船用低速发动机缸压在线监测系统

简介: 船用低速发动机缸压在线监测系统

LabVIEW开发船用低速发动机缸压在线监测系统


船用发动机结构复杂,部件相互连接,运行环境恶劣,使其更容易发生故障。如果船用发动机发生故障或工作状态不佳,将增加造成经济损失和威胁船舶安全的机。为了减少故障的发生,有必要对船用发动机的缸内运行状态进行在线监测。


气缸压力曲线反映了船用低速发动机机械功输出的热转换过程,是反映其动力性能的有效手段。是计算性能参数、调整载荷、确定爆破压力和压缩压力以及计算筒体温度等的重要依据。它也是分析船用低速发动机放热规律和燃烧过程模拟模型的评价标准。这是测试发动机工况的最有效方法。同时,气缸压力在线监测系统通过实时测量和分析每个气缸的压力,可以准确反映船用低速发动机每个气缸的工作状态,这对于其状态测试和工作性能的提高非常重要。


气缸压力监测需要在不同曲轴角度下准确定位in-气缸压力,因此不仅需要测量in-气缸压力,还需要同时测量上止点(TDC)和曲轴角(CA)信号。通常,TDC和CA信号可以通过磁电或霍尔式速度传感器从飞轮端或凸轮轴端获得,或者通过编码器从自由端获得,而气缸压力信号可以从安装在气门或连接到燃烧室的气缸盖孔中的气缸压力传感器获得。有两种方法可以实现相等CA的气缸压力采样:软件法和硬件法。软件方法是指对TDC信号、CA信号和气缸压力信号进行同步高速采集,通过CA信号的索引对气缸压力信号的零位进行重采样,将相等时间间隔的PMI数据转换为相等的CA的PMI数据。硬件方法是指由TDC和CA信号的脉冲触发气缸压力信号的采样,得到相等CA的PMI数据。软件方法需要对采集的信号进行重采样,增加了数据处理时间,不利于保证监测系统的实时性,因此本文采用了后一种测量方法。


为了计算船用低速发动机的性能参数并评估燃烧过程,需要对测量的气缸压力信号进行一系列处理和分析,包括TDC校准,循环平均和平滑处理。


定位TDC的方法有很多,包括静态TDC校准法、气缸压力压缩线法和热力学校正法等。由于低速发动机运行过程中的气缸压力和往复惯性力,传动机构被力变形,这使得发动机TDC的相位与静态相位差一起工作,因此后两种方法一般用于定位TDC。与热力学校正法相比,压缩线法操作简单,应用广泛。在TDC附近的纯压缩线为三条相等的线,每条平行线与气缸压力曲线相交的中点为一条直线和压缩线的交点,交叉点是动态TDC。


由于船用低速发动机的不稳定性,存在周期性波动,采用循环平均法消除不同循环间的波动。周期平均数越高,周期波动的影响越小。然而,过多的周期平均时间会增加信号的采样周期和数据处理时间,导致监控系统的运行效率和实时性能下降。考虑到系统运行的速度效率和计算精度的要求,系统一次采集5个工作周期的气缸压力数据。


由于随机误差和气缸内不均匀燃烧产生的压力波的影响,测得的气缸压力曲线可能会有局部波动,导致将P-φ图转换为P-V图时出现较大的振荡。为了获得更真实的性能参数曲线,不仅应该定期平均气缸压力曲线,而且还应该使用进一步的平滑。数学平滑的主要方法是样条函数、正交多项式、最小二乘法、五点和七点平滑法。平滑过程应消除振荡波并恢复曲线的实际特性,同时不要过度平滑和消除曲线峰值。监测系统采用五点三倍平滑过程,减少了信号中高频随机噪声等随机误差,在局部平滑方面具有优势。


在线气缸压力监测系统包括TDC、CA和气缸压力传感器、24VDC电源模块、调节电路、数据采集模块以及分析处理软件模块。在船用低速发动机飞轮端安装磁电或霍尔传感器,获取CA和TDC信号,将它们调理成TTL信号后,触发采集模块,实现多气缸压力信号的等CA采集;数据通过以太网传输到上位机进行数据分析处理,计算、分析和保存气缸压力特性。


在线监测系统的软件部分由基于FPGA的基于LabVIEW虚拟仪器的数据采集和监测系统组成。虚拟仪器技术是利用高性能的模块化硬件,结合高效灵活的软件来完成各种测试、测量和自动化应用。灵活高效的软件可以帮助研究人员创建完全定制的用户界面,模块化硬件可以轻松提供全方位的系统集成,标准的软硬件平台可以满足同步应用的要求。通过对TDC、CA、气缸压力信号的采集、分析和处理,实现对船用低速发动机运行状态的实时监控。




在线监测系统的软件主要分为两部分:一部分是FPGA程序,实现多缸气缸压力信号的等CA采样和数据传输;另一部分是上位机软件,实时读取采集的数据并进行处理分析和保存,实时显示每个气缸显示PMI图和特性和性能参数,实现在线监控功能。


上位机程序设计主要由气缸压力在线监控显示模块、历史数据分析模块和设置模块三部分组成。监控模块实时显示船用低速发动机的运行状态,包括PMI图特性参数的显示,包括P-V、P-φ图和放热速率曲线等。历史数据分析模块包括单缸分析和多缸分析。设置模块包括TDC校准和船用低速发动机参数设置等。


计算机的软件程序开始运行并重置FPGA,并在收到FPGA的中断命令后读取FIFO中的气缸压力数据。监测模块从先进先出读取气缸压力和性能参数数据,然后对气缸压力数据进行平滑处理,提取特征参数并计算每个气缸的放热速率曲线,对一段时间内的性能参数数据求平均值并显示出来。在软件主界面,可以显示特性参数表、P-V图、P-φ图、放热速率曲线和特性参数,实时测试发动机运行状态。


通过试验台验证,监控系统全面实时显示每个气缸的气缸压力,并计算燃烧性能参数,可以更好地满足工程应用的要求。


这是LabVIEW的一个功能介绍,更多的使用方法与开发案例,欢迎登录官网,了解更多信息。有需要LabVIEW项目合作开发,请与我们联系。


相关文章
|
3月前
|
数据可视化 物联网 开发者
深度解析四大LLM微调工具:从单卡到千亿级训练的四大解决方案
本文详解大语言模型微调四大工具——Unsloth、Axolotl、LlamaFactory、DeepSpeed,覆盖从单卡实验到万亿参数分布式训练场景,助你掌握主流框架选型策略,提升微调效率。建议点赞收藏。
1176 1
|
传感器 测试技术 芯片
基于STM32的环境监测系统 (esp8266)(上)
基于STM32的环境监测系统 (esp8266)(上)
2287 1
|
人工智能 JavaScript 数据可视化
Cursor、v0 和 Bolt.new:当今 AI 编程工具的全面解析与对比
本文深入解析了 Cursor AI、v0 和 Bolt.new 三大 AI 编程工具的特点与应用场景。Cursor 适合日常编码与团队协作,v0 专注于 UI 原型设计,Bolt.new 擅长全栈原型开发。各工具在功能上互为补充,开发者可根据需求灵活选择,以提升工作效率。
5072 1
|
机器学习/深度学习 监控 API
基于云计算的机器学习模型部署与优化
【8月更文第17天】随着云计算技术的发展,越来越多的数据科学家和工程师开始使用云平台来部署和优化机器学习模型。本文将介绍如何在主要的云计算平台上部署机器学习模型,并讨论模型优化策略,如模型压缩、超参数调优以及分布式训练。
1651 2
|
监控 Cloud Native 关系型数据库
【跨区域PolarDB-MySQL主备互通】:揭秘如何跨越万里实现数据无缝同步,打造坚不可摧的灾备体系!
【8月更文挑战第20天】阿里云PolarDB是一款兼容MySQL协议的云原生数据库服务,提供高性能与高可用性。本文介绍如何在PolarDB-MySQL中实现跨区域主备同步。首先创建主备两个集群,接着通过MySQL复制功能配置同步:获取主节点复制信息、配置备节点复制并启动复制进程。最后,通过`SHOW SLAVE STATUS\G;`监控复制状态,确保数据同步正常。此方法可提升数据的可靠性和可用性,需考虑网络条件对性能的影响。
557 0
|
监控 数据安全/隐私保护
Smtp邮件发送失败情况汇总
Smtp邮件发送失败情况汇总
871 0
|
机器学习/深度学习 传感器 编解码
万字长文 | 多目标跟踪最新综述(基于Transformer/图模型/检测和关联/孪生网络)(上)
随着自动驾驶技术的发展,多目标跟踪已成为计算机视觉领域研究的热点问题之一。MOT 是一项关键的视觉任务,可以解决不同的问题,例如拥挤场景中的遮挡、相似外观、小目标检测困难、ID切换等。为了应对这些挑战,研究人员尝试利用transformer的注意力机制、利用图卷积神经网络获得轨迹的相关性、不同帧中目标与siamese网络的外观相似性,还尝试了基于简单 IOU 匹配的 CNN 网络、运动预测的 LSTM。为了把这些分散的技术综合起来,作者研究了过去三年中的一百多篇论文,试图提取出近年来研究者们更加关注的解决 MOT 问题的技术。
万字长文 | 多目标跟踪最新综述(基于Transformer/图模型/检测和关联/孪生网络)(上)
|
SQL JSON 关系型数据库
SqlAlchemy 2.0 中文文档(二)(5)
SqlAlchemy 2.0 中文文档(二)
301 0
|
API Java
解决HTTP 400 Bad Request错误的方法
解决HTTP 400 Bad Request错误的方法
6943 0