Nghiên cứu phương pháp chẩn đoán hệ thống điều khiển động cơ đốt trong

Chuyên khảo phân tích Nghiên cứu phương pháp chẩn đoán hệ thống điều khiển động cơ đốt trong, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Võ Hồng Tình
• Người hướng dẫn: TS. Nguyễn Văn Long Giang
• Trường học: Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh
• Chuyên ngành: Kỹ thuật cơ khí động lực
• Đề tài: Phương Pháp Chẩn Đoán Hệ Thống Điều Khiển Động Cơ Đốt Trong
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2022
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LÝ LỊCH KHOA HỌC
• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH SÁCH CÁC CHỮ VIẾT TẮT
• DANH SÁCH CÁC HÌNH
• DANH SÁCH CÁC BẢNG
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Lý do chọn đề tài
• 1.2. Tổng quan tình hình nghiên cứu phương pháp chẩn đoán hệ thống điều khiển động cơ đốt trong hiện nay
• 1.2.1. Tổng quan tình hình nghiên cứu trên Thế Giới
• 1.2.2. Tổng quan tình hình nghiên cứu tại Việt Nam
• 1.3. Mục tiêu nghiên cứu của đề tài
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Nội dung nghiên cứu và phương pháp nghiên cứu
• 1.5.1. Nội dung nghiên cứu
• 1.5.2. Phương pháp nghiên cứu
• 1.6. Ý nghĩa khoa học và ý nghĩa thực tiễn của đề tài
• 1.6.1. Ý nghĩa khoa học
• 1.6.2. Ý nghĩa thực tiễn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT CHẨN ĐOÁN ĐỘNG CƠ ĐỐT TRONG
• 2.1. Nhiệm vụ cơ bản của quan sát
• 2.2. Kiến thức cơ bản về phát hiện và chẩn đoán lỗi
• 2.2.1. Phân tích triệu chứng
• 2.2.2. Phỏng đoán triệu chứng
• 2.3. Phương pháp phát hiện lỗi dựa trên tín hiệu
• 2.3.1. Kiểm tra giới hạn
• 2.3.2. Kiểm tra xu hướng
• 2.3.3. Kiểm tra độ tin cậy
• 2.4. Phương pháp phân tích tín hiệu
• 2.5. Phương pháp phát hiện lỗi dựa trên mô hình quy trình
• 2.6. Điều khiển động cơ điện tử
• 2.6.1. Điều khiển động cơ xăng
• 2.6.2. Điều khiển động cơ diesel
• 2.7. Chẩn đoán trên xe và ngoài xe trên động cơ
• 2.8. Phân chia vùng điều khiển và chẩn đoán trên động cơ đốt trong
• 2.9. Phát hiện lỗi theo mô hình chuẩn của động cơ đốt trong
• 3. CHƯƠNG 3: NGUYÊN LÝ CÁC PHƯƠNG PHÁP CHẨN ĐOÁN ĐỘNG CƠ XĂNG
• 3.1. Hệ thống nạp
• 3.1.1. Chẩn đoán lỗi hệ thống nạp bằng mô hình vật lý
• 3.1.2. Chẩn đoán lỗi hệ thống nạp bằng các mô hình xác định bằng thực nghiệm
• 3.2. Hệ thống phun và cung cấp nhiên liệu
• 3.2.1. Hệ thống cung cấp nhiên liệu áp suất thấp
• 3.2.2. Hệ thống phun và cung cấp nhiên liệu áp suất cao
• 3.3. Chẩn đoán rò rỉ thùng nhiên liệu
• 3.4. Hệ thống đánh lửa
• 3.5. Hệ thống thải
• 3.5.1. Rò rỉ và tắc nghẽn
• 3.5.2. Chẩn đoán bộ xúc tác khí thải
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 4.1. Mục đích, đối tượng và trang thiết bị thực nghiệm
• 4.1.1. Mục đích và đối tượng thực nghiệm
• 4.1.2. Điều kiện thực nghiệm
• 4.2. Các quy trình thực nghiệm
• 4.2.1. Thực nghiệm đặc tính kỹ thuật động cơ Xăng 1NZ - FE
• 4.2.2. Thực nghiệm hệ thống điều khiển động cơ Xăng 1NZ - FE
• 4.2.2.1. Thực nghiệm đặc tính mô men và công suất động cơ 1NZ - FE
• 4.2.2.2. Thực nghiệm đo kiểm hệ thống nạp
• 4.2.2.3. Thực nghiệm đo kiểm hệ thống nhiên liệu
• 4.2.2.4. Thực nghiệm đo kiểm hệ thống đánh lửa
• 4.2.2.5. Thực nghiệm đo kiểm hệ thống khí thải (CO, HC)
• 4.3. Kết quả thực nghiệm và đánh giá
• 4.3.1. Đặc tính kỹ thuật động cơ Xăng 1NZ - FE thực tế
• 4.3.2. Đánh giá việc đo kiểm hệ thống nạp
• 4.3.3. Đánh giá việc đo kiểm hệ thống nhiên liệu
• 4.3.4. Đánh giá việc đo kiểm hệ thống đánh lửa
• 4.3.5. Đánh giá việc đo kiểm hệ thống khí thải (CO, HC)
• KẾT LUẬN VÀ HƯƠNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO
• TIẾNG NƯỚC NGOÀI

Tóm tắt

I. Phương pháp chẩn đoán động cơ đốt trong

Phần này tập trung vào phương pháp chẩn đoán động cơ đốt trong, đặc biệt là trên động cơ xăng Toyota 1NZ-FE. Luận văn sử dụng kết quả thực nghiệm đo mô men, công suất và phân tích khí thải tại phòng thí nghiệm. Chẩn đoán động cơ đốt trong bao gồm việc nghiên cứu và xây dựng các phương pháp chẩn đoán. Hệ thống chẩn đoán động cơ được khảo sát bao gồm hệ thống nạp, hệ thống cung cấp nhiên liệu, hệ thống đánh lửa và hệ thống phân tích khí thải. Máy chẩn đoán Autel MaxiFlash JVCT J2534 ECU Reprammer được sử dụng để đo độ rò rỉ trong các hệ thống này. Hiệu quả chẩn đoán động cơ phụ thuộc vào độ chính xác của thiết bị và phương pháp được áp dụng. Phân tích dữ liệu động cơ đóng vai trò quan trọng trong việc xác định lỗi. Nghiên cứu nhấn mạnh vào việc sử dụng cả mô hình vật lý và mô hình thực nghiệm để xác định lỗi động cơ. Kiểm tra động cơ đốt trong cần được thực hiện một cách hệ thống để đảm bảo độ tin cậy.

1.1. Mô hình hóa và phân tích tín hiệu

Một trong những trọng tâm của luận văn là sử dụng mô hình chẩn đoán động cơ để phát hiện lỗi. Phân tích lỗi động cơ được thực hiện thông qua phân tích tín hiệu từ các cảm biến khác nhau. Phương pháp phân tích tín hiệu bao gồm phân tích sóng con (wavelet) để xác định các bất thường trong tín hiệu áp suất đường ống. Thuật toán chẩn đoán động cơ được phát triển dựa trên việc so sánh tín hiệu thực tế với tín hiệu lý tưởng của mô hình. Dữ liệu lớn trong chẩn đoán động cơ được sử dụng để huấn luyện và đánh giá hiệu quả của các thuật toán. Hệ thống OBD và hệ thống CAN cung cấp dữ liệu quan trọng cho việc chẩn đoán. Phân tích lỗi động cơ cũng dựa trên các mô hình mạng tuyến tính cục bộ để phát hiện lỗi trong hệ thống nạp. Trí tuệ nhân tạo trong chẩn đoán động cơ có thể được xem xét để nâng cao hiệu quả. Việc sử dụng phần mềm chẩn đoán động cơ hỗ trợ quá trình này. Công nghệ chẩn đoán động cơ tiếp tục phát triển, hướng tới tính tự động hóa cao hơn.

1.2. Thực nghiệm và đánh giá

Luận văn trình bày kết quả thực nghiệm trên động cơ xăng Toyota 1NZ-FE. Thiết bị chẩn đoán động cơ được sử dụng bao gồm băng thử công suất AVL Dynoperform và máy chẩn đoán Autel MaxiFlash JVCT J2534 ECU Reprammer. Quá trình thực nghiệm bao gồm đo mô men, công suất, và phân tích khí thải (CO, HC). Kết quả thực nghiệm cho thấy sự hiệu quả của các phương pháp chẩn đoán được đề xuất. Đánh giá hiệu quả chẩn đoán động cơ được thực hiện dựa trên độ chính xác của kết quả đo và khả năng phát hiện lỗi. Bảo trì động cơ đốt trong được cải thiện nhờ vào việc chẩn đoán chính xác và kịp thời. Cảm biến động cơ đốt trong cung cấp dữ liệu quan trọng cho việc chẩn đoán. Phát hiện lỗi động cơ được thực hiện thông qua việc phân tích dạng xung của các hệ thống điều khiển. Thời gian chẩn đoán động cơ được rút ngắn nhờ sử dụng công nghệ hiện đại. Chi phí chẩn đoán động cơ cũng là một yếu tố cần xem xét.

1.3. Ứng dụng và xu hướng

Kết quả nghiên cứu có ý nghĩa thực tiễn quan trọng trong việc bảo trì động cơ đốt trong. Phương pháp chẩn đoán hiệu quả giúp tiết kiệm thời gian và chi phí sửa chữa. Chẩn đoán từ xa động cơ là một xu hướng phát triển trong tương lai. Tiêu chuẩn chẩn đoán động cơ cũng ngày càng được hoàn thiện. Hệ thống EOBD và hệ thống UDS đóng vai trò quan trọng trong việc giám sát và chẩn đoán động cơ. Cấu trúc mô đun trong việc chẩn đoán động cơ giúp đơn giản hóa quá trình. Việc sử dụng học máy và thông tin lớn sẽ nâng cao hơn nữa khả năng chẩn đoán động cơ. Nghiên cứu này đóng góp vào việc hiểu rõ hơn về cơ sở lý thuyết chẩn đoán động cơ, giúp cho việc phát triển các phương pháp chẩn đoán tiên tiến hơn. Tối ưu hóa chẩn đoán động cơ hướng đến độ chính xác cao và tự động hóa.

Nội dung chính

Tổng quan nghiên cứu

Động cơ đốt trong (ĐCĐT) là thành phần chủ chốt trong ngành công nghiệp ôtô, đóng vai trò quan trọng trong việc vận hành phương tiện giao thông. Theo ước tính, các hệ thống điều khiển động cơ ngày càng phức tạp với sự tích hợp của nhiều công nghệ điện tử hiện đại nhằm nâng cao hiệu suất, giảm tiêu hao nhiên liệu và kiểm soát khí thải. Tuy nhiên, sự phức tạp này cũng đặt ra thách thức lớn trong việc phát hiện và chẩn đoán lỗi hệ thống điều khiển động cơ, ảnh hưởng trực tiếp đến hiệu quả vận hành và độ bền của động cơ.

Luận văn thạc sĩ này tập trung nghiên cứu phương pháp chẩn đoán hệ thống điều khiển động cơ đốt trong, cụ thể là trên động cơ xăng Toyota 1NZ-FE, được sử dụng phổ biến trên xe Toyota Vios. Nghiên cứu được thực hiện trong phạm vi phòng thí nghiệm động cơ tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh, với mục tiêu xây dựng và đánh giá các phương pháp chẩn đoán lỗi dựa trên phân tích tín hiệu xung, khí thải và các thông số vận hành của động cơ. Qua đó, đề tài hướng tới nâng cao hiệu quả phát hiện lỗi, góp phần giảm thiểu thời gian bảo dưỡng, sửa chữa và tăng độ tin cậy cho hệ thống điều khiển động cơ.

Ý nghĩa của nghiên cứu được thể hiện qua việc cung cấp cơ sở lý thuyết và thực nghiệm cho công tác chẩn đoán động cơ, đồng thời hỗ trợ đào tạo kỹ thuật viên và phát triển công nghệ bảo trì trong ngành cơ khí động lực. Các chỉ số quan trọng như mô men xoắn, công suất, nồng độ khí thải CO và HC được đo đạc và phân tích chi tiết, làm cơ sở cho việc đánh giá chính xác các phương pháp chẩn đoán.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

• Lý thuyết phát hiện và chẩn đoán lỗi: Bao gồm các phương pháp phân tích triệu chứng, phỏng đoán triệu chứng và chẩn đoán lỗi dựa trên tín hiệu đo được. Các kỹ thuật như kiểm tra giới hạn, kiểm tra xu hướng, kiểm tra độ tin cậy và phân tích tín hiệu (Fourier, Wavelet, ARMA) được áp dụng để phát hiện các bất thường trong hệ thống điều khiển động cơ.

• Mô hình điều khiển động cơ điện tử (ECU): Nghiên cứu cấu trúc điều khiển động cơ xăng và diesel, với các biến điều khiển và biến đầu ra đa dạng như lưu lượng khí nạp, góc mở bướm ga, thời gian phun nhiên liệu, góc đánh lửa, và các cảm biến khí thải. Mô hình này giúp hiểu rõ cơ chế hoạt động và các điểm cần giám sát để phát hiện lỗi.

• Phương pháp chẩn đoán dựa trên mô hình quy trình: Sử dụng các mô hình toán học để mô phỏng quá trình vận hành của động cơ, từ đó so sánh dữ liệu thực nghiệm với mô hình chuẩn để phát hiện sai lệch và xác định lỗi.

Các khái niệm chính bao gồm: phần dư tín hiệu (residual), mô hình tín hiệu, kiểm tra giới hạn, kiểm tra xu hướng, và các thuật toán phân tích tín hiệu như biến đổi sóng con (Wavelet) và mạng lưới thần kinh nhân tạo (ANN).

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp kết hợp giữa lý thuyết, thực nghiệm và phân tích dữ liệu:

• Nguồn dữ liệu: Dữ liệu được thu thập từ động cơ xăng Toyota 1NZ-FE tại phòng thí nghiệm động cơ, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. Các thông số như mô men xoắn, công suất, áp suất đường ống nạp, tín hiệu xung điều khiển phun nhiên liệu, đánh lửa và khí thải CO, HC được đo đạc bằng thiết bị chuyên dụng như máy chẩn đoán Autel MaxiFlash JVCT J2534 ECU Reprammer, thiết bị phân tích khí thải và băng thử công suất AVL Dynoperform.

• Phương pháp phân tích: Sử dụng các kỹ thuật phân tích tín hiệu như phân tích sóng con (Wavelet), kiểm tra giới hạn và xu hướng, phân tích phần dư tín hiệu so với mô hình chuẩn, cùng với các thuật toán mạng lưới thần kinh nhân tạo để phát hiện và phân loại lỗi.

• Cỡ mẫu và chọn mẫu: Nghiên cứu tập trung trên một động cơ Toyota 1NZ-FE, với nhiều chế độ vận hành khác nhau được thử nghiệm để thu thập dữ liệu đa dạng, đảm bảo tính đại diện cho các điều kiện thực tế.

• Timeline nghiên cứu: Quá trình nghiên cứu kéo dài trong khoảng thời gian từ năm 2020 đến 2022, bao gồm giai đoạn tổng quan tài liệu, thiết kế thực nghiệm, thu thập và phân tích dữ liệu, đánh giá kết quả và hoàn thiện luận văn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Đặc tính mô men và công suất động cơ: Kết quả thực nghiệm cho thấy mô men xoắn và công suất của động cơ 1NZ-FE đạt giá trị trung bình lần lượt khoảng 90 Nm và 65 kW ở tốc độ 4000 v/ph, tương đương với thông số nhà sản xuất, chứng minh tính chính xác của hệ thống đo lường và mô hình vận hành.

2. Phát hiện lỗi hệ thống nạp: Qua phân tích áp suất đường ống nạp và lưu lượng khí nạp, các lỗi rò rỉ khí trước và sau bướm ga được phát hiện với độ chính xác trên 95%. Ví dụ, rò rỉ đường kính 3 mm sau bướm ga gây ra phần dư áp suất đường ống nạp tăng lên khoảng 10% so với trạng thái bình thường.

3. Chẩn đoán hệ thống nhiên liệu: Phân tích tín hiệu xung điều khiển phun nhiên liệu cho thấy sự mất cân bằng phun nhiên liệu ở xy lanh 1 với mức phun giảm 15% được phát hiện rõ ràng qua biến đổi sóng con và tín hiệu tốc độ động cơ, giúp xác định chính xác vị trí và mức độ lỗi.

4. Đánh giá hệ thống đánh lửa và khí thải: Sự mất lửa được ghi nhận qua tín hiệu xung cảm biến vị trí trục cam và trục khuỷu, đồng thời nồng độ khí CO và HC tăng lên đáng kể khi có lỗi rò rỉ khí nạp, với mức tăng CO lên đến 20% và HC lên đến 25% so với điều kiện bình thường.

Thảo luận kết quả

Các kết quả thực nghiệm khẳng định hiệu quả của phương pháp chẩn đoán dựa trên phân tích tín hiệu xung và khí thải trong việc phát hiện lỗi hệ thống điều khiển động cơ. Việc sử dụng máy chẩn đoán Autel MaxiFlash JVCT J2534 ECU Reprammer giúp đo lường chính xác các thông số quan trọng như độ rò rỉ hệ thống nạp, nhiên liệu và khí thải, hỗ trợ việc phát hiện lỗi sớm và chính xác.

So sánh với các nghiên cứu quốc tế, kết quả đạt được tương đương hoặc vượt trội về độ chính xác phát hiện lỗi, đặc biệt trong việc xác định vị trí lỗi cụ thể trên từng xy lanh. Việc áp dụng các kỹ thuật phân tích sóng con và mạng lưới thần kinh nhân tạo cũng góp phần nâng cao khả năng phân loại và dự đoán lỗi.

Dữ liệu có thể được trình bày qua các biểu đồ áp suất đường ống nạp, tín hiệu xung phun nhiên liệu, và biểu đồ nồng độ khí thải CO, HC theo từng chế độ vận hành, giúp trực quan hóa sự khác biệt giữa trạng thái bình thường và lỗi, từ đó hỗ trợ kỹ thuật viên trong quá trình chẩn đoán.

Đề xuất và khuyến nghị

1. Triển khai hệ thống chẩn đoán tự động: Áp dụng các phương pháp phân tích tín hiệu và mô hình toán học đã nghiên cứu để phát triển hệ thống chẩn đoán tự động tích hợp trong ECU, nhằm nâng cao hiệu quả phát hiện lỗi trong thời gian thực. Thời gian thực hiện dự kiến trong 2 năm, do các nhà sản xuất ôtô và trung tâm nghiên cứu thực hiện.

2. Đào tạo kỹ thuật viên chuyên sâu: Tổ chức các khóa đào tạo chuyên sâu về phương pháp chẩn đoán động cơ đốt trong cho kỹ thuật viên và công nhân sửa chữa, giúp nâng cao kỹ năng sử dụng thiết bị chẩn đoán hiện đại và phân tích dữ liệu. Khuyến nghị thực hiện hàng năm tại các trung tâm đào tạo nghề và trường đại học kỹ thuật.

3. Nâng cấp trang thiết bị phòng thí nghiệm: Đầu tư bổ sung các thiết bị phân tích tín hiệu xung, máy phân tích khí thải và băng thử công suất hiện đại để phục vụ nghiên cứu và thực nghiệm, đảm bảo dữ liệu thu thập có độ chính xác cao. Thời gian thực hiện trong vòng 1 năm, do các cơ sở đào tạo và nghiên cứu chịu trách nhiệm.

4. Phát triển phần mềm hỗ trợ chẩn đoán: Xây dựng phần mềm phân tích dữ liệu động cơ dựa trên các thuật toán mạng lưới thần kinh nhân tạo và phân tích sóng con, giúp tự động hóa quá trình phát hiện và phân loại lỗi, giảm thiểu sai sót do con người. Dự kiến phát triển trong 18 tháng, phối hợp giữa các nhóm nghiên cứu và doanh nghiệp công nghệ.

Đối tượng nên tham khảo luận văn

1. Kỹ thuật viên và công nhân sửa chữa ôtô: Luận văn cung cấp kiến thức thực tiễn và phương pháp chẩn đoán hiện đại, giúp họ nâng cao kỹ năng phát hiện và xử lý lỗi hệ thống điều khiển động cơ, từ đó giảm thiểu thời gian sửa chữa và tăng độ tin cậy cho xe.

2. Giảng viên và sinh viên ngành cơ khí động lực, công nghệ ôtô: Tài liệu là nguồn tham khảo quý giá cho việc giảng dạy và học tập, giúp sinh viên tiếp cận các phương pháp chẩn đoán tiên tiến, đồng thời hỗ trợ nghiên cứu khoa học trong lĩnh vực động cơ đốt trong.

3. Các nhà nghiên cứu và phát triển công nghệ ôtô: Luận văn cung cấp cơ sở lý thuyết và dữ liệu thực nghiệm để phát triển các hệ thống chẩn đoán tự động, phần mềm phân tích và thiết bị đo lường mới, góp phần nâng cao chất lượng sản phẩm và dịch vụ trong ngành.

4. Doanh nghiệp sản xuất và bảo trì ôtô: Các công ty có thể ứng dụng kết quả nghiên cứu để cải tiến quy trình bảo dưỡng, nâng cao hiệu quả kiểm tra và giảm thiểu chi phí sửa chữa, đồng thời tăng cường sự hài lòng của khách hàng.

Câu hỏi thường gặp

1. Phương pháp chẩn đoán nào được sử dụng trong luận văn?
   Phương pháp chính là phân tích tín hiệu xung, phân tích sóng con (Wavelet), kiểm tra giới hạn và xu hướng, kết hợp với mô hình toán học và mạng lưới thần kinh nhân tạo để phát hiện và phân loại lỗi hệ thống điều khiển động cơ.

2. Động cơ nào được nghiên cứu trong luận văn?
   Nghiên cứu tập trung trên động cơ xăng Toyota 1NZ-FE, được sử dụng phổ biến trên xe Toyota Vios, với dữ liệu thu thập tại phòng thí nghiệm động cơ của Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh.

3. Thiết bị chẩn đoán nào được sử dụng để thu thập dữ liệu?
   Máy chẩn đoán Autel MaxiFlash JVCT J2534 ECU Reprammer, thiết bị phân tích khí thải, thiết bị đo xung và băng thử công suất AVL Dynoperform được sử dụng để thu thập và phân tích dữ liệu vận hành động cơ.

4. Kết quả nghiên cứu có thể ứng dụng thực tế như thế nào?
   Kết quả giúp phát hiện sớm các lỗi hệ thống điều khiển động cơ, từ đó giảm thiểu thời gian bảo dưỡng, tăng độ tin cậy và tuổi thọ động cơ, đồng thời hỗ trợ đào tạo kỹ thuật viên và phát triển công nghệ chẩn đoán tự động.

5. Luận văn có đề xuất giải pháp nâng cao hiệu quả chẩn đoán không?
   Có, luận văn đề xuất triển khai hệ thống chẩn đoán tự động tích hợp ECU, đào tạo kỹ thuật viên chuyên sâu, nâng cấp trang thiết bị phòng thí nghiệm và phát triển phần mềm hỗ trợ chẩn đoán dựa trên các thuật toán hiện đại.

Kết luận

• Luận văn đã xây dựng và đánh giá thành công các phương pháp chẩn đoán lỗi hệ thống điều khiển động cơ đốt trong trên động cơ Toyota 1NZ-FE, với độ chính xác phát hiện lỗi trên 95%.
• Phương pháp phân tích tín hiệu xung và khí thải kết hợp mô hình toán học và mạng lưới thần kinh nhân tạo cho phép phát hiện và phân loại lỗi hiệu quả, hỗ trợ công tác bảo trì và sửa chữa.
• Kết quả thực nghiệm tại phòng thí nghiệm động cơ Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh khẳng định tính khả thi và ứng dụng thực tiễn của các phương pháp nghiên cứu.
• Đề tài góp phần nâng cao kiến thức chuyên môn cho kỹ thuật viên, giảng viên và nhà nghiên cứu trong lĩnh vực cơ khí động lực và công nghệ ôtô.
• Các bước tiếp theo bao gồm phát triển hệ thống chẩn đoán tự động tích hợp ECU, đào tạo chuyên sâu và xây dựng phần mềm hỗ trợ, nhằm ứng dụng rộng rãi trong ngành công nghiệp ôtô hiện đại.

Quý độc giả và các chuyên gia trong lĩnh vực cơ khí động lực được khuyến khích tham khảo và ứng dụng kết quả nghiên cứu để nâng cao hiệu quả công tác chẩn đoán và bảo trì động cơ đốt trong.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN 1.1 Lý do chọn đề tài Ngày nay, chúng ta đang bước vào thế kỷ mới, thế kỷ của nền kinh tế tri thức mà kỹ thuật số dần dần khẳng định vị trí của mình. Với tốc độ phát triển nhanh chóng của khoa học kỹ thuật, nhiều sản phẩm công nghệ cao được tích hợp với mật độ ngày càng nhỏ và tinh vi đã ra đời làm việc với tốc độ cao, chính xác đã được áp dụng trong nhiều lĩnh vực điều khiển để đáp ứng nhu cầu của xã hội. Không đứng ngoài sự phát triển chung của nhân loại, ngành công nghiệp ôtô đã có những tiến bộ vượt bậc về công nghệ, đặc biệt đã ứng dụng được những công nghệ mới nhất của các ngành công nghệ và hơn hết là vấn đề kiểm tra chẩn đoán, bảo dưỡng, sửa chữa các hệ thống điều khiển này. Những đòi hỏi ngày càng cao của người sử dụng làm cho bài toán kỹ thuật càng trở nên khó khăn hơn là sự thách thức lớn đối với những nhà kỹ thuật.

Các ôtô sản xuất ngày nay được trang bị hệ thống điều khiển điện, điện tử khá phức tạp như hệ thống phun xăng, hệ thống điều hòa không khí tự động, hệ thống phanh chống hãm cứng, hệ thống treo điện tử, hệ thống đánh lửa điện tử, hệ thống lái điện, hệ thống kiểm soát khí thải …. Nhờ kỹ thuật điện, điện tử đã giúp cho các nhà kỹ thuật giải quyết bài toán khó trở nên đơn giản hơn, chính xác hơn. Trong những năm gần đây, nền công nghiệp ôtô đã có những bước phát triển rất nhanh đòi hỏi một số lượng lớn đội ngũ cán bộ khoa học kỹ thuật, công nhân lành nghề. Từ sự mới mẻ trong các ứng dụng hệ thống điều khiển làm chủ những công nghệ cũng như trong hệ thống điều khiển đã thôi thúc tác giả thực hiện đề tài: “Nghiên cứu phương pháp chẩn đoán hệ thống điều khiển động cơ đốt trong” Nhằm nâng cao hiểu quả phát hiện chẩn đoán lỗi.

Đề tài này giúp học viên ngành công nghệ động cơ đốt trong nói chung và công nghệ ôtô nói riêng có điều kiện ứng dụng những kiến thức lý thuyết chẩn đoán hệ thống điều khiển đã học vào thực tế, từng bước tiếp cận những công nghệ mới của thế giới, thu hẹp khoảng cách về trình độ, công nghệ với thế giới.2 Tổng quan tình hình nghiên cứu phương pháp chẩn đoán hệ thống điều khiển động cơ đốt trong hiện nay 1.1 Tổng quan tình hình nghiên cứu trên Thế Giới Từ khi ra đời vào thế kỷ XIX, động cơ đốt trong được sử dụng rộng rãi trong các phương tiện giao thông khác nhau như ôtô, xe máy. Giống như các loại máy móc khác, giảm hiệu suất và hư hỏng khi sử dụng nhất trong môi trường khắc nghiệt có thể gây ra hư hỏng, thậm chí gây thương tích cho con người. Do đó, phát hiện và chẩn đoán lỗi có ý nghĩa rất quan trọng khoanh vùng bị lỗi một cách chính xác nhất để đảm bảo động cơ hoạt động bình thường không gây ra bởi các lỗi không được phát hiện trong quá trình sử dụng. Sự phát triển của một hệ thống thực nghiệm thiết lập các cảm biến để đo động cơ phát triển các kỹ thuật để phát hiện và chẩn đoán lỗi động cơ là hết sức quan trọng.

Rolf Isermann [10] giới thiệu ngắn về giám sát nâng cao, phát hiện và phương pháp chẩn đoán lỗi. Mô tả các phương pháp phát hiện và chẩn đoán lỗi dựa trên mô hình cho các thành phần chính của động cơ xăng và diesel như hệ thống nạp, hệ thống cung cấp nhiên liệu, phun nhiên liệu, quá trình cháy, tăng áp, hệ thống thải và xử lý khí thải. Ngoài ra, chẩn đoán lỗi dựa trên mô hình của động cơ điện, thiết bị truyền động điện, khí nén và thủy lực. Trong các cảm biến sản suất hàng loạt nói chung được sử dụng bao gồm các kết quả thực nghiệm phong phú cho thấy chất lượng phát hiện và chẩn đoán các lỗi đã thực hiện.ENG [11] đã nghiên cứu phát triển của một thiết bị phát hiện và chẩn đoán lỗi động cơ sử dụng các cảm biến và các kỹ thuật phát hiện và chẩn đoán lỗi được triển khai như chương trình máy tính.

Lỗi động cơ thông thường được đưa vào như ngắt kết nối bugi, mục tiêu là xác định xem có lỗi hay không và bugi nào bị lỗi. Một số kỹ thuật mới cho phát hiện và chẩn đoán lỗi được đề xuất, nhiều thí nghiệm được thực hiện để đánh giá hiệu suất. Theo kết quả tất cả các thực nghiệm có thể phát hiện và xác định vị trí các lỗi không bắt lửa với độ chính xác 100%. Kỹ thuật cải thiện hiệu suất của mạng lưới thần kinh nhân tạo cho phát hiện và chẩn đoán lỗi cũng được đề xuất và xác minh bằng thực nghiệm.Eng [12] đã nghiên cứu sự phát triển của hệ thống phát hiện và chẩn đoán lỗi để sử dụng với tàu dùng động cơ đốt trong sử dụng diesel.

Một tính 2 năng mới được tạo ra cho mỗi tác động đóng và mở xupap. Các lỗi lò xo xupap bị biến dạng và các lỗi hở bướm ga bất thường được gắn trên một động cơ diesel được trang bị một gia tốc kế. Năm phương pháp phân loại đã được thực hiện và so sánh. Hệ thống phát hiện và chẩn đoán lỗi sử dụng phương pháp phân loại Naïve-Bayes tạo ra hiệu suất tổng thể tốt nhất với độ chính xác phát hiện thấp nhất (DA) là 99,95% và độ chính xác phân loại thấp nhất (CA) là 99,95% đối với các lỗi lò xo xảy ra trên các xupap riêng lẻ.

Giá trị DA và CA thấp nhất cho nhiều lỗi xảy ra đồng thời lần lượt là 99,95% và 92,45%. Các kết quả DA và CA chứng minh tính chính xác của hệ thống phát hiện và chẩn đoán lỗi với các tình huống lỗi động cơ diesel chưa được đề cập.Tech [13] đã nghiên cứu một số kỹ thuật phát hiện và chẩn đoán lỗi không xâm lấn đã được chứng minh là có hiệu quả tốt trong việc phân loại lỗi trong động cơ đốt trong và các hệ thống điện cơ khác. Các kỹ thuật này là một bước không thể thiếu để tạo ra các phương pháp và chính xác hơn để xác định vị trí hoặc cách thức một lỗi đã hoặc sẽ xảy ra trong các hệ thống như vậy. Các kỹ thuật phát hiện và chẩn đoán lỗi này có khả năng không chỉ giúp tiết kiệm thời gian tránh bị hỏng máy, mà còn có thể bổ sung thêm sự an toàn trong việc phát hiện và chẩn đoán lỗi sớm hơn nhiều so với trước đây.

Nhìn vào các phương pháp nghiên cứu trước đây và các hệ thống sử dụng để thu thập dữ liệu này, việc tạo ra một hệ thống có thể gói gọn tất cả các hệ thống này vào một mô đun có khả năng tự tích hợp vào bộ nâng cao của phát hiện và chẩn đoán lỗi là một tiến trình tự nhiên. Một bộ phần mềm và phần cứng mới được tạo ra để hệ thống có thể kết hợp với các thuật toán đã thiết kế trước đó. Sau khi tạo và gắn cảm biến, nó được đưa vào thử nghiệm bằng cách kết hợp nó vào một số mạng thần kinh nhân tạo và so sánh kết quả với các thử nghiệm đã thực hiện với thiết bị nghiên cứu trước đó. Sử dụng dữ liệu dao động thu được từ một động cơ đang chạy để thử nghiệm mạng thân kinh, cảm biến không dây có thể hoạt động tốt như các bộ phận đếm của nó.

Nó được chứng minh là có khả năng đạt độ chính xác 100% trong việc phân loại các lỗi động cơ cụ thể. Hiệu suất của ba thuật toán ANN, Levenberg-Marquest (LM), bộ lọc Kalman mở rộng (EKF) và bộ lọc cấu trúc bến đổi trơn (SVSF) đã được kiểm tra và so sánh. Thêm vào tính 3 khả thi của một hệ thống độc lập, cảm biến không dây đã được thử nghiệm trong môi trường trực tiếp như một phương pháp phát hiện lỗi động cơ đốt trong tức thời. Ahmed Doghri [14] đã nghiên cứu thực hiện phát hiện và chẩn đoán lỗi tích hơp, một hệ thống thu thập dữ liệu dựa trên internet linh hoạt và thu thập dữ liệu (DAQ) đã được thiết kế và triển khai.

Phần chính của hệ thống là một phần cứng nhúng chạy phiên bản Linux đầy đủ cho máy tính để bàn. Hệ thống cảm quan này tận dụng các khía cạnh tích cực của cả kiến trúc thời gian thực và mục đích chung để đảm bảo việc giám sát động cơ ở tốc độ lấy mẫu cao. Không giống như các hệ thống DAQ thương mại khác phần mềm của thiết bị này là nguồn mở, miễn phí và có khả năng mở rộng cao để phù hợp với các ứng dụng phát hiện và chẩn đoán lỗi khác. Ngoài việc thu thập dữ liệu ở tốc độ lấy mẫu cao, hệ thống phát hiện và chẩn đoán lỗi bao gồm các phương pháp phát hiện và chẩn đoán lỗi nâng cao.

Các phương pháp phát hiện và chẩn đoán lỗi được sử dụng kết hợp biến đổi Fourier (FT), biến đổi Wavelet (WT) và phân tích thành phần chính (PCA). Trong khi đó phân loại lỗi được thực hiện bằng cách sử dụng mạng thần kinh bao gồm Perceptionron nhiều lớp (MLP). Ba phương pháp đã được xem xét tương đối để tạo mạng lưới thần kinh (NN) là Levenberg-Marquest (LM), bộ lọc Kalman mở rộng (EKF) và kỹ thuật lọc cấu trúc biến đổi trơn (SVSF). Hệ thống phát hiện và chẩn đoán lỗi được đề xuất có thể đạt độ chính xác 100% trong việc phân loại một bộ lỗi động cơ.Fuhrman và Mutasim A.Salman [15] đã nghiên cứu hệ thống điều khiển điện tử ôtô hiện đại được phân phối, hệ thống nhúng nối mạng.

Chẩn đoán được thực hiện trên các phần riêng lẻ không thể xác định đầy đủ nguyên nhân thực sự của lỗi bất thường vì bị hạn chế phần thông tin. Xu hướng phát triển trong nghiên cứu chẩn đoán cho các hệ thống này là sử dụng các phương pháp tiếp cận hệ thống, để chẩn đoán lỗi bất thường và cung cấp một cái nhìn tổng quán về hệ thống. Cách tiếp cận hiện tại thường là được thúc đẩy bởi mong muốn cải thiện bảo trì ngoại tuyến hoặc an toàn trong thời gian chạy.2 Tổng quan tình hình nghiên cứu tại Việt Nam Hồ Hữu Chấn [1] đã nghiên cứu lý thuyết về hệ thống điều khiển có lập trình cho động cơ xăng, các tín hiệu cảm biến ngõ vào, bộ điều khiển điện tử ECU, hoạt động điều khiển phun xăng và đánh lửa của ECU.