Техніка та енергетика

Підвищення теплової ефективності двигунів внутрішнього згоряння шляхом автоматизованого керування робочими процесами

Віктор Дуганець, Віталій Пукас, Микола Волинкін
Завантажити статтю
Анотація

Метою дослідження було проаналізувати замкнену стратегію керування, що коригує момент іскроутворення та подачу палива для зростання корисної роботи в циліндрі за умови детонаційної безпеки та зменшення циклової нестабільності. Методологія базувалась на методах енергетичного (теплового) балансового аналізу, класифікаційно-аналітичної систематизації, структурно-функціонального моделювання, порівняльного аналізу та аналітичного узагальнення. Встановлено, що теплова ефективність двигуна внутрішнього згорання (ДВЗ) — це відсоток енергії палива, який перетворюється в корисну роботу. Різниця між теоретичними і реальними показниками ефективності показує, скільки енергії втрачається через механічні та допоміжні процеси. Енергетичний баланс відображає розподіл енергії палива між корисною роботою на валу, тепловідведенням у систему охолодження, втратами з вихлопними газами та іншими видами втрат, дозволяючи визначити домінуючі напрями її використання. Підвищення коєфіцієнту користної дії обмежується зростанням тисків, температур і теплових навантажень, тому ключовим є оптимальне фазування тепловиділення, яке треба утримувати без детонації та надмірних піків. Виявлено, що параметри упорскування та запалювання формують фазування згоряння й індикаторну роботу, а оскільки упорскування змінює умови займання, кут запалювання має узгоджуватися з паливною стратегією (зокрема у замкненому контурі). Оптимізацію параметрів обмежують детонаційні, термомеханічні, емісійні та експлуатаційні чинники, які формують допустиму область налаштувань. Зазначено, що автоматизоване керування підвищує ефективність через оптимізацію сумішоутворення/фазування згоряння та через зменшення механічних і допоміжних втрат узгодженим керуванням підсистемами. Зниження механічних і допоміжних втрат досягається поєднанням трибологічних рішень і керування агрегатами для уникнення надлишкових енерговитрат. Застосування енергетичного балансу як критерію та узгоджене замкненоконтурне керування запалюванням, паливоподачею й допоміжними системами через електронний блок керування двигуном (ЕБКД) дає змогу зменшувати домінуючі втрати та підвищувати ефективність ДВЗ в межах детонаційних і термонавантажувальних обмежень. Практична значимість полягає у можливості застосування результатів інженерами з калібрування ЕБКД під час стендових випробувань і налаштувань двигуна на транспорті

Ключові слова

детонація; запалювання; упорскування; обмеження; фазування згоряння

ЦИТУВАТИ
Duhanets, V., Pukas, V., & Volynkin, M. (2026). Increasing thermal efficiency in internal combustion engines through automated control of operational processes. Machinery & Energetics, 17(1), 43-54. https://doi.org/10.31548/machinery/1.2026.43
Використані джерела
  1. Ahmed, O.Y., Middleton, R.J., Tran, V., Weng, A., Stefanopoulou, A.G., Kim, K.S., & Kweon, C.B. (2022). Model predictive control of combustion phasing in compression ignition engines by coordinating fuel injection timing and ignition assist. IFAC-PapersOnLine, 55(24), 90-96. doi: 10.1016/j.ifacol.2022.10.267.
  2. Aliramezani, M., Koch, C.R., & Shahbakhti, M. (2021). Modeling, diagnostics, optimization, and control of internal combustion engines via modern machine learning techniques: A review and future directions. Progress in Energy and Combustion Science, 88, article number 100967. doi: 10.1016/j.pecs.2021.100967.
  3. Arsie, I., Frasci, E., Irimescu, A., & Merola, S.S. (2024). Spark timing optimization through co-simulation analysis in a spark ignition engine. Energies, 17(15), article number 3695. doi: 10.3390/en17153695.
  4. Björnsson, O., & Tunestal, P. (2024). Evaluation of closed-loop combustion phase optimization for varying fuel compensation and cylinder balancing in a HD SI-ICE. SAE Technical Paper. doi: 10.4271/2024-01-2837.
  5. Chen, Z., Ju, P., Wang, Z., Shi, L., & Deng, K. (2025). Research on multi-objective optimization control of diesel engine combustion process based on model predictive control-guided reinforcement learning method. Energy, 325, article number 136173. doi: 10.1016/j.energy.2025.136173.
  6. Esaki, K., Shirakawa, Y., Naito, H., Matsumoto, K., & Ito, K. (2022). Automated machine learning of engine control parameters for various mixed fuels to help achieve carbon neutrality. Hitachi Review, 71(2), 56-60.
  7. Gangopadhyay, A. (2021). Power cylinder friction reduction through coatings, surface finish and design. Dearborn: Ford Motor Company.
  8. GhafGhanbari, P., Bao, Y., & Mohammadpour Velni, J. (2024). Uncertainty-aware output feedback model predictive combustion control of RCCI engines. Control Engineering Practice, 150, article number 106005. doi: 10.1016/j.conengprac.2024.106005.
  9. Güler, M., & Özkan, M. (2022). Energy balance analysis of a DI diesel engine with multiple pilot injections strategy and optimization of brake thermal efficiency. Applied Thermal Engineering, 204, article number 117972. doi: 10.1016/j.applthermaleng.2021.117972.
  10. Henry de Frahan, M., Wimer, N., Yellapantula, S., & Grout, R. (2022). Deep reinforcement learning for dynamic control of fuel injection timing in multi-pulse compression ignition engines. International Journal of Engine Research, 23(9), 1503-1521. doi: 10.1177/14680874211019345.
  11. Hu, B., Huang, Y., Zhang, F., & Liang, S. (2024). Online calibration algorithm for fuel injection MAP of unit-pump diesel engine based on mesh adaptive Bayesian optimization. IFAC-PapersOnLine, 58(29), 70-75. doi: 10.1016/j.ifacol.2024.11.122.
  12. Kaltakkıran, G., Ceviz, M.A., & Bakirci, K. (2022). Instantaneous energy balance and performance analysis during warm up period of a spark ignition engine under several thermal energy management strategies. Energy Conversion and Management, 269, article number 116102. doi: 10.1016/j.enconman.2022.116102.
  13. Kou, Y., Gao, Y., You, Y., & Wang, Y. (2022). Numerical investigation for optimization of spark-ignition internal combustion engine knock by Taguchi-Grey method. Science Progress, 105(4). doi: 10.1177/00368504221129280.
  14. Liu, Z., Cheng, L., & Zhai, X. (2022). Experimental study on the oil pump driving energy consumption and lubrication safety in a PFI engine under NEDC and WLTC. Journal of Mechanical Science and Technology, 36, 457-465. doi: 10.1007/s12206-021-1243-3.
  15. Lou, D., Rao, X., Zhang, Y., Fang, L., Tan, P., & Hu, Z. (2024). Investigation of impacts of hydrogen injection and spark strategy on knock in hydrogen engine. International Journal of Hydrogen Energy, 82, 1252-1262. doi: 10.1016/j.ijhydene.2024.08.052.
  16. Menaca, R., Silva, M., Uddeen, K., Almatrafi, F., Tang, Q., Turner, J.W., & Im, H.G. (2025). Optical multi-spark ammonia combustion engine: Numerical analysis and validation. Frontiers in Mechanical Engineering, 11, article number 1478081. doi: 10.3389/fmech.2025.1478081.
  17. Mittal, V. (2024). A review of recent advancements in knock detection in spark ignition engines. Signals, 5(1), 165-180. doi: 10.3390/signals5010009.
  18. National Academies of Sciences, Engineering, and Medicine. (2021). Assessment of Technologies for Improving Light-Duty Vehicle Fuel Economy – 2025-2035. Washington: The National Academies Press. doi: 10.17226/26092.
  19. Park, J., Shin, S., Oh, S., Lee, S., Shin, W., & Min, K. (2023). Knock onset determination with 1D CNN using random search hyperparameter optimization and data augmentation in SI engine. International Journal of Automotive Technology, 24, 1395-1410. doi: 10.1007/s12239-023-0113-7.
  20. Pereira, B.C., Pereira, B.S., Teixeira, E.L., Laganá, A.A., Cipparrone, F.A., & Santos, M.M. (2023). Design, implementation and testing of a spark-ignition engine management system. Journal of Control, Automation and Electrical Systems, 34, 554-565. doi: 10.1007/s40313-022-00978-z.
  21. Peyton Jones, J.C., Patel, V., & Frey, J. (2025). Knock feedback control strategies: A review. Annual Reviews in Control, 59, article number 100990. doi: 10.1016/j.arcontrol.2025.100990.
  22. Popa, D., Stan, C., Marin, N., Savu, N., & Ailincai, D. (2022). Study concerning the thermal energy balance in an internal combustion engine. IOP Conference Series: Earth and Environmental Science, 960, article number 012012. doi: 10.1088/1755-1315/960/1/012012.
  23. Ryaboshapka, N.Ye., Sukhonos, R.F., & Hrachov, P.V. (2023). Influence of ignition advance angle on the working processes of gasoline internal combustion engines operating on fuel with ethanol addition. In Materials of the 14th international scientific and practical conference “Modern energy installations in transport, technologies and equipment for their service” (CEUTTOO-2023) (pp. 163-164). Kherson: Kherson State Maritime Academy.
  24. Slynko, H.I., Yevsieieva, N.O., Kurylov, M.S., Sukhonos, R.F., & Slynko, V.V. (2022). Improving the characteristics of the MeMZ-317 engine with an LPG system by installing an ignition timing advance variator. Innovative Materials and Technologies in Metallurgy and Mechanical Engineering, 1, 78-80. doi: 10.15588/1607-6885-2022-1-13.
  25. Song, J., & Song, H.H. (2022). Spark-ignition engine speed profile optimization for maximizing the net indicated efficiency and quantitative analysis of the optimal speed profile. Applied Energy, 307, article number 118162. doi: 10.1016/j.apenergy.2021.118162.
  26. Tang, J., Pal, A., Dai, W., Archer, C., Yi, J., & Zhu, G. (2021). Stochastic Bayesian optimization for predicting borderline knock. International Journal of Engine Research, 24(3), 793-807. doi: 10.1177/14680874211065237.
  27. Vlaswinkel, M., Antunes, D., & Willems, F. (2025). Automated and risk-aware engine control calibration using constrained Bayesian optimization. ArXiv. doi: 10.48550/arXiv.2503.20493.
  28. Wang, J., Tian, H., Zhang, R., Shen, B., Su, Y., Yu, H., & Zhang, Y. (2023). Experimental investigation on the effects of direct injection timing on the combustion, performance, and emission characteristics of methanol/gasoline dual-fuel spark turbocharged ignition (DFSI) engine with different injection pressures under high load. Energies, 16(24), article number 7921. doi: 10.3390/en16247921.
  29. Watanabe, K., Uchida, N., Yokogawa, K., & Kawaharazuka, F. (2021). What are the barriers against brake thermal efficiency beyond 55% for HD diesel engines? SAE Technical Paper. doi: 10.4271/2021-24-0039.
  30. Yu, X., Zhu, L., Wang, Y., Filev, D., & Yao, X. (2022). Internal combustion engine calibration using optimization algorithms. Applied Energy, 305, article number 117894. doi: 10.1016/j.apenergy.2021.117894.
  31. Zhu, Q., Prucka, R., Wang, S., & Prucka, M. (2021). Online spark timing optimization with complex high-fidelity combustion phasing, knock, and coefficient of variation of IMEP models. Journal of Dynamic Systems, Measurement, and Control, 143(6), article number 061007. doi: 10.1115/1.4049733.