research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
A New anticipatory speed-controller for IC engines based on torque sensing loop

Author: Abdul baki Khalaf Ali
Journal: Iraqi Journal for Electrical And Electronic Engineering المجلة العراقية للهندسة الكهربائية والالكترونية ISSN: 18145892 Year: 2010 Volume: 6 Issue: 1 Pages: 16-21
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

Some engineering applications requires constantengine speed such as power generators, production lines ..etc.The current paper focuses on adding a new closed loop based onengine torque. Load cells can be used to measure the torque ofload applied , the electrical signal is properly handled tomanipulate a special fuel actuator to compensate for thereduction in engine speed. The speed loop still acts as the mostouter closed loop. This method leads to rapid speedcompensation and lead control action.


Article
NEURAL NETWORKS OF ENGINE FAULT DIAGNOSIS BASED ON EXHAUST GAS ANALYSIS

Authors: Rafil M. Laftah --- Qusai T. Abd-Alwahab --- qusaith@yahoo.com
Journal: University of Thi-Qar Journal for Engineering Sciences مجلة جامعة ذي قار للعلوم الهندسية ISSN: 26645564/26645572 Year: 2013 Volume: 4 Issue: 1 Pages: 58-73
Publisher: Thi-Qar University جامعة ذي قار

Loading...
Loading...
Abstract

This work uses the Artificial Neural Networks (ANNs) for fault diagnosis of a single cylinder four stroke gasoline generator type (Astra Korea AST11700). One normal and fourteen faulty conditions are examined experimentally to produce a realistic data set, which is to be used for the training and validation of the ANNs. The resulted data was in the form of exhaust gases and engine speed records for each case separately under different loading conditions. After the learning process is completed, the ANN becomes able to make a diagnosis about the gasoline engine condition when new data is presented. The data presented to the ANN system include a subset of engine faults which were selected and executed experimentally for this topic. These include, faults in carburetor, air filter, spark plug, valves, piston rings, etc. The results showed that the multi layer training algorithm is sufficient enough in diagnose engine faults under different loading conditions. It was found that the correlation coefficient values are 0.999 and 1 for the testing and training data, respectively. The results obtained in this investigation showed that the ANN-based fault diagnosis system is capable of fault diagnosis with high reliability.

َستخدِم هذا العمل الشبكاتِ العصبيةِ الاصطناعية لِتشخيص أعطالِ مولدٍ كهربائي ذو محركٍ بأسطوانةٍ واحدةً ، رباعيُ الأشواط . لقد تم إختبار أربعة عشر نوعٍ مِنَ الأعطال بالإضافة إلى الحالةِ الطبيعيةِ عملياً لغرض إنتاج مجموعة من البياناتِ الشاملة والواقعية ، إستُعمِلت هذِهِ البيانات لِتدريبِ وتحقيقِ الشبكة . كانت البياناتُ الناتجةِ على شكلِ غازات العادم وسرعة المحرك المسجلة لكل حالة على حدة في ظل ظروف تحميل مختلفة . بعد انتهاء عملية التعلم، تكون الشبكة قادرة على التشخيص عند استخدام بيانات جديدة. البيانات المدخلة إلى الشبكة العصبية الصناعية تتضمّن مجموعة من أعطال المحرك التي نفذت بشكل تجريبي لهذا الغرض. ومن هذه الأعطال، خلل في نظام المكربنة، نظام ترشيح الهواء، شمعة القدح، الصمامات، وحلقات المكبس … الخ. أظهرت النتائج أن خوارزمية تدريب الرجوع العكسي هي كافية في تشخيص أعطال المحرك تحت ظروف التحميل المختلفة . وجد أن قيم معامل الارتباط هي 0.999 و 1 لبيانات الاختبار و التدريب ، على التوالي . وأظهرت النتائج في هذا التحقيق أن نظام تشخيص الأخطاء المستند على الشبكات العصبية قادر على اكتشاف الخطأ والتشخيص مع موثوقية عالية.

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2013 (1)

2010 (1)