جلسه دفاع پایان نامه کارشناسی ارشد (آقای محمد حسینی)
موضوع: تشخیص وقوع کوبش در موتورهای احتراق جرقه‌ای با روش‌های یادگیری ماشین به کمک حسگر دمای دود خروجی
ارائه دهنده: محمد حسینی
استادان راهنما: دکتر ایمان چیت‌ساز
استادان مشاور:
استادان داور: دکتر محسن دوازده امامی، دکتر علی اکبر عالم رجبی
چیکده:
توسعه و بهينه‌سازی موتورهای احتراق داخلی به منظور دستيابی به بيشينه توان خروجی، کاهش آلايندگی و کاهش مصرف سوخت، مورد توجه محققان قرار گرفته است. هدف اصلی در اين زمينه، رسيدن به تعادل مطلوب بين کاهش مصرف سوخت و آلايندگی با بهبود توان و گشتاور توليدی موتور مي‌باشد و راهکارهايی نظير کوچک‌سازی موتور، افزايش نسبت تراکم و بهره‌گيری از سيستم پرخوران در موتور، می‌تواند شرايط را برای رسيدن به اين هدف، مهيا سازد. در تمامی اين موارد، کوبش مانعی بزرگ برای رسيدن به شرايط بهينه کارکردی موتور می‌باشد. در کار حاضر، هدف پيش‌بينی احتمال وقوع کوبش در موتور احتراق جرقه‌ای براساس پارامترهای کارکردی خودرو و دمای دود خروجی به کمک روش‌های يادگيری ماشين مي‌باشد. در اين کار، از روش‌های شبکه عصبی مصنوعی و يادگيری عميق به عنوان الگوريتم‌های يادگيری ماشين استفاده می‌شود. در مرحله نخست، داده‌های موردنياز از طريق آزمون‌های جاده مختلف بر روی خودروی هايما اس 7 توربو بدست آمدند. آزمون‌ها در جاده‌های مختلف ايران با شرايط آب و هوايی و ارتفاع متفاوت انجام شدند. در مرحله بعد، پارامترهای کارکردی مختلف خودرو از لحاظ زمانی، همگام‌سازی شده تا مقدار تمامی پارامترها در زمان يکسان، ثبت شوند. سپس داده‌های پردازش شده به عنوان ورودی الگوريتم‌های يادگيری ماشين، استفاده می‌شوند تا فرآيند آموزش و يادگيری شبکه‌ها، انجام شود. در نهايت، شبکه ها دقت 92 درصدی را در فرآيند آموزش و دقت 87 تا 89 درصدی را در فرآيند آزمون از خود نشان دادند. مهم‌ترين عامل وجود خطا در تشخيص شرايط کوبشی، ذات تصادفی بودن پديده کوبش و تغييرات چرخه به چرخه در موتور است که در شرايط کارکردی کاملا مشابه، در يک چرخه ممکن است کوبش رخ بدهد و در ديگری ممکن است احتراق به صورت عادی انجام شود. هم‌چنين، براساس آناليز حساسيت انجام شده بر روی شبکه‌ها، زمان جرقه بيشترين تاثير را در وقوع يا عدم وقوع جرقه از خود نشان می‌دهد و موقعيت ميل بادامک، کمترين اثر را بر روی اين پديده دارد. الگوريتم‌های يادگيری ماشين، نتايج اميدوارکننده‌ای را در زمينه تشخيص کوبش از خود نشان دادند و روش‌های يادگيری ماشين، می‌توانند در مباحث بهينه‌سازی، کنترل و پيش‌بينی عملکرد موتورهای احتراق داخلی و نگاشت مديريت هوشمند خودرو، تحول شگرفی را ايجاد کنند. هم‌چنين، مي‌توان از روش‌های يادگيری ماشين با هدف تشخيص و شناسايی پديده کوبش براساس پارامترهای کارکردی خودرو استفاده کرد که چنين امری، مي‌تواند منجر به حذف حسگر کوبش از موتورهای احتراق جرقه‌ای شود.