Содержание к диссертации
Введение
Глава 1. Современное состояние проблемы контроля качества распыливания топлива дизельной форсункой 12
1.1 Приборы и методы контроля качества распыливания топлива 12
1.1.1 Расчетные методы исследования 12
1.1.2 Расчетно-экспериментальные методы и примеры эксперимен тальных установок 26
1.2 Оптические методы контроля качества распыливания топлива. Патентный обзор методов и средств контроля распыливания топлива 32
1.3 Задачи и методы обработки изображений топливных струй . 42
1.4 Выводы по главе. Выбор и обоснование направления диссертационных исследований 46
Глава 2. Теоретические основы совершенствуемого оптического метода контроля качества распыливания топлива 49
2.1 Гипотеза определения качества распыливания топлива по изображению топливной струи 49
2.2 Коррекция динамического изменения яркостей кадров видео 57
2.2.1 Постановка задачи. Линейный алгоритм решения 57
2.2.2 Архитектура искусственной нейронной сети . 60
2.2.3 Математическое и вербальное описание искусственной нейронной сети 62
2.3 Методика расчета скорости тепловыделения двигателя . 66
2.4 Выводы по главе 69
Глава 3. Реализация средства контроля качества распыливания топлива на основе усовершенствованного метода 70
3.1 Требования к системе, обоснование выбора видеокамеры 70
3.2 Описание экспериментальной установки . 72
3.3 Описание программного обеспечения по «раскадровке» видеоизображений топливных струй 74
3.4 Описание программного обеспечения по обработке и анализу изображений топливных струй . 78
3.5 Выводы по главе 91
Глава 4. Апробация средства контроля качества распыливания топлива 95
4.1 Методика проведения эксперимента и расчетов . 95
4.2 Результаты экспериментальных исследований с использованием средства контроля качества распыливания 96
4.3 Корреляция результатов экспериментов контроля качества распылива-ния с результатами экспериментов контроля скорости тепловыделения . 115
4.4 Выводы по главе 120
Заключение 123
Список сокращений и условных обозначений 128
Список литературы 129
Список иллюстративного материала 143
- Оптические методы контроля качества распыливания топлива. Патентный обзор методов и средств контроля распыливания топлива
- Архитектура искусственной нейронной сети
- Описание программного обеспечения по «раскадровке» видеоизображений топливных струй
- Корреляция результатов экспериментов контроля качества распылива-ния с результатами экспериментов контроля скорости тепловыделения
Введение к работе
Актуальность темы исследования. Важным элементом совокупности процессов, протекающих в дизеле, является процесс распыливания топлива распылителем форсунки, в результате которого происходит распределение капель топлива по объему камеры сгорания. От качества этого процесса, длящегося до 6 мс, зависит последующее сгорание рабочей смеси и, следовательно, выходные характеристики двигателя: экономичность, экологичность, мощность. Исследования процесса рас-пыливания топлива приводятся в работах Астахова И.В., Витмана Л.А., Кутового В.А., Лышевского А.С., Разлейцева В.Н., Шароглазова Б.А. и др. В настоящее время ведущими организациями в России, занимающимися изучением распыливания топлива дизельной форсункой, являются МГТУ им. Н.Э. Баумана, МАДИ и др.
Согласно ГОСТ 10579-88, при визуальном наблюдении качественно распыли-ваемое топливо должно быть туманообразным, без сплошных струек и легко различимых местных сгущений. Качество распыливания определяют мелкостью, однородностью распыливания, равномерностью распределения капель топлива в объеме. Непрерывное повышение требований к двигателям внутреннего сгорания по топливной экономичности и снижению токсичности отработавших газов, наряду с сохранением мощности двигателя, вынуждает предприятия в числе прочего разрабатывать новые и совершенствовать имеющиеся способы топливоподачи. Но для проверки эффективности предложенных мер необходимы современные средства контроля быстропротекающих процессов, с анализом результатов в динамике по времени распыливания топливного потока.
Наиболее предпочтительными бесконтактными и неразрушающими методами контроля являются оптические, т.к. в них принципиально отсутствует механическое влияние на изучаемый процесс и возможно применение малого времени измерения. Теорией распространения светового излучения через дисперсные среды и развитием оптических методов исследования занимались Ван де Хюлст Г., Дубнищев Ю.Н., Ринкевичус Б.С., Шифрин К.С. и др. В задачах обработки изображений значительный вклад внесли Кейсесент Д., Павлидис Т., Сойфер В.А., Прэтт Э., Хуанг Т.С. и др. Развитие микроконтроллерной техники и инструментов программирования позволяет проводить высокоскоростную регистрацию и обработку данных на ЭВМ, применяя современные методы обработки информации.
Недостатком имеющихся приборов и методов контроля качества распыливания топлива является затруднение в определении однородности распыливания и равномерности распределения капель, а также отсутствие возможности контроля этих показателей в динамике. Зачастую такой контроль производится визуально, что не отвечает требованиям точности и современному развитию техники. Скоростная видеосъемка позволяет исследовать динамику быстропротекающего процесса, но ее недостатком является динамическое изменение яркостей кадров, а также необходимость в сложной программной обработке.
На основании вышесказанного можно сделать вывод, что совершенствование оптического метода и средства контроля качества распыливания топлива в динамике с использованием высокоскоростной видеосъемки и ЭВМ является актуальной задачей, направленной на обеспечение точности такого контроля.
Степень разработанности темы. Известные приборы и методы контроля качества распыливания топлива имеют вышеназванные недостатки, что требует дополнительных разработок. За основу был взят метод оптического контроля качества
распыливания топлива по изучению отдельного фотоснимка топливной струи, и усовершенствован в степени, позволяющей оперативно и с высокой точностью контролировать распыливание топлива по оптической неоднородности топливной струи в динамике, обеспечивая контроль качества в развитии струи по нескольким циклам распыливания с погрешностью измерений до 10 %.
Цель диссертационной работы – усовершенствовать метод и создать на его основе средство оптического контроля качества распыливания топлива в динамике.
Для достижения указанной цели были поставлены и решены основные задачи:
-
Выполнить обзор научно-технической литературы по методам контроля качества распыливания топлива, в том числе по оптическим методам контроля дисперсных сред и потоков;
-
Усовершенствовать оптический метод контроля качества распыливания топлива, с использованием скоростной видеосъемки;
-
На основе метода разработать и создать средство оптического контроля качества распыливания в динамике, а также методику проведения контроля;
4. Произвести лабораторные эксперименты с применением разработанного
средства контроля качества распыливания с целью апробации средства, а также ис
следовать корреляцию динамики изменения оптической неоднородности потока
распыленного топлива с параметрами работы двигателя.
Объект исследования: импульсные дисперсные потоки частиц распыливаемо-го топлива.
Предмет исследования: оптические методы и средства контроля характеристик импульсных дисперсных потоков, алгоритмическое и программно-техническое обеспечение высокоскоростной цифровой регистрации и обработки изображений.
Методология исследования. Исследования проведены на основе использования методов обработки цифровых изображений, методов, основанных на распространении светового излучения в дисперсных средах, методов обработки экспериментальных данных.
Достоверность полученных результатов обеспечена адекватным применением теории измерений, теории погрешности, теории цифровой обработки изображений, применением стандартных поверенных приборов и стендов, воспроизводимостью полученных результатов, удовлетворительным совпадением расчетных результатов с экспериментальными данными.
Научная новизна работы заключается в следующем:
-
Усовершенствован оптический метод контроля качества распыливания топлива с использованием скоростной видеосъемки, позволяющий оценивать качество распыливания в динамике по оптической неоднородности топливной струи, а также методика проведения контроля, что обеспечивает оперативный контроль качества в развитии струи по нескольким циклам распыливания с погрешностью до 10 %;
-
Разработаны алгоритмы коррекции динамического изменения яркости кадров видеоизображения линейным методом и методом с использованием искусственной нейронной сети, что позволяет уменьшить погрешность по яркости фона до 1 % и тем самым увеличить точность контроля;
-
В результате лабораторных исследований с применением усовершенствованного оптического метода контроля качества распыливания топлива получены экспериментально найденные закономерности поведения оптической неоднородности струи и ее зависимости от давления впрыска, вида топлива и др. факторов;
4. Установлена корреляционная связь между оптической неоднородностью топливной струи и скоростью тепловыделения двигателя.
На защиту выносится:
-
Усовершенствованный оптический метод контроля качества распыливания топлива в динамике по значению оптической неоднородности топливной струи;
-
Средство оптического контроля качества распыливания топлива по оптической неоднородности топливной струи с использованием скоростной видеосъемки;
-
Методика и практические рекомендации по проведению контроля;
-
Результаты экспериментального исследования поведения оптической неоднородности и влияния различных факторов на качество распыливания топлива;
-
Наличие корреляционной взаимосвязи между оптической неоднородностью топливной струи и скоростью тепловыделения двигателя.
Практическая значимость работы:
1. Усовершенствованный метод может быть применен на стадии опытно-
доводческих работ распылителей дизельных форсунок, систем питания дизелей,
топливной аппаратуры, при исследованиях распыливания различных видов топлив и
в других случаях, требующих проведения контроля качества распыливания топлива;
-
Разработанное средство в виде программно-аппаратного комплекса позволяет автоматизировать процесс контроля качества распыливания топлива в динамике по значению оптической неоднородности топливной струи, а также находить корреляцию между оптической неоднородностью струи и скоростью тепловыделения двигателя, что может быть использовано в исследованиях работы топливной аппаратуры.
-
На основе проведенных экспериментальных и теоретических исследований предложена методика и практические рекомендации по проведению контроля качества распыливания топлива.
Реализация и внедрение результатов работы. Работа выполнялась в рамках гранта РФФИ-Сибирь № 11-08-98028 по теме «Разработка и исследование альтернативной системы питания многотопливного дизеля» на 2011 г. (ГК № 4-11ф от 02.06.2011); гранта РФФИ-Сибирь № 13-08-98044 по теме «Исследование процессов смесеобразования и сгорания в дизелях с целью повышения эффективности и снижения токсичности при использовании биотоплив» на 2013-2014 гг. (ГК № 35-13ф от 02.07.2013). Оборудование для работы было приобретено в рамках гранта РФФИ № 11-08-05031 по теме «Развитие материально-технической базы для проведения исследований по области знаний 08 (инженерные науки)» на 2011 г.
Разработанное средство контроля используется в ООО «Алтайский завод прецизионных изделий», а также в научно-образовательном центре «Теплофизических, химических и экологических проблем в энергетике» при АлтГТУ.
Апробация работы. Материалы диссертационной работы представлялись на: XII Международной научно-практической конференции «Теория, методы и средства измерений, контроля и диагностики» (г. Новочеркасск, 2011 г.); Международной заочной научной конференции «Технические науки: теория и практика» (г. Чита, 2012 г.); XI Международной заочной научно-практической конференции «Технические науки – от теории к практике» (г. Новосибирск, 2012 г.); XVII Международном конгрессе двигателестроителей (г. Харьков – Рыбачье – Украина, 2012 г.); VII Всероссийской научно-технической конференции «Виртуальные и интеллектуальные системы» (г. Барнаул, 2012 г.); IV Всероссийской научно-практической конференции «Информационно-измерительная техника и технологии» (г. Томск, 2013 г.) с награждением дипломом II степени.
Личный вклад автора. Автор проводил анализ научно-технической литературы по существующим методам контроля распыливания топлива. Принимал непосредственное участие в разработке метода и средства оптического контроля качества распыливания топлива, в подготовке и проведении лабораторных экспериментов, в обработке и анализе полученных результатов. Автор принимал активное участие в трех научных проектах, финансируемых грантами РФФИ.
Публикации. Соискатель является автором и соавтором свыше 30 научных работ, из них по теме диссертации – 18, в том числе 4 – в изданиях, рекомендованных ВАК России и 2 свидетельства о государственной регистрации программы для ЭВМ. Общий объем публикаций по теме диссертации составляет свыше 10 п.л.
Структура и объем диссертационной работы. Диссертация состоит из введения, четырех глав, заключения, списка сокращений и условных обозначений, списка используемой литературы, списка иллюстративного материала и приложений. Диссертация изложена на 150 страницах машинописного текста, содержит 59 рисунков, 14 таблиц. Список используемой литературы включает 120 наименований.
Оптические методы контроля качества распыливания топлива. Патентный обзор методов и средств контроля распыливания топлива
Оптические методы исследований – широчайший класс методов, основанных на законах излучения, распространения и взаимодействия света с веществом, в нашем случае – при прохождении света через импульсный дисперсный поток частиц распыливаемого топлива или иной жидкости. Взаимодействие света с частицами потока включает в себя ряд процессов: поглощение, пропускание, отражение, преломление, интерференцию, дифракцию [110, 111]. При прохождении через среду часть световой энергии рассеивается, а часть поглощается, и световая волна с оставшейся энергией выходит из среды и регистрируется фотоприемником. Измеряя ослабление световой волны средой, можно измерить и концентрацию частиц. Оптические методы являются бесконтактными методами неразру-шающего контроля [15, 16].
Как было показано в 1.1.2, оптические методы относятся к косвенным методам исследования топливных струй. В свою очередь, оптические методы можно разделить на две группы: активные и пассивные. В первой группе методов оптико-электронный преобразователь регистрирует световое излучение от излуча 33 теля, прошедшее через дисперсный поток. Во второй группе методов регистрируется излучение от самих дисперсных частиц, входящих в исследуемый поток. В то же время, оптические методы можно разделить на дифференциальные и интегральные. В дифференциальных методах стремятся к тому, чтобы вероятность попадания в измерительный объем более чем одной частицы была минимальна; в этих методах анализируется излучение, рассеянное одной частицей. В интегральных методах регистрируется излучение, рассеянное ансамблем частиц; в таком случае анализируемый объем намного больше размеров частиц.
К активным дифференциальным методам относятся фотоэлектрические счетчики и спектрометры, определяющие концентрацию и размер частиц [5]. К активным интегральным методам относятся, в частности, лазерная доплеровская анемометрия и обратные методы (например, метод малых углов [60]). Лазерная доплеровская анемометрия хорошо подходит для измерения скорости частиц, но плохо подходит для контроля концентрации и дисперсного состава частиц [19, 21, 88]. Обратные методы позволяют по регистрируемым параметрам рассеянного частицами потока зондирующего излучения, получать дисперсный состав и концентрацию (например, [108, 109]).
К пассивным дифференциальным и интегральным методам относятся фотосъемка, кино- и видеосъемка и другие способы визуализации [39, 92]. Основной сложностью таких методов является необходимость обработки получаемых изображений и расчетов по ним, что требует использования ЭВМ и программирования. В частности, пассивные дифференциальные методы применяются при регистрации и контроле параметров раскаленных частиц (температуры) в высокотемпературных гетерофазных импульсных и других потоках (например, [11]).
Схематично существующие оптические методы исследования систематизированы на рисунке 1.10 [28, с. 48].
В настоящее время развиваются пассивные оптические методы на основе регистрации изображений на базе быстродействующих ПЗС-структур с передачей изображения в управляющую ЭВМ, что позволяет разрабатывать стенды регистрации пространственно-временных параметров топливных струй из распыляющих форсунок. В ЭВМ возможно применение всего математического аппарата обработки изображений струй, включая линейную и нелинейную фильтрации и т.д.
Выделим основные преимущества оптических методов:
- оптические методы являются наиболее информативными и реализуются на оптических приборах, состоящих из оптической системы и преобразователя оптического излучения в электрический сигнал [7, 15]. Поэтому оптические методы правильнее называть оптико-электронными;
- оптические методы являются бесконтактными и неразрушающими методами [15, 16]. В них принципиально отсутствует всякое механическое влияние на изучаемый процесс;
- один цикл распыливания топлива дизельной форсункой занимает 1-6 мс и визуально различить местные сгущения в топливо-воздушном потоке без специальных приборов практически невозможно. Это обуславливает создание быстродействующих систем оптического контроля (например, на основе скоростной ви 35 деорегистрации струи топлива). Оптические методы позволяют применять малое по сравнению с периодом развития потока время измерения [74, с. 17-18];
- оптические методы обеспечивают высокие помехоустойчивость и надежность аппаратуры за счет электронейтральности носителя информации (фотона);
- оптические методы дают возможность контролировать все пространство, в котором протекает процесс [26, 35].
Рассмотрим патентный обзор измерительных средств и экспериментальных установок, в том числе работающих на основе оптических методов. Часть из них была рассмотрена в 1.1.2 (рисунки 1.2 и 1.3).
В [50] представлено лазерное устройство контроля качества распыливания жидкости форсунками (рисунок 1.11):
Устройство содержит три лазера, первый из которых 1 генерирует в зеленой области, второй 2 – в красной и третий 3 – в синей, с пучком каждого из лазеров оптически связаны формирователи плоских потоков излучения 4, 5 и 6; цветную телекамеру 7; устройство сопряжения 8, формирующее в ЭВМ 9 три цифровых изображения, соответствующих трем цветам; форсунку 10, подсоединенную через гидропровод 11 к гидронасосу 12; 13, 14 и 15 – плоскости потоков излучения зеленого, красного и синего цветов, 16 – распыливаемая жидкость.
Частицы распыливаемой жидкости 16 рассеивают свет, который регистрируется телекамерой 7. По синему цифровому изображению в ЭВМ определяются координаты центра симметрии форсунки и пространственное распределение капель. По красному изображению определяется пространственное распределение частиц на некотором заранее известном расстоянии от сопла. По зеленому изображению определяется пространственное распределение частиц на еще большем расстоянии от форсунки.
Устройство, таким образом, измеряет равномерность пространственного распределения частиц, пространственную форму факела и его объем.
Архитектура искусственной нейронной сети
Для формирования набора входных значений каждый кадр видеоряда раскладывается на пиксели. Для каждого кадра вычисляется значение пороговой яркости одним из пороговых методов. Пример матрицы яркостей пикселей кадра приведен в таблице 2.1. Выходным значением является коэффициент усиления (ослабления) яркости пикселя, на который умножается значение яркости каждого пикселя исходного кадра. Параметр принимает значение от 0 до 2.
Для обучения нейронной сети была создана база данных содержащая 1200 примеров. Примеры делятся на две группы, обучающие и тестовые. Тестовые примеры не принимают непосредственного участия в обучении и служат для объективной проверки точности сети.
В процессе работы была определена оптимальная структура нейронной сети. Сеть содержит один скрытый слой, состоящий из 23 нейронов, передаточная функция для скрытого слоя выбрана сигмоидальная. Характеристики нейронной сети представлены в таблице 2.2, а ее схема на рисунке 2.8.
Общий принцип работы искусственной нейронной сети можно описать следующим образом. На вход искусственного нейрона (скрытый слой) поступает некоторое множество сигналов (Xn), каждый из которых является выходом другого нейрона (входного слоя). Каждый вход умножается на соответствующий вес (Wx) и все произведения суммируются (). На выходе из суммирующего блока получаем сигнал NET который преобразуется при помощи передаточной функции (F). Передаточная функция сужает диапазон изменения величины NET так, чтобы при любых значениях NET значение выхода сигнала с нейрона (после применения передаточной функции) PAS принадлежало некоторому конечному интервалу. В качестве передаточной функции используется «сигмоидальная» (S-образная) функция. Эта функция математически выражается как F(x) = 1/(1 + е-x). Таким образом, формула для преобразования сигнала NET выглядит следующим образом:
Обучение нейронной сети заключается в подстройке ее весовых коэффициентов. Для этого применяют метод обратного распространения ошибки. Его суть сводится к следующему [77, 102]:
1) Выбрать пример из обучающего множества, подать входной сигнал на вход сети.
2) Вычислить выход сети.
3) Вычислить разность между выходом сети и требуемым выходом (целевое значение).
4) Подкорректировать веса сети так, чтобы минимизировать ошибку.
5) Повторять шаги с 1 по 4 для каждого примера обучающего множества до тех пор, пока ошибка на всем множестве не достигнет приемлемого уровня.
После множественного повторения первых четырех шагов, называемых эпохой обучения, разность между действительными выходами и целевыми выходами должна уменьшиться до приемлемой величины, при этом говорят, что нейросеть обучилась.
Так как для каждого нейрона выходного слоя задано целевое значение (Target), то подстройка весов легко осуществляется с использованием модифицированного дельта-правила: = PAS(1 – PAS)(Target – PAS) (2.7)
Затем умножается на величину PAS нейрона j, из которого выходит рассматриваемый вес. Это произведение в свою очередь умножается на коэффициент скорости обучения (обычно от 0.01 до 1.0), и результат прибавляется к весу. Такая же процедура выполняется для
Рассмотрим один нейрон в скрытом слое, предшествующем выходному слою. При проходе вперед этот нейрон передает свой выходной сигнал нейронам в выходном слое через соединяющие их веса. Во время обучения эти веса функционируют в обратном порядке, пропуская величину от выходного слоя назад к скрытому слою. Каждый из этих весов умножается на величину нейрона, к которому он присоединен в выходном слое. Величина , необходимая для нейрона скрытого слоя, получается суммированием всех таких произведений и умножением на производную передаточной функции (2.6).
Для каждого нейрона в данном скрытом слое должно быть вычислено и подстроены все веса, ассоциированные с этим слоем. Этот процесс повторяется слой за слоем по направлению к входу, пока все веса не будут подкорректированы [77, 102].
С помощью векторных обозначений операция обратного распространения ошибки может быть записана значительно компактнее. Обозначим множество величин выходного слоя через Dk и множество весов выходного слоя как массив Wk. Чтобы получить Dj, -вектор выходного слоя, достаточно следующих двух операций:
1. Умножить вектор выходного слоя Dk на транспонированную матрицу весов W k, соединяющую скрытый уровень с выходным уровнем.
2. Умножить каждую компоненту полученного произведения на производную передаточной функции соответствующего нейрона в скрытом слое. где оператор $ обозначает покомпонентное произведение векторов, Оj – выходной вектор слоя j и I – вектор, все компоненты которого равны 1 [77, 102].
После обучения сеть готова для применения на незнакомой выборке данных. Весовые коэффициенты в ней больше не меняются. Результаты обучения сети приведены в таблице 2.3.
Относительная погрешность на тестовой выборке 4 % Таким образом происходит стабилизация фона и корректирование струи, что позволяет сделать более достоверным измерение оптических неоднородно-стей топливных струй по их изображениям. В результате применения вышеописанных алгоритмов, погрешность по яркости фона уменьшается до 1 % (пример на рисунке 3.10). После устранения (коррекции) динамического изменения яркостей кадров может уменьшиться контраст, для чего может потребоваться изменение контраста или повторное изменение контраста, если оно было произведено до устранения динамического изменения яркостей по фону [62].
Описание программного обеспечения по «раскадровке» видеоизображений топливных струй
Для обработки полученных видеоизображений был разработан пакет программ в среде Delphi [2, 46, 51, 91]. Одна часть пакета программ предназначена для «раскадровки» и форматирования кадров видеоизображений топливных струй и позволяет: воспроизводить видео в формате .avi, отбирать требуемые кадры пользователем или автоматически, сохранять выбранные кадры в исходном (неизменном) виде, а также производить обрезку кадров по маске, загруженной пользователем, и сохранять обрезанные кадры, в том числе с уменьшением их размерности (высоты и ширины), по выбору пользователя. Сохранение кадров возможно в форматах Bitmap (8, 24 или 32 бита), а также в формате JPEG любой степени компрессии по выбору пользователя [84].
Поскольку видео записывается в среднем с частотой 3000 - 7000 кадров в секунду и содержит большое количество кадров, был разработан алгоритм автоматического отбора нужных кадров из видео.
Автоматический отбор кадров со струями осуществляется по следующему алгоритму. Сначала в каждом кадре находится среднее значение яркости Хк (к = [0,К-1], где К - количество кадров) по формуле: где X[j,i] - яркость пикселя изображения, m - число строк изображения, n -число столбцов.
Таким образом, совокупность Хк составляет массив вещественных чисел. Далее, находятся значения Df (f = [0,К-2]), представляющие собой модуль разно 75 сти средних яркостей каждой связной пары кадров (т.е. между кадрами 0 и 1, 1 и 2, 2 и 3, и т.д.), т.е.:
Таким образом, совокупность Df также представляет из себя массив вещественных чисел. После этого находится D – среднее значение из массива Df. Оно и будет пороговым.
Далее, модуль разности каждой связной пары из массива Xk сравнивается с пороговым D:
Если соблюдается выражение (3.3), это означает, что между парой кадров не статическая картинка, а динамическая. В таком случае оба кадра «захватываются» и их номера k записываются в новый массив М. При этом алгоритм следит за тем, чтобы в массиве М не было повторяющихся номеров кадров [63].
Данный алгоритм весьма точно отмечает начало каждого цикла распылива-ния, но конец цикла распыливания распознает не достаточно точно в связи с тем, что в конце распыливания струя представляет из себя уже «облако», которое движется уже не со столь значительной динамичностью, как струя в начале рас-пыливания. Поэтому предложенный алгоритм обладает двумя недостатками. Во-первых, наряду с кадрами, содержащими в себе струю, попадаются иногда кадры из конечного этапа распыливания, уже не содержащие в себе струю. Во-вторых, число кадров в разных циклах распыливания может получаться неодинаковым. Поэтому данный алгоритм был доработан. Во-первых, после нахождения массива М производится отбраковка «лишних» кадров, которые не содержат в себе струю (это обычно серия из двух-пяти кадров, в то время как один цикл распыливания представляет из себя серию из более десяти кадров). Во-вторых, после отбраковки лишних кадров из массива М, производится «уравнивание» числа кадров в каждом цикле распыливания путем нахождения сначала такого цикла распыли-вания, в котором число кадров минимально, а затем удаления из оставшихся циклов распыливания избыточных конечных кадров.
Главное окно программы, а также окно сохранения кадров продемонстрированы на следующем рисунке [63]. При этом обрезка ненужной области кадров может производиться не обязательно в виде прямоугольной геометрии. Яркость 255 была зарезервирована для тех областей кадров, которые должны игнорироваться программой обработчиком. Таким образом, каждый пиксель исходного изображения принадлежит либо струе, либо фону, либо игнорируемой области.
На рисунке 3.3,а представлен исходный кадр видеоизображения, на рисунке 3.3,б – маска, по которой осуществляется обрезка кадров, на рисунке 3.3,в – обрезанный кадр без уменьшения его высоты и ширины, на рисунке 3.3,г – обрезанный кадр с уменьшением его высоты и ширины.
Обрезка кадров позволяет повысить точность дальнейшей обработки изображений за счет того, что на кадре остаются только струя и фон, и исчезают лишние затемнения кадра (например, сам распылитель), которые программа может распознать как струю. И в то же время, повышается скорость дальнейшей обработки изображений за счет того, что программа не тратит времени на обработку пикселей, принадлежащих игнорируемой области кадров.
По итогам работы программа может сгенерировать отчет в формате Word или HTML (по выбору пользователя). В отчете указывается название обрабатываемого видеофайла, файла-маски, исходые и конечные размеры кадров, наличие обрезки кадров, формат сохранения кадров и другие данные.
Другая часть пакета программ предназначена для обработки и анализа отобранных из видеофайла кадров и позволяет: устранять шум на изображениях несколькими методами, повышать контраст, выравнивать яркости кадров по фону, сохранять измененные изображения, рассчитывать порог для каждого кадра (яркость, выше которой регистрируется фон) несколькими методами, производить визуализацию сегментации (бинаризацию изображений или раскраску яркостных зон), расчет площадей яркостных зон (оптических неоднородностей) с сохранением полученных данных, строить гистограммы и графики, оценивать погрешность эксперимента [83].
Прежде всего, нужно устранить шум на изображениях со струями. Шум – отдельные светлые и темные пиксели на изображениях. Для этого в программу заложено несколько методов: полный медианный фильтр с окном 3х3 или 5х5 и частичный медианный фильтр с окном 3х3 или 5х5. Суть методов в следующем [106]:
1) В случае полного фильтра для каждой точки исходного изображения берется прямоугольная окрестность 3х3 или 5х5 (по выбору пользователя; для крайних точек окрестность меньше). В случае частичного фильтра просматривается каждая точка исходного изображения и если ее яркость выше или равна верхнему порогу, либо ниже или равна нижнему порогу, то для такой точки берется прямоугольная окрестность 3х3 или 5х5 (по выбору пользователя; пороговые значения яркости также задаются пользователем).
2) Полученные точки окрестности 3х3 (9 штук) или 5х5 (25 штук) сортируются по возрастанию яркости.
3) Средняя точка (5-я в случае окрестности 3х3 или 13-я в случае окрестности 5х5) записывается в итоговое изображение. По результатам экспериментов с обработкой изображений наиболее оптимальным методом устранения шума признан частичный медианный фильтр с окном 3х3. Он не вносит значительных искажений в исходные изображения и выгоден с точки зрения скорости обработки.
Корреляция результатов экспериментов контроля качества распылива-ния с результатами экспериментов контроля скорости тепловыделения
Ставится задача найти корреляцию между поведением яркостных зон струи при распыливании топлива в атмосферу и поведением скорости тепловыделения – важнейшим показателем двигателя, при распыливании топлива в цилиндр в условиях работающего дизеля.
Данные по скорости тепловыделения двигателя при различных условиях подсчитаны на компьютерном комплексе H-200, рассчитывающем скорость тепловыделения и другие показатели по индикаторным данным дизеля. В основу расчетов заложена методика, описанная в главе 2 настоящей работы. Эти данные представлены кафедрой «Двигатели внутреннего сгорания» АлтГТУ. Корреляция скорости тепловыделения и площадей яркостных зон (оптических неоднородно 116 стей) струи проводились в программе Microsoft Excel. Значения скорости тепловыделения выражены в долях единицы, т.к. они нормированы к максимальной скорости тепловыделения за все время измерения. Значения площадей яркостных зон струи также нормированы.
Время по данным компьютерного комплекса H-200, рассчитывающего скорость тепловыделения, выражено в градусах п.к.в., а время по данным видеокамеры и по данным разработанного автором программного обеспечения, рассчитывающего динамику структуры струи, выражено в микросекундах. Для сопоставления шкал времени, градусы п.к.в. были переведены в микросекунды по формулам (2.18) – (2.22). Поскольку временные интервалы показателей скорости тепловыделения и площадей яркостных зон не совпадают, значения скорости тепловыделения были аппроксимированы по временной шкале динамики структуры струи при помощи инструментов Excel.
За нуль времени по данным о скорости тепловыделения был принят момент начала подъема иглы (данный параметр также записывается программным комплексом H-200). За нуль времени по данным структуры струи был принят первый кадр видеозаписи, на котором появляется топливная струя. Однако первый кадр видеозаписи, содержащий в себе струю, не соответствует моменту начала подъема иглы, а соответствует чуть более позднему моменту. Эта задержка появления струи на видеозаписи от момента начала подъема иглы до появления струи на видеозаписи была точно определена при помощи данных синхронизатора, который входит в состав экспериментальной установки (см. рисунок 3.1). Так, при частоте съемке видео в 7042 кадра в секунду, задержка появления струи составляет два кадра, или 284 мкс. Поэтому, нуль времени по данным скорости тепловыделения был сдвинут вправо на величину 284 мкс.
Также стоит отметить, что скорость тепловыделения – показатель, снимаемый на работающем двигателе, а площади яркостных зон струи – показатель, рассчитываемый по видеозаписи процесса распыливания топлива в атмосферу (без двигателя). Кроме того, первые несколько моментов времени показатель скорости тепловыделения равен нулю, т.к. топливо начинает воспламеняться с некоторой задержкой от момента начала его распыливания в цилиндр двигателя.
Поведение скорости тепловыделения при сгорании дизельного топлива при различных давлениях впрыска и способах топливоподачи
На рисунке 4.17 приведено поведение скорости тепловыделегия для дизельного топлива при различных давлениях впрыска и способах топливоподачи. Для изучения динамики структуры струи было отобрано 5 циклов распыливания по 30 кадров каждый, затем данные усреднялись. Яркостный диапазон струи от 0 до 180 градаций АЦП был разбит на шесть зон, поведение зоны № 2 при различных давлениях и способах топливоподачи представлено на следующем рисунке.
Путем корреляционного анализа при разбиении яркостного диапазона на 6 яркостных зон удалось установить устойчивую прямую связь изменения площадей яркостных зон №№ 2, 3 с изменением скорости тепловыделения для всех давлений впрыска и способов топливоподачи. При разбиении яркостного диапазона не на 6, а на 4 яркостных зоны, устойчивую связь со скоростью тепловыделения выдает яркостная зона № 2. Очевидно, объясняется это тем, что указанные яркостные зоны присутствуют на всем протяжении распыливания топлива, в то время как самые яркие зоны появляются ближе к концу распыливания, а самая темная зона – напротив, к концу распыливания распадается.
По указанной методике возможно установление связи скорости тепловыделения и поведения яркостных зон струи для различных топлив, распылителей и условий впрыска. Исследование связи скорости тепловыделения и поведения яр-костных зон струи позволяет спрогнозировать скорость тепловыделения на основе изучения структуры струи. Количественная оценка возможна только при проведении комплексных моторных испытаний и при проведении индицирования – регистрации изменения давлений в цилиндре, продолжительности и места топли-воподачи [112, с. 8].
Приведена методика проведения экспериментов и расчетов. В результате лабораторных исследований с использованием разработанного средства контроля было установлено:
- с повышением давления впрыска качество распыливания улучшается, причём, до 100 МПа качество распыливания улучшается значительно, при давлениях выше 100 МПа - динамика улучшения качества уже не столь значительна;
- не установлено существенно значимой зависимости качества распыливания от наличия пилотной порции топлива. Но общая продолжительность распыливания при топливоподаче с пилотной порцией топлива удлиняется;
- рапсовое масло распыливается значительно хуже дизельного топлива. Для рапсового масла в площади струи всегда преобладает светлая зона, а для дизельного топлива - темная. Эфир рапсового масла и дизельное топливо (соляра) рас-пыливаются без существенных различий по качеству. Но для эфира рапсового масла характерен более медленный и плавный спад темных зон, в сравнении с дизельным топливом;
- увеличение оборотов двигателя для ТАНД способствует улучшению качества распыливания рапсового масла и дизельного топлива, вследствие увеличения давления впрыска при увеличении оборотов вала двигателя в случае ТАНД;
- нагревание рапсового масла, особенно в сопряжении с повышением оборотов двигателя, способствует улучшению качества распыливания, вследствие уменьшения вязкости топлива;
