Evaluation of the technical condition of electromagnetic injectors on the test bench according to the error in measuring the flow rate of the test liquid

Full Text

Введение Известно, что техническое состояние (ТС) электромагнитных форсунок (ЭМФ) оказывает влияние на работу бензинового двигателя [1-9]. Проявлениями нарушений ТС устройства впрыска топлива являются неустойчивая работа двигателя (рывки и провалы при увеличении нагрузки на силовой агрегат), снижение его мощности, увеличение расхода топлива, повышенная токсичность отработавших газов [1-3]. Поэтому своевременная диагностика нарушений исправного состояния ЭМФ является задачей, решение которой позволит судить как об остаточном ресурсе, так и о периодичности проведения мероприятий, связанных с восстановлением работоспособности устройства. По рекомендации производителей замену форсунок, независимо от технического состояния механизма, осуществляют на пробеге 100-120 тыс. км. Средняя наработка на отказ может составлять и 125,8 тыс. км [10]. К неисправностям ЭМФ как устройства впрыска топлива относятся межвитковое замыкание обмотки соленоида, снижение жесткости пружины иглы запорного клапана, зависание иглы клапана в крайних верхнем или нижнем положениях [9]. Причинами, оказывающими влияние на работоспособность форсунок, могут быть образующиеся (в результате теплового воздействия) из углеводородов и смол нерастворимые в бензине поверхностные отложения [1-8]. К мероприятиям по установлению нарушений исправного состояния впрыска относятся проверка отсутствия механического повреждения форсунок и наличия соответствующего сигнала, поступающего от электронного блока управления, измерение сопротивления обмотки каждой форсунки, диагностика баланса форсунок[73] [4]. Оценку технического состояния топливных форсунок проводят также и с использованием тестовых жидкостей на стендах. Поверяется герметичность клапана устройства, форма распыла факела тестовой жидкости, поступающей из форсунки, качество распыла жидкости, производительность форсунки[74] [4]. Пробег автомобилей и сроки эксплуатации ЭМФ не являются определяющими факторами для принятия решения о необходимости проведения процедур очистки форсунок. Техническое состояние устройства зависит не только от образования твердых углеродистых отложений в инжекторе, но и связано со сбоями в электронной системе управления двигателем, с засорением системы питания продуктами, возникающими при использовании низкокачественного бензина[75] [1-8; 11]. Поэтому необходимость проведения процессов очистки инжекторов (или их замены) оценивают по представленным ранее проявлениям нарушений технического состояния ЭМФ. Диагностическими параметрами для выявления нарушений технического состояния форсунок, являющимися одновременно и факторами, по которым судят о применимости процедур очистки и замены инжекторов, могут быть баланс форсунок, время срабатывания электромагнита инжектора, расход воздуха двигателем на холостом ходу и др.[76] [1; 2; 9; 11-13]. Так, по зависимостям падения давления топлива в рампе от пропускной способности ЭФМ выявлены закономерности, свидетельствующие, что очистку форсунок целесообразно проводить при снижении их пропускной способности на величину 5-12 %, замену - при снижении пропускной способности на величину более 15 % [1]. Очистку форсунок от загрязнений проводят с помощью добавляемых в находящийся в топливном баке бензин химических реагентов или непосредственной подачей специальной жидкости на вход топливной рампы. Снятые с двигателя форсунки очищают от загрязнений в ультразвуковых ваннах и водных растворах, содержащих поверхностно-активные вещества[77] [4]. При использовании способа очистки форсунок (без монтажа устройства с двигателя) с использованием химической добавки реагенты вводят в находящийся в топливном баке бензин каждые 2-3 тыс. км пробега [4]. В способе с непосредственной подачей специальной жидкости на вход топливной рампы двигателя очистку форсунок проводят через каждые 20 тыс. км пробега[78]. Наиболее часто встречающимися в литературе величинами наработки, при которой возникает необходимость очистки форсунок, является пробег автомобиля от 20 до 40 тыс. км[79] [8; 11; 12]. Причем, представленные данные имеют рекомендательный характер. Это связано не только с маркой автомобиля и двигателя, но и с регионом, в котором транспортное средство эксплуатируется. Так, для автомобилей ГАЗ (с двигателем ЗМЗ-4062.10), эксплуатирующихся в Омске, периодичность очистки ЭМФ составила 30 тыс. км пробега [12]. Анализируя приведенную информацию следует отметить, что при очевидных достоинствах, связанных с представленными для запуска процедур очистки форсунок изменениями диагностических параметров, существуют и недостатки, к которым в первую очередь относится отсутствие сведений, представляющих как минимум обобщение для разных марок автомобилей, двигателей. Поэтому целесообразно провести оценку технического состояния топливных форсунок не на двигателе, а на стенде; испытывать не один или несколько, а не менее 15 комплектов снятых с моторов форсунок, которыми оснащены силовые агрегаты автомобилей с разным пробегом. Целью таких исследований является установление связи параметров, определяемых на стенде, с величинами пробега автомобилей. 1. Экспериментальная часть Объектами исследования были ЭМФ бензиновых двигателей с распределенным впрыском топлива. Форсунки эксплуатировались в силовых агрегатах автомобилей ГАЗ-27040 V («Газель»), ZAZ Chance SX, ВАЗ 2121 («Нива»), Chevrolet Lacetti и др. Испытания проводили на 19 комплектах форсунок (в каждом комплекте по 4 форсунки), снятых с двигателей автомобилей с пробегом от 0 до 188 тыс. км. Техническое состояние устройства впрыска топлива оценивали, используя прибор для очистки и анализа топливных форсунок НР-6В в комплекте с ультразвуковой ванной Ultrasonic Cleaner. Испытывали форсунки Siemens DEKA ZMZ 6354, Siemens DEKA VAZ 6238, Siemens DEKA VAZ 20734, Siemens DEKA VAZ 20735, Bosch 0 280 158 502, Bosch 0 280 158 017, Bosch 0 280 158 022, Bosch 0 280 150 996, Denso 23209-39145. Измерения расхода тестовой жидкости (ТЖ; LAVR Ln 2004), прокачиваемой через форсунки насосом, осуществляли в автоматическом и ручном режимах настройки частоты nτ, ширины τ и числа импульсов Nτ[80] [4; 10]. Режим 1 - атомизация (форсунки находятся в постоянно открытом состоянии); 2 - холостой ход, n = 650 мин-1 («минимум»), τ = 3 мс, Nτ = 2000 импульсов; 3 - максимальная нагрузка, n = 2400 мин-1, τ = 12 мс, Nτ = 1000 импульсов; 4 - работа при высоких скоростях, n = 3600 мин-1, τ = 6 мс, Nτ = 2000 импульсов. Расход qi тестовой жидкости при испытании форсунок рассчитывали по формуле , (1) где Qt - объем топлива за время измерения t, мл; t - время измерения, мин. 2. Результаты и обсуждение В результате проведенных исследований установлено, что расход тестовой жидкости в режиме 1 (атомизация) для форсунок, снятых с автомобилей с разным пробегом, не может быть обобщающим параметром, по которому следует оценивать техническое состояние устройства от пробега. Это связано с тем, что q отражает не только зависящую от наработки степень загрязнения форсунок, но и разницу в пропускной способности изделия (регламент производителя). Поэтому целесообразно для объектов исследования, отличающихся изначально производительностью, оценку технического состояния проводить по среднему значению погрешности измерения (Dqср) расхода ТЖ: (2) где ±Dqi - погрешность среднего арифметического расхода тестовой жидкости, мл×мин-1; n - число значений параметра ±Dqi в интервале пробега. Параметр ±Dqi рассчитывали по формуле (3) где t0,95 - коэффициент Стьюдента при доверительной вероятности 0,95; s - стандартное отклонение; nизм - число измерений (для комплекта из четырех форсунок nизм = 4). В табл. 1 представлены рассчитанные параметры ±Dqi для форсунок с наработкой 57 и 150 тыс. км пробега. Из сопоставления данных следует, что значение ±Dqi, полученное в режиме 2, резко отличается от погрешности среднего арифметического расхода тестовой жидкости режимов 1, 3 и 4. Причем такое же отличие наблюдается и для форсунок с другими показателями наработки. Поэтому при расчете Dqср по всем режимам испытания данные режима 2 не учитывали. Таблица 1 Значения погрешности измерения ±Dqi расхода тестовой жидкости при различных режимах испытания форсунок Режим ручной настройки Bosch 0 280 158 502 с пробегом 57 тыс. км, ±Dqi Bosch 0 280 158 502 с пробегом 150 тыс. км, ±Dqi 1 1,8 21,4 2 0,4 1,7 3 1,6 14,1 4 1,3 13,4 Table 1 Values of measurement error ±Dqi of the test liquid flow rate in various injector test modes Manual tuning mode Bosch 0 280 158 502 with a mileage of 57 thousand km, ±Dqi Bosch 0 280 158 502 with mileage of 150 thousand km, ±Dqi 1 1.8 21.4 2 0.4 1.7 3 1.6 14.1 4 1.3 13.4 Таблица 2 Средние значения погрешности Dqср, yi измерения расхода ТЖ в интервале пробега L L, тыс. км 0-33 33-66 66-99 99-132 132-165 Dqср 1,5 2,4 6,0 7,5 9,5 Table 2 Average values of the error Dqср, yi of measuring the flow rate of the test liquid in the run interval L L, thousands km 0-33 33-66 66-99 99-132 132-165 Dqavg 1.5 2.4 6.0 7.5 9.5 Из анализа данных (табл. 2) следует, что с увеличением пробега автомобиля наблюдается рост параметра Dqср(yi). Это свидетельствует о существовании связи между Dqср и L, исследование которой проводили, используя табличный процессор Microsoft Office Excel[81] [14; 15]. Объясняющей переменной xi при таком исследовании была середина интервала пробега L. Степень тесноты связи между значениями пробега и средними значениями погрешности измерения расхода ТЖ оценивали корреляционным анализом. Установлено, что коэффициент корреляции между параметрами Dqср и пробегом составил 0,99. Следовательно, связь между значениями пробега и средними значениями погрешности измерения расхода ТЖ полная, функциональная. В табл. 3 представлены уравнения регрессии, полученные аппроксимацией данных с помощью линии тренда, и величины достоверности аппроксимации - коэффициенты детерминации. Таблица 3 Уравнения регрессии и величины достоверности аппроксимации R2 № п. п. Уравнение R2 1 ŷ = 1,2875exp(1·10-5x) 0,9345 2 ŷ = 0,00006x + 0,073 0,9723 3 ŷ = 6·10-5x + 7·10-12x2 + 0,1039 0,9723 4 ŷ = 0,0002x0,8901 0,9360 Table 3 Regression equations and approximation confidence values R2 Item number Equation R2 1 ŷ = 1.2875exp(1·10-5x) 0.9345 2 ŷ = 0.00006x + 0.073 0.9723 3 ŷ = 6·10-5x + 7·10-12x2 + 0.1039 0.9723 4 ŷ = 0.0002x0.8901 0.9360 Регрессия в виде квадратичного уравнения нелинейная относительно объясняющих переменных и линейная относительно параметров модели[82]. Поэтому оценки метода наименьших квадратов преобразованной линейной модели, полученные при помощи функции «Регрессия» табличного процессора Microsoft Office Excel, являются оценками параметров нелинейной модели (табл. 4: параметры Fрасч, R2). Экспоненциальные и степенные модели, относящиеся к нелинейной по параметрам регрессии, внутренне линейные[83]. Модель степенной регрессии (a и b - коэффициенты регрессии, ei - случайная ошибка регрессии) после логарифмирования (линеаризации) и замены lnyi, lna, lnxi, lnei на y*, a*, xi*, ei* преобразуется в линейное уравнение вида . Идентично и для модели (табл. 3) после логарифмирования y*i = lnyi, e*i = lnei, a* = lna экспоненциальное уравнение преобразуется в линейное: . Для линеаризованной экспоненциальной модели в итоговых данных инструмента анализа «Регрессия» , . Искомое значение a в модели составило . Оцененная экспоненциальная модель приобретает вид , степенная после аналогичных преобразований - . Проверку статистической значимости уравнений регрессии проводили по критерию Фишера Fрасч. Прогностическое качество оценивали индексом корреляции η(η = R2). Вычисляли также среднюю относительную ошибку аппроксимации Ā. Табличное значение критерия Фишера (критическое значение Fкрит) определяли с помощью встроенной функции Excel «FРАСПОБР» при уровне значимости 0,05. В уравнениях для расчета использовали - теоретическое (расчетное, предсказанное) значение Dqср; yi - текущий параметр Dqср (табл. 2); - средняя величина Dqср; n - число наблюдений; m - число параметров при переменных х. Результаты расчетов приведены в табл. 4. Таблица 4 Характеристика регрессионных моделей Регрессия Ā, % η Fрасч Fкрит R2 Квадратичная 14 0.9861 35.1 19.0 0.9723 Линейная 14 0.9861 105.4 10.1 0.9723 Экспоненциальная 15 0.9834 27.5 10.1 0.9671 Степенная 15 0.9799 61.1 10.1 0.9602 Table 4 Characterization of regression models Regression Ā, % η Festimate Fcritical R2 Quadratic 14 0,9861 35,1 19,0 0,9723 Linear 14 0,9861 105,4 10,1 0,9723 Exponential 15 0,9834 27,5 10,1 0,9671 Nonlinear 15 0,9799 61,1 10,1 0,9602 Критерием статистической значимости (адекватности) уравнений регрессии является условие, при котором Fрасч > Fкрит. Этому условию удовлетворяют значения критерия Фишера квадратичной, линейной, экспоненциальной и степенной регрессий (табл. 4). Точность математической модели оценивают по величине ошибки аппроксимации. Высокая точность модели характеризуется значениями Ā ниже 10 %. Таким значением не обладает ни одна из представленных моделей (табл. 4). Поэтому был проведен расчет параметров экспоненциальной и степенной регрессий нелинейным оцениванием с использованием надстройки «Поиск решения» [15; 16]. В надстройке реализован поиск решения нелинейных задач методом обобщенного понижающего градиента. В табл. 5 представлены результаты проведенного расчета. Таблица 5 Нелинейное оценивание параметров экспоненциальной и степенной регрессий Уравнение после нелинейного оценивания Ā, % η Fрасч Fкрит R2 ŷ = 1,170exp(1,460·10-5x) 12 0,9296 24,6 10,1 0,8642 ŷ = 0,0001136x0,9522 14 0,9854 98,7 10,1 0,9710 Table 5 Nonlinear estimation of parameters of exponential and nonlinear regressions Equation after nonlinear estimation Ā, % η Festimate Fcritical R2 ŷ = 1.170exp(1.460·10-5x) 12 0.9296 24.6 10.1 0.8642 ŷ = 0.0001136x0.9522 14 0.9854 98.7 10.1 0.9710 Из анализа данных (табл. 4, 5) следует, что все модели являются грубым приближением регрессии к реальной зависимости (значение средней ошибки аппроксимации для грубых моделей не должно превышать 15 %). Линейная и степенная регрессии более адекватно, чем квадратичная и экспоненциальная модели, описывают исходные данные. Представленные модели могут быть использованы для практического применения, но с поправками, учитывающими количество объектов испытания. Так, для разработки систем обеспечения работоспособности электроники, управляемой двигателем, минимальный объем выборки обследования электронных компонентов составлял 58 [17]. Изменение интенсивности отказов электромагнитных форсунок от пробега автомобиля, установленное по представленным в работе данным, описывается экспоненциальной регрессией. При малом числе обследованных объектов (малая выборка) следует учитывать метод статистический обработки, предназначенный для работы именно с таким количеством результатов испытаний [18]. Заключение Средние значения погрешности измерения расхода тестовой жидкости, наблюдаемые при испытании форсунок на стенде, связаны с пробегом автомобиля. Чем больше пробег, тем выше средние значения погрешности измерения расхода. Показано, что зависимость средних значений погрешности измерения расхода тестовой жидкости от пробега может быть описана в грубом приближении регрессией.

About the authors

Aleksandr A. Khodyakov

Peoples’ Friendship University of Russia (RUDN University)

Email: khodyakov-aa@rudn.ru
ORCID iD: 0000-0001-9391-2890

Candidate of Chemical Sciences, Associate Professor of the Department of Transport, Academy of Engineering

6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

Sergey V. Khlopkov

Peoples’ Friendship University of Russia (RUDN University)

Email: khlopkov-sv@rudn.ru
ORCID iD: 0000-0001-9536-7558

Candidate of Technical Sciences, Associate Professor of the Department of Transport, Academy of Engineering

6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

Vlada V. Basova

Peoples’ Friendship University of Russia (RUDN University)

Email: 1032202133@rudn.ru
ORCID iD: 0000-0002-1325-4646

master’s student, Department of Transport, Academy of Engineering

6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

Oleg I. Telkov

Peoples’ Friendship University of Russia (RUDN University)

Email: 1032202136@rudn.ru
ORCID iD: 0000-0003-1412-6539

master’s student, Department of Transport, Academy of Engineering

6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

Anastasia D. Kosmacheva

Peoples’ Friendship University of Russia (RUDN University)

Author for correspondence.
Email: 1032202134@rudn.ru
ORCID iD: 0000-0002-3749-5225

master’s student, Department of Transport, Academy of Engineering

6 Miklukho-Maklaya St, Moscow, 117198, Russian Federation

References

Supplementary files