In marine or stationary engines, consistent engine performances must be guaranteed for long-haul operation. Dual-fuel combustion, which is utilized in marine engines, can reduce emissions of particulates and nitrogen oxides. However, the combustion stability is highly affected by environmental factors in this combustion mode. Therefore, In-cylinder pressure, which is one of the most important parameters for combustion diagnosis, is a generally measured parameter to analyze their combustion characteristics and ensure the robust operation of engines. Piezoelectric sensors have been installed to measure in-cylinder pressure directly because of their high resolution and accuracy. However, its vulnerability to thermal drift and breakage leads to extra maintenance costs. Therefore, both cylinder pressure and emission were reconstructed from the vibration signal measured from the accelerometer, which has much lesser costs than the piezoelectric pressure sensor.
Vibration signals from the cylinder block have a lot of information about the change of the in-cylinder pressure, yet these signals also contain noises from the movement of the crankshaft or valves, air flowage, etc. These noise signals can highly affect the reconstruction results when we use the theoretical model. In this study, a deep neural network (DNN) model, which is less affected by the noise signals, was built to reconstruct in-cylinder pressure and emission simultaneously. A 1L single cylinder compressed natural gas (CNG) / diesel dual-fuel compression ignition engine was built to acquire the engine operation dataset. 4 parameters (Engine load, engine speed, intake air pressure, diesel injection timing) were controlled simultaneously to observe the effect of the data selection for model learning on the model performance. From the results, we aim to suggest the optimal structure of the dataset and DNN model for high prediction accuracy on in-cylinder pressure and emission.
선박 및 정치형 엔진의 경우 장기간 운전되는 특성상 엔진의 지속적이고 강건한 운행이 보장되어야 한다. 특히 친환경 선박 엔진에서 적용되고 있는 천연가스 기반의 이종연료 압축착화 방식은 이산화탄소 및 질소산화물, 입자상물질을 대폭 저감할 수 있는 장점이 있으나 흡기 온도 및 습도, 연료 퀄리티 등 외부 요인에 영향을 크게 받으며 연소 저해 시 연소 효율 및 안정성이 떨어지는 문제가 존재하여 연소 상태에 대한 실시간 진단이 필수적이다. 엔진 운전 상태를 진단할 수 있는 대표적인 지표 중 하나인 연소실 압력의 경우 연소실 내에서 발생되는 연소현상 및 출력 성능, 효율을 대표하므로 특히 그 중요성이 크다. 이에 기존 선박용 엔진의 각 실린더별로 고가의 압전소자 방식의 압력 센서가 적용되어 왔으나, 열 부하로 인한 측정 값의 드리프트, 나아가 영구적인 변형 및 파손으로 인해 비용적 부담을 증가시키는 문제가 있다. 따라서 본 연구에서는 저가의 가속도 센서로부터 취득된 진동신호를 이용하여 고가의 압력 센서를 대체하여 연소실 내부 압력 및 배기배출물을 재구성하는 모델을 개발하고자 한다.
실린더 블록에서 측정한 진동 신호에는 연소실 내 압력 변화에 의한 진동 신호가 큰 비중을 차지하고 있으나, 크랭크축 및 밸브와 같은 부품들의 움직임이나 공기 유동으로부터 비롯된 노이즈 신호들이 포함되어 이론적인 모델을 통한 연소실 압력 재구성의 경우 결과의 변동성이 매우 커진다는 문제가 있다. 따라서 본 연구에서는 노이즈 신호의 영향을 크게 받지 않는 인공지능 모델을 이용하여 연소실 내부 압력 및 배기배출물 재구성 모델을 구축하고자 한다. 이를 위해 6L급 건설기계용 엔진을 기반으로 한 단기통 천연가스/디젤 이종연료 압축착화 엔진을 구성하였다. 또한 엔진 주요 제어인자인 디젤 분사시기, 흡기 압력, 엔진 부하, 엔진 속도에 따른 학습 및 예측 데이터를 구성하여 모델 학습을 진행한 후, 예측 정확도 분석을 바탕으로 최적의 학습 데이터셋 구성에 대한 방향을 제시하고자 한다. 최종적으로 본 연구를 통해 높은 정확도를 가지는 실린더 압력 및 배기배출물 대체측정 모델을 개발하고자 한다.
