发动机压缩比怎么计算公式_我们说的发动机空燃比,是个狠角色

fe571f168a4c37aec0a38fb6e771ebb1.png

空燃比是个狠角色,因为它不仅直接影响着汽车的动力性能,还对燃烧稳定性、尾气污染物排放产生着决定性的影响。

| 什么是空燃比

合理的燃烧过程必须有4个重要要素:1. 空气含量正确;2. 燃油含量正确;3. 在密封容器中混合;4)混合气必须在合适的时刻受到足够量的热冲击以发生燃烧。而这里所说的“正确”,其实指的就是空燃比。

我们知道燃烧速度越快,燃烧压力也就会越高,从而发动机的输出功率就越大。研究发现燃烧速度最大时的空燃比在12~13左右,此时产生的转矩最大,发动机的功力性能最好。

6e17e7cebfae28b3b50a3cc2d4f27f84.png
阴影部分就是输出功率最佳的时刻。

这个标志性的比例我们将它称为功率空燃比。而当空燃比为15~16时,由于混合气较稀,虽然燃烧速率较慢,但利于燃油完全燃烧,并可降低发动机油耗,此时发动机经济性最好,同理我们又称它为经济空燃比。

e31cf1c3418beb86c69d911d9d23722a.png
这里习惯将完整比例写出来,比如此研究中的12.6:1和12.6是同一意思。红色是功率空燃比,黄色是经济空燃比,而在高低空燃比之间还有一个理论空燃比(14.7)。

虽然我们知道经济空燃比的大致范围,但想控制它并不简单,由于燃油对汽缸的冷却效果不佳,高于这个比例后,我们就需要对发动机进行一系列的调控,也因此引出了稀薄燃烧发动机的出现。

1996年日本三菱汽在当时的4G93 1.8L发动机改进型上率先引入了现代电控缸内燃油喷射系统,后又经多次改良陆续推出了6G74及4G15等一系列缸内直喷机型,此后这项技术开始崭露头角。

稀薄燃烧技术的最大特点就是燃烧效率高,经济、环保,因为在稀薄燃烧的条件下,由于混合气点火比理论空燃比条件下困难,暴燃也就更不容易发生,因此可以采用较高的压缩比设计提高热能转换效率,再加上汽油能在过量的空气里充分燃烧,所以在这些条件的支持下能榨取每滴汽油的所有能量。通常这类发动机大的空燃比可以达到25以上,甚至高达65。

78aabc5449a0493848071ce8c5b669d1.png
从上图可以看出,在低压缩比时动力表现欠佳,但高空燃比又对提高经济性有帮助。为了兼顾经济性和动力表现,所以我们的做法是先获得高空燃比,然后再提高压缩比以弥补动力不够的问题,这是最惯用的思路。

比较典型的此类发动机为三菱缸内喷注汽油机(GDI),空燃比可达40;本田的i-VTEC I型直喷汽油发动机,其空燃比可达65。而放在近几年,稀薄燃烧已经成为热点词之一了,比如此前马自达的SPCCI技术,就是属于稀薄燃烧技术,而这项技术必定会成为未来汽油机主要发展方向之一。

| 空燃比会影响环保

有研究称,汽车在怠速时,由于转速低活塞对混合气吸入不足,空燃比较低。这种情况下燃油和空气发生氧化反应后会有剩余,燃油还会继续同燃烧产生的二氧化碳进一步发生反应产生一氧化碳,而这就是“怠速一氧化碳中毒”的产生机理。通常来说当空燃比小于16时,随着空燃比的降低,CO的浓度会急剧增加。

304f6c608abfbb33b6edf5585fa499c0.png

从上图我们也能看到其实不仅是一氧化碳(CO),它还会直接影响碳氢化合物(HC)和氮氧化物(NOx )的生成。碳氢化合物的排放趋势和一氧化碳相当,只是速率不会特别大的改变。但是氮氧化物则属于另类,过高或者过低都不好当空燃比为15.5左右时燃烧效率最高,氮氧化物生成量达到最大,混合气空燃比高于或低于此值,它的生成量都会减小。

cfa584c97ae255b3edc45a6fb1c860fe.png
二氧化碳(CO2)是燃烧的必然产物,空燃比越接近理论空燃比14.7,燃烧越完全,CO2的值也就越高。

发动机空燃比调控真的挺不容易,比如我们希望发动机达到完全燃烧,但氮氧化物的生成量就会很高,相反的,发动机不完全燃烧时,一氧化碳和碳氢化合物的生成量就会增多。

| 空燃比是怎么调节的

更让人难办的是,汽车在实际行驶中发动机经常会处于非稳态的过渡工况,如冷启动、加减速等工况。

通常来说,冷启动时为保证冷启动顺利,要减小空燃比;暖机阶段则要求高空燃比,直到发动机达到正常温度,以正常混合气稳定运转;加减速时,加减速瞬间要适当降低空燃比,以获得良好的加减速过渡性。总之就是,不同工况下我们需要调控出不同的空燃比,以获得最佳的发动机状态。

既然需要控制空燃比,我们自然要知道它受哪些因素影响,通常我们可以将其分为三类:

1) 油膜效应

即喷油器喷射的燃油一部分直接进入气缸,还有一部分会在进管壁上形成一层油膜,主要与温度、喷射量有关;

2) 传感器的特性

发动机的传感器使用特别多,有压力、位置、流量、温度等传感器,这些传感器的精度直接影响了空燃比的控制精度和发动机的性能;

3) 延迟时间

延迟时间主要是指发动机控制器的延迟时间,一般包括喷射延迟时间和传输延迟时间。

在化油器时代,空燃比的调节是利用节气门上方喉管处产生的真空度,将燃油从浮子室中连续吸出且进行混合调节,但精度和稳定性并不好。

5b31c9095afd7ef8ac33f14c62865237.png

而在现代,它的控制主要通过汽车电子控制系统完成。要调控空燃比,自然要有能探测氧气含量的装置,因此氧传感器就应用而生了。我们利用它得出当时燃烧的实际空燃比例,再反馈到ECU,由它根据所需工况使用内置的调控逻辑对喷油量和点火时机等一系列参数进行实时调控,并通过控制喷油器开启时间来进行精确配制。

50cc2473685679f2afb263b922d61a29.png
汽车氧传感器失效有两种表现形式:传感器元件老化和中毒。氧传感器老化的主要原因是传感元件局部表面温度过高。氧传感器的传感元件受到污染而失效的现象称为中毒。

至于电控系统就不多说了,多是在调控策略上有所不同。但对于用户来说,氧传感器则是我们力所能及且需要时刻注意的设备。由于氧传感器的老化和中毒不可避免,所以当汽车行驶一定里程后,应当更换氧传感器。平时也应当经常检查汽车氧传感器是否已经失效,发现问题及时更换,这对行车安全也是一种保障,同时还能降低油耗并减少环境污染。

本文首发于雅斯顿。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值