Page 144 - Vol.50
P. 144

VOL.50 廠務季刊       制定標準守則 -MTU 發電機故障查修流程化







              文獻探討




              2.1  發電機運轉原理                                    2.2  分位數迴歸(Quantile Regression)

                                                                          [02][06]
              目前公司內使用之柴油引擎為四行程,活塞在柴油引                         傳統線性迴歸          ,主要藉由最小化平均值與各點
                                                                          [04]
              擎汽缸中上、下動作各兩次,曲軸旋轉兩轉 (720° )                     平方差之總和        ,達成估算數據趨勢,其計算方式
              即完成進氣、壓縮、動力、排氣等四個行程,產生一                         簡易且迅速之優點至今仍廣受重用,但單點預測仍存
              次作功。引擎汽缸會將經由空濾的空氣與噴油嘴噴出                         在誤差,對於觀察發電機參數走向,以區間預測較為
                                                                  [05]
              的高壓霧化柴油充分混合,在活塞往上擠壓下,使體                         適合    。( 圖3)
              積縮小溫度升高達到柴油的燃點,使柴油被點燃後混
              合氣體劇烈燃燒,讓體積膨脹推動活塞往下完成動力                         分位數迴歸透過分析標的物長時間收集之數據資料
                                                              [01] ,於每一時間間格選出當下設定之分位數,再將所
              行程,再透過各種不同方式,如 MTU 為電子控制噴
              油時程、三菱為機械式共軌控制,使各汽缸依序完成                         有時間點挑出之同分位數以線性迴歸方式產出上下限
              噴油行程,使活塞的推力經過連桿推動曲軸轉動,從                         之區間,使發電機在運行期間仍可持續有效偵測參數
              而帶動發電機轉子,利用電磁感應原理,發電機即輸                         異常。( 圖4)
              出感應電動勢。


              從上述運轉原理可以發現噴油嘴的健康度乃發電機穩
              定度核心之一,常見之噴油嘴異常如:髒汙堵塞噴孔、
              內部閥針磨耗,都會致使噴油霧化能力降低,造成引
              擎馬力不足或排放黑煙等異常。( 圖2)











                                                              圖 3:線性回歸分析示意圖
                                                              ( 參考資料 : https://towardsdatascience.com/everything-you-need-to-
                                                              know-about-linear-regression-b791e8f4bd7a)

















              圖 2:各行程與曲軸轉角關係
              ( 參考資料 : http://blog.ncue.edu.tw/sys/lib/read_attach.php?id=17645)



                                                              圖 4:分位數迴歸分析示意圖
                                                              ( 參考資料 : https://medium.com/analytics-vidhya/quantile-regression-
                                                              and-prediction-intervals-e4a6a33634b4)

              ���
   139   140   141   142   143   144   145   146   147   148   149