Применение диагностики для исследования эксплуатационной надежности электронных систем управления двигателем автомобиля Skoda
Аннотация
Введение. В электронных системах управления двигателем происходят физические процессы, часть из которых приводит к износу элементов системы. Опыт эксплуатации и диагностирования автомобилей на станции технического обслуживания показал, что часть автомобилей эксплуатируются с неисправностями, многие из которых в дальнейшем приводят к отказам различных групп сложности. Цель исследования – применить диагностику для определения эксплуатационной надежности и оценки технического состояния электронных систем управления двигателем.
Материалы и методы. Для оценки эксплуатационной надежности современной электронной системы управления двигателем была выбрана партия автомобилей. Экспериментальные исследования были проведены на автомобилях Skoda Octavia с двигателями 1.8 TSI CDAB 152 л.с. Euro5 и CDAA 160 л.с. Euro5. Выборка составила 60 единиц техники. Автомобиль записывался на диагностику, предварительно проводилось техническое обслуживание и компьютерная диагностика. После короткого теста автомобиль снова заезжал на станцию технического обслуживания и подвергался глубокой диагностике электронной системы управления двигателем.
Результаты исследования. Получены результаты исследований надежности основных элементов электронной системы управления двигателем. Можно сделать вывод о том, что большая часть отказов конструктивных элементов электронной системы управления двигателем соответствует исполнительным механизмам системы, имеющим подвижные элементы. Датчики, измеряющие параметры системы, изнашиваются в меньшей степени. Проведен анализ зависимости показателей безотказности регулятора давления топливного насоса по интервалам наработки.
Обсуждение и заключение. Определено, что наименьший ресурсный пробег приходится на свечи зажигания. При этом наиболее частая неисправность возникает у регулятора давления топлива в топливной системе автомобилей с долей в 19,8 % от общего количества. Ресурс данного элемента электронной системы управления двигателем составляет в среднем 125 тыс. км. Доказано, что диагностирование с применением современного технологического оборудования является эффективным.
Литература
2. Komorska I., Wołczyński Z, Borczuch A. Diagnosis of Sensor Faults in a Combustion Engine Control System with the Artificial Neural Network // Diagnostyka. 2019. Vol. 20, Issue 4. P. 19–25. doi: https://doi.org/10.29354/diag/110440
3. Control and Optimization of Spark Ignition–Controlled Auto-Ignition Hybrid Combustion Based on Stratified Flame Ignition / T. Chen [et al.] // Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering. 2019. Vol. 233, Issue 12. P. 3057–3073. doi: https://doi.org/10.1177/0954407018817626
4. Effect of Diesel Injection Strategies on Natural Gas/Diesel RCCI Combustion Characteristics in a Light Duty Diesel Engine / K. Poorghasemi [et al.] // Applied Energy. 2017. Vol. 199. P. 430–446. doi: https://doi.org/10.1016/j.apenergy.2017.05.011
5. Detection of Engine Misfire Using Characteristic Harmonics of Angular Acceleration / Q. Song [et al.] // Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering. 2019. Vol. 233, Issue 14. P. 3816–3823. doi: https://doi.org/10.1177/0954407019834104
6. Experimental and Numerical Investigation for Improved Mixture Formation of an eFuel Compared to Standard Gasoline [Электронный ресурс] / E. Rossi [et al.] // SAE Technical Papers. SAE 15th International Conference on Engines and Vehicles, ICE. 2021. doi: https://doi.org/10.4271/2021-24-0019
7. Misfire Detection of Diesel Engine Based on Convolutional Neural Networks / P. Zhang [et al.] // Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering. 2021. Vol. 235, Issue 8. P. 2148–2165. doi: https://doi.org/10.1177/0954407020987077
8. Kannadhasan A. Self Diagnostic Cars: Using Infotainment Electronic Control Unit [Электронный ресурс] // SAE Technical Papers. 17th Symposium on International Automotive Technology. 2021. doi: https://doi.org/10.4271/2021-26-0027
9. Concept Analysis and Initial Results of Engine-Out NOx Estimator Suitable for on ECM Implementation [Электронный ресурс] / D. Kihas [et al.] // SAE Technical Papers. SAE 2016 World Congress and Exhibition. 2016. doi: https://doi.org/10.4271/2016-01-0611
10. Price K. S., Wang L., Pauly T. Evaluation of Field NOx Performance of Diesel Vehicles Using ECM - Provided OBD/SAEJ1979 Data [Электронный ресурс] // SAE Technical Papers. SAE 2015 World Congress and Exhibition. 2015. doi: https://doi.org/10.4271/2015-01-1067
11. Круш Л. О., Галин Д. А. Разработка устройства для определения магнитного поля на базе микроконтроллера Arduino Uno // Сурский вестник. 2021. Т. 13, № 1. С. 47–51. doi: https://doi.org/10.36461/2619-1202_2021_13_01_009
12. Azizahwati A., Rahmad M., Hidayat F. Development of a Circular Motion Experimental Device Using an Arduino Uno Microcontroller [Электронный ресурс] // Journal of Physics: Conference Series. Universitas Riau International Conference on Science and Environment (11–13 September 2020). Vol. 1655. Pekanbaru, 2020. doi: https://doi.org/10.1088/1742-6596/1655/1/012154
13. Takeuchi Y., Oike H., Ishikawa T. Development of Motor Health Examination System Using Arduino Uno [Электронный ресурс] // 23rd International Conference on Electrical Machines and Systems (24–27 November 2020). Hamamatsu, 2020. doi: https://doi.org/10.23919/ICEMS50442.2020.9290982
14. Model-Based Development and OBD Calibration for Heavy-Duty Applications / R. Rezaei [et al.] // Proceedings of China SAE Congress 2020: Selected Papers. Lecture Notes in Electrical Engineering. Vol. 769. Springer : Singapore, 2020. P. 753–770. doi: https://doi.org/10.1007/978-981-16-2090-4_45
15. Mirmohammadsadeghi M., Zhao H., Ito A. Optical Study of Gasoline Substitution Ratio and Diesel Injection Strategy Effects on Dual-Fuel Combustion // Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering. 2020. Vol. 234, Issue 4. P. 1075–1097. doi: https://doi.org/10.1177/0954407019864013
16. Extracting Event Data from Memory Chips within a Detroit Diesel DDEC v [Электронный ресурс] / J. Daily [et al.] // SAE Technical Papers. SAE 2015 World Congress and Exhibition. 2015. doi: https://doi.org/10.4271/2015-01-1450
17. Krogerus T. R., Hyvönen M. P., Huhtala K. J. A Survey of Analysis, Modeling, and Diagnostics of Diesel Fuel Injection Systems [Электронный ресурс] // Journal of Engineering for Gas Turbines and Power. 2016. Vol. 138, Issue 8. doi: https://doi.org/10.1115/1.4032417
18. Krivoshapov S. Development of a Piston Fuel Flow Meter Based on a Microcontroller and Its Use for Vehicle Diagnostics // SAE Technical Papers. SAE 2021 Powertrains, Fuels and Lubricants Digital Summit, FFL. 2021. doi: https://doi.org/10.4271/2021-01-1150
19. Selvam H. P., Shekhar S., Northrop W. F. Prediction of NOx Emissions from Compression Ignition Engines Using Ensemble Learning-Based Models with Physical Interpretability [Электронный ресурс] // SAE Technical Papers. SAE 15th International Conference on Engines and Vehicles, ICE. 2021. doi:
20. Real Time Energy Management Control Strategies for an Electrically Supercharged Gasoline Hybrid Vehicle [Электронный ресурс] / F. Accurso [et al.] // SAE Technical Papers. SAE 2020 World Congress Experience, WCX. 2020. doi: https://doi.org/10.4271/2020-01-1009
21. Combined CFD ‒ Experimental Analysis of the In-Cylinder Combustion Phenomena in a Dual Fuel Optical Compression Ignition Engine [Электронный ресурс] / R. De Robbio [et al.] // SAE Technical Papers. SAE 15th International Conference on Engines and Vehicles, ICE. 2021. doi: https://doi.org/10.4271/2021-24-0012
