В связи с этим все современные бензиновые двигатели, оборудованные системами впрыс­кивания топлива, имеют чрезвычайно развитые по длине разветвленные и настроенные впуск­ные трубопроводы. Для того чтобы при этом не увеличивались поперечные габариты двигате­ля, эти трубопроводы выполняют изогнутыми в виде полуокружности, при этом входы разделенных трубопроводов соединяются с общим ресивером достаточно большого объема. На входе в ресивер устанавливается дроссельный узел. Однако, трубопровод определенной длины обеспечивает резонансное повышение напол­нения только в узком диапазоне скоростных режимов работы двигателя, рисунок 1, в связи с тем, что короткие впускные трубопроводы смещают максимум наполнения, характеризуемый коэффициентом наполнения, в область высоких частот вращения коленчатого вала, а длинные впускные трубопроводы обеспечивают хорошее наполнение и соответственно высокий крутящий момент при низких частотах.

1 –1012 мм; 2 –723 мм; 3 –620 мм; 4 –350 мм

Рисунок 1 – Влияние длины трубопровода (L) на коэффициент наполнения цилиндров двигателя

Поэтому в ряде конструкций применяют впускные трубопроводы с регулируемой на­стройкой, рисунок 2. При высокой частоте вращения коленчатого вала двигателя Audi V6 воздух в цилиндры двигателя поступает через укороченную часть впускного трубопровода, а при ма­лой частоте вращения автоматически подключается полная его длина.

Анализируя влияние конструкции впускных трубопроводов на эффективность работы двигателей, необходимо напомнить, что для уменьшения гидравлических потерь на впуске полезным является уменьшение шероховатости их внутренней поверхности. На практике, для «выглаживания» шероховатости впускных трубопроводов сложной формы используется расплетенный гибкий стальной трос, вставленный в тру­бопровод и приводимый во вращательное движение с помощью электродрели.

1 – пневматический клапан; 2 – крышка впускного трубопровода; 3 – заслонка; 4 – форсунка

Рисунок 2 – Впускной трубопровод двигателя Audi V6 с регулируемой настройкой впускных трубопроводов.

Существенное влияние на гидравлическое со­противление оказывает сопряжение канала впускно­го трубопровода с отверстиями в головке цилиндров, которое не должно иметь ступенек из-за несовпаде­ния их осей или различия в размерах. Очень важно, чтобы система воздухоснабжения вместе с системой топливопитания обеспечили доста­точную равномерность состава горючей смеси в отдель­ных цилиндрах [1].

С целью повышения эффективных показателей работы бензиновых двигателей рассмотрим устройство для автоматического регулирования длины впускного трубопровода двигателя внутреннего сгорания, рисунок 3, содержащее воздушный ресивер, отличающееся от традиционных систем питания тем, что впускной трубопровод каждого цилиндра выполнен составным и состоит из внутреннего и внешнего трубопроводов, причем внутренний трубопровод выполнен за одно целое с воздушным ресивером, а внешний трубопровод скользит по внешней поверхности внутреннего трубопровода, на которую нанесен слой антифрикционного графитизированного материала Нигрона-В, причем на внутреннем и внешнем трубопроводах закреплен с помощью хомутов гофрированный трубопровод, соединенный с рычагом, закрепленным на валу понижающего редуктора, приводимого во вращение электродвигателем постоянного тока (на схеме не показан), получающего сигналы (команды) от электронной системы управления, содержащей электронный блок управления, датчик частоты вращения коленчатого вала двигателя, колодку диагностирования, диагностическое табло, соединенные между собой с помощью электрических проводов [2,3].

 1 – ресивер; 2 – раструб; 3 – гофрированное (телескопическое) колено впускного трубопровода; 4 – основная часть впускного трубопровода; 5 – блок цилиндров двигателя; 6 – коленчатый вал двигателя; 7 – датчик частоты вращения коленчатого вала двигателя; 8 – электродвигатель; 9 – электронный блок управления длиной впускного трубопровода.

Рисунок 3 – Схема устройства для автоматического регулирования длины впускного трубопровода двигателя.

В реальных производственных условиях реализовать такие автоматически регулируемые впускные системы для автомобильных двигателей достаточно сложно не только с точки зрения затрат, сложности исполнительного механизма, но и срока их службы, однако проведенные исследования подтверждают актуальность их применения.

Нейроэмулятор – система идентификации реального динамического объекта, представляющая собой программно-аппаратный комплекс. Требуется протестировать его на экспериментальных данных.

В качестве объекта для экспериментальной проверки выбран электрический мотор-редуктор IG-42GM. В его основе электрический двигатель постоянного тока с независимым возбуждением от постоянных магнитов.

Математическая модель двигателя постоянного тока (ДПТ) описывается следующей системой уравнений:

                 (2.1)

где     U_Я – напряжение якорной обмотки двигателя, В;

- электродвижущая сила якоря, В;

i_Я – ток якоря, А;

Ф – магнитный поток, создаваемый обмоткой возбуждения, Вб;

М – электромагнитный момент двигателя, Н·м;

М_С
- момент сопротивления движению, Н·м;

ω – угловая частота вращения вала, рад/с;

R_Я – активное сопротивления якорной цепи, Ом;

L – индуктивность якорной цепи, Гн;

J – суммарный момент инерции привода, кг·м²;

C_W – коэффициент связи между угловой частотой и электродвижущей силой;

C_М – коэффициент связи между током якоря и электромагнитным моментом.

Для того, чтобы нейронная сеть могла аппроксимировать объект, одним из ключевых условий является определение в объекте входных и выходных векторов, а также величин, описывающих состояние объекта. Удобно с этой целью рассмотреть объект как систему в пространстве состояний.

Тогда систему уравнений требуется привести к явной форме Коши, с подстановкой, тогда система уравнений примет следующий вид:

            (2.2)

Из уравнений видно, что:

– входные переменные: U_Я и М_С;

– переменные, описывающие состояние объекта: i_Я и ω;

– выходные переменные: М и ω;

Видно, что переменная скорости ω одновременно и описывает состояние объекта, и является выходной. Так же видно, что электромагнитный момент М пропорционален току i_Я, поэтому при приведении к относительным единицам, возможно использование тока i_Я в качестве выходной величины, характеризующей момент. По сглаженной кривой тока i_Я косвенно можно получить представление о моменте сопротивления М_С. Возбуждение от постоянных магнитов, и магнитный поток не меняется в процессе работы двигателя, поэтому для обучения нейронной сети информация о нем не применяется.

Учитывая, что двигатель является динамическим объектом, в качестве обратных связей для нейронной сети необходимо завести информацию о выходных величинах М, ω.

По имеющейся информации была сформирована архитектура рекуррентной нейронной сети в среде Matlab. Сеть имеет один внутренний слой, состоящий из 5 нейронов. На вход и выход сети подаются соответствующие вектора переменных, снятые с двигателя. При обучении сравниваются соответствующие выходы ДПТ и сети и корректируются веса нейронов. Ниже приведена структурная схема нейросетевой модели.

Для получения динамики двигателя был собран прототип устройства для съема информации о параметрах двигателя и передачи в ПК для обучения нейросетевой модели и анализа результатов. Схема устройства приведена на рисунке 2.2.

Рисунок 2.1 – Структурная схема нейросетевой модели ДПТ.

Рисунок 2.2 – Структурная схема прототипа устройства для съема информации с ДПТ

Устройство построено на базе микропроцессорной платформы STM32VL Discovery и согласующих узлов. Принцип действия следующий. Устройство формирует сигнал управления, изменяющийся согласно случайной последовательности с нормальным распределением. Управляющий сигнал подается на силовой ключ и запускает двигатель в работу. На валу искусственно создается момент сопротивления. При этом снимается аналоговая информация о скорости, токе и напряжении двигателя, которая преобразуется в цифровой вид и передается в ПК по интерфейсу RS232. В ПК формируется массив статистических данных и приводится к безразмерному виду для удобства обучения нейронной сети. 2/3 данных используется в качестве векторов для обучения нейронной сети, 1/3 используется для верификации.

Полученные данные были поданы на входы сети и произведено обучение. Сигнал тока реального двигателя i_Я пропорционален моменту сопротивления М_С, и использовался также как входная величина, приведенная к безразмерному виду. В результате была достигнута ошибка обучения Е_обуч = 5,6·10^-4.

После этого были поданы входные векторы данных для верификации сети, так же имеющие случайный характер и приведенные к безразмерному виду. На этом этапе сравнивались выходные векторы нейронной сети и экспериментальные данные двигателя. Была достигнута ошибка верификации Е_вериф = 7,1·10^-4.

На рисунке 2.3 приведены графики выходных векторов нейронной сети (синяя штриховая линия) и экспериментальных данных двигателя (красная сплошная линия).

Рисунок 2.3 – График верификации обучения нейросетевой модели при случайном входном воздействии.

Экспериментальная проверка на реальном объекте наглядно демонстрирует эффективность нейросетевого эмулятора. Таким образом, получив только массив входных и выходных векторов переменных динамического объекта можно получить достоверную его программную модель. При этом не требуется наличие уточненных данных и расчетов сложных дифференциальных уравнений в процессе эксплуатации модели. Необходимо и достаточно лишь правильно первоначально сформировать архитектуру нейронной сети.