Особенности и характер влияния частоты вращения коленчатого вала на величину импульса реакций опор, оцениваемых при диагностировании двигателя внутреннего сгорания

   Разработка универсальных диагностических параметров, обладающих повышенной информативностью и возможностью оперативной регистрации и обработки, позволит оценить текущее состояние отдельных элементов и объекта диагностирования в целом. В качестве универсального диагностического параметра, характеризующего техническое состояние двигателя внутреннего сгорания, предлагается использовать импульс реакций опор двигателя, величина которого зависит от частоты вращения коленчатого вала. На лабораторной установке, включающей в себя дизельный четырехтактный четырехцилиндровый двигатель Д-243 и комплект измерительной аппаратуры, авторами исследовался процесс изменения импульса реакций опор двигателя внутреннего сгорания при изменении частоты вращения коленчатого вала в режиме холостого хода. При проведении исследований применялись методы регрессионного, системного и статистического анализа. Установлено, что в диапазоне частоты вращения коленчатого вала 600…2200 мин^–1 максимальное значение реакций опор за каждый такт работы двигателя изменяется с 345 до 122 Н. В диапазоне 600…1000 мин^–1 минимальное значение реакций опор за каждый такт работы двигателя изменяется с –272 до –305 Н и увеличивается до –109 Н при максимальной частоте 2200 мин^–1. Максимальный импульс реакций опор наблюдается при частоте вращения коленчатого вала 1000 мин^–1 и составляет в среднем для положительных и отрицательных реакций опор соответственно 17,34 и –17,35 кНс. При максимальной частоте вращения коленчатого вала импульс реакций опор достигает для положительных и отрицательных реакций опор соответственно 9,28 и –9,29 кНс. Полученные результаты могут использоваться для совершенствования методов диагностирования двигателей внутреннего сгорания, так как позволяют исключить влияние частоты вращения коленчатого вала на результат измерений.

1. Cai B., Sun X., Wang J., Yang C., Wang Z., Kong X., Liu Z., Liu Y. Fault detection and diagnostic method of diesel engine by combining rule-based algorithm and BNs / BPNNs. Journal of Manufacturing Systems. 2020; 57: 148-157. doi: 10.1016/j.jmsy.2020.09.001

2. Wen L., Li X., Gao L., Zhang Y. A new convolutional neural network-based data-driven fault diagnosis metho. Transactions on Industrial Electronics. 2018; 65 (7): 5990-5998. doi: 10.1109/TIE.2017.2774777

3. Wang J., Wang Z., Stetsyuk V., Ma X., Gu F., Li W. Exploiting Bayesian networks for fault isolation: A diagnostic case study of diesel fuel injection system. ISA transactions. 2019; 86: 276-286. doi: 10.1016/j.isatra.2018.10.044

4. Zhang M., Zi Y., Niu L., Xi S., Li Y. Intelligent diagnosis of V-type marine diesel engines based on multifeatures extracted from instantaneous crankshaft speed. Transactions on Instrumentation and Measurement. 2019; 68 (3): 722-740. doi: 10.1109/TIM.2018.2857018

5. Danilov I. K., Marusin A. V., Marusin V. A., Danilov S. I., Andryushchenko I. S. Diagnosis of the fuel equipment of diesel engines with multicylinder high pressure fuel injection pump for the movement of the injector valve for the diagnostic device. In Proceedings of the 4th International Conference on Frontiers of Educational Technologies. 2019; 157-160. doi: 10.1145/3233347.3233363

6. Zhang W., Li X., Huang L., Feng M. Experimental study on spray and evaporation characteristics of diesel-fueled marine engine conditions based on optical diagnostic technology. Fuel. 2019; 246: 454-465. doi: 10.1016/j.fuel.2019.02.065

7. Szymański G. M., Tomaszewski F. Diagnostics of automatic compensators of valve clearance in combustion engine with the use of vibration signal. Mechanical Systems and Signal Processing. 2016; 68-69: 479-490. doi: 10.1016/j.ymssp.2015.07.015

8. Гриценко А. В. Диагностирование газораспределительного механизма на основе контроля виброколебаний его элементов / А. В. Гриценко, В. Д. Шепелев, А. Ю. Бурцев // Вестник Южно-Уральского государственного университета. Серия «Машиностроение». – 2022. – Т. 22, № 1. – С. 36-47. doi: 10.14529/engin220103

9. Балясников А. С. Повышение эффективности диагностирования тепловых зазоров клапанов ГРМ с помощью вибродатчика (акселерометра) / А. С. Балясников [и др.] // АПК России. – 2018. – Т. 25, № 3. – С. 377-387. EDN: YCKCPJ.

10. Гребенников А. С. Динамический метод диагностирования элементов автомобиля / А. С. Гребенников, С. А. Гребенников, И. Ю. Куверин // Мир транспорта и технологических машин. – 2016. – № 1 (52). – С. 24-31. EDN: VMFZGF.

11. Панченко М. Н. Анализ мгновенной угловой скорости коленчатого вала / М. Н. Панченко, В. В. Грачев, А. В. Грищенко // Транспорт Российской Федерации. – 2018. – № 4 (77). – С. 59-62. EDN: XYYMFF.

12. Кривцов С. Н. Динамический метод диагностирования автомобильных дизелей, оснащенных аккумуляторной топливоподающей системой / С. Н. Кривцов // Автомобильная промышленность. – 2015. – № 9. – С. 26-29. EDN: UMVUPV.

13. Курносов А. Ф. Совершенствование способа оценки технического состояния цилиндропоршневой группы на основе внешней импульсно-силовой характеристики двигателя / А. Ф. Курносов [и др.] // АПК России. – 2022. – Т. 29, № 1. – С. 36-41. EDN: BTBYCT.

14. Сацкевич Н. Е. Интеллектуальная система диагностирования транспортных и технологических машин на основе идентифицированных импульсно-силовых характеристик двигателя / Н. Е. Сацкевич, А. Ф. Курносов, А. А. Галынский // АгроЭкоИнфо. – 2020. – № 4 (42). – С. 30. EDN: FOTRJW.