Оценка качества сборки двигателей внутреннего сгорания в ходе приемосдаточных испытаний Текст научной статьи по специальности «Математика»

ТЕХНОЛОГИЯ МАШИНОСТРОЕНИЯ

УДК 621.002:681.324

В.В. Голикова, К.Н. Осипов, Е.Л. Первухина

ОЦЕНКА КАЧЕСТВА СБОРКИ ДВИГАТЕЛЕЙ ВНУТРЕННЕГО СГОРАНИЯ В ХОДЕ ПРИЕМОСДАТОЧНЫХ ИСПЫТАНИЙ

Проблема оценки качества сборки двигателей внутреннего сгорания (ДВС) в ходе приемосдаточных испытаний до сих пор остается актуальной, несмотря на все существующие подходы к ее решению [1,2]. Это объясняется постоянным совершенствованием и усложнением конструкции современных ДВС, ужесточением требований к их качеству, надежности, экологической безопасности, отсутствием универсальных методов автоматизации испытаний, а также их высокой стоимостью.

Оценку качества сборки, в которую включены регулировочные и крепежные работы, в ходе приемосдаточных испытаний проводят методами неразрушающего контроля по измерениям диагностических параметров. К таким параметрам, как правило, относят параметры функционирования, отражающие значения структурных параметров (шероховатости, зазоров в сопряжениях и т.д.), т.е. техническое состояние двигателей.

Для четырехтактных двигателей внутреннего сгорания, устанавливаемых на наземный транспорт, основными диагностическими параметрами являются: крутящий момент, давление масла, рас-

ход топлива, температура масла, температура охлаждающей жидкости, разрежение во впускном коллекторе, содержание СО и СН4 в отработавших газах, мощность механических потерь. Для ДВС, оборудованных электронной системой управления, к таким параметрам относят также длительность впрыска форсунок, степень открытия клапана холостого хода и т.д. Решение о годности двигателей к эксплуатации формируют в результате сравнения измеренных значений диагностических параметров с допустимыми значениями (при возможном отклонении от номинальных значений до 5%). Измерение и обработку измерительной информации в ходе испытаний на ряде предприятий до сих пор осуществляют вручную. Это приводит к погрешностям, снижению достоверности и, как следствие, принятию ошибочных решений по результатам испытаний, снижению конкурентоспособности выпускаемых двигателей.

В работе предлагается подход к оценке качества сборки ДВС в ходе приемосдаточных испытаний на основе современных методов статистического моделирования и информационных технологий.

Рис. 1 - Последовательные измерения параметров ДВС: 1 - Ые (кВт); 2 - ge (кг/кВт ч ); 3 -Мк (Нм); 4 - 0( (кг/ч); 5 - СО (%)

Рассмотрим процесс измерения пяти основных параметров двигателя, используемых для построения стандартизированной нагрузочной характеристики в ходе контрольных испытаний. Диагностическими параметрами для четырехтактного карбюраторного двигателя на постоянной частоте вращения коленчатого вала «=3000 мин-1 выбраны: часовой расхода топлива О/ (кг/ч), крутящий момент Мк (Нм), эффективная мощность Ые (кВт), удельный расход топлива ge (кг/кВтч ) и содержание СО (%) в отработавших газах. Эффективная мощность является расчетным параметром, однако она также включена в рассмотрение.

Измерение параметров осуществляется в равноотстоящие промежутки времени. В результате отдельные скалярные процессы образуют динамические (временные) ряды Хп,..., Хп, I = 1 ^ п -

номер исследуемого параметра, /=1,...,Т - дискретное время. Изменения отдельных параметров представляют нестационарные случайные процессы со стационарными приращениями (рис.1). По ГОСТ - 14846 измерение контролируемых параметров должно осуществляться одновременно, что позволяет объединять отдельные скалярные процессы, описывающие изменение указанных параметров, в один многомерный процесс. Тогда в каждый момент времени / параметры образуют

т

вектор Х{ = (Х1/,...,ХП() размерности п х 1 .

Изменение этого вектора во времени с учетом причинно-следственных зависимостей между параметрами составляет суть статистического исследования.

Алгоритм построения эмпирической модели

ДВС по наблюдаемым данным в предположении стабильности сборочного процесса подробно описан в работе [3]. Модель далее представляется в пространстве состояний и состоит из двух уравнений. Уравнение состояния связывает текущее и предшествующее значение вектора диагностических параметров

Х =П0 +АГ(-1 +Ш, . (1)

Здесь хг = {Мк/ Огг СО/ Ыег ge¡) -вектор состояния, содержащий значения перечисленных параметров в текущий момент времени /,

П0 =(б,4 -27,8 - 49,5 19,2 0,7-Т - 5 х 1 вектор-столбец коэффициентов т - знак транспонирования, (®г-1)Т =[ег 0 ••• 0] - 5 х 1 вектор шума,

Е

= Qt^ik, Е - символ математическо-

го ожидания,

А =

- 0,540 0,914 - 0,037 0,307 - 31,789"

0,236 -1,775 - 0,010 0,569 118,84

1,999 - 4,511 0,482 0,320 224,97

-1,789 2,662 - 0,083 1,023 - 94,621

0,060 - 0,077 - 0,002 - 0,002 4,189 ,

— переходная квадратная матрица для параметров, изменение которых изображено на рис. 1..

Уравнение наблюдения за испытуемым объектом имеет вид:

Уt = Щ (2)

где В = [/5 0 к 0] — 5 х 5 матрица наблю-

дения, 15 — единичная матрица размера 5 х 5 , yt

— вектор наблюдения размера 5 х 1.

Рис. 2 . Процессы изменения параметров ДВС и их оценочные и прогнозные значения: 1 - Ые (кВт); 2 - ge (кг/кВт-ч ); 3 - Мк (Нм); 4 - Ог (кг/ч); 5 - СО (%), ◊ - прогнозное значение

Рис. 3.Графики ошибок оценивания: 1 - Ые (кВт); 2 -ge (кг/кВтч); 3

(%)

-Мк (Нм); 4 - Ої (кг/ч); 5 - СО

Исходя из предположения о стабильности сборочного процесса, будем считать матрицы А и В в системе уравнений (1-2) для исправного двигателя не зависящими от времени.

Составная матрица

ВТ АТВТ 1 Т 7 Т

размера п х пт= 5 х 25 имеет ранг, равный 5. В теории автоматического управления это означает, что вектор наблюдения однозначно отображается на вектор состояния и, другими словами, возможно определение оценочных значений вектора состояния € по значениям вектора Уї в любой момент времени ї, т.е. в реальном времени поступления каждого нового наблюдения (измерения).

Наиболее известным и распространенным ал-

горитмом для получения искомых оценок является алгоритм, называемый фильтром Калмана [4]. Его растущая популярность и приложение к различным техническим и экономическим приложениям объясняется простотой необходимых для оценки вычислений и возможностью получения оценок, оптимальных с точки зрения минимального квадрата ошибок оценивания.

Уравнения, описывающие алгоритм фильтра Калмана, имеют следующий вид.

Априорная оценка вектора состояния определяется по формуле:

X {, -1 = Ах {-1, (3)

где обозначение /-1 означает оценку вектора состояния для момента времени t, полученную по

результатам t-1 включительно.

Априорная ковариационная матрица ошибок

оценивания определяется как:

Р/1-1 = /1-1 - хt/t-l ]-[/1-1 - х,/1-1 Г } =

= АР(-1 Ат + ШДТ .

(4)

При поступлении на вход фильтра нового наблюдения у* априорная оценка х{ / *-1 корректиру-

ется:

1 + Kt (yt - Bxt\t-і ) •

xt = xt\t-і + ^ tV t

(5)

Здесь Kt - коэффициент усиления фильтра,

который вычисляется по формуле:

Kt = Pt /1-1B

T

BPt /1-1BT + GQtG

T

-1

(6)

Последний шаг алгоритма заключается в определении прогнозной оценки вектора состояния:

xt+1/1 =(A - KtB)xt/1-1 + Ktyt = Axt/1-1 + Ktzt

(7)

Алгоритм (3) - (7) реализован на ЭВМ на базе прикладного программного обеспечения Maple V

в среде Windows. Пять оценочных и прогнозных значений диагностических параметров вместе с измеренными значениями представлены на рисунке 2.

График ошибок оценивания st = ■

x, - x.

x.

изображен на рис.3.

При оценке диагностических параметров исправного двигателя ошибка оценивания (рис.3) не превышает 1%. Графики автокорреляционных функций ошибок оценивания показаны на рис. 4. При построении графиков численное значение автокорреляционных функций откладывалось по оси ординат (р), а значение времени задержки (к) - по оси абсцисс.

Дефекты деталей или нарушение процесса сборки приводит к изменению значений структурных параметров двигателей, что, в свою очередь, ведет к изменению величин диагностических параметров.

Например, нарушение соосности клапана и направляющей втулки клапана приводит к появ-

Рис. 5. Графики изменения диагностических параметров неисправного ДВС:

1 - Ые (кВт); 2 -ge (кг/кВт-ч); 3 -Мк (кгм); 4 - О* (кг/ч); 5 - СО (%)

5 10 15 20 25

Рис. 6. Ошибки оценивания диагностических параметров неисправного ДВС: 1 - Ые (кВт); 2 - ge ( кг/кВт-ч); 3 - Мк (кгм); 4 - О* (кг/ч); 5 - СО (%)

I

I

1 в а: Ш 5 в 7 X . 2 -0 4 5 у к 12 3 4 Я * 1 к 12 14 5 6. 7 к ! I '® I Ь « * *7 к

а) о) о) <') д)

Рис. 7 - График автокорреляционной функции ошибок оценивания диагностических параметров неисправного ДВС: а) - Ые, б) - ge, в) - Мк, г) - О*, д) - СО

лению зазора между клапаном и седлом клапана. В результате появляется утечка рабочего тела (смеси топлива с воздухом) в момент сжатия и горения, что вызывает падение среднего индикаторного и эффективного давления. Падение эффективного давления вызывает снижение крутящего момента, мощности, увеличение расхода топлива и т.д.

Последовательности значений диагностических параметров неисправного двигателя представлены на рис. 5.

Изменение величин диагностических параметров приводит к нарушению статистических зависимостей между параметрами и, как следствие, структуры и коэффициентов модели [5]. Использование модели (1), (2) для прогноза значений параметров без учета этих изменений приводит,

как показал вычислительный эксперимент, к резкому увеличению (в 5-10 раз) ошибок оценивания (рис. 6). График автокорреляционных функций показывает высокую степень зависимости последовательных значений ошибок оценивания (рис.7).

На наш взгляд, оценка качества сборки ДВС в ходе приемосдаточных испытаний может быть проведена современными методами многомерного статистического моделирования по значениям параметров функционирования.

Основными преимуществами предложенного подхода является отсутствие в дополнительном измерительном оборудовании, простота вычислительной реализации алгоритма оценивания, а также возможность прогноза изменения технического состояния испытуемых двигателей.

СПИСОК ЛИТЕРАТУРЫ

1. Клюев В.В. Неразрушающий контроль и диагностика. Справочник / В.В. Клюев, Ф.Р. Соснин, А.В. Ковалев и др. Под общ. ред. В.В. Клюева. - М.: Машиностроение, 2005. - 656 с.

2. Пронякин В.И. Проблемы диагностики циклических машин и механизмов / В.И. Пронякин // Измерительная техника. - 2008. - №10. - С 9 - 13.

3. Первухина Е.Л., Голикова В.В. Анализ нестационарных случайных процессов в задачах автоматизации производственных испытаний машиностроительных изделий // Сборка в машиностроении, приборостроении, 2007. - №8. - С. 29-35.

4. Durbin J., Koopman S.J. Time Series Analysis by State Space Methods. Oxford: Oxford University Press, 2005.

5. Первухина Е.Л., Сопин П.К., Голикова В.В. Оценка состояния машиностроительных изделий в ходе производственных испытаний после сборки. Сборка в машиностроении, приборостроении. 2009. №10.

□ Авторы статьи:

Первухина Елена Львовна

- докт.техн.наук, проф. каф. технической механики и машиноведения (Севастопольский национальный технический университет). E-mail [email protected] Тел. (0692) 43-51-61

Голикова Виктория Викторовна

- канд.техн.наук, ст. препод. каф. технической механики и машиноведения (Севастопольский национальный технический университет), E-mail [email protected] Тел. (0692) 43-51-61

Осипов

Константин Николаевич

- аспирант каф. технической механики и машиноведения (Севастопольский национальный технический университет) E-mail [email protected] Тел. (0692) 43-51-61