• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
10.11606/D.3.2013.tde-22102014-122132
Document
Author
Full name
Rafael Luiz da Silva
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2013
Supervisor
Committee
Seabra, Antonio Carlos (President)
Kitani, Edson Caoru
Lopes, Cássio Guimarães
Title in Portuguese
Caracterização do sinal do fenômeno de detonação utilizando filtros adaptativos e estimador de potência.
Keywords in Portuguese
Combustão anormal
Detonação
Estimador de potência
Filtros adaptativos
Sensor de detonação
Abstract in Portuguese
O fenômeno de detonação que ocorre em motores de combustão interna é uma restrição de desempenho para baixas emissões de poluentes, altas solicitações de torque (as quais resultariam em mais potência entregue pelo motor), economia de combustível e também é uma fonte de ruídos desagradáveis ao condutor do veículo. No Brasil, tal fenômeno pode ter ainda uma utilidade benéfica se identificado de forma leal, tendo em vista que a detonação é mais fácil de ocorrer com gasolina do que com álcool. Assim, a ocorrência de detonação pode ser um auxílio no gerenciamento otimizado da injeção, ignição, bem como pode possibilitar a identificação do tipo de combustível. Para isso, técnicas de processamento de sinais podem ser utilizadas para caracterizar tal fenômeno. Este trabalho tem como foco a identificação (ocorrência) e caracterização (intensidade e duração) do sinal de detonação utilizando filtragem adaptativa e estimadores de potência, onde o desempenho individual e combinado destes algoritmos é avaliado. Inicialmente, um modelo do sinal de detonação é proposto e amostras do sinal real são obtidas e com isso, mostra-se que as técnicas propostas rendem eficientes caracterizadores do fenômeno.
Title in English
Characterization of knock phenomenon signal using adaptive filters and power estimator.
Keywords in English
Abnormal combustion
Adaptive filters
Knock
Knock sensor
Power estimator
Abstract in English
The knock phenomenon that happens in internal combustion engines is a constraint against performance in terms of low pollution rates, higher torque requests (which would imply higher delivered power by the engine), mileage as well as it is an annoying source of noise to the user. In Brazil, such phenomenon may be useful if identified accurately, due to the fact that knock has a higher likelihood to happen with gasoline than ethanol. Thus, the occurrence of knock may be a support in an optimized management of fuel injection and sparking time, as well as it may provide means to identify the fuel being used. In order to achieve such goal, signal processing techniques may be used for characterization of such phenomenon. This work has the focus of identifying (occurrence) and characterize (intensity and duration) of knock signal using adaptive filtering and power estimators, where the individual and combined performance are assessed. To begin with, a knock signal model is proposed as well as samples of the real signal are taken, with that, it is shown that the proposed techniques offer efficient detectors of the phenomenon.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
DISS_Rafael.pdf (2.73 Mbytes)
Publishing Date
2014-11-04
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
Centro de Informática de São Carlos
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2022. All rights reserved.