Streszczenie: Contemporary engines allow controlling the fuel injection process, which should be adjusted to a given fuel. On test bench the engine was fuelled by diesel oil, RME or its blends with diesel oil. In this paper selected artificial intelligence methods are used to build classifiers which recognize type of fuel using cylinder pressure curves recorded and averaged for 20, 30, 40, or 50 consecutive engine working cycles. The accuracy of these methods is compared. There is presented the estimation of the minimum number of consecutive engine cycles during which the pressure curves are recorded, required for recognition of type of fuel by a classifier.
Abstract: Silniki o zapłonie samoczynnym mogą być zasilane różnymi paliwami. Współczesne silniki pozwalają na sterowanie procesem zasilania, który powinien być przystosowany do danego paliwa. Na stanowisku badawczym, silnik był zasilany olejem napędowym, paliwem RME (estry metylowe kwasów tłuszczowych oleju rzepakowego) oraz mieszankami tych paliw. W artykule zastosowano wybrane metody sztucznej inteligencji w celu zbudowania klasyfikatora, który rozpoznaje typ paliwa na podstawie przebiegów ciśnienia w cylindrze zarejestrowanych i uśrednionych dla 20, 30, 40 oraz 50 kolejnych cykli roboczych silnika. Przedstawiono porównanie dokładności zastosowanych metod (sztuczne sieci neuronowe oraz drzewa decyzyjne CART i CHAID, zaimplementowane w pakiecie Statistica Data Mining, a także drzewo decyzyjne See5). Przedstawiono oszacowanie minimalnej liczby kolejnych cykli pracy silnika, podczas których rejestrowane są przebiegi ciśnienia, niezbędnej do rozpoznania typu paliwa przez klasyfikator. Zaproponowano również implementację klasyfikatora na mikrokontrolerze, pozwalającą na rozpoznawanie typu paliwa w czasie rzeczywistym.
B I B L I O G R A F I A[1] Amsden A. A.: KIVA-3V: A Block-Structured KIVA Program for Engines with Vertical or Canted Valves. Los Alamos National Laboratory, LA-13313-MS, 1997.
[2] Kalogirou S. A.: Artificial intelligence for the modeling and control of combustion processes: a review. Progress in Energy and Combustion Science, Vol. 29 (6), 2003, pp. 515-566.
[3] Kekez M., Radziszewski L.: Genetic-fuzzy model of diesel engine working cycle. Bulletin of the Polish Academy of Sciences, Technical Sciences Vol. 58(4), 2010, pp. 665-671.
[4] Heywood J. B.: Internal combustion engine fundamentals. 1988, McGraw-Hill, Inc.
[5] See5, http://www.rulequest.com/see5-info.html 
Pełny tekst 
YADDA/CEON