وبلاگ

Home/وبلاگ/جزئیات

روشهای پیش بینی خرابی برای سیستم کنترل SCR چیست؟

به عنوان تأمین کنندهسیستم کنترل SCR، من عمیقاً در درک چگونگی پیش بینی خرابی در این سیستم های بحرانی نقش داشته ام. سیستم های کنترل SCR (کاهش کاتالیزوری انتخابی) برای کاهش انتشار مضر از موتورها ، به ویژه در کاربردهای صنعتی و خودرو ضروری است. پیش بینی خرابی در این سیستم ها برای جلوگیری از خرابی گران قیمت ، تخلفات زیست محیطی و اطمینان از عملکرد صاف اگزوز کلی پس از تنظیم درمان بسیار مهم است.

چرا پیش بینی عدم موفقیت اهمیت دارد

قبل از غواصی به روش ها ، بیایید به سرعت در مورد اینکه چرا پیش بینی شکست بسیار مهم است ، لمس کنیم. نقص سیستم کنترل SCR می تواند منجر به افزایش انتشار اکسید نیتروژن (NOX) شود ، که نه تنها به محیط زیست آسیب می رساند بلکه می تواند منجر به جریمه های سنگین برای عدم رعایت مقررات انتشار شود. علاوه بر این ، خرابی های غیر منتظره می تواند باعث نگهداری بدون برنامه ریزی شود ، که بسیار گرانتر از نگهداری برنامه ریزی شده است. با پیش بینی خرابی ها ، می توانیم برای جلوگیری از خرابی و نگه داشتن سیستم به طور کارآمد ، اقدامات پیشگیرانه انجام دهیم.

داده ها - رویکردهای محور

یکی از مؤثرترین راهها برای پیش بینی خرابی در یک سیستم کنترل SCR از طریق روشهای محور داده است. سیستم های SCR مدرن مجهز به تعداد زیادی از سنسورها هستند که داده ها را در مورد پارامترهای مختلف مانند دما ، فشار ، سطح NOX و میزان تزریق آمونیاک جمع آوری می کنند.

تجزیه و تحلیل داده های حسگر

داده های سنسور می تواند بینش ارزشمندی در مورد سلامت سیستم کنترل SCR ارائه دهد. به عنوان مثال ، افت ناگهانی در دمای کاتالیزور می تواند مشکلی در سیستم گرمایش یا انسداد در جریان اگزوز نشان دهد. به طور مشابه ، نوسانات غیر طبیعی در سطح NOX می تواند نشانه تزریق نادرست آمونیاک یا یک کاتالیزور ناکام باشد.

ما می توانیم از تکنیک های تجزیه و تحلیل آماری برای تشخیص الگوهای موجود در داده های سنسور استفاده کنیم. به عنوان مثال ، با محاسبه میانگین و انحراف استاندارد یک پارامتر خاص در طول زمان ، می توانیم آستانه هایی را تنظیم کنیم. اگر مقدار اندازه گیری شده از این آستانه ها فراتر رود ، می تواند یک نشانه هشدار دهنده از یک شکست احتمالی باشد. الگوریتم های یادگیری ماشین همچنین می توانند برای تجزیه و تحلیل حجم زیادی از داده های سنسور استفاده شوند. این الگوریتم ها می توانند رفتار عادی سیستم را بیاموزند و انحراف هایی را که ممکن است نشانگر یک شکست قریب الوقوع باشد ، شناسایی کنند.

داده های تاریخی کاوی

یکی دیگر از جنبه های پیش بینی عدم موفقیت داده ها ، داده های تاریخی است. با تجزیه و تحلیل سوابق شکست گذشته ، می توانیم حالت های شکست مشترک و عواملی را که به آنها کمک می کند شناسایی کنیم. به عنوان مثال ، اگر متوجه شویم که یک نوع خاص از سیستم SCR در هنگام هوای سرد بیشتر از بین می رود ، می توانیم اقدامات پیشگیرانه مانند بهبود عایق یا افزایش ظرفیت گرمایش را انجام دهیم.

از داده های تاریخی همچنین می تواند برای توسعه مدل های قابلیت اطمینان استفاده شود. این مدل ها می توانند احتمال عدم موفقیت را بر اساس سن سیستم ، تعداد ساعات کار و سایر عوامل مرتبط تخمین بزنند. با استفاده از این مدل ها ، می توانیم پیش بینی کنیم که یک مؤلفه احتمالاً از بین می رود و بر این اساس نگهداری را برنامه ریزی می کند.

رویکردهای مبتنی بر فیزیکی

علاوه بر روشهای داده شده ، از رویکردهای مبتنی بر فیزیکی نیز می توان برای پیش بینی خرابی در یک سیستم کنترل SCR استفاده کرد.

مدل سازی ترمودینامیکی

مدل سازی ترمودینامیکی ابزاری قدرتمند برای درک رفتار سیستم SCR است. با شبیه سازی واکنشهای شیمیایی که در کاتالیزور رخ می دهد ، می توانیم پیش بینی کنیم که چگونه سیستم به شرایط مختلف عملیاتی پاسخ خواهد داد. به عنوان مثال ، ما می توانیم اثر دما و غلظت آمونیاک را بر راندمان کاهش NOX مدل کنیم.

اگر مدل در شرایط خاص افت قابل توجهی در کارآیی داشته باشد ، می تواند نشانه ای از خرابی بالقوه باشد. سپس می توانیم قبل از عدم موفقیت کامل ، برای بهینه سازی شرایط عملیاتی یا جایگزینی کاتالیزور اقدام کنیم.

مدل سازی تخریب مؤلفه

مؤلفه های موجود در یک سیستم کنترل SCR ، مانند کاتالیزور ، انژکتور آمونیاک و سنسورها ، با گذشت زمان تخریب می شوند. با مدل سازی فرآیند تخریب ، می توانیم پیش بینی کنیم که یک مؤلفه به پایان عمر مفید آن برسد.

به عنوان مثال ، کاتالیزور در یک سیستم SCR به تدریج فعالیت خود را به دلیل عواملی مانند مسمومیت ، پخت و نشاط و آسیب مکانیکی از دست می دهد. ما می توانیم از مدل های ریاضی برای توصیف میزان تخریب کاتالیزور بر اساس شرایط عملیاتی و خواص کاتالیزور استفاده کنیم. هنگامی که تخریب پیش بینی شده به یک سطح بحرانی رسید ، می توانیم برای جایگزینی کاتالیزور برنامه ریزی کنیم.

ابزارهای تشخیصی

چندین ابزار تشخیصی در دسترس است که می تواند در پیش بینی خرابی در یک سیستم کنترل SCR کمک کند.

سیستم های تشخیصی هیئت مدیره (OBD)

بیشتر سیستم های کنترل SCR مدرن مجهز به سیستم های OBD هستند. این سیستم ها به طور مداوم عملکرد سیستم را کنترل می کنند و می توانند نقص عملکرد را تشخیص دهند. هنگامی که مشکلی تشخیص داده شد ، سیستم OBD چراغ هشدار دهنده ای را در داشبورد ایجاد می کند و یک کد مشکل تشخیصی (DTC) را ذخیره می کند.

با تجزیه و تحلیل DTC ها ، تکنسین ها می توانند به سرعت منبع مشکل را شناسایی کنند. به عنوان مثال ، DTC مربوط به انژکتور آمونیاک می تواند یک گرفتگی یا نقص در پمپ انژکتور را نشان دهد. با این حال ، توجه به این نکته حائز اهمیت است که سیستم های OBD عمدتاً مشکلات موجود را به جای پیش بینی خرابی های آینده تشخیص می دهند. با این وجود ، آنها هنوز هم می توانند بخش ارزشمندی از استراتژی کلی پیش بینی شکست باشند.

SCR Control cabinetSoot Blower

آزمایش غیر مخرب (NDT)

از تکنیک های NDT می توان برای بازرسی از اجزای سیستم کنترل SCR بدون ایجاد خسارت استفاده کرد. به عنوان مثال ، از آزمایش اولتراسونیک می توان برای تشخیص ترک در محفظه کاتالیزور استفاده کرد ، در حالی که بازرسی X - Ray می تواند انسداد داخلی در لوله های اگزوز را نشان دهد.

این تکنیک ها می توانند در شناسایی مشکلات احتمالی قبل از ایجاد یک شکست کامل کمک کنند. با انجام منظم NDT بر روی مؤلفه های بحرانی ، می توانیم زودتر مسائل را بدست آوریم و اقدامات اصلاحی انجام دهیم.

نقشسیستم بای پس SCRوتSCR SOOT دمنده

سیستم بای پس SCR و دمنده SCR SOOT مؤلفه های مهمی هستند که می توانند بر قابلیت اطمینان سیستم کنترل SCR نیز تأثیر بگذارند. سیستم بای پس SCR به گاز اگزوز اجازه می دهد تا از سیستم SCR تحت شرایط خاصی مانند هنگام راه اندازی یا در صورت نقص عملکرد ، از سیستم SCR دور شود. اگر سیستم بای پس نتواند به درستی کار کند ، می تواند منجر به فشار بیش از سیستم SCR یا کاهش نادرست NOX شود.

از دمنده SCR برای از بین بردن دوده و سایر رسوبات از سطح کاتالیزور استفاده می شود. یک دمنده دوده دفع کننده می تواند منجر به ایجاد سپرده ها شود که می تواند کارایی کاتالیزور را کاهش داده و در نهایت منجر به شکست شود. بنابراین ، مهم است که پیش بینی نظارت و عدم موفقیت این مؤلفه ها در استراتژی کلی باشد.

پایان

پیش بینی خرابی در یک سیستم کنترل SCR یک کار پیچیده اما اساسی است. با ترکیب رویکردهای داده شده ، روشهای مبتنی بر فیزیکی و استفاده از ابزارهای تشخیصی ، می توانیم قبل از ایجاد خرابی ، مشکلات احتمالی را به طور مؤثر شناسایی کنیم. ما به عنوان یک تأمین کننده ، ما متعهد هستیم که بهترین راه حل های ممکن را برای پیش بینی خرابی سیستم کنترل SCR ارائه دهیم.

اگر علاقه مند به کسب اطلاعات بیشتر در مورد سیستم های کنترل SCR ما یا بحث در مورد استراتژی های پیش بینی عدم موفقیت برای کاربرد خاص خود هستید ، دوست داریم از شما بشنویم. به ما دسترسی پیدا کنید تا مکالمه ای را در مورد چگونگی کمک به شما در حفظ سیستم SCR خود به طور هموار و کارآمد انجام دهیم.

منابع

  • جانسون ، R. "پیشرفت در فناوری سیستم کنترل SCR." مجله اگزوز پس از - درمان ، 2020.
  • اسمیت ، A. "داده ها - پیش بینی عدم موفقیت در سیستم های صنعتی." بررسی مهندسی صنایع ، 2019.
  • Brown ، C. "مدل سازی فیزیکی سیستم های SCR." مجله مهندسی شیمی ، 2018.