong quá trình phun nhiên liệu giúp quá trình cháy diễn ra hoàn hảo hơn, từ đó giảm phát thải các chất ô nhiễm như NOx và hạt muội (PM). Đây là yếu tố cực kỳ quan trọng trong bối cảnh các quy định về môi trường ngày càng khắt khe.

6.2. Hướng phát triển Kết hợp logic mờ và mạng nơ ron nhân tạo

Tương lai của chẩn đoán thông minh nằm ở các hệ thống hybrid. Logic mờ rất mạnh trong việc mô hình hóa tri thức chuyên gia và xử lý sự không chắc chắn, nhưng việc xây dựng các luật mờ có thể tốn nhiều công sức. Ngược lại, mạng nơ-ron nhân tạo có khả năng tự động học hỏi các mối quan hệ phức tạp từ dữ liệu thô mà không cần lập trình rõ ràng. Một hệ thống trong tương lai có thể sử dụng mạng nơ-ron để tự động trích xuất và tinh chỉnh các luật mờ từ dữ liệu vận hành của hàng nghìn chiếc xe. Sự kết hợp này, được gọi là Hệ thống Suy diễn Mờ-Nơron Thích nghi (ANFIS), hứa hẹn tạo ra các công cụ chẩn đoán lỗi động cơ với độ chính xác và khả năng tự động hóa chưa từng có.

02/10/2025
Luận văn thạc sĩ ứng dụng lý thuyết tập mờ chẩn đoán trạng thái kỹ thuật hệ thống cung cấp nhiên liệu động cơ diesel trên xe tải cỡ nhỏ

Trích đoạn nội dung tài liệu

Chương 1 TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU 1. Tình hình nghiên cứu về chẩn đoán trạng thái kỹ thuật hệ thống nhiên liệu động cơ Diesel Trong quá trình khai thác sử dụng tính năng kỹ thuật của các hệ thống, các bộ phận chi tiết trong động cơ Diesel thay đổi dần theo hướng xấu đi, mà trong đó hệ thống cung cấp nhiên liệu là một trong những hệ thống quan trọng chịu sự biến đổi xấu đó. Xác định sự thay đổi trạng thái kỹ thuật đó mà không phải tháo rời là một trong những nhiệm vụ quan trọng của chẩn đoán kỹ thuật. Quá trình thay đổi trạng thái kỹ thuật của hệ thống cung cấp nhiên liệu thường diễn ra liên tục dưới tác động của một số nguyên nhân trong quá trình làm việc: - Ảnh hưởng của điều kiện làm việc: nhiệt độ, áp suất cao, làm việc trong thời gian dài làm tăng độ mài mòn, suy giảm độ bền đối với các bộ phận như bơm cao áp, vòi phun… - Ảnh hưởng của điều kiện sử dụng: Môi trường sử dụng , nhiệt độ, độ ẩm, bụi bẩn… và trình độ sử dụng là muốn nói đến yếu tố tác động của con người, sự hiểu biết của người sử dụng.

- Ảnh hưởng của công nghệ, thiết kế và chế tạo: vật liệu, tính chính xác ảnh hưởng lớn đến trạng thái kỹ thuật của các chi tiết, bộ phận, việc thiết kế phải đảm bảo đơn giản tối ưu, thích hợp với việc bảo dưỡng và sửa chữa. Từ những nguyên nhân trên, theo từng nguyên nhân mà mức độ hư hỏng có khác nhau nhưng chắc chắn rằng hư hỏng xảy ra trong quá trình sử dụng là không thể tránh khỏi. Công tác chẩn đoán kỹ thuật có thể đánh giá đúng tình trạng kỹ thuật của động cơ và các bộ phận chi tiết của nó, có khả năng dự báo chính xác những hư hỏng hoặc những sự cố có thể xảy ra, từ đó định ra các download by : skknchat@gmail.com 4 chế độ bảo dưỡng sửa chữa thích hợp đảm bảo tuổi thọ, độ tin cậy cho động cơ và các bộ phận của nó. Hiện nay việc chẩn đoán kỹ thuật đang được áp dụng ở nước ta với mức độ thấp, chỉ có một vài liên doanh lắp ráp và sửa chữa ô tô có cầu chẩn đoán hoàn chỉnh; ở phần lớn các cơ sở sửa chữa, việc chẩn đoán dựa vào các thiết bị chẩn đoán đơn lẻ, không đồng bộ và việc xử lý các thông tin để đưa ra kết luận chẩn đoán hoàn toàn dựa vào chuyên gia.

Độ chính xác của quyết định chẩn đoán phụ thuộc nhiều vào kinh nghiệm của chuyên gia, nếu chuyên gia có nhiều kinh nghiệm thì chẩn đoán gần đúng hơn và ngược lại, nếu chuyên gia ít kinh nghiệm thì chẩn đoán dễ sai hơn. Việc đưa những ứng dụng tin học vào trong lĩnh vực chẩn đoán (hệ chuyên gia) là một nhu cầu thực tế ngày càng trở nên cấp thiết. Các hệ chuyên gia trợ giúp chẩn đoán đang có sức thu hút bởi hai lý do chính: Thứ nhất, đó là những chương trình hữu ích và tiện lợi đáp ứng được nhu cầu thực tế; Thứ hai bởi tính khả thi của chúng. Tính hấp dẫn của một hệ chuyên gia trợ giúp chẩn đoán thường dựa trên khả năng sẵn sàng thích ứng của nó.

Đối với con người cần phải nghỉ ngơi, làm việc với mức độ và thời gian nhất định, thì hệ chuyên gia có thể làm việc bất cứ lúc nào và không hạn chế thời gian. Tri thức của con người có giới hạn, phụ thuộc trình độ chuyên môn của họ và có thể bị mất đi; nhưng khó mà lấy đi vĩnh viễn tri thức của hệ chuyên gia, nó có thể dễ dàng sao chép lưu trữ và tri thức của hệ chuyên gia có thể tổ hợp được tri thức của rất nhiều chuyên gia giỏi trong lĩnh vực nghiên cứu. Hơn nữa, chuyên gia người cần một thời gian dài mới trở thành chuyên gia trong một số lĩnh vực nhất định và việc đào tạo mới là rất khó và mất nhiều thời gian. Nhu cầu thực tế đòi hỏi một sự quan tâm nghiêm túc, xây dựng những hệ chuyên gia trợ giúp trong nhiều lĩnh vực khác nhau như: quản lý kinh tế, kiến trúc, khám chữa bệnh, chẩn đoán kỹ thuật… download by : skknchat@gmail.com 5 Trở lại vấn đề xây dựng một hệ chuyên gia trợ giúp chẩn đoán ta thấy: Trong thực tế, khi chẩn đoán các chuyên gia thường sử dụng những đánh giá chủ quan hoặc trực giác, họ không thể luôn đưa ra được những chẩn đoán đúng hoặc nhiều lúc họ không thể giải thích vì sao họ đã đưa ra những kết luận như vậy.

Kết quả của những phân tích chẩn đoán thường được ước lượng với một cách tuỳ ý. Lượng thông tin duy nhất có thể chỉ là những nhận xét theo kinh nghiệm của các chuyên gia, ví dụ “Bơm xăng kém” “ Xe này còn tốt” “ Kim phun bị hỏng rồi”…. Vấn đề đặt ra là liệu có thể xây dựng một hệ chuyên gia có khả năng xử lý những thông tin đó không? nhược điểm chính trong khi chẩn đoán là ở ranh giới giữa các hỏng hóc thì các chuyên gia không ít nhiều đều phụ thuộc vào kinh nghiệm thực tiễn, thường hay xảy ra những sai lầm trong những chẩn đoán và điều trị những hư hỏng thuộc biên. Đối với những trường hợp biên ( khó chẩn đoán rõ ràng), lý thuyết tập mờ cung cấp những công cụ thích hợp và rất gần thực tế.Tình hình nghiên cứu, ứng dụng lý thuyết mờ trong chẩn đoán 1.

Ứng dụng lý thuyết tập mờ trong chẩn đoán trên thế giới Năm 1965, giáo sư Lofit A. Zadeh [14] đã đưa ra ý tưởng xây dựng cơ sở tính toán cho suy luận mờ và lý thuyết mờ do ông đề ra đã được trình bày trong nhiều tài liệu và sẽ được ứng dụng để xây dựng lên mô hình trợ giúp chẩn đoán kỹ thuật nói trên.Việc sử dụng lý thuyết này có những ưu điểm sau: - Cho phép sử dụng các thông tin định tính, dạng ngôn ngữ - Sử dụng logic suy diễn gắn liền với tri thức con người. Kể từ đó logic mờ và công nghệ mờ phát triển mạnh mẽ, trong đó phải kể đến dự án LIFE ( the Laboatry for International Fuzzy Enginneering) 1989 – 1995 do giáo sư T.Terano ( Tokyo Institute of Technology - Japan) điều hành [15] download by : skknchat@gmail.com 6 Những ứng dụng đầu tiên về điều khiển mờ của nhóm tác giả Mandani và Assklian năm 1974 [16]. Tiếp đó logic mờ được ứng dụng cho điều khiển lo nung xi măng của Larsen (1980) [17] ; quản lý bãi đỗ xe của Sugeno (1984) [18]; điều khiển nhà máy nước của Yagshita (1985) [19]; điều khiển hệ thống giao thông ngầm, quản lý thang máy của Fụitec (1988) [20]; điều hiển hệ thống năng lượng và phản ứng hạt nhân của Bernard (1988); điều khiển máy bay trực thăng của Sugeno ( 1990) [21]… - Ứng dụng lý thuyết tập mờ trong chẩn đoán trong nước.

Hiện nay ở nước ta các hệ chẩn đoán dựa trên cơ sở logic mờ đã và đang được nghiên cứu như công trình xây dựng hệ chuẩn đoán bệnh nhiệt đới của viện công nghệ thông tin quốc gia. Đề tài “ứng dụng lý thuyết mờ chẩn đoán trạng thái kỹ thuật hệ thống cung cấp nhiên liệu động cơ Diesel trên xe tải cỡ nhỏ”, nhằm xác định tình trạng kỹ thuật của hệ thống cung cấp nhiên liệu động cơ Diesel mà không phải tháo rời các chi tiết, tiết kiệm rất nhiều công sức và tốn phí lao động, đảm bảo độ tin cậy, tính kinh tế và khả năng khai thác sử dụng tốt nhất. Với mong muốn tìm tòi những khả năng mới của khoa học có ích cho thực tế, đề tài đi sâu tìm hiểu bài toán ứng dụng lý thuyết mờ để chẩn đoán tình trạng kỹ thuật của hệ thống cung cấp nhiên liệu động cơ Diesel, và xây dựng phần mềm với một đối tượng cụ thể là hệ thống cung cấp nhiên liệu động cơ Diesel. download by : skknchat@gmail.com 7 Chương 2 MỤC TIÊU, ĐỐI TƯỢNG, PHẠM VI, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU CỦA ĐỀ TÀI 2.Mục tiêu nghiên cứu Nghiên cứu sự thay đổi trạng thái kỹ thuật của hệ thống cung cấp nhiên liệu Diesel trong quá trình khai thác và ứng dụng lý thuyết tập mờ trong việc nâng cao hiệu quả của việc chẩn đoán, dự báo sự thay đổi tình trạng kỹ thuật của hệ thống cung cấp nhiên liệu Diesel.

Đối tượng, phạm vi nghiên cứu 2. Đối tượng nghiên cứu - Những hư hỏng trong hệ thống cung cấp nhiên liệu động cơ Diesel trên xe tải Vinaxuki cơ nhỏ. - Phương pháp chẩn đoán hư hỏng hệ thống cung cấp nhiên liệu động cơ Diesel dùng logic mờ 2. Phạm vi nghiên cứu.

Hệ thống cung cấp nhiên liệu động cơ Diesel trên xe tải nhỏ 2. Nội dung nghiên cứu Tìm hiểu khả năng ứng dụng lý thuyết tập mờ trong công tác chẩn đoán nói chung. Tìm hiểu sự biến đổi trạng thái kỹ thuật của hệ thống cung cấp nhiên liệu động cơ Diesel trong quá trình khai thác, và khả năng biểu thị chúng bằng thông tin mờ. Xây dựng mô hình hệ luật trợ giúp chẩn đoán tình trạng kỹ thuật của hệ thống cung cấp nhiên liệu động cơ Diesel dựa vào lý thuyết tập mờ.

Phương pháp nghiên cứu Nghiên cứu lý thuyết, thực nghiệm kiểm chứng và mô phỏng trên máy tính. download by : skknchat@gmail.com 8 Trong rất nhiều vấn đề vần khảo sát, nghiên cứu khi mà đối tượng không thể mô tả bởi một mô hình toán học hoặc có thể mô tả được song mô hình của nó quá phức tạp, cồng kềnh, khó ứng dụng, thì logic mờ( fuzzy logic) lại chiếm ưu thế rõ rệt. Trong khai thác hệ thống nhiên liệu Diezen, người sử dụng thường chỉ dựa vào kinh nghiệm để điều khiển quá trình công tác của động cơ. Khi một yếu tố khai thác nào đó thay đổi làm suy giảm các chỉ tiêu kinh tế kỹ thuật của động cơ, người sử dụng không hoàn toàn dựa trên mô hình toán học để khai thác động cơ mà dựa trên kinh nghiệm của mình để làm điều đó.

Kinh nghiệm được rút ra từ các hiện tượng đã xảy ra, nhưng rõ ràng chỉ được đúc rút đúng khi người sử dụng có kiến thức cơ bản (tức các mô hình toán). Như vậy, bằng tư duy logic của con người, kiến thức cơ bản và các mô hình toán học, cơ sở khoa học của tính toán thiết kế đã được mềm hoá rất nhiều, không còn là các phường trình, các con số hoặc hệ số …. Mà trở thành một hệ thống suy diễn với mức độ định lượng một cách tương đối. Nhưng dù thế đi nữa, các chỉ tiêu kinh tế chất lượng như : an toàn, tốt, tiết kiệm… vẫn được duy trì.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ