Wybrane zagadnienia inżynierii mechanicznej, materiałowej i środowiskowej Marcin Apostoł

Wybrane zagadnienia inżynierii mechanicznej, materiałowej i środowiskowej Marcin Apostoł

From the SelectedWorks of Robert Oleniacz
September 28, 2015
Wybrane zagadnienia inżynierii mechanicznej,
materiałowej i środowiskowej
Marcin Apostoł
Andrzej Bąkowski
Kinga Chronowska-Przywara
Marcin Kot
Jan Monieta, et al.
Available at: http://works.bepress.com/robert_oleniacz/135/
W YBRANE ZAGADNIENIA INŻYNIERII MECHANICZNEJ,
MATERIAŁOWEJ I ŚRODOWISKOWEJ
Marcin
Andrzej
Kinga
Marcin
Jan
Robert
Leszek
Mateusz
Maciej
Apostoł
Bąkowski
Chronowska-Przywara
Kot
Monieta
Oleniacz
Radziszewski
Rzeszutek
Słoboda
AGH w Krakowie
Politechnika Świętokrzyska w Kielcach
AGH w Krakowie
AGH w Krakowie
Akademia Morska w Szczecinie
AGH w Krakowie
Politechnika Świętokrzyska w Kielcach
AGH w Krakowie
AGH w Krakowie
Seria: Monografie Katedry Automatyzacji Procesów AGH w Krakowie
Kraków, 2015
Opiniodawcy naukowi:
dr hab. inż. Yurij Shalapko
prof. dr hab. inż. Janusz Kowal
prof. dr hab. inż. Janusz Kwaśniewski
prof. dr hab. inż. Zenon Jędrzykiewicz
dr hab. inż Marek Iwaniec
Redaktor merytoryczny:
Redaktor techniczny :
Projekt okładki:
Druk:
Stanisław Flaga, AGH w Krakowie
Stanisław Flaga, AGH w Krakowie
Jarosław Jagła
Attyka
ISBN: 978-83-64755-16-3
Wydawnictwo:
Katedra Automatyzacji Procesów
Akademia Górniczo–Hutnicza w Krakowie
Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej monografii w jakiejkolwiek formie jest zabronione. Wykonywanie kopii metodą kserograficzną, fotograficzną, a także kopiowanie książki na nośniku filmowym, magnetycznym lub innym powoduje naruszenie praw autorskich niniejszej publikacji. Monografia dostępna jest w formie papierowej i elektronicznej.
Korzystanie z materiału ilustracyjnego zawartego w monografii wymaga każdorazowej zgody
wydawcy – nie dotyczy materiału uzyskanego w ramach wolnego dostępu.
Monografia zrealizowana częściowo w ramach:




działalności statutowej KAP AGH w Krakowie – 11.11.130.958
działalności statutowej AGH w Krakowie nr 11.11.150.008
działalności statutowej Politechniki Świętokrzyskiej w Kielcach
działalności statutowej Akademii Morskiej w Szczecinie
Wszystkie występujące w tekście znaki towarowe i firmowe są zastrzeżonymi
znakami firmowymi bądź towarowymi ich właścicieli i wymieniono je jedynie w celach informacyjnych.
Wydanie pierwsze 2015
Printed in Poland
Spis treści
Wprowadzenie ..............................................................................................................5
1.
Porównanie właściwości powłok węglowych a-C:H z powłokami
nanokompozytowymi MeC/a-C:H ......................................................................................9
1.1 Badania eksperymentalne ...................................................................................... 12
1.2 Analiza wyników eksperymentu ............................................................................ 13
1.3 Wyniki badań wytrzymałości układu powłoka- podłoże ....................................... 15
1.4 Wyniki testów tribologicznych .............................................................................. 17
1.5 Podsumowanie ....................................................................................................... 18
Piśmiennictwo ............................................................................................................... 18
2
Projekt urządzenia do wspomagania nauki pływania ............................... 20
Kończyna górna jako łańcuch kinematyczny ......................................................... 20
Kończyna dolna jako łańcuch kinematyczny ......................................................... 22
Najszybszy i najefektywniejszy styl pływania ....................................................... 23
Układ sterowania ...................................................................................................25
Model 3D projektowanego układu ......................................................................... 28
2.5.1 Model wózka ............................................................................................... 28
2.5.2 Model mechanizmu realizującego ruchy rotacyjne ..................................... 28
2.5.3 Model mechanizmu symulującego ruchy rąk i nóg ..................................... 28
2.5.4 Kompletny układ stanowiska do wspomagania nauki pływania ................. 30
2.6 Podsumowanie ....................................................................................................... 31
Piśmiennictwo ............................................................................................................... 32
2.1
2.2
2.3
2.4
2.5
3
Zastosowanie analizy falkowej w diagnostyce tłokowych silników
spalinowych o zapłonie samoczynnym ............................................................................. 33
3.1 Stan wiedzy ............................................................................................................ 34
3.1.1 Zastosowanie falek w diagnostyce silników spalinowych .......................... 37
3.1.2 Dotychczasowe badania własne z zastosowaniem analizy .......................... 38
1.1.1 falkowej ....................................................................................................... 38
3.2 Problem badawczy .................................................................................................39
3.3 Wybrane wyniki badań .......................................................................................... 39
3.3.1 Wstępna obróbka sygnałów ........................................................................ 39
3.3.2 Przykład niestacjonarności sygnałów pomiarowych ...................................40
3.3.3 Zastosowanie analizy falkowej do separacji zakłóceń ................................ 40
3.3.4 Badanie wpływu poziomu aproksymacji na wartości miar falkowych ....... 42
3.3.5 Zastosowanie ciągłej transformaty falkowej Haara..................................... 45
3.3.6 Selekcja miar sygnałów ............................................................................... 45
3.4 Podsumowanie ....................................................................................................... 46
Piśmiennictwo ............................................................................................................... 47
4
Niepewność wyników pomiarów ciśnień w silniku spalinowym ............... 49
4.1 Przedmiot badań .................................................................................................... 50
4.2 Analiza wyników pomiarów ciśnień ...................................................................... 50
4.3 Niepewność pomiarów ciśnień .............................................................................. 61
4.4 Podsumowanie ....................................................................................................... 63
Piśmiennictwo ............................................................................................................... 64
5
Wpływ dużych instalacji energetycznego spalania paliw na jakość
powietrza w Krakowie ...................................................................................................... 65
5.1 Stan zanieczyszczenia powietrza w Krakowie ....................................................... 66
5.2 Charakterystyka obiektów badań ........................................................................... 70
5.3 Metodyka obliczeń .................................................................................................73
5.3.1 Domena obliczeniowa i dane przestrzenne ................................................. 73
5.3.2 Sposób określenia warunków meteorologicznych ...................................... 74
5.3.3 Metodyka obliczeń dyspersji zanieczyszczeń w powietrzu ........................ 75
5.4 Wyniki obliczeń i dyskusja .................................................................................... 78
5.4.1 Symulacja warunków meteorologicznych ................................................... 78
5.4.2 Ocena wpływu na jakość powietrza ............................................................ 80
5.4.3 Analiza wyników obliczeń w rejonie stacji monitoringowych.................... 88
5.5 Podsumowanie ....................................................................................................... 91
Piśmiennictwo ............................................................................................................... 92
6
Zastosowanie procesu fotokatalizy do dezynfekcji oczyszczonych ścieków
komunalnych ...................................................................................................................... 96
6.1 Materiały i metody .................................................................................................98
6.2 Wyniki i dyskusja ..................................................................................................99
6.3 Podsumowanie ..................................................................................................... 101
Literatura ..................................................................................................................... 102
Notatki ........................................................................................................................ 104
4
Wprowadzenie
Monografia Wybrane zagadnienia inżynierii mechanicznej, materiałowej i środowiskowej będąca szesnastym tomem z serii Monografie Katedry Automatyzacji Procesów
AGH w Krakowie poświęcona jest zagadnieniom związanym z inżynierią materiałową
i środowiskową.
W dzisiejszych czasach wiele trudu naukowców lokowanych jest na tworzenie nowych materiałów lub polepszanie właściwości już istniejących. Dlatego też w pierwszym
rozdziale monografii przedstawiono wyniki badań tribologicznych powłok węglowych
a-C:H oraz czterech powłok nanokompozytowych nc-MeC/a-C:H, w których w osnowę
z amorficznego uwodornionego węgla a-C:H wprowadzono nanocząstki ceramiczne - węgliki metali grup przejściowych MeC. Powłoki osadzono hybrydową metodą magnetronową z dodatkowym laserem impulsowym. Udział nanocząstek w osnowie zmieniano poprzez zmianę natężenia przepływu gazu reaktywnego C2H2 przez komorę próżniową
w zakresie od 1 do 20 sccm. Porównano wartości twardości, modułu sprężystości oraz
jakości połączenia powłoki do podłoża. Poddano ocenie wartości zużycia objętościowego
oraz współczynnika tarcia. Analizy przeprowadzono w celu optymalizacji procesu osadzania powłok do zastosowań tribologicznych.
Poprawianie właściwości trybologicznych materiałów pozwala na optymalizację konstrukcji wielu urządzeń. Jednym z takich przykładów jest przedstawiony w rozdziale drugim projekt urządzenia do wspomagania nauki pływania. Obecnie społeczeństwo bardzo
mocno angażuje się w rozwój nie tylko intelektualny, ale i fizyczny. Pływanie jest jedną
z wielu form spędzania wolnego czasu, znaną już w czasach starożytnych, która na stałe
wpisała się w różne dziedziny życia człowieka. W rozdziale przedstawiono opis biomechaniki ciała człowieka jako układu kostnego, mięśniowego stawowego, który zapewnia możliwość wykonywania poszczególnych ruchów. Przedstawiono algorytm oraz schematy
układu sterowania poszczególnymi mechanizmami odpowiadającymi za ruchy kończyny
dolnej i górnej, a także mechanizm umożliwiający przemieszczanie całego układu. Zaprezentowano modelu 3D zaprojektowanego urządzenia do wspomagania nauki pływania.
Przedstawiono również sposób montażu układu nad zbiornikiem wodnym oraz montaż
poszczególnych napędów wykonawczych wraz z elementami przypięcia człowieka do
układu. Projektowane urządzenie dedykowane będzie początkującym pływakom na wcze5
snym etapie nauki oraz osobom potrzebującym pływania jako metody rehabilitacji ruchowej.
Dwa kolejne rozdziały z pogranicza inżynierii mechanicznej i środowiskowej dotyczą
badań nad silnikami spalinowymi, które stanowią jedno z głównych źródeł zanieczyszczeń,
I tak w rozdziale trzecim opisano zastosowanie analizy falkowej w diagnostyce tłokowych
silników spalinowych. Wskazano na przetwarzanie wstępne sygnałów ciśnień i przyspieszeń drgań tłokowych silników spalinowych: filtrowanie, wzmacnianie, zamianę na postać
cyfrową, segmentację. Sygnał napięciowy powinien być przefiltrowany w celu zmniejszenia zakłóceń, szczególnie w warunkach eksploatacji statku morskiego, a także eliminacji
składowych o częstotliwościach wyższych, niż połowa częstotliwości próbkowania w przetworniku A/C. Kolejny wybór przydatnych metod analizy sygnałów, z pośród wielu możliwych, to wyznaczenie miar sygnałów w dziedzinie czasu, częstotliwości lub czasu i częstotliwości. Uzyskanych metod analizy wybranych sygnałów może być bardzo wiele, stąd
potrzeba wyboru związanych z badanym procesem. Zwykle w literaturze występuje intuicyjna selekcja miar przez badacza, co czyni prezentowane metody mało wiarygodnymi,
nawet, jeśli badania prowadzone były w warunkach eksploatacji. Miary te mogą być wyznaczane z sygnałów w dziedzinie czasu oraz ich transformat w dziedzinie częstotliwości
lub czasu i częstotliwości. Stąd konieczne jest stosowanie odpowiednich sposobów oceny
stopnia ich powiązania z analizowanym procesem. Bardzo ważnym stadium przetwarzania
sygnałów jest zapewnienie jak największej ilości istotnych informacji przez usunięcie
zbędnych lub nieskorelowanych z procesem parametrów. W ostatnich latach obserwuje się
dynamiczny rozwój metod analizy czasowo-częstotliwościowej przy poszukiwaniu nowych
bardziej efektywnych. Falki są modne w diagnostyce tłokowych silników spalinowych, lecz
nie wykazano ich dużej przydatności. W rozdziale trzecim przedstawiono wyniki badań
kolejnych wybranych metod analizy, jak: zastosowanie falki Daubechies oraz aproksymacji
i detali do separacji zakłóceń, wpływu poziomu aproksymacji na wartości miar falkowych
oraz ciągłej transformaty falkowej Haara. Poszukiwano metod analizy i miar najlepiej charakteryzujących procesy i stan techniczny elementów silnika spalinowego.
O niepewność wyników pomiarów ciśnień w silniku spalinowym traktuje rozdział
czwarty, w którym przeprowadzono analizę niepewności wyników pomiarów ciśnień uzyskanych podczas badań silnika spalinowego o zapłonie samoczynnym. Pomiar ciśnienia
w komorze spalania realizowano za pomocą czujnika piezoelektrycznego AVL QC34D zamontowanego bezpośrednio w cylindrze silnika i chłodzonego cieczą, natomiast ciśnienie
w przewodzie wtryskowym mierzono za pomocą czujnika piezoelektrycznego CL31 ZEPWN Marki. W trakcie badań silnik, który pracował wg tzw. charakterystyk obciążeniowych, zasilano paliwem mineralnym lub roślinnym. Sprawdzono zgodność rozkładów
statystycznych uzyskanych wyników z rozkładem normalnym. Stwierdzono, że niektórych
przypadkach są podstawy do odrzucenia hipotezy zerowej o takiej zgodności. Porównano
niepewności uzyskane w przypadku zasilania silnika paliwem mineralnym i roślinnym.
W rozdziale piątym przedstawiono wpływ dużych instalacji energetycznego spalania
paliw na jakość powietrza w Krakowie. W strefie Aglomeracja Krakowska od wielu lat
występują przekroczenia średniorocznych poziomów dopuszczalnych pyłu zawieszonego
PM10 i PM2,5 oraz dwutlenku azotu (NO2). W obrębie miasta Krakowa oraz w jego bliskim sąsiedztwie zlokalizowane są instalacje energetycznego spalania paliw, które są istotnym źródłem emisji ww. substancji do powietrza, przez co mogą w pewnym stopniu być
odpowiedzialne za te przekroczenia.
6
W niniejszej pracy przedstawiono ocenę wpływu na jakość powietrza w Krakowie
wykonaną dla trzech instalacji energetycznego spalania paliw należących do EDF Polska
S.A. Oddział Nr 1 w Krakowie, ArcelorMittal Poland S.A. Oddział w Krakowie oraz Elektrowni Skawina S.A. Ocenę tę przeprowadzono za pomocą matematycznego modelowania
rozprzestrzeniania się zanieczyszczeń w powietrzu z wykorzystaniem wielowarstwowego,
niestacjonarnego, gaussowskiego modelu obłoku CALPUFF, rekomendowanego przez
Amerykańską Agencję Ochrony Środowiska (U.S. EPA). Informację wejściową do modelu
stanowiły wyniki ciągłych pomiarów emisji za rok 2012 pyłu ogółem, tlenków azotu oraz
dodatkowo dwutlenku siarki (SO2), przyczyniającego się do tworzenia wtórnego aerosolu w
powietrzu. Otrzymane wyniki obliczeń stężeń w powietrzu odniesiono do odpowiednich
wartości odniesienia i poziomów dopuszczalnych oraz do wyników bezpośrednich pomiarów realizowanych na stacjach monitoringu powietrza zlokalizowanych w Krakowie.
Na podstawie wykonanych obliczeń stwierdzono, że analizowane instalacje energetycznego spalania paliw mogą powodować na terenie miasta Krakowa występowanie
w powietrzu przy powierzchni terenu podwyższonych stężeń 1-godzinnych pyłu PM10,
NO2 i SO2 na maksymalnym poziomie wynoszącym odpowiednio 167,5; 98,5 i 141,1 %
wartości odniesienia. Kolejne maksima tych stężeń uzyskano już jednak na poziomie dużo
niższym, tak więc 1-godzinne wartości odniesienia w powietrzu nie są przez te obiekty
przekraczane. Na rozpatrywanym obszarze nie odnotowano także możliwości występowania przekroczeń dopuszczalnych stężeń 24-godzinnych i średniorocznych wynikających
z emisji ww. sub-stancji z analizowanych instalacji, choć powodowane przez nie lokalne
maksima tych stę-żeń mogą mieć istotne znaczenie w kształtowaniu jakości powietrza
w rejonie ich wystę-powania. Nie dotyczy to jednak punktów lokalizacji stacji monitoringu
powietrza w Kra-kowie. Przykładowo na wyniki pomiarów stężeń średniorocznych, realizowanych w tych punktach, badane instalacje mają mały, co najwyżej kilkuprocentowy
wpływ
Dużym problemem inżynierii środowiskowej jest zanieczyszczenie wód, o czym traktuje rozdział szósty. Brak odpowiednich przepisów powoduje, że ogromne ilości oczyszczonych, lecz nie zdezynfekowanych ścieków trafia bezpośrednio do rzek i jezior. Wpływa
to negatywnie na jakość wody, ekosystem jak również na walory turystyczne regionu. Celem poniższych badań była analiza wpływu procesu fotokatalizy przy wykorzystaniu tlenku
tytanu (IV) na dezaktywację mikroorganizmów w oczyszczonych ściekach miejskich. Do
naświetlania użyto niskociśnieniowej lampy UV TNN 15/32 firmy Heraeus o mocy 15 W.
Badania przeprowadzono na rzeczywistych ściekach komunalnych pobranych z oczyszczalni ścieków w Wadowicach po wszystkich procesach oczyszczania, ale przed zrzutem
do odbiornika. W trakcie badań przeanalizowano wpływ dawki promieniowania UV oraz
dawki tlenku tytanu(IV) na skuteczność usuwania ze ścieków bakterii mezofilnych i psychrofilnych, bakterii z grupy coli, w tym Escherichia coli oraz Clostridium perfringens
7
1. Porównanie właściwości powłok
węglowych a-C:H z powłokami
nanokompozytowymi MeC/a-C:H
SPIS OZNACZEŃ
𝑀𝑒
𝑅
𝜈
𝐸
𝐹𝑁
𝐿𝐶2
𝐿𝐶1
𝐹𝑇
𝐹𝑘𝑟
𝑠
𝑊𝑣
V
–
–
–
–
–
–
–
–
–
–
–
–
ogólne oznaczenie metalu
promień zaokrąglenia wgłębnika
liczba Poissona
moduł Younga, GPa
siła normalna, N
miara adhezji układu powłoka podłoże, N
miara adhezji układu powłoka podłoże, N
siła tarcia, N
siła krytyczna, N
droga tarcia, mm
wskaźnik zużycia, mm3/Nm
objętość profilu zużycia, mm3
Rosnące wymagania stawiane narzędziom i elementom maszyn, przede wszystkim
wymóg coraz większej odporności na zużycie i ograniczenie tarcia powoduje, że rozpowszechnione w przemyśle pojedyncze powłoki nie mogą im sprostać. Z pośród najczęściej stosowanych powłok pojedynczych w przemyśle cieszą się zainteresowaniem powłoki metaliczne takie jak chrom, nikiel, azotki (CrN, TiN) i węgliki (TiC, WC) metali
grup przejściowych oraz powłoki węglowe (a-C, a-C:H). Tego typu powłoki są tanie
w produkcji, lecz ich skłonność do zacierania oraz ich uplastycznienie przy małym obciążeniu powoduje ich ograniczone wykorzystanie przy dużych obciążeniach. Lepszymi
właściwościami charakteryzują się powłoki ceramiczne, których twardość jest większa
i zawiera się w przedziale 15-40 GPa. W przeciwieństwie do powłok metalicznych powłokom ceramicznym towarzyszy znacznie wyższy moduł sprężystości wynoszący od
200 GPa do 500 GPa. Głównie z tego powodu powłoki ceramiczne wykazują się małą
odpornością na pękanie, która wynika również z ich mikrostruktury. Dla powłok ceramicznych o mikrostrukturze kolumnowej słabymi miejscami są granice kolumn, wzdłuż
których dochodzi do propagacji pęknięć. Powstające naprężenia styczne, mikroudary
podczas kontaktu z wierzchołkami chropowatości współpracującego elementu prowadzą
do powstawania i propagacji mikropęknięć zmęczeniowych. Pęknięcia powstają zazwyczaj wzdłuż granic kolumn, powodując wykruszania fragmentów powłoki. Dodatkowo
większa sztywność powłok ceramicznych prowadzi w przypadku obciążeń kontaktowych
do dużej koncentracji naprężeń w płaszczyźnie połączenia powłoki z podłożem oraz
możliwej delaminacji powłoki. W celu poprawy właściwości powłok należy dążyć do
znacznego rozdrobnienia ziarna, które skutkuje utwardzeniem materiału poprzez wprowadzenie mikroobszarów z innego materiału powodując poprawę odporności na pękanie.
Założenia takie mogą spełniać nowoczesne powłoki nanokompozytowe, w których
w osnowę z amorficznego uwodornionego węgla a-C:H wprowadzono nanocząstki ceramiczne - węgliki metali grup przejściowych MeC. Najczęściej stosowane diamentopodobne powłoki (DLC- Diamond Like Carbon) wytwarzane są za pomocą różnych odmian
metod PVD i CVD. Cieszą się one dużym zainteresowaniem przemysłu narzędziowego,
producentów silników spalinowych, stosowane są w magnetycznych nośnikach pamięci.
Ze względu na ich dużą biozgodność stosuje się je także w bioimplantach w układzie
krwionośnym, a w fazie badań są możliwe aplikacje na implanty stawów i stabilizatorów
kręgosłupa. Powłoki DLC są mieszaniną amorficznego węgla o hybrydyzacji wiązań sp 3,
sp2 i sp1 [1],[2],[3]. To stosunek sp3 do sp2, czyli ilości wiązań charakterystycznych dla
diamentu i grafitu determinuje szereg właściwości takich powłok. Poprzez wybór metody
użytej do ich otrzymania oraz parametrów technologicznych podczas osadzania plazmy
można ustalić, które powłoki będą miały wysoki udział wiązań sp 3, a które sp2. Powłoki
o dominującym udziale sp3 cechują się przede wszystkim wysoką twardością, co często
skutkuje ich wysoką odpornością na zużycie. Niestety towarzyszy im niska odporność na
kruche pękanie. Duży udział wiązań sp2 zapewnia natomiast niski współczynnik tarcia
oraz dobre przewodnictwo cieplne. Niestety powłoki amorficznego węgla a-C podlegają
dużym naprężeniom własnym i w efekcie słabą adhezją do podłoży metalowych. Poprawia te właściwości wprowadzenie wodoru do powłok i nazywane są one wtedy uwodornionymi. Wodór w strukturze węglowej zmniejsza naprężenia i poprawia adhezję do
podłoża, chociaż obniża także twardość powłok w stosunku do powłok a-C. Twardość
uwodornionej powłoki DLC zazwyczaj zawiera się w przedziale 10-30 GPa, [2],[3] lecz
ich odporność na pękanie pomimo poprawy nadal nie jest zadowalająca a współczynnik
10
K1C mieści się w zakresie 1-2 MPa·m0,5. Aby zmniejszyć kruchość tych powłok i poprawić odporność na zużycie w wielu przypadkach stosowane są podczas osadzania dodatkowe targety w postaci stopu lub czystego metalu. Wówczas otrzymuje się powłoki,
w których w osnowie węglowej umieszczone są twarde cząstki ceramiczne węglików lub
azotków metali grup przejściowych. Twardość takich powłok dochodzić może nawet do
50 GPa [4]. Największe umocnienie uzyskuje się, gdy nanocząstki są o wielkości 3-10
nm, zaś optymalna odległość ziaren ze względu na możliwość blokowania mikropęknięć
jest w przedziale 1-3 nm [5],[6],[7] (Rys. 1.1). Taka wielkość nanocząstek powoduje, że
nie powstają w nich dyslokacje, a mała odległość między cząstkami nie pozwala na powstawanie i rozwój nanopęknięć w osnowie węglowej. Ilość wprowadzonych nanocząstek w strukturę powłok węglowych ma istotne znaczenie i tylko ich optymalna ilość
powoduje znaczącą poprawę właściwości powłok. Jeżeli jest ich zbyt dużo to nie będą
one rozdzielone przez węglową osnowę. Dochodzi do tego wtedy, gdy ilość gazu będącego nośnikiem węgla (najczęściej C2H2) jest zbyt mała i wystarczy go tylko do tworzenia
cząstek węglików i zamiast powstawać powłoka nanokompozytowa np. CrC/a-C:H powstanie powłoka CrC. Powłoka taka będzie twarda, krucha a jej właściwości tribologiczne będą znacznie gorsze od powłok węglowych. Natomiast zbyt mała ilość cząstek nie
daje żadnego efektu, ponieważ duża zawartość węgla będzie powodować szybkie zużywanie się powłok i ich łatwe pękanie. Stąd niezwykle istotne jest dobranie parametrów
osadzania, aby otrzymać powłoki o odpowiedniej mikrostrukturze, a co za tym idzie
i dobrych właściwościach mechanicznych. Optymalizacja dotyczy parametrów osadzania,
czyli ilości przepływu acetylenu w komorze w celu uzyskania wysokiej odporności na
pękanie i zużycie. Optymalizację prowadzi się najczęściej przez różną ilość przepływającego gazu, będącego nośnikiem węgla przez komorę. Niestety nierównowagowe procesy
zarodkowania i wzrostu powłoki są bardzo skomplikowane i trudne do przewidywania,
stąd optymalizację najczęściej opiera się o wyniki wielu badań eksperymentalnych.
Rys. 1.1. Optymalna mikrostruktura powłoki nanokompozytowej na przykładzie
Przykładowo, przy tych samych przepływach gazu reaktywnego C 2H2 inne właściwości można otrzymać dla cząstek tytanu, a inne dla wolframu i krzemu. Nie da się tego
przewidzieć a priori, ponieważ inna jest energia wybijana z targetu dla różnych cząstek
oraz różna jest aktywność chemiczna i skłonność do tworzenia węglików.
11
Niejednokrotnie zdarza się, że nie wszystkie zakładane właściwości łącznie da się
osiągnąć, a polepszenie jednej własności może spowodować pogorszenie drugiej. Wzrost
wytrzymałości i twardości powłok często powoduje pogorszenie adhezji do podłoża
i zwiększenie współczynnika tarcia [8],[9].
1.1 Badania eksperymentalne
Badaniom poddano powłoki amorficznego uwodornionego węgla a-C:H oraz powłoki nanokompozytowe TiC/a-C:H z nanocząstkami TiC. Powłoki osadzono hybrydową
metodą magnetronową z dodatkowym laserem impulsowym przy przepływie gazu reaktywnego acetylenu C2H2 w komorze próżniowej: 1, 2.5, 5, 10, 15 i 20 sccm (ang. standard cubiccentimeters). Jako podłoże stosowano stal austenityczną AISI 304. Grubość
wszystkich powłok wynosiła 1m. Aby powłoka mogła spełniać postawione przed nią
wymagania niezbędne jest silne jej przyleganie do podłoża. W celu analizy wytrzymałości połączenia powłoka-podłoże wykonano testy zarysowania na urządzeniu MikroCombi-Tester firmy CSM Instrument. Stosowano wgłębnik geometrii Rockwell'a mający
promień zaokrąglenia wierzchołka 0,2 mm oraz liniowo narastające obciążenie od 0,01 do
30 N. Na podstawie sygnału emisji akustycznej oraz analizy mikroskopowej torów zarysowania próbki określono wartości obciążeń krytycznych LC1 i LC2 odpowiadające pierwszym pęknięciom kohezyjnych powłoki oraz pęknięciom adhezyjnych w płaszczyźnie jej
połączenia z podłożem [10]. Nanotwardość oraz moduł sprężystości zmierzono metodą
instrumentalnej indentacji wykorzystując wgłębnik o geometrii Berkovicha [11],[12].
Testy wykonano przy maksymalnych obciążeniach 2 i 5 mN. Testy tribologiczne przeprowadzono w styku kula-tarcza w warunkach tarcia technicznie suchego. Stosowano
kule Al2O3 o średnicy 6 mm, obciążenie FN= 1 N oraz liczbę cykli 20000 i prędkością
liniową 0,03 m/s. Powstałe tory wytarcia na próbkach mierzono profilometrem stykowym
w 4 miejscach co 90° (Rys. 1.2). Wskaźnik zużycia będący ilorazem objętości V usuniętego materiału do iloczynu nacisku FN i drogi tarcia s obliczono z zależności (1.1):
𝑊𝑣 =
𝑉
𝐹𝑁 ∙ 𝑠
(1.1)
Rys. 1.2. Schemat wykonywania pomiaru profili toru tarcia
12
1.2 Analiza wyników eksperymentu
Wartości twardości mierzonej przy obciążeniu 2 i 5 mN zestawiono na rysunku
(Rys. 1.3 a). Przedstawione wyniki testów indentacyjnych, wskazują na wyraźny wzrost
twardości powłok w których wprowadzono nanocząstki TiC do osnowy uwodornionego
węgla a-C:H przy przepływie gazu reaktywnego od 5 sccm. Powłoki osadzone przy przepływie gazu 1 i 2,5 sccm mają zbliżoną twardość do powłoki a-C:H bez nanocząstek.
Twardość powłok rośnie wraz ze wzrostem przepływu acetylenu i osiąga 24 GPa,
w przypadku powłoki TiC/a-C:H osadzonej przy przepływie C2H2 równym 20 sccm.
Wzrostowi twardości układu powłoka-podłoże towarzyszy znaczne usztywnienie powłok
nanokompozytowych, czyli wzrostu modułu sprężystości z 150 GPa do 290 GPa.
Dla porównania powłoka a-C:H ma ten parametr na poziomie 90 GPa (Rys. 1.3 b).
W przypadku powłok nanokompozytowych o niższym przepływie C 2H2 1-5 sccm należy
zaznaczyć, że wartości modułu sprężystości są zbliżone do modułu sprężystości podłoża.
Efektem tego są mniejsze naprężenia na granicy powłoka-podłoże, które rosną wraz ze
zwiększającą się różnicą pomiędzy właściwościami mechanicznymi powłoki i podłoża.
Może to powodować większą wytrzymałością połączenia powłoka-podłoże.
a)
b)
Rys. 1.3. Wyniki testów indentacyjnych: a) twardość b) moduł sprężystości
Analizę odporności na pękanie powłok oparto o wyniki testów indentacyjnych, które
wykonano przy użyciu kulistego wgłębnika o promieniu zaokrąglenia wierzchołka 20 m
i stosunku t/Ri=0,05. Wartości średnich nacisków w strefie styku liczono według procedury przedstawionej w publikacji [13]. Początkowo naciski w strefie styku rosną liniowo,
co przedstawiono na rysunku (Rys. 1.4) dla wszystkich powłok. Aby ułatwić analizę na
13
rysunku przedstawiono wyniki dla powłok osadzonych przy przepływie gazu 2,5, 10, 20
sccm. Analiza wyników wskazuje na sprężysty charakter odkształceń całego systemu w
tym zakresie. Kolejno krzywe osiągają maksymalne wartości, które były tym większe im
większy przepływ acetylenu. Świadczy to o znacznie większej twardości i sztywności
powłok.
Dla powłoki osadzanej przy 2,5 sccm to maksimum wynosi 5,7 GPa, podczas gdy
dla 20 sccm sięga7,5 GPa. Dalszy wzrost obciążenia powoduje uplastycznienie podłoża,
wzrost strefy odkształceń plastycznych i zmniejszenie nacisków do 4GPa.
Rys. 1.4. Krzywe naprężenie-odkształcenie badanych systemów powłoka- podłoże dla indentacji
kulistym wgłębnikiem
Wzrost deformacji układów powłoka-podłoże prowadzi do znacznej koncentracji
naprężeń rozciągających w powłokach i w konsekwencji po przekroczeniu wytrzymałości
powłok prowadzącej do ich pękania. Pęknięcia powłok widoczne są na krzywych indentacyjnych jako załamania wówczas, gdy nagle rośnie głębokość penetracji bez wzrostu
obciążenia (pop-ins). Pęknięcia powłok po testach indentacyjnych przedstawiono na rysunku (Rys. 1.5). Dla powłoki nanokompozytowej osadzanej przy przepływie acetylenu
1 sccm przy małym obciążeniu 500 mN nie obserwowano pęknięć wokół śladu po indentorze (Rys. 1.5 a). Pierwsze pęknięcia obwodowe oraz niewielkie pęknięcia promieniowe
wokół strefy odcisku widoczne są dla tej powłoki dopiero przy obciążeniu 1000 mN (Rys.
1.5 b). Przy tym samym obciążeniu dla powłoki 5 sccm obszar pęknięć obwodowych
znacząco oddalony jest od odcisku indentora, a strefa pęknięć promieniowych znacząco
się powiększa (Rys. 1.5 c). Podobny charakter pęknięć obserwowano dla powłoki 10
sccm, ale przy dwukrotnie mniejszym obciążeniu 500 mN (Rys. 1.5 d). Natomiast najmniejszą odpornością na pękanie charakteryzują się powłoki osadzone przy przepływie
acetylenu 15 i 20 sccm, co przedstawiają zdjęcia (Rys. 1.5 e i f), na których widoczne są
liczne pęknięcia obwodowe i promieniowe.
14
a) 1 sccm-500mN
b) 1 sccm-1000mN
c) 5 sccm-1000mN
d) 10 sccm-500mN
e) 15 sccm-500mN
f) 20 sccm-500mN
Rys. 1.5. Obraz indentacji układów powłoka- podłoże a) 1 sccm-500mN b) 1 sccm-1000mN
c) 5 sccm-1000mN d) 10 sccm-500mN e) 15 sccm-500mN f) 20 sccm-500mN
1.3 Wyniki badań wytrzymałości układu powłoka- podłoże
Wyniki testów zarysowania pozwalające porównać obciążenie prowadzące do pękania powłok oraz ocenić jakość połączenia powłoki do podłoża przedstawiono odpowiednio na rysunkach (Rys. 1.6 a i b). Pierwsze pęknięcia kohezyjne dla powłok wytworzonych przy przepływie gazu 1i 2.5 sccm obserwowano odpowiednio przy obciążeniu 1,4
i 1,8 N. Natomiast dla pozostałych powłok parametr LC1 był na poziomie 1 N (Rys. 1.6
a). Im więcej osnowy węglowej i mniej nanocząstek tym coraz bardziej widoczny jest
wpływ małej odporności na pękanie amorficznej powłoki węglowej.
Wyraźnie lepszą adhezję do podłoża od pozostałych powłok, wykazały powłoki
osadzone przy przepływie acetylenu 1,2.5 i 10 sccm (Rys. 1.6 b), dla których, nawet po
osiągnięciu maksymalnego obciążenia 30N nie obserwowano jej usuwania z podłoża
(Rys. 1.7 a, b i d). Zniszczenia adhezyjne LC2 widoczne jako pęknięcia o łuskowatym
kształcie powstawały przy obciążeniu 4.3 N, 4.8 N i 3.5 N odpowiednio dla powłok nanokompozytowych wytwarzanych przy przepływie gazu 5, 15 i 20 sccm (Rys. 1.7 c, e
i f). Jest to efektem ich znacznie większej sztywności i mniejszej odporności na pękanie.
Zdaniem autorów duża różnica w adhezji powłok osadzanych przy małym i dużym
przepływie acetylenu może być powodowana mniejszymi naprężeniami własnymi powłok o dużym udziale nanocząstek (mały przepływ gazu). Naprężenia te sumując się
15
z naprężeniami stycznymi wprowadzanymi na skutek oddziaływującego wgłębnika prowadzą do przekroczenia wytrzymałości połączenia powłoka-podłoże. Potwierdzenie tej
hipotezy wymaga jednak przeprowadzenia dodatkowych badań w celu wyznaczenia wartości naprężeń własnych.
a)
b)
Rys. 1.6. Obciążenia krytyczne powłoki: a) kohezyjne LC1, b) adhezyjne LC2
a)1 sccmTi/DLC
b) 2.5 sccmTi/DLC
30N
d) 10 sccmTi/DLC
c) 5 sccmTi/DLC
30N
e) 15 sccmTi/DLC
30N
5N
f) 20 sccmTi/DLC
5N
4N
Rys. 1.7. Obraz rys przy adhezyjnym LC2obciążeniu krytycznym a)1 sccm Ti/DLC b) 2.5 sccm
Ti/DLC c) 5 sccm Ti/DLC d) 10 sccm Ti/DLC e) 15 sccm Ti/DLC f) 20 sccm Ti/DLC
16
1.4 Wyniki testów tribologicznych
Wyniki testów tribologicznych przedstawiających wartości wskaźnika zużycia objętościowego badanych powłok nanokompozytowych przedstawiono na rysunku (Rys. 1.8).
Z pośród nich najlepsze okazały się powłoki o największym udziale fazy węglowej,
a więc te wytworzone przy przepływie gazu 15 i 20 sccm. Charakterystyczne jest to, że
powłoki 1 i 2,5 sccm mają taką samą odporność na zużycie, natomiast wzrost przepływu
acetylenu do 5 sccm spowodował znaczące pogorszenie właściwości tribologicznych.
Natomiast dalszy wzrost przepływu acetylenu, a więc i wzrostu udziału węgla w strukturze powłoki skutkuje zmniejszaniem wskaźnika zużycia.
Rys. 1.8. Wartość wskaźnika zużycia objętościowego badanych układów powłoka- podłoże
Rys. 1.9. Zmiany współczynnika tarcia podczas całego testu tribologicznego
17
Znaczące różnice współczynnika tarcia obserwowano dla badanych powłok. Dla
powłok osadzonych przy przepływie acetylenu 1, 2,5 oraz 5 sccm obserwowano wartość
współczynnika tarcia na poziomie 0,7-0,8. Jest to typowy przedział wartości dla materiałów ceramicznych takich jak CrC. Zwiększająca się ilość węgla w powłoce obniża współczynnik tarcia dla kolejnych powłok osadzanych przy przepływie C 2H2 10-20 sccm (Rys.
1.9). Powłoka 20 sccm ma współczynnik tarcia =0,15, który jest nawet niższy od powłoki węglowej a-C:H (Rys. 1.9). Wyniki mogą wskazywać, że tak oczekiwane zjawisko
grafityzacji zmniejszające współczynnik tarcia [14],[15], obserwowane dla powłok węglowych, zachodzi w powłokach nanokompozytowych o odpowiedniej ilości węgla
w strukturze.
1.5
Podsumowanie
Powłoki nanokompozytowe z nanocząstkami węglika tytanu TiC silnie zmieniają
właściwości mechaniczne i tribologiczne wraz ze zmianą udziału fazy węglowej i ilości
cząstek TiC w powłoce. Udziały te zmieniano poprzez zmianę ilości przepływającego
gazu C2H2 przez komorę podczas osadzania. Przeprowadzony program badań wykazał, że
optymalnymi właściwościami charakteryzują się powłoki osadzane przy przepływie gazu
wynoszącym 15,20 sccm. Powłoki te mają największą twardość, największą odporność na
zużycie i najniższy współczynnik tarcia. Problemem, który należy rozwiązać wiąże się
z ich słabą adhezja do podłoża. Prawdopodobnie projektując odpowiednie warstwy
przejściowe między powłoką a podłożem będzie można znacząco poprawić jakość połączenia powłoka-podłoże. Jeżeli jednak będą one pracować przy obciążeniach dynamicznych, udarowych to niestety problemem może okazać się ich mała odporność na pękanie.
Lepsze wtedy mogą okazać się powłoki osadzone przy mniejszym przepływie acetylenu.
Podziękowanie:
Za umożliwienie wykonania powłok na próbkach dziękujemy dr hab. JurgenowiLacker z Joanneum Research Forschungsges.m.b.H., Institute for Surface Technologies
and Photonics, Functional Surfaces, LeobnerStraße 94, A-8712 Niklasdorf, Austria.
Piśmiennictwo
[1]
[2]
A.A. VOEVODIN, J.S. ZABINSKI, Nanocomposite and nanostructured
tribological materials for space applications, Composites Science and Technology 65 (2005) s.741–748.
L.A. DOBRZAŃSKI, A.D. DOBRZAŃSKA- DANIKIEWICZ, Obróbka powierzchni materiałów inżynierskich, Open Access Library 5 (2011) s. 132136.
18
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
A. GILEWOCZ, B. WARCHOLIŃSKI, Twarde powłoki ta-C otrzymane metodą impulsowego katodowego odparowania łukowego, Inżynieria Materiałowa 31 (2010) s. 50-53 .
A.A. VOEVODIN, J.S. ZABINSKI, Nanocomposite and nanostructured
tribologicalmaterials for space applications, Composites Science and Technology 65 (2005) s. 741–748
A.A. VOEVODIN, J.S. ZABINSKI, Supertough wear-resistant coatings with
`chameleon' surface adaptation, Thin Solid Films 370 (2000) s. 223–231.
S. VERPREK, Conventional and new approaches towards the design of novel
superhard materials 97 (1997) s.15–22.
K. ŁUKASZKOWICZ, Kształtowanie struktury i własności powłok hybrydowych na rewersyjnie skręcanych matrycach do wyciskania, Open Access
Library 10(16) (2012) 20-24.
T. BURAKOWSKI, T. WIERZCHOŃ, Inżynieria powierzchni metali, WNT
1995 s. 528-534.
K. CHRONOWSKA-PRZYWARA, M. KOT: analiza właściwości nowych
grup powłok stosowanych na wysoko obciążone elementy maszyn. Zeszyty
Naukowe Politechniki Śląskiej ; nr 1903. s. 41–49 (2014) z. 82.
S.J. Bull, E.G. BERASETEGUI: An overview of the potential of quantitative
coating adhesion measurement by scratch testing, Tribology International 39
(2006) s.99–114
M. KOT, P. LACKI : Contact mechanics of coating-substrate systems: I –
Methods of analysis and FEM modeling of nanoindentation tests. Journal of
the Balkan Tribological Association, 18 (2012) s.598–614.
K. CHRONOWSKA-PRZYWARA, M. KOT, S. ZIMOWSKI: Techniki badawcze w analizie właściwości mechanicznych i tribologicznych cienkich
warstw i powłok. ZeszytyNaukowePolitechnikiŚląskiej ; nr 1904. Transport
s. 39–49 (2014) z. 83.
M KOT, Ł.MAJOR, K. CHRONOWSKA-PRZYWARA, J.M. Lackner,
W. Waldhauser, W. RAKOWSKI , The advantages of incorporating CrxCnanograins into an a−C:H matrix in tribological coatings. Materials and Design, 2014 vol. 56, s. 981–989
HOLMBERG K., MATTHEWS A., Coatings tribology: properties, mechanisms, techniques and applications in surface engineering, Elsevier, Amsterdam (2009) s. 156-167, 274-276.
Y. LIU, A. ERDEMIR, E.I. MELETIS: An investigation of the relationship
between graphitization and frictional behavior of DLC coatings. Surface and
Coatings Technology 86-87 (1996) 564–568.
19
2 Projekt urządzenia do wspomagania nauki
pływania
Biomechanika to dziedzina nauki zajmująca się zagadnieniami mechaniki ciała
człowieka i ciał zwierząt w powiązaniu z ich anatomią i fizjologią. Znalazła ona zastosowanie w wielu dziedzinach życia, a szczególnie w medycynie i sporcie. Głównym przedmiotem badań biomechaników jest mechanika ciała człowieka w tym szczególnie zagadnienia związane z kinematyką i dynamiką narządów ruchu. Dzięki nowoczesnym narzędziom i współpracy interdyscyplinarnej wielu przedstawicieli różnych dyscyplin naukowych możliwy jest rozwój medycyny, poprzez doskonalenie metod rehabilitacji popartych badaniami i doświadczeniami naukowymi .
2.1
Kończyna górna jako łańcuch kinematyczny
Łańcuch biokinematyczny kończyny górnej rozpoczyna się od stawu mostkowo obojczykowego, a kończy się w stawach palców ręki. Jest to łańcuch otwarty, gdzie występujące pary kinematyczne pozwalają tylko na ruchy obrotowe, z wyłączeniem ruchów
przesuwnych (Rys. 2.1). Jest to cechą charakterystyczną łańcuchów biokinematycznych
i odróżnia je od łańcuchów kinematycznych mechanizmów [2].
Wykonując analizę strukturalną kończyny górnej jako biomechanizmu, traktujemy
poszczególne kości jako człony ruchome, a stawy jako pary biokinematyczne różnych
klas [3], [4]:
III klasy, o trzech stopniach swobody;
IV klasy, o dwóch stopniach swobody;
V klasy, o jednym stopniu swobody.
Członem nieruchomym, względem którego analizujemy ruch, jest łopatka. Połączenie jej z kością ramienną jest parą biokinematyczną klasy III- co oznacza, że możliwe są
trzy niezależne ruchy kości ramiennej względem łopatki. Wzajemnie połączenie ze sobą
kości przedramienia, promieniowej i łokciowej, pozwala tylko na jeden względny ruch
obrotowy- para kinematyczna klasy V. Połączenie kości ramiennej i kości przedramienia
jest również parą klasy V. Kolejne połączenie, kości śródręcza i przedramienia, umożliwia wykonywanie dwóch niezależnych ruchów obrotowych- jest to więc para klasy
IV [1].
Rys. 2.1. Kończyna górna jako łańcuch biokinematyczny (0 - nieruchomy człon - podstawa, 1 i 2 człony ruchome (kość ramienna oraz kości przedramienia łącznie)) [3]
Ze względu na złożoność ręki, której badanie ruchliwości nie jest konieczne do wykonania tej pracy, ograniczono się do przedstawienia par kinematycznych w formie ilustracji (Rys. 2.2).
Rys. 2.2. Pary kinematyczne ręki [3]
21
Mając wiedzę na temat liczby stopni swobody w poszczególnych ruchomych członach, względem nieruchomej podstawy, można określić ruchliwość biomechanizmu.
Oznaczając przez k liczbę wszystkich członów, a przez p1,…,p5 liczbę par kinematycznych odpowiednich klas, to liczba swobody łańcucha biokinematycznego będzie wynosić:
𝐻 = 6𝑘 − 5𝑝5 − 4𝑝4 − 3𝑝3 − 2𝑝2 − 𝑝1
(2.1)
Wzór ten wynika z ogólnego wyrażenia pozwalającego wyliczyć ruchliwość mechanizmu:
5
𝑤 = 6(𝑘 − 1) − ∑ 𝑖𝑝𝑖
(2.2)
𝑖=1
gdzie:
k – jest liczbą wszystkich członów
pi – liczba par kinematycznych i-tej klasy
Według schematu opracowanego przez Moreckiego [[3]], który został przedstawiony
na rysunku 2.16, kończynę górną można traktować jako łańcuch biokinematyczny składający się z od 4 do 22 członów. Podstawiając odpowiednie wartości do wzoru (2.1) uzyskano wynik:
𝐻 = 6 ∙ 22 − 5 ∙ 15 − 4 ∙ 6 − 3 ∙ 1 = 30
(2.3)
Otrzymana liczba oznacza, że do zrealizowania wszystkich niezależnych ruchów
kończyny górnej potrzeba 30 napędów dwukierunkowych.
2.2 Kończyna dolna jako łańcuch kinematyczny
Kończyna dolna jest otwartym łańcuchem kinematycznym do momentu zetknięcia
się z podłożem. Połączeniami umożliwiającymi ruch pomiędzy poszczególnymi segmentami są stawy. Według Moreckiego [3], w kończynie dolnej można wyróżnić następujące
pary kinematyczne, utworzone przez stawy (Rys. 2.3):
- staw biodrowy - jest to połączenie pomiędzy kością udową a miednicą, które tworzy parę kinematyczną klasy III. Oznacza to, że jest możliwy ruch obrotowy względem
trzech osi układu współrzędnych, natomiast wykluczone są ruchy translacyjne (jest to
cecha charakterystyczna mechanizmów biokinematycznych);
- staw kolanowy - jest to połączenie pomiędzy kością piszczelową i udową, które
tworzy parę kinematyczną klasy IV. Oznacza to, że jest możliwy wyłącznie ruch obrotowy względem dwóch osi układu współrzędnych;
- staw skokowy i stawy stopy - są to połączenia, które tworzą pary kinematyczne
klasy IV i V. Oznacza to, że jest możliwy ruch obrotowy względem odpowiednio dwóch
lub jednej osi.
Łańcuch kończyny dolnej składa się z 23 segmentów połączonych przez 22 stawy. Na podstawie Rys. 2.3 można określić i obliczyć ilość wszystkich występujących par
kinematycznych, co pozwoli nam określić ruchliwość kończyny dolnej, po podstawieniu
do wzoru (1.2):
Wobec tego ruchliwość wynosi:
22
𝐻 = 6 ∙ 22 − 5 ∙ 15 − 4 ∙ 6 − 3 ∙ 1 = 30
(2.4)
Otrzymana liczba oznacza, podobnie jak w przypadku kończyny górnej, że do zrealizowania wszystkich niezależnych ruchów kończyny dolnej potrzeba 30 napędów dwukierunkowych.
Rys. 2.3 Schemat strukturalny łańcucha biokinematycznego kończyny dolnej [1], [3]
2.3 Najszybszy i najefektywniejszy styl pływania
Od wielu lat trwają dyskusje na temat wyboru najlepszego sposobu pływania dla początkujących. Specjaliści wahają się pomiędzy wyborem rozpoczynania nauki od żabki,
a równoczesnej nauki wszystkich sposobów na raz.
Powszechnie uznaje się, że najbardziej ekonomiczne i najbardziej efektywne sposoby pływania dla ludzkiego organizmu to: kraul na piersiach, kraul na grzbiecie i żabka.
Kolejnym stylem, który zapewnia dość dużą prędkość pływania, drugą po kraulu, jest
delfin. Niestety jest to styl dość skomplikowany i wyczerpujący dla ciała człowieka, dlatego też nie jest on zbyt popularny wśród pływających.
Pierwsze miejsce na liście stylów pływania zajmuje kraul na piersiach. Ruchy kraulowe są najbardziej zbliżone do tych wykonywanych przez człowieka poruszającego się
23
na lądzie. Sprawia to, że styl ten jest dość łatwy do przyswojenia i powtórzenia zachowania ciała znanego z ruchu lądowego w wodzie.
Efektywność pływania, a więc prędkość pływania w stosunku do włożonego wysiłku, to nie tylko kwestia wyboru najlepszego stylu. Bardzo ważne są umiejętności pływaka
i opanowanie techniki pływania- wiąże się to z odpowiednim wykorzystaniem oporów
wody, które powstają na powierzchniach napędowych dłoni i stóp, a także omijania ich
w fazach przygotowania ruchu kończyn oraz zmniejszaniem oporu czołowego [5].
Kraul, czyli pływanie na piersiach z twarzą zanurzoną w wodzie i przemienną pracą
rąk, to niekwestionowany lider jeśli chodzi o szybkość i popularność wśród pływających.
O jego powszechności może świadczyć fakt, że wiele osób utożsamia go ze stylem dowolnym, ponieważ wielu zawodników w konkurencji pływania stylem dowolnym stawia
właśnie na niego. Kraul wymaga płynnych, szybkich i skoordynowanych ruchów rąk oraz
koordynacji oddechu [6] (Rys. 2.4).
Styl ten w Europie pojawił się prawdopodobnie po raz pierwszy w 1844 r. Kiedy to
na zawodach pływackich w Londynie zawodnicy z Północnej Ameryki bez trudu pokonali Brytyjczyków pływających żabką. Po tych zawodach został jednak w Europie na długo
zakazany w oficjalnych zawodach.
Rys. 2.4. Fazy i ruchy stylu kraula [[10]]
W latach 1870−1890, pierwszą "oficjalną" wersję kraula opracował John Arthur
Trudgen, który opisał styl pływania Indian z Ameryki Południowej. Popełnił jednak błąd,
gdyż wadliwie opisał ruch nóg, który w jego wersji był bardziej zbliżony do żabki. Ten
hybrydowy styl pływania był nazywany trudgenem. Trudgen stał się popularny w zawodach w europie pod koniec XIX w. I zaczął stopniowo zastępować żabkę, w zawodach
w wolnym stylu. Trudgen został dopracowany przez trenera pływackiego z Australii Richarda (Freda) Cavilla. Obserwował on ludność autochtoniczną na Wyspach Salomona i dokładnie przestudiował ruch ich nóg, pływając za nimi w masce płetwonurka.
Zawodnicy szkoleni przez cavilla zaczęli wygrywać liczne zawody, a nowy styl został
24
nazwany australijskim crawlem. Nazwa ta została w latach 50. XX w. skrócona do obecnej [9].
Technika pływania tym stylem sprowadza się do tego, że płynący znajduje się w pozycji na piersiach i wykonuje tzw. "nożyce" nogami, przy równoczesnym naprzemianstronnym ruchu rąk. Ruch ten polega na wyciąganiu na zmianę ręki przed siebie nad
wodą i podciąganiu jej z powrotem pod wodą. Szybkość w kraulu uzyskuje się głównie za
sprawą pracy rąk (70%), praca nóg to zaledwie 30%. Oddech wykonuje się poprzez częściowe wystawienie głowy nad wodę wzdłuż jednej z rąk.
W ratownictwie stosuje się także inną odmianę tego stylu (tzw. "kozak") − wykonuje
się naprzemianstronną pracę rąk i trzyma się głowę lekko nad wodą, tak aby nie tracić
kontaktu wzrokowego z tonącym [9].
2.4 Układ sterowania
Pierwszym i najważniejszym założeniem przy projektowaniu układu było wykorzystanie napędów pneumatycznych, ze względu na pracę w środowisku wodnym. Jeśli chodzi o realizację ruchów obrotowych w poszczególnych stawach do ich realizacji wybrano
wahadłowe siłowniki pneumatyczne. Napęd tego typu został także użyty do obracania
układu o 180° w celu zmiany kierunku płynięcia. Do realizacji ruchu w przód i w tył
układu zostały użyte silniki pneumatyczne, z odpowiednio dobraną przekładnią w celu
redukcji wysokiej prędkości obrotowej i dostosowaniu jej do prędkości płynięcia.
Układ został zaprojektowany zgodnie z metodą algorytmiczną projektowania pneumatycznych układów przełączających. Została ona zastosowana ze względu na łatwość
zrealizowania przy jej użyciu bardzo rozbudowanych i skomplikowanych układów, które
pracują według określonego cyklu pracy. Jedną z zalet metod algorytmicznych w stosunku do metody intuicyjnej jest możliwość ścisłego określenia algorytmu projektowania,
jaki trzeba zastosować, w celu osiągnięcia prawidłowo działającego układu. Niestety nie
zawsze nie idzie to w parze z minimalną liczbą elementów układu i połączeń między
nimi.
Metody algorytmiczne stosowane są najczęściej do projektowania układów sekwencyjnych. W układach tego typu siłowniki (lub inne elementy wykonawcze) współpracują
z dwustanowymi zaworami rozdzielającymi, a kontrola tłoczysk siłowników realizowana
jest poprzez wyłączniki drogowe i krańcowe [7], [8].
Po przeanalizowaniu stylu pływania kraulem oraz wybraniu metody projektowania
rozpoczęto zapis sekwencji ruchów kończyn za pomocą opisu symbolicznego za pomocą
specjalnie przyjętej symboliki, gdzie obok litery wskazującej element dodatkowo używa
się symbolu [7]:
+ oznaczającego wysunięcie tłoczyska siłownika, zadziałanie zaworu, zapalenie
się lampki kontrolnej, itp.
- oznaczającego wsunięcie tłoczyska siłownika, wyłączenie zaworu, zgaszenie
lampki kontrolnej, itp.
+/- krótkotrwałe (impulsowe) zadziałanie i zwolnienie elementu (np. naciśnięcie
i zwolnienie przycisku ręcznego).
25
Kolejnym etapem było zaprojektowanie układu sterowania na podstawie przygotowanego opisu symbolicznego, w którym cykl pracy rąk (wraz z rotacją tułowia) może
zapisać za pomocą formuły (Tabela 2.1):
S+/-, A13- i A14- i A2+ i A4+ i A6+ i A3+, A4- i A6- i A3- i A1-, A13+ i A14- i
A1+ i A3+ i A5+ i A4+, A3- i A5- i A4- i A2gdzie: S - jest to symbol startowy, A z indeksem - kolejny siłownik.
Tabela 2.1 Pozycja startowa elementów wykonawczych układu dla ruchu rąk
Pozycja startowa układu dla ruchu rąk
A13+
A14+
lewa strona
prawa strona
A1+
A2A3A4A5A6Na podstawie zapisanej formuły utworzono graf (Rys. 2.1) opisujący działanie układu. Pojedynczymi „okręgami” oznaczano stany wewnętrzne układu niestabilne - symbole
A z indeksem (siłownik), czyli takie stany elementów wykonawczych, których przejście
do stanów następnych jest zależne od podania sygnałów z wyłączników krańcowych
układu - symbole S z indeksem (krańcówka). Podwójnymi „okręgami” oznaczano stany
wewnętrzne układu stabilne, czyli takie, których przejście do stanów następnych wymaga
podania sygnału z zewnątrz. Łukami skierowanymi opisano sygnały wejściowe, które
powodują przejście do kolejnych stanów układu [7]. Po wykonaniu grafu przystąpiono do
rysowania połączeń występujących w schemacie funkcjonalnym (Rys. 2.2).
Rys. 2.1. Graf metody algorytmicznej dla pracy rąk wraz ruchami rotacyjnymi tułowia
26
Rys. 2.2. Schemat pneumatyczny układu sterowania ruchami rąk
i rotacji tułowia zaprojektowany metodą algorytmiczną
27
2.5 Model 3D projektowanego układu
Projektowane urządzenie składa się z trzech głównych elementów: wózka, mechanizmu do pochylania układu oraz mechanizmu realizującego sekwencję pracy rąk i nóg.
2.5.1
Model wózka
Wózek to część mechanizmu podwieszona na szynie (Rys. 2.5). To główne mocowanie układu, na które za pomocą kół tarciowych, poprzez przekładnię planetarną, przenoszony jest napęd z silników pneumatycznych (M1 i M2). Prócz realizacji poruszania
całej platformy w przód i w tył możliwe jest także obracanie podwieszonej niżej części
układu. Jest ono realizowane za pomocą siłownika wahliwego (A15).
Rys. 2.5 Model wózka
2.5.2
Model mechanizmu realizującego ruchy rotacyjne
Mechanizm rotacyjny (Rys. 2.6) realizuje przede wszystkich ruchy obrotowe tułowia
wokół własnej osi, wykonywane podczas pływania kraulem. Drugim ważnym zadaniem,
jakie postawiono przed tym elementem układu, to podnoszenie i opuszczanie części właściwej systemu. Część ta montowana jest śrubami do siłownika wahliwego A15. W modelu uwzględniono także kanał do prowadzenia przewodów pneumatycznych
z dolnej części układu.
2.5.3
Model mechanizmu symulującego ruchy rąk i nóg
Mechanizm symulujący pracę rąk i nóg pozwala na realizację ruchów pływania
kraulem. Jest on podwieszony do wózka przy użyciu siłowników A13 i A14, co umożliwia przechylanie urządzenia w czasie jego pracy. Na (Rys. 2.7) oznaczono położenia
poszczególnych napędów wykonawczych. Warto także zwrócić uwagę na wykonaną
z silnego lnianego materiału uprząż, za pomocą której pływak będzie przypinany do układu. Są to przede wszystkim wytrzymałe szelki, które podtrzymują klatkę piersiową pły-
28
waka, by nie przemieszczała się ona w czasie pracy układu, a także liczne opaski. Zostały
one zamontowane w kanalikach do prowadzenia przewodów pneumatycznych. Zaletą
zastosowania luźnych, elastycznych opasek jest swoboda kończyn, które mogą się wewnątrz nich obracać w czasie ruchu.
Rys. 2.6 Mechanizm realizujący ruchy rotacyjne
Rys. 2.7 Mechanizm stymulujący ruchy rąk i nóg
29
2.5.4
Kompletny układ stanowiska do wspomagania nauki pływania
Poniższy rysunek Rys. 2.8 przedstawia kompletny układ, który został zaprojektowany w celu wspomagania nauki pływania. Do jego mocowania nad basenem została użyta
szyna- jest to celowy zabieg, by uniknąć ingerencji w istniejące już zbiorniki wodne.
Dzięki takiej konstrukcji nie jest wymagana modyfikacja dna basenu.
Na szynie zamontowany jest wózek. Będzie on się toczył po jej powierzchni za pomocą czterech symetrycznie zamontowanych kół. Napęd platformy to dwa siłowniki
pneumatyczne, które ze względu na dużą prędkość obrotową, zostały wyposażone
w przekładnie. Poprzez przekładnie moment obrotowy trafia na koła tarciowe, z których
z kolei trafia na szynę. Inspiracją takiej realizacji napędu platformy były napędy kolejek
stosowanych w górnictwie.
Rys. 2.8 Stanowisko wspomagania nauki pływania – widok 3D
Kolejną częścią modelu jest mechanizm z dwoma symetrycznie zamontowanymi siłownikami. Jest on przymocowany do siłownika wahliwego, ułożonego w wózku, co
umożliwia obracanie dolnej części układu o 180°. Jest to bardzo wygodne, ponieważ
baseny mają ograniczoną długość, a w ten sposób łatwo i szybko można zmienić kierunek
płynięcia. Głównym zadaniem postawionym przed tym elementem mechanizmu jest
30
opuszczanie i podnoszenie pływaka, a także umożliwienie wykonywania ruchów rotacyjnych tułowia.
Najważniejszą częścią układu jest podwieszony na siłownikach szkielet, do którego
za pomocą uprzęży przypinany będzie pływak. Mechanizm ten, dzięki wgranemu do
sterownika programowi i operatorowi sterującego procesem, będzie realizować ruchy rąk
i nóg, które wykonuje się podczas pływania kraulem.
Całość powinna być na wstępnie zweryfikowana co do poprawności ruchów przez
zawodowego pływaka, który przede wszystkim poprawnie stylowo pływa. Ma to na celu
dopracowanie algorytmu sterowania i wychwycenie wszelkich błędów wynikających
z niewiedzy projektanta.
2.6 Podsumowanie
Podczas prac nad projektem układu do wspomagania nauki pływania starano się zrealizować i odwzorować jak najlepiej styl pływania kraulem. Zadanie to nie było proste
dlatego też pracę rozpoczęto od dogłębnej analizy anatomicznej ciała ludzkiego. Prócz
układu kostnego i mięśniowego skupiono się na połączeniach stawowych, które umożliwiają przemieszczanie się poszczególnych części ciała względem siebie. Jest to bardzo
ważne, gdyż poszczególne stawy mają różne zakresy ruchu, które należało uwzględnić
przy budowie układu.
Kolejnym etapem prac było zebranie danych na temat stylów pływania. W tym celu
przeanalizowano wiele kursów pływackich, które umożliwiały się z zapoznaniem sekwencji ruchów wykonywanych w ramach poszczególnych stylów, a także udzielały
cennych wskazówek na temat głównych błędów wykonywanych przez początkujących
pływaków. Ważnym kryterium była też możliwość zaadaptowania danego zestawu ruchów i symulowania ich za pomocą zestawu siłowników wahliwych. Na podstawie tej
wiedzy został wybrany najszybszy i najbardziej efektywny styl pływania - kraul.
Następnie wykonano układu sterowania, który miał składać się z elementów pneumatycznych. Wybór tego typu elementów wykonawczych był powodowany środowiskiem, w którym układ ma pracować. Docelowym miejscem montażu takiego układu ma
być basen, dlatego też ważnym jest, by układ był bezpieczny oraz nie powodował zanieczyszczenia wody. Stąd też wybrano układ, którego czynnikiem roboczym jest powietrze,
a także ograniczono ilość elementów elektrycznych do minimum. Zaprezentowano model
3D zaprojektowanego układu wspomagania nauki pływania. Przedstawiono sposób montażu układu nad zbiornikiem wodnym oraz montaż poszczególnych napędów wykonawczych wraz z elementami przypięcia człowieka do układu.
Projektowane stanowisko dedykowane powinno być początkującym pływakom na
wczesnym etapie nauki oraz przede wszystkim osobom potrzebującym pływania jako
metody rehabilitacji ruchowej. Jednocześnie umożliwi ono pracę pływaka nad doskonaleniem różnych stylów lub poprawą jakiegoś elementu, ruchu czy funkcjonalności konkretnego mięśnia, ścięgna.
31
Piśmiennictwo
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
TEJSZERSKA, Dagmara; ŚWITOŃSKI, Eugeniusz; GZIK, Marek. Biomechanika narządu ruchu człowieka. Wydawnictwo Naukowe Instytutu Technologii Eksploatacji–PIB, Gliwice, 2011.
BOCHENEK, A.; REICHER, M. Anatomia człowieka, tom I: Anatomia
ogólna, kości, stawu, więzadła i mięśnie, Wyd. PZWL, Warszawa, 1978.
MORECKI, Adam; EKIEL, Juliusz; FIDELUS, Kazimierz. Bionika ruchu.
Państw. Wyd. nauk., 1971.
BEDZINSKI, R. Biomechanika inzynierska. Oficyna Wydawnicza Politechniki Wroclawskiej, Wroclaw, 1997.
BARTKOWIAK, Edmund; WITKOWSKI, Mieczysław. Nauczanie pływania.
Młodzieżowa Agencja Wydawnicza, 1986.
DAVIES, S. Nauka pływania w weekend. : Wydawnictwo Wiedza i Życie,
Warszawa 1997.
SZENAJCH, Wiesław. Napęd i sterowanie pneumatyczne. Wydawnictwa
Naukowo-Techniczne, 1994.
WĘSIERSKI, Łukasz N. Projektowanie pneumatycznych układów napędowych i sterujących. 1994.
bodyinfo.pl. [Zacytowano: 22 6 2015.] http://www.bodyinfo.pl/plywanienauka-stylu-dowolnego-od-podstaw-poznajemy-kraula-krok-po-kroku.a2013.
Bądź healthy. [Zacytowano: 22 6 2015.]
http://badzhealthy.blogspot.com/2012/07/styl-dowolny.html.
32
3 Zastosowanie analizy falkowej
w diagnostyce tłokowych silników
spalinowych o zapłonie samoczynnym
Cyfrowe przetwarzanie sygnałów jest dziedziną rozwijającą się dynamicznie, lecz
występuje niedostatek pozycji literaturowych z tego zakresu [15]. Nauczenie się podstaw
cyfrowego przetwarzania sygnałów wymaga zaawansowanego przygotowania matematycznego, doświadczenia i zaangażowania. Przed właściwą analizą sygnałów wskazane
jest przetwarzanie wstępne sygnału, które obejmuje: filtrowanie, wzmacnianie, zamianę
na postać cyfrową, segmentację, a następnie wyznaczenie miar sygnałów w dziedzinie
czasu, częstotliwości (transformata Fouriera) lub czasu i częstotliwości (krótkookresowa
transformata Fouriera, transformata Falkowa, transformata Hilberta-Huanga). Diagnostycznie zorientowane metody przetwarzania sygnałów stosują procedury selekcji informacji na poszczególnych etapach przetwarzania sygnałów [1]:
 wstępnym, obejmujące kondycjonowanie sygnałów;
 zasadniczym, obejmującym dekompozycję i transformację sygnałów;
 wtórnym, wykorzystującym syntetyzowanie i usuwanie redundancji informacji.
Uzyskanych miar sygnałów może być bardzo wiele, zwłaszcza, jeśli pochodzą z różnych czujników, a znaczna część z nich nie jest związanych z badanym procesem lub
obiektem. Stąd konieczne jest stosowanie odpowiednich sposobów oceny stopnia ich
powiązania z mierzonym zjawiskiem.
Transformata Fouriera jest przydatna jedynie dla sygnałów periodycznych, regularnych i stacjonarnych. Przy zastosowaniu konwencjonalnej analizy widmowej sygnałów
niestacjonarnych występuje rozmycie widma w dziedzinie częstotliwości oraz w dziedzinie czasu przy uśrednianiu [1, 15]. Transformacie Fouriera brakuje możliwości lokalizacji
sygnału po zmianie w pewnym otoczeniu, aby odnaleźć miejsce jego zaburzenia, bowiem
sygnał zostaje rozłożony na fale płaskie [2]. W analizie falkowej wykorzystuje się wybraną lokalizację, która dla analizy poddawana jest translacjom i skalowaniu.
3.1 Stan wiedzy
W ostatnich latach obserwuje się dynamiczny rozwój metod analizy czasowoczęstotliwościowej przy poszukiwaniu nowych bardziej efektywnych [1, 2, 3, 15]. Do
podstawowych metod w tej grupie zalicza się transformację: krótkoczasową Fouriera,
zdyskretyzowaną Gabora, falkową, dystrybucję Wignera-Ville’a itp.
Analiza Fouriera (FT) stosowana jest głównie do transformacji do dziedziny częstotliwości sygnałów stacjonarnych globalnie w całym przedziale czasowym. Przy analizie
procesów niestacjonarnych tracona jest informacja o fluktuacjach amplitudowych poszczególnych składowych [1].
Metodą na wady transformaty Fouriera jest zaproponowana przez Dennisa Gabora
krótkookresowa transformata Fouriera (ang. Short-Time Fourier Transform – STFT) [1].
Transformata ta, za pomocą przesuwanego wzdłuż sygnału okna czasowego w(), dzieli
sygnał na małe przedziały, które można uznać za stacjonarne, a są poddawane analizie
FT:

F ( , f )   [ f ( ) w(  T ) w]e  jf d
(3.1)

gdzie:
 – czas,
f – Częstotliwość,
T – przesunięcie falki w dziedzinie czasu,
W ten sposób odzyskuje się częściowo traconą przez FT informację czasową. Główną wadą STFT jest fakt, że jakość informacji częstotliwościowej jest odwrotnie proporcjonalna do jakości informacji czasowej.
Transformata falkowa z kolei dokonuje dekompozycji sygnału na składowe falkowe
o różnych częstotliwościach (skalach) i różnych pozycjach. Ponieważ falka zmienia swoją
szerokość (skalę), nie występuje w niej, jak w STFT, antagonizm między rozdzielczością
informacji czasowej a rozdzielczością informacji częstotliwościowej. Falkę można rozpatrywać w kategoriach okna o zmiennej szerokości.
Falka przedstawia oscylacyjny charakter przebiegu krzywej () , który jest zapewniony przez warunek [12]:

 ( )d  0
(3.2)

Zbiór falek stanowiących bazę ortogonalną wyznacza się przez przesuwanie i skalowanie według zależności:
1
a
 

sb
   a ,b ( s )
a 
(3.3)
34
gdzie:
a – liczba rzeczywista dodatnia reprezentująca skalę,
𝑏 – liczba rzeczywista reprezentująca przesunięcie.
Zbiór falek rozpatruje się często dla liczb całkowitych k i j, takich, że b = k2-j i a = 2-j
w postaci:
ij(s) = Cj(2js  k)
(3.4)
gdzie:
Cj = 2j/2 – jest współczynnikiem normującym
𝑗 – zbiór funkcji falkowych,
k() – jest zazwyczaj bazą ortogonalną oraz j Î (0, ∞), kÎ( ∞, ∞).
Podobnie, jak w przypadku transformaty Fouriera, zwykle nie korzysta się bezpośrednio ze współczynników falkowych, lecz wyznacza z nich miary stosowane w dziedzinie
czasu [5]. Analiza falkowa jest przydatna szczególnie do sygnałów niestacjonarnych i
nieliniowych, które mogą się zmieniać nawet w ramach jednego okresu oscylacji sygnału.
Fal k i mo g ą za te m o p is y wa ć s yg n a ł y o p rz eb ie g ac h z d u ż y mi i mp ul sa mi
lub o str y mi kr a w ęd zia mi . S ą wyk o rz ys t y wa n e m.i n . d o o d sz u mi a n i a,
cz yl i f il tr acj i s yg n a łó w, ko mp re sj i d a n yc h ,
a ta k że w a na li zie n u m e r yc z nej , gd zi e z nac z ni e p r z ysp ie szaj ą o b lic ze n i a p ro b le mó w, w któ r yc h
są s to so wa ne [1, 10, 12, 15].
W transformacie falkowej funkcjami bazowymi (mother funcion) mogą być dowolne
funkcje, a wynik jest zależny od przyjętych funkcji bazowych. W pracy [1] do oceny
jakościowej wyników przy zastosowaniu różnych metod analizy czasowoczęstotliwościowej wykonano test porównawczy, gdzie analizowano ten sam sygnał
pochodzący z badań eksperymentalnych różnymi metodami.
Przyspieszenie wzrostu przebiegu ciśnienia w czasie i wzrost ciśnienia nie powinny
być gwałtowne. Bez spalania stukowego bezwzględna wartość współczynników falkowych energii pakietów i entropii dla subsygnału są znacznie mniejsze niż w innych. Ponieważ przy występowaniu spalania stukowego, trzy falkowe kwantyfikatory pakietów z
siedmiu subsygnału zwiększają się znacznie [4]. Kwantyfikatory pakietów falkowych dla
subsygnałów powinny być monitorowane w celu wykrywania spalania stukowego. Podobnie zwiększa się współczynnik korelacji wśród trzech falkowych kwantyfikatorów
pakietów.
Dyskretna transformata falkowa znajduje coraz szersze zastosowanie w badaniach
diagnostycznych maszyn. Jej rozwinięciem są tzw. pakiety falkowe, które umożliwiają
wielorozdzielczą dekompozycję sygnału (WPT) [5, 15]. Dyskretna transformata falkowa
(DWT) rozkłada sygnał na współczynniki skali (tzw. aproksymacje a) i współczynniki
falkowe (tzw. detale d) przy pomocy filtrów dolno- i górnoprzepustowego. Transformata
falkowa jest przekształceniem dwuparametrowym, odwzorowującym jednowymiarowy
sygnał s() w dwuwymiarową tabelę współczynników cj, k:
s( )   c j ,k 2 j / 2 ( 2 j   k )
(3.5)
j ,k
Zbiór wszystkich współczynników cj, k jest nazywany dyskretną transformatą – DWT)
sygnału s(), a wzór (1.5) jest transformatą odwrotną. Wprowadzając tzw. funkcję skalującą j, k sygnał s() można przedstawić jako:
35



s( )   ak k ( )    d j ,k j ,k ( )
k  
j 0 k  
(3.6)
Pakiety falkowe składają się z liniowej kombinacji rozwinięć funkcji falkowych [7]:

 ij ,k ( )  2 j / 2 j 2 j   k

(3.7)
Falki są specjalnymi funkcjami matematycznymi, które tworzą zbiór funkcji lub baz
ortogonalnych w zbiorze funkcji. Funkcje falkowe charakteryzują się [15]:
 określają swoje położenie wzdłuż zmiennej niezależnej,
 zerują się poza obszarem domkniętym,
 są funkcjami różniczkowalnymi w sposób ciągły w całym przedziale.
Ciągła transformata falkowa (ang. Continous Wavelet Transform – CWT) sygnału
s() jest zdefiniowana w dziedzinie czasu i częstotliwości oraz ma postać:
s ( a, b)  CWT aT 
1

*  T 
d
 s( ) 
  


(3.8)
Zasadniczo jest ona funkcją oscylującą, szybko zanikającą lub określoną na nośniku
zwartym, o zerowej wartości średniej. Rodzina falek jest opracowana z falki podstawowej
przez jej przesunięcie, realizowane przez parametr translacji b oraz zmianę jej skali (częstotliwości) realizowanej przez parametr skalujący a:
 a ,b ( ) 
1
a
 
 b



a
(3.9)
Czynnik normalizujący a–1/2 sprawia, że wszystkie falki rodziny mają taką samą
energię. Wzór (9) generuje współczynniki falkowe s(a, b), które są funkcją skali a i
przesunięcia b. Współczynnik falkowy jest miarą podobieństwa (korelacji) między sygnałem s() a falką dla odpowiedniej skali i pozycji.
Ciągła transformata falkowa może być przedstawiona w postaci:
CWT aF ( ,  ) 
1


*
j 2ft
df
 s( f )  f e

,  R; 0
gdzie:
 – parametr skalujący,
*
– sprzężenie zespolone,
() – jest dopuszczalną falką podstawową,
*(f) – przeskalowane widmo falki.
36
(3. 10)
W transformacie falkowej funkcjami bazowymi (mother funcion) mogą być dowolne
funkcje: Haara, Gausa, Meyera, mexican hat, symles, cif les, Daubechies, Morleta. Wynik
jest zależny od przyjętych funkcji bazowych. Metody zastosowania teorii falek oparte na
szybkich algorytmach FWT (Fast Wavelet-Transformation) do wyznaczania wielkości
fizycznych na podstawie wyników pomiarów są stosowane także do rozpoznawania obrazów, itd.
3.1.1
Zastosowanie falek w diagnostyce silników spalinowych
Falki ostatnio są modne w diagnozowaniu tłokowych silników spalinowych, lecz nie
wykazano ich dużej przydatności i zastosowania [1, 4, 7, 13, 16]. Są one specjalnymi
funkcjami matematycznymi, które stanowią zbiór funkcji lub baz ortogonalnych w zbiorze funkcji F2. Pozwalają one aproksymować dowolną funkcję ze zbioru F2, dla której
całka z przedziału  do + z kwadratu F2(x) jest skończona [1, 2, 12]. Funkcje falkowe:
 określają swoje położenie wzdłuż zmiennej niezależnej,
 zerują się poza obszarem domkniętym,
 są funkcjami różniczkowalnymi w sposób ciągły w całym przedziale.
Na podstawie przeprowadzonych badań oraz ostatnio publikowanych prac na ten temat można wnioskować, że wielorozdzielcza dekompozycja falkowa jest dobrym narzędziem do budowy zbioru parametrów diagnostycznych. Ten rodzaj analizy jest ostatnio
powszechnie stosowany, ponieważ umożliwia opracowanie zestawów wzorców cech
diagnostycznych stosowanych, jako dane wejściowe klasyfikatorów neuronowych [16].
Dekompozycja falkowa może być powtarzana wielokrotnie, aż do osiągnięcia pewnego
poziomu rozdzielczości.
Przebieg parametrów cyklu roboczego w cylindrach (temperatury i ciśnienia paliwa)
są wykorzystywane w diagnostyce [4]. Autorzy pracy [12] zamieścili przykłady dekompozycji wykresu indykatorowego średnioobrotowego silnika okrętowego wykonanej przy
zastosowaniu wybranych filtrów dostępnych w pakiecie programu komputerowego Mathematica. Znalezienie odpowiedniego filtru do dekompozycji sygnału zależy od jego
kształtu i właściwości. O wyborze przebiegu ciśnienia w cylindrze, jako sygnału, na
przykładzie, którego zostały zastosowane zasady dekompozycji falkowej, zadecydowały
oczekiwania w zakresie obróbki tego rodzaju sygnałów, a także dobra znajomość fizyki
procesu, źródeł i postaci zakłóceń [12].
W pracy [4] wykazano, że histogramy częstotliwości, analizy wielofraktalne i falkowe mogą ujawnić nieznane wcześniej możliwości wahań zachodzących podczas przebiegu procesu spalania w cylindrach silnika spalinowego. W zależności od stosunku równoważności, zintegrowane zmiany wydzielania ciepła mogą wykazywać sporadyczne okresy
złożonych drgań, które mogą trwać przez dziesiątki, a nawet setki cykli. Niektóre z tych
drgań wydają się być zgodne z przewidywaniami modelu gazu resztkowego, ale inne
wydają się być wynikiem nieznanych jeszcze procesów fizycznych [13].
Analiza sygnałów drgań związanych z funkcjonowaniem silnika spalinowego jest
utrudniona ze względu, że generowany sygnał wywołany jest jednoczesnym działaniem
wielu źródeł [7, 10]. Sygnał przyspieszeń drgań rejestrowany na kadłubie i głowicy silni37
ka jest niestacjonarny i zawiera zwykle składowe impulsowe. Dlatego w diagnostyce
drganiowej silników zastosowano metody analizy czasowo-częstotliwościowych, które
umożliwiają wybór przydatnych parametrów diagnostycznych [7]. Wszystkie cylindry
silnika spalinowego pracują w określonej kolejności. Uporządkowane są także zdarzenia
elementarne zachodzące w parach kinematycznych. Z przeprowadzonych badań wynika,
że identyfikacja charakterystyk dynamicznych kadłuba silnika spalinowego może
w znacznym stopniu ułatwić interpretację wyników pomiarów drgań w procesie diagnozowania.
3.1.2
1.1.1
Dotychczasowe badania własne z zastosowaniem analizy
falkowej
Poszukując przydatnych metod analizy sygnałów posłużono się między innymi analizą falkową. Rozwój analizy falkowej rozpoczął się od ciągłej transformacji falkowej
(ang. Continuous Wavelet Transform – CWT). Wyniki ciągłej transformaty falkowej dla
cylindra uszkodzonego i w stanie zdalności okrętowego silnika spalinowego przedstawiono w publikacjach [8, 9]. Poziomy skali były dla tych dwóch stanów zróżnicowane.
Umożliwiło to zastosowanie reprezentacji czas – skala do badania analogowych sygnałów, gdzie skala spełnia rolę podobną do częstotliwości w analizie częstotliwościowej.
Zastosowano także widma falkowe dla badanych silników spalinowych uzyskane z wyjściowych przebiegów czasowych przyspieszeń drgań po operacji ciągłej transformaty
falkowej.
Ciągła transformata falkowa daje możliwość poprawnej diagnozy przy ocenie stanu
technicznego istotnych elementów silnika spalinowego oraz wydzielić elementarne procesy ze złożonego sygnału drganiowego. Dokonano weryfikacji ilościowej tej metody –
to znaczy ilościowe porównanie z metodami konwencjonalnymi analizy sygnałów.
W artykule [11] przedstawiono wyniki zastosowania analizy przebiegu ciśnienia
w cylindrach okrętowych średnioobrotowych silników tłokowych w dziedzinie czasu,
amplitudy, częstotliwości oraz analizy falkowej do ich diagnostyki. Daną transformację
falkową określa jedna macierzysta funkcja falkowa, a pod wpływem zmiany parametru
skali a i parametru przesunięcia b otrzymuje się rodzinę falek, która jest wykorzystywana
do dekompozycji analizowanego sygnału s(t) na składowe o różnym poziomie detali.
Zastosowano dyskretną transformację falkową, która prowadzi do zmniejszenia liczby
współczynników o połowę, wraz ze wzrostem poziomu dekompozycji sygnału. Podstawowy sygnał można przedstawić zgodnie z formułą:
s = a1 + d1 = a2 + d2 + d1=a3+ d3 + d2 + d1
(3.11)
W trakcie dekompozycji sygnału był on rozkładany na element dolnoprzepustowy
(a) i górnoprzepustowy (d). Dalsza dekompozycja dokonywana jest częścią dolnoprzepustową wykonaną w poprzednim etapie. Proces syntezy sygnału realizowany jest według
tego samego algorytmu w odwrotnym kierunku. Zapis ten przedstawia idee przeprowadzania dekompozycji i syntezy oryginalnego sygnału.
Miary widmowe, amplitudowe i falkowe przebiegu ciśnienie w komorze spalania
okazały się dobrymi symptomami diagnostycznymi. Za pomocą współczynnika korelacji
38
i wrażliwości [11] starano się również ocenić, które symptomy diagnostyczne są najbardziej przydatne. W analizach w różnych dziedzinach wyznaczono współczynnik korelacji
zależności. Otrzymano związki bardzo ścisłe z wartościami współczynników korelacji,
powyżej 0,95, co wskazuje na dużą przydatność większości symptomów. Największe
wartości współczynnika korelacji dla przedstawionych danych uzyskano w kolejności dla:
składowych widma nr 4 i 5 oraz maksymalnego ciśnień spalania. Współczynnik korelacji
r jest miarą siły liniowej zależności y(x). Jednak jeżeli miara jest doskonale skorelowana
z wielkością wejściową, lecz korelacja jest nieliniowa, współczynnik korelacji jest <1.
Podjęto także próbę zastosowania dekompozycji falkowej do odszumiania sygnałów
[10]. Daną transformację falkową definiuje jedna macierzysta funkcja falkowa, a pod
wpływem zmiany parametru skali a i parametru przesunięcia b otrzymuje się rodzinę
falek, która jest wykorzystywana do dekompozycji analizowanego sygnału s(t) na składowe
o różnym poziomie detali. Asymetria i nieregularne kształty niektórych falek
naturalnie predysponują je do analizy sygnałów przejściowych, o dużych zakłóceniach,
gwałtownych zmianach i pikach (powszechnie występujących w tłokowych silnikach
spalinowych).
3.2 Problem badawczy
Istnieje wiele funkcji bazowych i miar, jakie można wyznaczyć z sygnałów w dziedzinie czasu. Najczęściej stosowane to: średnia, amplituda, zakres, współczynnik szczytu,
wartość skuteczna, wariancja (lub odchylenie standardowe), skośność, kurtoza, moc,
stosunek lub przyrosty sygnałów [2, 11, 15]. W niniejszej pracy podjęto próbę dalszych
możliwości analizy falkowej w diagnostyce tłokowych silników spalinowych, w odniesieniu do doniesień literaturowych i dotychczasowych badań własnych.
Dla oceny jakościowej wyników przy zastosowaniu różnych metod analizy czasowoczęstotliwościowej wykonano test porównawczy, gdzie analizowano ten sam sygnał
różnymi metodami przykładowy sygnały pochodzący z badań eksperymentalnych.
Badani prowadzono głownie w warunkach eksploatacji statków morskich, gdzie stosowano bierne i bierno-czynne eksperymenty diagnostyczne. Wykorzystywano tory pomiarowe z przetwarzaniem cyfrowym z czujnikami ciśnienia w cylindrach silników oraz
czujniki przyspieszeń drgań opisane w publikacjach [9, 11].
3.3 Wybrane wyniki badań
3.3.1
Wstępna obróbka sygnałów
Sygnały analogowe z czujników pomiarowych zwykle nie mogą być połączone bezpośrednio do przetwornika analogowo-cyfrowego (A/C), lecz wymagają wstępnego przygotowania przez układ podłączony do czujnika. Sygnał napięciowy powinien być przefiltrowany w celu zmniejszenia zakłóceń, a także eliminacji składowych o częstotliwościach
wyższych niż połowa częstotliwości próbkowania w przetworniku A/C.
39
Procedura filtracji dotyczy rozdzielenia informacji o pożądanych właściwościach od
informacji o niepożądanych właściwościach. Często w filtracji sygnałów diagnostycznych
taka operacja jest realizowana na podstawie wiedzy eksperta, metodą prób i błędów. Sygnały filtrowano, aby uzyskać: redukcję zakłóceń sygnału (od sieci energetycznej, innych
urządzeń, itp.), zmiany charakterystyk widmowych sygnałów i wyodrębnienie zadanych
składowych sygnału spośród jego innych składowych. W programie akwizycji sygnałów
DaqView blok filtrujący umożliwiał wybór kilku rodzajów operacji cyfrowego filtrowania: dolno- i górnoprzepustowe, pasmowo przepustowe, pasmowo zaporowe oraz wybór
pożądanej charakterystyk filtru.
3.3.2
Przykład niestacjonarności sygnałów pomiarowych
Metody zastosowania w teorii falek oparte są na szybkich algorytmach FWT (Fast
Wavele-Transformation) do wyznaczania wielkości fizycznych na podstawie wyników
pomiarów. Badane procesy były dla silników napędzających prądnice ustalone ze względu na prędkość obrotową, a nieustalone ze względu na zmiany obciążenia. Dla silników
napędu głównego zmianom ulegała zarówno prędkość obrotowa, jak i obciążenie. Analiza czasowo-częstotliwościowa okazała się przydatna do badania rozruchu silnika pomocniczego [10]. W tej pracy przedstawiono zastosowania analizy czasowoczęstotliwościowej do oceny zatrzymania silna okrętowego napędu głównego ( Rys. 3.1).
Przedstawiono na nim przebieg czasowy ciśnienia cylindrowego podczas zatrzymania
silnika oraz wynik analizy czasowo-częstotliwościowej. W tej analizie problemem jest
trafienie oknem czasowym w jak najbardziej informacyjny przedział.
a)
b)
Rys. 3.1. Przebieg czasowy ciśnienia cylindrowego podczas zatrzymania silnika a) oraz wynik
analizy czasowo-częstotliwościowej b)
3.3.3
Zastosowanie analizy falkowej do separacji zakłóceń
Podczas pomiarów pulsacji ciśnienia w przewodzie wtryskowym za pomocą
czujnika zapinkowego wystąpiło przemieszczanie się składowej stałej stanowiący
zakłócenie skokowe. Przebieg czasowy takiego sygnału poddano ciagłej trasformacie
falkowej z dwuwymiarową reprezentacją współczynników falkowych w zależności od
czasu (oś pozioma) i skali (oś pionowa), gdzie kolor oznacza amplitudę współczynników
(Rys. 3.2). Impulsy są wizualizowane ciemnym kolorem, a zakłócenia skokowe czarnymi
pionowymi liniami. Problemem jest dobór odpowiedniej falki i skali, w której będzie
widoczna oczekiwana informacja (Rys. 3.2c).
Istnieją różne metody graficznej reprezentacji ciągłej transformaty falkowej. Rys. 3.2
przedstawia jedną z nich: dwuwymiarową reprezentację współczynników falkowych w
40
zależności od czasu (oś pozioma) i skali (oś pionowa), gdzie kolor oznacza amplitudę
współczynników. Analizowany jest tu sygnał skokowy, zakłócony szumem.
Rys. 3.2. Wizualizacja ciągłej transformaty falkowej przebiegu ciśnienia w przewodzie wtryskowym: a) analizowany sygnał, b) wykres współczynników falkowych dla tego sygnału z zastosowaniem falki Daubechies db3, c) wykres współczynników falkowych dla tego sygnału
a)
b)
Rys. 3.3. Przebiegi aproksymacji i detali: a) kolumna zawiera analizowany sygnał (na górze) oraz
kolejne jego aproksymacje (od a1do a10), b) w kolumnie przedstawione są detale (od d1 do d10)
Rys. 3.3 pokazuje przebiegi aproksymacji i detali dla tego samego sygnału, który był
analizowany za pomocą ciągłej transformaty falkowej (CWT). Jak widać, aproksymacje,
41
wraz ze wzrostem poziomu dekompozycji, są coraz gładsze, bowiem stosunek sygnału do
szumu jest coraz większy.
Zachodzi pytanie, na którym poziomie sygnał aproksymacji dekompozycji (ai) może
być wykorzystany, jako funkcja decyzyjna, dla celów rozpoznawania chwili zmiany wartości średniej zakłóconego sygnału oraz jak to ocenić obiektywnie.
Daną transformację falkową definiuje jedna macierzysta funkcja falkowa, a pod
wpływem zmiany parametru skali a i parametru przesunięcia b otrzymuje się rodzinę
falek, która jest wykorzystywana do dekompozycji analizowanego sygnału s() na składowe
o różnym poziomie detali. W trakcie dekompozycji sygnału jest on rozkładany
na element dolnoprzepustowy (a) i górnoprzepustowy (d). Dalsza dekompozycja dokonywana była częścią dolnoprzepustową wykonaną w poprzednim etapie. Proces syntezy
sygnału realizowany jest według tego samego algorytmu w odwrotnym kierunku. Podstawowy sygnał można przedstawić zgodnie z formułą (3.11). Z rysunku wynika, że w
części dolnoprzepustowe a5 zawarty jest przebieg zmian składowej stałej sygnału, natomiast w części górnoprzepustowej to niekorzystne zjawisko nie występuje.
3.3.4
Badanie wpływu poziomu aproksymacji na wartości miar falkowych
W wielu badaniach przyjmuje się na podstawie literatury lub intuicji poziom dekompozycji lub poziom aproksymacji. Dlatego podjęto próbę badania wpływu poziomu
aproksymacji na wartości miar falkowych sygnału przyspieszeń drgań. Rys. 3.4 przedstawia przykładowy przebieg czasowy sygnału przyspieszeń drgań podsystemu wtryskowego. Natomiast na rysunkach Rys. 3.5Rys. 3.7 przedstawiono wyniki zastosowania
rekonstrukcję aproksymacji na poziomie 1, 3, i 5 (rys. a), odpowiednie ich histogramy
(rys. b) i skumulowane histogramy (rys. c) [2, 15]. W dolnej części rysunków 57 znajdują się miary statystyczne sygnału wyjściowego w poszczególnych poziomach aproksymacji. Rys. 3.8 przedstawia wartości statystycznych miar aproksymacji falki Haara dla
poziomów aproksymacji 1, 3 i 5. Z rysunku 3.6 wynika, że wpływ wybranego poziomu
aproksymacji jest istotny.
Rys. 3.4. Przebieg czasowy sygnału przyspieszeń drgań w podsystemie wtryskowym
42
Rys. 3.5. Wyniki zastosowania rekonstrukcji aproksymacji na poziomie 1 (rys. a), jego histogram b)
i skumulowany histogram c)
Rys. 3.6. Wyniki zastosowania rekonstrukcji aproksymacji na poziomie 3 (rys. a), jego histogram b)
i skumulowany histogram c)
43
Istnieje wiele funkcji bazowych analizy falkowej i ich miar, jakie można wykonać,
ale celem jest wybór zorientowanych uszkodzeniowo. Ponieważ dla różnych falek uzyskuje się różne reprezentacje tego samego sygnału, istotną sprawą jest wybór falki bazowej.
Rys. 3.7. Wyniki zastosowania rekonstrukcji aproksymacji na poziomie 5 (rys. a), histogram b)
i skumulowany histogramy c)
Rys. 3.8. Wartości statystycznych miar aproksymacji falki Haara dla
poziomów aproksymacji 1, 3 i 5
44
3.3.5
Zastosowanie ciągłej transformaty falkowej Haara
Dla przebiegu czasowego sygnału przyspieszeń drgań przedstawionego na rys 3.4.
przedstawiono także ciągłą transformatę falkową Haara (rys. 3.9). Na rysunku tym prezentowana jest wizualizacja zmian amplitudy i częstotliwości sygnału wyjściowego.
Rys. 3.9. Ciągłą transformata falkowa Haara sygnału przebiegu czasowego sygnału
drgań przedstawionego na rys. 3.4
3.3.6
przyspieszeń
Selekcja miar sygnałów
Liczba miar pochodząca z jednego lub więcej sygnałów może być bardzo duża, lecz
większość z nich jest zakłócona lub niezależna od badanego zjawiska. Należy zatem wybrać te, które są skorelowane z tym zjawiskiem. Wybór miar może być prowadzony automatycznie, bez udziału, a nawet wiedzy operatora. Do głównych zadań w diagnozowaniu można zaliczyć: separację użytecznego sygnału drganiowego oraz wybór charakterystycznych cech przetworzonego sygnału wrażliwych na uszkodzenia.
W znacznej części publikacji, miary sygnałów były wybierane bez żadnego uzasadnienia (lub w oparciu o dane literaturowe), były definiowane po analizie zmierzonych
sygnałów, najbardziej użyteczne miary były wybierane bez uwzględnienia wynikającej
z nich oceny przydatności. Jedynie w części analizowanych publikacji dotyczących diagnostyki silników spalinowych zestaw miar był określany po przeanalizowaniu wpływu
tego wyboru na ocenę wielkości wejściowych.
Zastosowane miary statyczne w aproksymacji Haara zostały w badaniach zastosowane do oceny stanu technicznego tłokowych silników spalinowych o zapłonie samo45
czynnym. Wiele z nich (jak wartość maksymalna i minimalna) osiągnęło wartości bliskie
1 współczynnika korelacji wraz ze zmianą poziomu aproksymacji. Współczynnika korelacji między zmiennymi określono zależnością:
  xi  x  y i  y 
n
k 
i 1
(3.12)
  xi  x    y i  y 
n
i 1
2
n
2
i 1
gdzie:
i – kolejny numer,
xi – i-ty poziom aproksymacji,
– wartość średnia poziomu aproksymacji,
yi
i-ta wartość statystyki aproksymacji,
– wartość średnia statystyki aproksymacji.
3.4 Podsumowanie
W artykule przedstawiono podstawy teoretyczne transformaty falkowej oraz możliwości jej eksperymentalnego zastosowania w analizie zdarzeń w szeregach czasowych,
takich jak wykrywanie skoków składowej stałej. Narzędzie to jest w stanie wykryć chwilę
zmiany nawet w mocno zaszumionym sygnale.
Zn ale zi e nie wła ś ci we go fi ltr u d o d e ko mp o z ycj i s yg n a ł u za leż y o d
j ego k sz ta łt u i wł a śc i wo śc i. P a k ie t Wa ve le t De si g n & An a ly si s p ro gra mu
Mat lab j e st wyp o sa żo n y w k il ka za a wa n so wa n yc h fi ltró w fal ko wyc h .
Nie s ą to fi ltr y d z iał aj ą ce a u to ma t ycz n ie, le cz ko n iecz n e j e st o d p o wi e d ni e d o b r a n ie ic h p ar a me tr ó w d o ro z wi ą z y wa n e g o p ro b le mu .
Zaawansowane metody przetwarzania sygnałów umożliwiają uzyskanie bardzo
znacznej liczby miar dostępnych sygnałów. Trudno jest przewidzieć, które miary okażą
się przydatne do diagnostyki, dlatego najlepiej dokonać wyboru na drodze planowania
eksperymentu.
Na podstawie przeprowadzonych badań oraz ostatnio publikowanych prac na ten temat można wnioskować, że wielorozdzielcza dekompozycja falkowa jest dobrym narzędziem do budowy procedór diagnostycznych. Ten rodzaj analizy okazał się przydatny do
rozróżniania stanów technicznych okrętowych silników spalinowych i lokalizacji uszkodzeń.
Przeprowadzone badania eksperymentalne w warunkach eksploatacji wykazały możliwość diagnozowania procesó spalinowych silników okrętowych z wykorzystaniem
sygnału przyspieszeń drgań oraz przebiegu parametrów procesów roboczych.
Wykorzystując selekcję przebiegu czasowego sygnału drganiowego, istnieje możliwość identyfikacji elementarnych procesów jak wtrysk paliwa oraz przebieg ciśnienia
w cylindrze. Symptomy sygnału przyspieszeń drgań zawierają informacje o przebiegu
procesu spalania, stanie technicznym grupy tłokowo-cylindrowej, zaworów w głowicy,
aparatury wtryskowej itd.
Ciągła transformata falkowa daje możliwość poprawnej diagnozy przy ocenie stanu
technicznego istotnych elementów silnika spalinowego oraz wydzielić elementarne pro-
46
cesy ze złożonego sygnału drganiowego. Dokonano weryfikacji ilościowej tej metody –
to znaczy ilościowe porównanie z metodami konwencjonalnymi analizy sygnałów.
Piśmiennictwo
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
BARCZEWSKI, Roman. Diagnostycznie zorientowane metody krótkoczasowego przetwarzania sygnałów wibroakustycznych. Wyd. Politechniki Poznańskiej. Rozprawy nr 504, Poznań 2013.
BRONSZTEJN, KA; SIEMIENDIAJEW, G; MUSIOL, H., MUHLIG, Nowoczesne kompendium matematyki, PWN, Warszawa 2004.
CHARLES P.; SINHA J.K.; F. GU J.K., LIDSTONE L., BALL A.D. Detecting the crankshaft torsional vibration of diesel for combustion related diagnosis. Journal of Sound and Vibration 2009, 3–5: 11711185.
Hou J.; Qiao X.; Wang Z.; Liu W.; Huang Z. Characterization of knocking
combustion in HCCI DME engine using wavelet packet transform. Applied
Energy 2010, 87: 1239–1246.
JEMIELNIAK Krzysztof. Przetwarzanie sygnałów w diagnostyce stanu narzędzia i procesu skrawania. Archiwum Technologii Maszyn i Automatyzacji 2011,
Vol. 31, 2: 37 –49.
Liu B. Selection of wavelet packet basis rotating machinery fault diagnosis.
Journal of Sound and Vibration 2005, 284: 567–582.
MADEJ, Henryk; FLEKIEWICZ, Marek.; WOJNAR, Grzegorz. Spatialphase selection of diesel engine vibroacoustic signal for piston slap diagnostic. Journal of Kones. Powertrain and Transport, 2007, Vol. 14, 2: 133–144.
MONIETA, Jan. Diagnostics of course a work process in cylinders of marine
internal combustion engines using vibration signal. Diagnostyka – Applied
Structural Health, Usage and Condition Monitoring’ 2012, 2(62): 37–41.
MONIETA, Jan. Diagnozowanie przebiegu procesu roboczego w cylindrach
okrętowych silników spalinowych z wykorzystaniem sygnału drganiowego.
Combustion Engines, 2013, 3 (154): 104, cd.: 161167.
MONIETA, Jan. Redukcja zakłóceń wybranych sygnałów pomiarowych statków morskich. Biuletyn Wojskowej Akademii Technicznej, 2014, Vol. LXIII,
3: 91–102.
MONIETA Jan. Zastosowanie analizy przebiegu ciśnienia w cylindrach okrętowych silników spalinowych w różnych dziedzinach do diagnostyki w warunkach eksploatacji. Combustion Engines, 2013, 3 (154): 104, cd.: 153160.
POLANOWSKI, Stanisław; WYSOCKI, Hubert. Dekompozycja falkowa
wykresu indykatorowego silnika okrętowego za pomocą wavelet explorer.
Zeszyty Naukowe Akademii Marynarki Wojennej, 2005, 1 (160): 131–150.
SEN A.K.; LITAK G.; FINNEY C.E.A.; DAW C.S.; WAGNER R.M. Analysis of heat release dynamics in an internal combustion engine using multifractals and wavelets, Applied Energy 2010, 87: 1736–1743.
47
[14]
[15]
[16]
ZHAN, Y.; SHI, Z.; Shwe T., WANG X.: fault diagnosis of marine main engine cylinder cover basedon vibration signal. Proceedings of the Sixth International Conference on Machine Learning and Cybernetics, Hong Kong,
1922 August 2007: 1126–1130.
ZIELIŃSKI, Tomasz. P. Cyfrowe przetwarzanie sygnałów. Od teorii do zastosowań. WKiŁ, Warszawa 2009.
ŻÓŁTOWSKI, Bogdan; CEMPEL, Czesław. Inżynieria diagnostyki maszyn.
Wyd. Biblioteka Problemów Eksploatacji, Warszawa, Bydgoszcz, Radom
2004.
48
4 Niepewność wyników pomiarów ciśnień
w silniku spalinowym
Współczesny silnik spalinowy może spełnić wymagania ekologiczne odnośnie emisji hałasu oraz składu spalin jak również zużycia paliwa wtedy gdy jego pracę kontrolują
odpowiednie algorytmy oraz mikroprocesory.
Algorytmy te wykorzystują głównie odpowiednie informacje o przebiegu procesu
wtryskiwania paliwa do komory spalania oraz spalania ładunku. Mezurandy sygnałów
ciśnienia z przewodów wtryskowych oraz komory spalania powinny być analizowane
w czasie rzeczywistym podczas pracy silnika. Sygnały te mogą być mierzone z wykorzystaniem różnych technik pomiarowych np. optycznych, wibroakustycznych, akustycznych. Każda z tych metod zarówno pomiaru jak i interpretacji uzyskanych wyników cechuje się innym stopniem trudności. Koszty przeprowadzania pomiarów są dla właściciela pojazdu również nie bez znaczenia.
Analizują te uwarunkowania w pracy postanowiono przeprowadzić pomiary ciśnień
wykorzystując metodę akustyczną. Metoda ta cechuje się dużą wiarygodnością uzyskiwanych wyników pomiarów oraz akceptowalnymi kosztami. Wyniki pomiarów uzyskane
dowolną metodą, również akustyczną, cechują się niepewnością. Właśnie ten problem
postanowiono w pracy poddać analizie. Problem niepewności pomiarów ciśnienia spalania w cylindrze silnika pracującego na stanowisku laboratoryjnym (hamownianym) według tzw. charakterystyk prędkościowych został przedstawiony w pracy [1].
Wykazano miedzy innym, że w niektórych warunkach pracy rozkład uzyskiwanych
danych odbiega od normalnego. Powoduje to wzrost wartości niepewności całkowitej.
Dalszych badań wymaga jednak analiza niepewności wyników pomiarów ciśnień uzyskanych na stanowisku hamownianym przy pracy silnika według tzw. charakterystyk obciążeniowych.
Analiza taka została przeprowadzona w niniejszej pracy. Porównano wyznaczone
niepewności pomiarów uzyskane w różnych warunkach pracy silnika. Obliczenia oraz
ilustracje graficzną wyników pomiarów przeprowadzano z wykorzystaniem ogólnodostępnego pakietu statystycznego R [2].
4.1 Przedmiot badań
Obiektem badań eksperymentalnych był 3-cylindrowy silnik z zapłonem samoczynnym Perkins AD3.152 UR, którego podstawowe dane techniczne pokazano w pracy [3].
System pomiarowy wykorzystany podczas eksperymentu zbudowany był z czterech
torów pomiarowych [4]. Tor pomiaru ciśnienia w komorze spalania zawierał przetwornik
piezoelektryczny AVL QC34D chłodzony wodą oraz wzmacniacz ładunku CL 111 firmy
ZEPWN Marki [4]. Przetwornik ten zainstalowany był w głowicy cylindra silnika.
Tor pomiaru ciśnienia w przewodzie wtryskowym zawierał przetwornik piezoelektryczny CL31 ZEPWN Marki oraz wzmacniacz ładunku CL 111 firmy ZEPWN Marki [4].
Przetwornik zainstalowany był w króćcu wtryskiwacza. Tor pomiaru wzniosu iglicy wtryskiwacza składał się z przetwornika indukcyjnego CL 80 oraz wzmacniacza z falą nośną
CL104F. Tor pomiaru kąta obrotu wału korbowego zawierał czujnik PFI60. Parametry
przetworników piezoelektrycznych zastosowanych do pomiarów ciśnień przedstawia
Tabela 4.1.
Tabela 4.1 Dane techniczne przetworników wykorzystanych do pomiarów ciśnień[5]
Parametr
Zakres pomiarowy
Czułość
Nieliniowość
Przeciążalność
Częstotliwość rezonansowa
Pojemność własna
Temperatura pracy
Przetwornik
AVL QC34D
0 ÷ 25 MPa
190 pC/MPa
≤0,2 %
20 %
69 kHz
10 pF
293 ÷ 353 K
Przetwornik
CL31 ZEPWN Marki
0 ÷ 100 MPa
126 pC/MPa
≤ 0,5 %
10 %
50 kHz
8 pF
253 ÷ 323 K
Zarejestrowane sygnały przesyłane były do 12 bitowego przetwornika analogowocyfrowego KPCI-3110 firmy Keithley Instruments Inc., który pozwala zapamiętać zmierzone wartości w pamięci komputera. Mierzone wielkości zapamiętywane były w funkcji
kąta obrotu wału korbowego (OWK) z rozdzielczością 1,4o OWK, co pozwalało na rejestrację 512 punktów pomiarowych dla każdego cyklu roboczego silnika. Dla każdych
warunków pracy silnika rejestrowano wartości dla 50 pełnych cykli roboczych silnika [3].
W niniejszym opracowaniu analizie poddano wyniki pomiarów uzyskane dla silnika
pracującego z prędkością obrotową OWK n=1400 obr/min według charakterystyk obciążeniowych. Obciążenie 𝑁𝑒 dla kolejnych warunków pracy silnika wynosiło 8, 12, 16 i 20
kW. Paliwami którymi zasilano silnik były: paliwo mineralne - olej napędowy (oznaczenie ON), oraz bio-paliwo - estry metylowe kwasów tłuszczowych oleju rzepakowego
(oznaczenie FAME).
4.2 Analiza wyników pomiarów ciśnień
Przykładowe przebiegi ciśnień, zarejestrowanych dla trzech pierwszych cykli roboczych, w króćcu wtryskiwacza oraz w komorze spalania silnika, zasilanego ON i pracującego według charakterystyki obciążeniowej z prędkością 1400 obr/min i obciążeniem
50
𝑁𝑒 =8 kW przedstawiono na Rys. 1, gdzie k jest indeksem punktu pomiarowego. Graficzną prezentację zmierzonych wartości ciśnienia w króćcu wtryskiwacza, dla pierwszych
trzech roboczych cykli silnika, pozwala uzyskać Skrypt 1, który można wykonać w środowisku aplikacji R.
Skrypt 1. Skrypt pozwalający na graficzną prezentację zmierzonych wartości ciśnienia
w króćcu wtryskiwacza (rys 1a)
#Skrypt 1.
pomiar <- read.table("c:/Dropbox/krasynt2015/on/1400/8/pomiar.dat", header=FALSE,
sep=",", na.strings="NA", dec=".", strip.white=TRUE)
pc<-pomiar$V1
par(family="Arial",font=2,ps=18,mar=c(4.2,4.5,1,1))
plot(k[1:1536],pc[1:1536] ,xlab=expression(paste(k,' [-] '
)),ylab=expression(paste(p[c]," MPa")),main="",pch=19, type="l",las=1)
a)
b)
Rys. 4.1 Wartości ciśnień zarejestrowane dla silnika zasilanego ON, pracującego z prędkością
n=1400 obr/min i obciążeniem 𝑁𝑒 =8 kW, a) ciśnienie w króćcu wtryskiwacza, b) ciśnienie w komorze spalania
Z przedstawionych przebiegów wynika, że wartości zmierzonych ciśnień cechują się
pewną nierównomiernością, pomimo pracy silnika w stacjonarnych warunkach. Pierwszym etapem analizy wyników pomiarów było sprawdzenie, czy zarejestrowane sygnały
ciśnień, nie zawierają składowych o częstotliwościach niezwiązanych z fizycznymi procesami zachodzącymi w silniku. W pracy [1] wykazano, że w tym celu analizie FFT
można poddać sygnał odchyłek ciśnień w komorze spalania od wartości średnich. Podobną metodykę postanowiono zastosować do analizy ciśnień wtrysku. Zależność (4.1) pozwala na wyznaczenie odchyłek ciśnienia w króćcu wtryskiwacza od wartości średnich.
∆𝑝𝑤 (𝑖, 𝑗) = 𝑝𝑤 (𝑖, 𝑗) − ̅̅̅̅(𝑖)
𝑝𝑤
(4.1)
gdzie ̅̅̅̅(𝑖)
𝑝𝑤
jest wartością średnią ciśnienia wtrysku wyznaczoną dla kąta OWK
o indeksie i według następującej zależności:
51
50
1
𝑝𝑤
̅̅̅̅(𝑖)
=
∑ 𝑝𝑤 (𝑖, 𝑗)
50
(4.2)
𝑗=1
W powyższych zależnościach przyjęto następujące oznaczenia:
- i indeks punktu pomiarowego w danym cyklu roboczym silnika (1-512)
- j – numer cyklu roboczego silnika (1-50)
Skrypt 2 pozwala na wyznaczenie odchyłek ciśnienia w króćcu wtryskiwacza od
wartości średnich (według zależności 1), a następnie na przeprowadzenie ich analizy FFT.
Skrypt 2. Skrypt wyznaczający odchyłki ciśnienia w króćcu wtryskiwacza od wartości
średnich oraz przeprowadzający analizę FFT wyznaczonych odchyłek.
#Skrypt 2.
rm(list = ls())
pw
<read.table("c:/Dane/on/1400/8/pwcykle",
header=FALSE,
sep="",
na.strings="NA", dec=".", strip.white=TRUE)
pw<-data.matrix(pw)
sredpw<-0
for (i in 1:512)
{
sredpw[i] <- mean(pw[i,])
}
od<-pw-sredpw
i<-1:50
odw<-c(od[,i])
k<-1:(512*3)
par(family="Arial",font=2,ps=18,mar=c(4.2,4.5,1,1))
plot(k,odw[1:(512*3)] ,xlab=expression(paste(k,' [-] ' )),ylim=c(1.2,1.2),ylab=expression(paste(Delta,p[w]," MPa")),main="",pch=19,type="l",las=1)
library(stats)
to<-60/1400;
t<-2*to/512;
n<-length(odw)
k<-0:(n-1)
widmo<-fft(odw);
modul<-abs(widmo);
freq_hz<-k*(1/(n*t));
par(family="Arial",font=2,ps=18,mar=c(4.2,4.5,1,1))
plot(freq_hz[1:n/60],modul[1:n/60]/(n/2) ,xlab="Hz",
ylab=expression(paste('|FFT(',Delta,p[w],")| MPa")),main="",pch=19,type="l",las=1)
Przykładowym wynikiem działania skryptu 2, prezentującym wartości tak obliczonych odchyłek ciśnienia w króćcu wtryskiwacza od ich wartości średnich oraz ich moduł
wartości FFT dla silnika zasilanego ON, pracującego z prędkością 1400 obr/min i obciążeniem 8 kW są przebiegi przedstawione na Rys. 4.2. Dodatkowa oś wprowadzona na
wykresie przedstawionym na Rys. 4.2a przedstawia wartości obliczonych odchyłek
w funkcji czasu. Analiza przebiegu przedstawionego na Rys. 4.2b pokazuje, że w analizowanym przebiegu ∆𝑝𝑤 istnieje składowa o częstotliwości około 50 Hz, która nie jest
związana z procesami fizycznymi zachodzącymi podczas pracy silnika spalinowego.
Składowa ta jest prawdopodobnie wynikiem zakłócenia, które musiało wystąpić w trakcie
pomiarów. Taka sama analiza przeprowadzona dla sygnału odchyłek ciśnienia w komorze
52
spalania od wartości średnich również wykazuje istnienie składowej o częstotliwości
około 50 Hz.
a)
b)
Rys. 4.2 a) Odchyłki wartości ciśnień w króćcu wtryskiwacza od wartości średnich dla pierwszych
trzech cykli roboczych b) moduł wartości FFT odchyłek ciśnienia wtrysku od wartości średnich –
silnik zasilany ON pracujący z prędkością n=1400 obr/min i obciążeniem 𝑁𝑒 =8 kW
Analogiczna analiza przeprowadzona dla sygnałów odchyłek ciśnień od ich wartości
średnich ∆𝑝𝑤 i ∆𝑝𝑐 dla silnika zasilanego ON i pracującego z obciążeniami 12, 16 i 20 kW
wykazała istnienie zakłócającej składowej we wszystkich rozważanych przypadkach. W
związku z powyższym, dla wszystkich analizowanych warunków pracy silnika sygnały
𝑝𝑤 i 𝑝𝑐 poddano filtracji, polegającej na usunięciu niepożądanej składowej. Skrypt 3
poddaje zarejestrowany sygnał ciśnienia w komorze spalania filtracji pozbawiając go
niepożądanej składowej.
Skrypt 3. Filtracja sygnału pc.
#skrypt 3.
rm(list = ls())
pomiar <- read.table("c:/Dropbox/krasynt2015/on/1400/8/pomiar.dat", header=FALSE,
sep=",", na.strings="NA", dec=".", strip.white=TRUE)
pc<-pomiar$V1
library(stats)
to<-60/1400;
t<-2*to/512;
n<-length(pc)
k<-0:(n-1)
widmo<-fft(pc);
modul<-abs(widmo);
freq_hz<-k*(1/(n*t));
widmo[215]<-0+0i;
widmo[25600 - 215 +2]<- 0+0i;
pcodf<-abs(fft(widmo, inverse=TRUE)/length(pc))
pcodf<-data.matrix(pcodf)
write(pcodf,file="pcodf",ncolumns=ncol(pcodf))
53
Kolejnym etapem badania zarejestrowanych sygnałów ciśnień 𝑝𝑤 i 𝑝𝑐 była analiza
statystyczna przeprowadzona dla ich wartości maksymalnych. Skrypt 4 wyznacza wartości maksymalne ciśnienia w króćcu wtryskiwacza oraz przedstawia je w formie graficznej
pokazanej na Rys. 4.3a.
Skrypt 4 wyznaczający wartości maksymalne ciśnienia w króćcu wtryskiwacza oraz
przedstawiający je w formie graficznej.
#Skrypt 4.
rm(list = ls())
pwf <- read.table("c:/Dropbox/krasynt2015/on/1400/8/pwfcykle", header=FALSE,
sep="", na.strings="NA", dec=".", strip.white=TRUE)
pwf<-data.matrix(pwf)
maxpw<-0
for (i in 1:50)
{
maxpw[i] <- max(pwf[,i])
}
i<-1:50
par(family="Arial",font=2,ps=16,mar=c(4.2,4.5,1,1))
plot(i,maxpw ,xlab=expression(paste(j,' [-] ' )),ylab=expression(paste(p[wmax],"
MPa")),main="",type="b",pch=1,las=1)
a)
b)
Rys. 4.3 Przebiegi wartości maksymalnych a) ciśnienia w króćcu wtryskiwacza, b) ciśnienia
w komorze spalania dla silnika zasilanego ON i pracującego z obciążeniem 8 kW
Pierwszym etapem analizy statystycznej maksymalnych wartości ciśnień zarejestrowanych dla kolejnych cykli roboczych silnika w króćcu wtryskiwacza i w komorze spalania (oznaczenia 𝑝𝑤𝑚𝑎𝑥 i 𝑝𝑐𝑚𝑎𝑥 ) było wyznaczenie ich podstawowych miar statystycznych. Wyniki tej analizy pokazuje Tabela 4.2 i tabeli 3.
Analiza danych przedstawionych w Tabela 4.2 pokazuje, że średnie wartości maksymalnych ciśnień w króćcu wtryskiwacza, ich odchylenie standardowe oraz rozstęp
osiągają zbliżone wartości w zależności od obciążenia silnika.
54
Tabela 4.2 Podstawowe miary statystyczne wyznaczone dla wartości maksymalnych sygnału ciśnienia w króćcu wtryskiwacza – dla silnika zasilanego paliwem ON
8
12
16
20
Obciążenie 𝑁𝑒 , kW
Średnia wartość ciśnienia, MPa
22,08
21,90
21,86
22,69
Odchylenie standardowe, MPa
0,29
0,32
0,33
0,18
Rozstęp, MPa
1,24
1,45
1,32
0,70
Jedynie w przypadku obciążenia Ne =20 kW wartości odchylenia standardowego i
rozstęp ciśnień są znacznie mniejsze.
Tabela 4.3 Podstawowe miary statystyczne wyznaczone dla wartości maksymalnych sygnału ciśnienia w komorze spalania – dla silnika zasilanego paliwem ON
Obciążenie 𝑁𝑒 , kW
Średnia wartość ciśnienia, MPa
Odchylenie standardowe, MPa
Rozstęp, MPa
8
5,64
0,10
0,48
12
6,12
0,14
0,60
16
7,12
0,20
0,81
20
7,75
0,08
0,40
Z wyników przedstawionych w Tabela 4.3 widać, że średnie wartości maksymalnych ciśnień zarejestrowanych w komorze spalania rosną wraz ze wzrostem prędkości
obrotowej OWK. Odchylenie standardowe oraz rozstęp zmieniają się nieregularnie wraz
ze zmianą prędkości obrotowej OWK. Kolejnym etapem analizy statystycznej było
sprawdzenie czy istnieją podstawy do odrzucenia hipotezy zerowej mówiącej o zgodności
rozkładów wartości maksymalnych ciśnień 𝑝𝑤 i 𝑝𝑐 z rozkładem normalnym na przyjętym
poziomie istotności 0,05. Aby wizualnie ocenić czy rozkład analizowanych zmiennych
jest zbliżony do rozkładu normalnego sporządzono histogramy wraz z naniesionym na nie
funkcją gęstości prawdopodobieństwa, a także sporządzono wykresy kwantylowe, co
zostało przedstawione na Rys. 4.4a i Rys. 4.4b.
a)
b)
Rys. 4.4 Histogram z rozkładem gęstości prawdopodobieństwa dla standaryzowanych wartości
maksymalnych ciśnień w króćcu wtryskiwacza, b) wykres przedstawiający rozkład porównawczy
kwantyli, dla silnika zasilanego ON pracującego z prędkością 1400 obr/min przy obciążeniu 8 kW
55
Analiza przebiegów pokazana na Rys. 4.4 pokazuje, że rozkład analizowanej zmiennej
jest rozkładem nieco spłaszczonym lewostronnie skośnym. Aby sprawdzić czy w analizowanych zbiorach danych nie ma wartości, które można by uznać za nietypowe, sporządzono wykresy pudełkowe. Skrypt 5 tworzy wykresy pokazane na Rys. 4.4 i Rys. 4.5.
a)
b)
Rys. 4.5 Wykres pudełkowy, a) dla sygnału maksymalnych wartości ciśnienia w króćcu wtryskiwacza, b) dla sygnału maksymalnych wartości ciśnienia w komorze spalania, dla silnika zasilanego
ON, pracującego z prędkością 1400 obr/min przy obciążeniu 8 kW
Skrypt 5. Wykonanie histogramu, wykresu kwantylowego i pudełkowego dla maksymalnych wartości ciśnienia zarejestrowanego w króćcu wtryskiwacza.
#Skrypt 5.
rm(list = ls())
pwf <- read.table("c:/Dropbox/krasynt2015/on/1400/8/pwfcykle", header=FALSE,
sep="", na.strings="NA", dec=".", strip.white=TRUE)
pwf<-data.matrix(pwf)
maxpw<-0
for (i in 1:50)
{
maxpw[i] <- max(pwf[,i])
}
par(family="Arial",font=2,ps=18,mar=c(4.2,4.5,1,1))
hist((maxpw-mean(maxpw))/sd(maxpw),probability="TRUE", main="",col="darkgray",
ylab=expression(paste(Phi,p[wmax])), xlab=expression(paste("standaryzowane
",p[w](j),," ")),ylim=c(0,0.5),xlim=c(-3,3),las=1)
lines(density((maxpw-mean(maxpw))/sd(maxpw), kernel="gaussian"),lwd=1.5)
.x <- seq(-5, 5, length.out=100)
lines(.x, dnorm(.x, mean=0, sd=1), type="b",lwd=1.5)
abline(h=0, col="gray")
remove(.x)
library(car)
par(family="arial",font=2,ps=18,mar=c(4.2,4.5,1,1))
qqPlot((maxpw-mean(maxpw))/sd(maxpw), dist="norm",envelope="False" ,xlab="kwantyle
- rozkład normalny",ylab="kwantyle - dane",las=1)
par(family="arial",font=2,ps=18,mar=c(4.2,4.5,1,1))
boxplot((maxpw), dist="norm",envelope="False", ylab=expression(paste(p[wmax],"
MPa")) ,las=1)
56
Analiza Rys. 5 prowadzi do wniosku, że zarówno w przypadku ciśnienia w króćcu
wtryskiwacza jak i ciśnienia w komorze spalania, nie było danych, które można uznać za
nietypowe. Warto zauważyć, że za nietypowe uznaje się dane o wartości większej od
Q −Q
sumy kwartyla trzeciego i trzech odchyleń ćwiartkowych (Q 3 + 3 3 1), oraz o wartości
2
mniejszej od różnicy pierwszego kwartyla i trzech odchyleń ćwiartkowych
Q −Q
(Q1 − 3 3 1 ). Dwie linie poza pudełkiem pokazują graniczne wartości dla danych
2
uznawanych za typowe. Kolejnym etapem analizy statystycznej było wyznaczenie miar
związanych ze kształtem rozkładu analizowanych zmiennych, oraz przeprowadzenie
testów weryfikujących hipotezę zerową. Wyniki obliczeń zostały przedstawione
w Tabela 4.4 i Tabela 4.5.
Tabela 4.4 Współczynniki kształtu rozkładu i wyniki testów statystycznych sygnału maksymalnych
wartości ciśnienia w króćcu wtryskiwacza dla silnika zasilanego paliwem ON
Obciążenie 𝑁𝑒 , kW
Skośność
Kurtoza
Test Shapiro-Wilka
Test Lillieforsa
8
-0,39
2,66
0,58
0,29
12
0,00
2,57
0,58
0,45
16
0,36
2,29
0,18
0,03
20
-0,36
2,40
0,33
0,57
Wartości przedstawione w Tabela 4.4 tylko w przypadku obciążenia 16 kW i testu
Lillieforsa dały podstawy do odrzucenia hipotezy mówiącej o zgodności rozkładu analizowanej zmiennej 𝑝𝑤𝑚𝑎𝑥 z rozkładem normalnym na poziomie istotności 0,05. Jednak
test Shapiro- Wilka oraz dodatkowo przeprowadzony dla tego obciążenia test Pearsona
(dla którego otrzymano p-value=0,11) nie potwierdziły tego wniosku.
Tabela 4.5 Współczynniki kształtu rozkładu i wyniki testów statystycznych sygnału wartości maksymalnych ciśnienia w komorze spalania dla silnika zasilanego paliwem ON
Obciążenie 𝑁𝑒 , kW
Skośność
Kurtoza
Test Shapiro-Wilka
Test Lillieforsa
8
0,05
2,96
0,95
0,98
12
-0,19
2,77
0,74
0,51
16
0,10
2,29
0,60
0,94
20
0,18
2,99
0,79
0,73
Analiza zestawienia przedstawionego w Tabela 4.5 prowadzi do wniosku, że dla
żadnych warunków pracy silnika nie ma podstaw do odrzucenia hipotezy zerowej dotyczącej rozkładu 𝑝𝑤𝑚𝑎𝑥 na poziomie istotności 0,05.
Podobnie jak w przypadku zasilania silnika paliwem mineralnym, dla silnika zasilanego paliwem roślinnym, pierwszym etapem analizy wyników pomiarów było sprawdzenie, czy wyniki pomiarów nie zawierają składowych o częstotliwościach niezwiązanych
z fizycznymi procesami zachodzącymi w silniku. Przeprowadzona analiza FFT odchyłek
ciśnienia w króćcu wtryskiwacza od wartości średnich pozwoliła we wszystkich przypadkach wykazać istnienie składowej zakłócającej o częstotliwości około 50 Hz. W celu
przeprowadzenia dalszych obliczeń sygnał ten poddano filtracji usuwając z niego niepożądaną składową. Podobna analiza przeprowadzona dla sygnału ciśnienia zarejestrowanego w komorze spalania nie wykazała potrzeby poddania tego sygnału filtracji [7]. Wyniki
57
analizy statystycznej wartości maksymalnych ciśnień przedstawiono w Tabela 4.6 i Tabela 4.7. Dla analizowanych danych wyznaczono również miary statystyczne związane ze
kształtem rozkładu gęstości prawdopodobieństwa wartości maksymalnych analizowanych
zmiennych. Przeprowadzono również testy statystyczne Lillieforsa i Shapiro-Wilka
w celu weryfikacji hipotezy zerowej mówiącej o zgodności rozkładu analizowanych
zmiennych z rozkładem normalnym.
Wyniki obliczeń zestawiono w Tabela 4.8 i Tabela 4.9. Dla sygnału ciśnienia zarejestrowanego w komorze spalania w żadnym przypadku nie było podstaw do odrzucenia
hipotezy zerowej na poziomie istotności 0,05. W przypadku sygnału ciśnienia wtrysku
w dwóch przypadkach – dla Ne=12 i 16 kW przeprowadzone testy statystyczne dały
podstawę do odrzucenia hipotezy zerowej na poziomie istotności 0,05. W celu przeprowadzenia dalszej analizy zarejestrowanych wartości ciśnienia 𝑝𝑤 , dla wszystkich obciążeń sporządzono wykresy pudełkowe, (przykładowe, wykonane dla obciążeń 12 i 16 kW
zostały pokazane na Rys. 4.6), które w łatwy i szybki sposób pozwalają stwierdzić, czy w
analizowanych danych nie ma wartości nietypowych
a)
b)
Rys. 4.6 Wykres pudełkowy maksymalnych wartości sygnału ciśnienia w króćcu wtryskiwacza –
dla silnika zasilanego paliwem FAME pracującego z: a) obciążeniem Ne=12kW, b)16 kW
Przeprowadzona analiza wykresów pudełkowych przedstawionych na Rys. 4.6 wykazała, że dla obciążeń o wartości 𝑁𝑒 =12, 16 i 20 kW istnieją w analizowanych zbiorach
dane, które można uznać za nietypowe. W celu przeprowadzenia dalszej analizy wyników
pomiarów ciśnień usunięto te dane, które zostały uznane za nietypowe. Dla ciśnienia w
króćcu wtryskiwacza zmniejszono zatem liczebność próby w trzech przypadkach, dla
obciążeń 𝑁𝑒 =12,16 i 20 kW. Dla sygnału wartości maksymalnych ciśnienia w komorze
spalania w jednym przypadku - usunięto dane dla obciążenia 𝑁𝑒 =12 kW. Wyniki dotyczące podstawowych miar statystycznych, współczynników kształtu rozkładów oraz
testów weryfikujących zasadność odrzucenia hipotezy zerowej, wyznaczone dla prób
o zmniejszonej liczebności, przedstawiono w Tabela 4.6, Tabela 4.7, Tabela 4.8 oraz
w Tabela 4.9.
58
Tabela 4.6 Podstawowe miary statystyczne wyznaczone dla wartości maksymalnych sygnału ciśnienia w króćcu wtryskiwacza – dla silnika zasilanego paliwem FAME
Obciążenie
𝑁𝑒 , kW
Liczebność
próby
Średnie ciśnienie, MPa
Odchylenie
standardowe,
MPa
Rozstęp, MPa
8
12
16
20
50
50
46
50
47
50
47
21,83
21,76
21,82
22,35
22,30
23,03
23,00
0,22
0,32
0,24
0,32
0,26
0,31
0,24
0,87
1,41
1,18
1,50
1,10
1,61
1,10
Analiza wartości liczbowych przedstawionych w Tabela 4.6 prowadzi do wniosku,
że usunięcie ze zbiorów analizowanych wartości danych uznanych za nietypowe powoduje zmniejszenie rozstępu oraz odchylenia standardowego analizowanej zmiennej.
W mniejszym stopniu wpływa również na wartość średnią maksymalnych wartości ciśnienia w króćcu wtryskiwacza.
Tabela 4.7 Podstawowe miary statystyczne wyznaczone dla wartości maksymalnych sygnału
ciśnienia w komorze spalania – dla silnika zasilanego paliwem FAME
Obciążenie 𝑁𝑒 ,
kW
Liczebność
próby
Średnie ciśnienie, MPa
Odchylenie
standardowe,
MPa,
Rozstęp, MPa
8
12
16
20
50
50
49
50
50
5,67
6,45
6,45
6,95
7,83
0,12
0,11
0,10
0,14
0,09
0,45
0,57
0,40
0,58
0,38
W przypadku wartości maksymalnych ciśnienia w komorze spalania tylko w jednym
przypadku wykryto w analizowanych zbiorach danych wartości które można było uznać
za nietypowe, dla obciążenia 𝑁𝑒 =12 kW. Usunięcie wartości nietypowej największy
wpływ miało na wartość rozstępu ciśnień, na pozostałe podstawowe parametry wpływ był
niewielki.
Analiza Tabela 4.8 prowadzi do wniosku, że usunięcie z analizowanych prób danych, które uznano za nietypowe nie pozwala na odrzucenie hipotezy zerowej we wszystkich analizowanych przypadkach (przed usunięciem tych danych istniały podstawy do
odrzucenia hipotezy zerowej). Również wartości współczynników kształtu rozkładu są
bliższe charakterystycznym wartościom tych parametrów dla rozkładu normalnego.
Dla wartości maksymalnych ciśnienia w komorze spalania (Tabela 4.9) w żadnym
przypadku przeprowadzone testy nie dały podstaw do odrzucenia hipotezy zerowej na
poziomie istotności 0.05.
59
Wykres pudełkowy sporządzony dla wartości maksymalnych ciśnienia w komorze
spalania dla silnika pracującego z obciążeniem 𝑁𝑒 =12 kW – dla pełnej oraz zmniejszonej
populacji pozbawionej danych nietypowych przedstawiono na Rys. 4.7.
Tabela 4.8 Współczynniki kształtu rozkładu i wyniki testów statystycznych sygnału ciśnienia
w króćcu wtryskiwacza, dla silnika zasilanego biopaliwem FAME
Obciążenie 𝑁𝑒 ,
kW
Liczebność
próby
Skośność
Kurtoza
Test ShapiroWilka
Test Lillieforsa
8
12
16
20
50
50
46
50
47
50
47
-0,06
2,31
0,56
-0,76
3,54
0,01
-0,18
3,52
0,76
0,94
4,11
0,01
0,30
2,79
0,14
0,27
3,73
0,53
0,10
2,70
0,93
0,80
0,02
0,75
0,01
0,51
0,79
0,99
Tabela 4.9 Współczynniki kształtu rozkładu i wyniki testów statystycznych sygnału ciśnienia
w komorze spalania dla silnika zasilanego biopaliwem FAME
Obciążenie 𝑁𝑒 ,
kW
Liczebność
próby
Skośność
Kurtoza
Test ShapiroWilka
Test Lillieforsa
a)
8
12
16
20
50
50
49
50
50
0,13
2,15
0,30
-0,09
3,62
0,45
0,44
2,65
0,20
-0,40
2,75
0,31
0,06
2,65
0,97
0,55
0,20
0,14
0,30
0,88
b)
Rys. 4.7 Wykres pudełkowy maksymalnych wartości sygnału ciśnienia w komorze spalania – dla
silnika zasilanego paliwem FAME pracującego z obciążeniem Ne=12kW: a) liczebność próby 50,
b) liczebność próby 49
60
4.3 Niepewność pomiarów ciśnień
Zgodnie z zaleceniami międzynarodowej organizacji standaryzacyjnej ISO, niepewność wyników pomiaru można wyznaczyć metodą typu A lub metodą typu B. Standardową niepewnością wyznaczaną metodą typu A w pomiarach bezpośrednich jest estymator
odchylenia standardowego dla średniej, wyrażany zależnością [6,8].
𝑢𝐴 = √
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑛(𝑛 − 1)
(4.3)
Gdzie, estymatorem mierzonych wielkości 𝑥𝑖 jest wartość średnia z n obserwacji i
wyznaczana w następujący sposób:
𝑛
𝑥̅ =
1
∑ 𝑥𝑖
𝑛
(4.4)
𝑖=1
Aby ocenić granice przedziału ufności, który zawiera nieznaną wartość rzeczywistą
mierzonej wielkości z przyjętym poziomem ufności ∝ konieczne jest wyznaczenie niepewności rozszerzonej 𝑢𝐶𝐴 :
(4.5)
𝑢𝐶𝐴 = 𝑘𝐴 (∝) ∙ 𝑢𝐴
Standardowa niepewność odpowiadająca wartości współczynnika k A (α) = 1 wyznaczana jest dla poziomu ufności ∝= 0,6827. Gdy nie ma podstaw do odrzucenia hipotezy zerowej o zgodności analizowanej zmiennej z rozkładem normalnym, a analizowaną
próbę można uznać za liczną (n>30) współczynnik k A przyjmuje wartości odczytywane z
tablic rozkładu normalnego dla założonego poziomu ufności. W Tabela 4.10 oraz tabeli
11 przedstawiono wyniki obliczeń wykonanych według zależności (4.3) dla standardowej
niepewności pomiaru ciśnienia wtrysku gdy silnik był zasilany ON lub FAME. Wartości
niepewności umieszczone w nawiasach zostały obliczone przed usunięciem danych nietypowych pokazanych na Rys. 4.6 i Rys. 4.7.
Tabela 4.10 Standardowa niepewność pomiaru ciśnienia wtrysku wyznaczona metodą typu A
Obciążenie 𝑁𝑒 , kW
8
𝑈𝐴 , MPa
0,041
𝑈𝐴 , MPa
0,031
12
ON
0,045
FAME
0,036 (0,045)
16
20
0,046
0,025
0,037 (0,046)
0,036 (0,044)
Tabela 4.11 Standardowa niepewność pomiaru ciśnienia w komorze spalania wyznaczona metodą
typu A
Obciążenie 𝑁𝑒 , kW
Paliwo ON, MPa
Paliwo FAME, MPa
8
0,015
0,017
12
0,019
0,014 (0,015)
16
0,029
0,019
20
0,012
0,012
Z analizy danych przedstawionych w Tabela 4.10 i w Tabela 4.11 wynikają następujące
główne wnioski:
61
1.
2.
3.
4.
Niepewność pomiaru ciśnienia wtrysku ma wartość nieznacznie zależną od stopnia obciążenia
Rodzaj paliwa zasilającego silnik wpływa w małym stopniu na wartość niepewność pomiaru
Usunięcie danych nietypowych powoduje zmniejszenie wartości niepewności
Niepewność pomiaru ciśnienia w komorze spalania jest blisko dwa razy mniejsza niż w króćcu wtryskiwacza.
Standardową niepewność metodą typu B oblicza się na podstawie wiedzy przyjętej,
o czynnikach wpływających na dokładność pomiaru. Jest to niepewność wyznaczana na
podstawie specyfikacji technicznej przyrządów pomiarowych, wiedzy i doświadczenia
eksperymentatora. Procedura wyznaczania tej niepewności dla torów pomiarowych wykorzystywanych w niniejszej pracy dokładnie został przedstawiony w pracy [4]. Jednak
dla wygody czytelnika przytoczone zostaną uzyskane najważniejsze wyniki.
Na niepewność pomiaru metodą typu B ciśnienia wtrysku główny wpływ mają: błąd
piezoelektrycznego czujnika ciśnienia CL31, błąd wzmacniacza ładunku CL111 oraz błąd
przetwornika A/C KPCI-3110. Względny błąd piezoelektrycznego czujnika ciśnienia
wynosi δc = 0,5% [4]. Na błąd wzmacniacza ładunku CL111 składają się: względny błąd
liniowości oraz błąd związany z szumami wzmacniacza:
2
2
𝛿𝑤 = √𝛿𝑤𝑙
+ 𝛿𝑤𝑠
(4.6)
gdzie:
𝛿𝑤𝑙 = 0,1% - względny błąd liniowości wzmacniacza,
𝛿𝑤𝑠 = 0,2% - względny błąd wynikający z szumów wzmacniacza.
Po uwzględnieniu powyższych danych obliczono błąd względny wzmacniacza ładunku, który wyniósł 𝛿𝑤 = 0,22%.
Błąd przetwornika A/C KPCI-3110 wynika z jego rozdzielczości i zakresu pomiarowego.
𝜃
(4.7)
∙ 100%
𝑧𝑎𝑘𝑟𝑒𝑠
gdzie: θ - przedział kwantowania przetwornika [V], który można wyznaczyć, jako:
𝛿𝑎𝑐 =
𝜃=
𝑧𝑎𝑘𝑟𝑒𝑠
2𝑟
(4.8)
𝑧𝑎𝑘𝑟𝑒𝑠 - zakres przetwarzania przetwornika A/C dla KPCI-3110 wynoszący:
zakres = ±10 V,
r - rozdzielczość przetwornika, 𝑟 = 12 bitów.
Względny błąd przetwornika A/C użytego w torze pomiarowym wynosi 𝛿𝑎𝑐 =
0,024% [4]. Względny błąd pomiaru ciśnienia wtrysku wynikający z użytego toru pomiarowego można wyznaczyć z następującej zależności:
2
𝛿 = √𝛿𝑐2 + 𝛿𝑤2 + 𝛿𝑎𝑐
Błąd ten wyniósł: δ = 0,548%.
(4.9)
62
Bezwzględna wartość tego błędu, odniesiona do zakresu pomiarowego czujnika
CL31 wynoszącego 100 MPa wynosi: 𝛥𝑝𝑐 = 0,55 MPa. Niepewność typu B wyznaczono
zakładając rozkład jednostajny prawdopodobieństwa wystąpienia wartości prawdziwej w
wyznaczonym przedziale ±∆𝑝𝑤 .
𝑢𝐵 =
𝛥𝑝𝑤
(4.10)
√3
Tak obliczona metodą typu B wartość niepewności standardowej wyniosła: uB =
0,32 MPa.
Na niepewność pomiaru ciśnienia w komorze spalania wpływ mają przede wszystkim: błąd piezoelektrycznego czujnika ciśnienia QC34D AVL, błąd wzmacniacza ładunku CL111 oraz błąd przetwornika A/C KPCI-3110.
Błąd czujnika QC34D AVL jest równy pierwiastkowi z sumy kwadratów błędów liniowości i dryftu temperaturowego:
2
2
𝛿𝑐 = √𝛿𝑐𝑙
+ 𝛿𝑐𝑡
(4.11)
gdzie :
𝛿𝑐𝑙 = 0,2% - względny błąd liniowości czujnika,
𝛿𝑐𝑡 = 0,12% - dryft wynikający ze zmian temperatury.
Względny błąd piezoelektrycznego czujnika ciśnienia wynosi 𝛿𝑐 = 0,23%.
Błąd względny wzmacniacza ładunku, wyniósł 𝛿𝑤 = 0,22%, a błąd przetwornika
A/C KPCI-3110 𝛿𝑎𝑐 = 0,024%. Bezwzględna wartość tego błędu, odniesiona do zakresu
pomiarowego czujnika QC34D wynoszącego 25 MPa wynosi: Δ𝑝𝑐 = 0,080 MPa. Niepewność standardowa typu B wyznaczono zakładając rozkład jednostajny prawdopodobieństwa wystąpienia wartości prawdziwej w wyznaczonym przedziale ±∆𝑝𝑐 .
𝑢𝐵 =
𝛥𝑝𝑐
(4.12)
√3
Tak obliczona wartość niepewności wyznaczonej metodą typu B wyniosła: Ub =
0,046 MPa.
4.4 Podsumowanie
Przeprowadzona analiza FFT odchyłek ciśnienia w króćcu wtryskiwacza od wartości
średnich pozwoliła wykazać istnienie składowej zakłócającej o częstotliwości około 50
Hz, we wszystkich przypadkach pracy silnika wg tzw. charakterystyk obciążeniowych.
We wcześniejszych badaniach przeprowadzanych na tym samym stanowisku pomiarowym składowa ta nie zawsze występowała.
Zaproponowane w pracy tzw. wykresy pudełkowe, pokazane na Rys. 4.6, w łatwy
i szybki sposób pozwalają stwierdzić, czy w analizowanych danych nie ma wartości nietypowych. Usunięcie z analizowanych prób danych, które uznano za nietypowe nie pozwoliło na odrzucenie hipotezy zerowej o zgodności badanych rozkładów z rozkładem
normalnym, we wszystkich analizowanych przypadkach (przed usunięciem tych danych
63
istniały podstawy do odrzucenia hipotezy zerowej). Po usunięciu takich danych również
wartości współczynników kształtu rozkładu są bliższe charakterystycznym wartościom
tych parametrów dla rozkładu normalnego.
Przeprowadzone analizy wykazały, że wartość niepewności pomiaru metodą typu A
ciśnienia w komorze spalania jest blisko dwa razy mniejsza niż w króćcu wtryskiwacza.
Stwierdzono też, że
1. Niepewność pomiaru ciśnienia wtrysku ma wartość nieznacznie zależną od stopnia obciążenia silnika
2. Rodzaj paliwa zasilającego silnik wpływa w małym stopniu na wartość niepewność pomiaru ciśnień
3. Usunięcie danych nietypowych powoduje zmniejszenie wartości niepewności.
Analizując niepewność pomiarów metodą typu B obliczono, że błąd pomiaru ciśnienia w komorze spalania wyniósł: δ = 0,32% natomiast błąd pomiaru ciśnienia
w króćcu wtryskiwacza wyniósł: δ = 0,548%.
Piśmiennictwo
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
CIOSMAK, Józef, et al. Wybrane zagadnienia analizy sygnałów, modelowania i sterowania w inżynierii mechanicznej i biomedycznej. Katedra Automatyzacji Procesów Akademia Górniczo-Hutnicza, 2014.
CHAMBERS, John. Software for data analysis: programming with R.
Springer Science & Business Media, 2008.
ŁAGOWSKI, Piotr, Metodyka wyznaczania i ocena wielkości diagnostycznych wykresu indykatorowego silnika spalinowego o zapłonie samoczynnym,
praca doktorska, Politechnika Świętokrzyska, Kielce, 2010.
BĄKOWSKI, Andrzej, Analiza metrologiczna sygnałów uzyskanych podczas
indykowania silnika ZS, praca doktorska, Politechnika Świętokrzyska, Kielce,
2013.
BĄKOWSKI Andrzej, RADZISZEWSKI Leszek, ŽMINDÁK Milan, Analysis of selected pressure signal descriptors used to control combustion engine –
w druku
ANDRZEJ, BĄKOWSKI; LESZEK, RADZISZEWSKI. Evaluation of the
Uncertainty of Selected Parameters that Characterise Diesel Engine Work.
Applied Mechanics & Materials, 2014, 712.
BĄKOWSKI Andrzej, RADZISZEWSKI Leszek, ŽMINDÁK Milan, Analysis of uncertainty in pressure measurement with a piezoelectric transducer for
a combustion engine- w druku
ADAMCZAK, Stanisław; BOCHNIA, Jerzy; KACZMARSKA, Bożena. An
Analysis Of Tensile Test Results to Assess the Innovation Risk for an Additive Manufacturing Technology. Metrology and Measurement Systems, 2015,
22.1: 127-138
64
5 Wpływ dużych instalacji energetycznego
spalania paliw na jakość powietrza
w Krakowie
SPIS OZNACZEŃ
AMP
CEZ
EDF
IMGW
TRAX
WFiIS
WIOŚ
S1
S24
Sa
D1
–
–
–
–
–
–
–
–
–
–
–
D24
–
Da
–
Siłownia ArcelorMittal Poland S.A. Oddział w Krakowie
Elektrownia Skawina S.A., CEZ Polska Sp. z o.o.
Elektrociepłownia EDF Polska S.A. Oddział nr 1 w Krakowie
Instytut Meteorologii i Gospodarki Wodnej
przydrożne stacje meteorologiczne
Wydział Fizyki i Informatyki Stosowanej AGH w Krakowie
Wojewódzki Inspektorat Ochrony Środowiska
stężenie uśrednione dla okresu 1 godziny w powietrzu, μg/m3
stężenie uśrednione dla okresu 24 godzin w powietrzu, μg/m3
stężenie uśrednione dla okresu 1 roku w powietrzu, μg/m3
poziom dopuszczalny lub wartość odniesienia uśredniona dla okresu 1 godziny w powietrzu, μg/m3
poziom dopuszczalny lub wartość odniesienia uśredniona dla okresu 24 godzin w powietrzu, μg/m3
poziom dopuszczalny lub wartość odniesienia uśredniona dla okresu roku w powietrzu, μg/m3
Duże instalacje energetycznego spalania paliw stanowią jedno z głównych źródeł
emisji substancji pyłowych i gazowych do powietrza atmosferycznego, przez co mogą
niekorzystnie oddziaływać na jakość powietrza i zdrowie ludzi. Szczególnie istotne znaczenie pod tym względem mają elektrownie i elektrociepłownie opalane węglem kamiennym i brunatnym, które odgrywają dominującą rolę w produkcji energii elektrycznej
i ciepła w Polsce. Struktura wytwarzania energii elektrycznej za rok 2011 wskazuje, że
88% tej energii powstaje w wyniku transformacji węgla, 8% - w wyniku spalania innych
paliw, a zaledwie 4% pochodzi ze źródeł odnawialnych [1]. Fakt ten potwierdza również
struktura zużycia paliw wskazująca, że 59,5% węgla kamiennego w Polsce ulega transformacji w elektrowniach zawodowych, elektrociepłowniach oraz ciepłowniach.
Całkowita emisja pyłu ogółem, dwutlenku siarki (SO2) i tlenków azotu (NOx) do
powietrza w Polsce z procesów spalania paliw realizowanych w zakładach szczególnie
uciążliwych wyniosła w roku 2012 odpowiednio: 36,9; 468,5 i 316,4 tys. Mg [2]. Nieco
ponad 6% tej emisji przypada na procesy spalania paliw w instalacjach o nominalnej
mocy powyżej 50 MWt zlokalizowanych na terenie województwa małopolskiego. Wśród
nich istotne znaczenie ma emisja zanieczyszczeń pochodząca z trzech instalacji energetycznego spalania paliw, z których dwie są położone w granicach miasta Krakowa (EDF
Polska S.A. Oddział Nr 1 w Krakowie i Siłownia ArcelorMittal Poland S.A. Oddział
w Krakowie), a jedna w jego bliskim sąsiedztwie (Elektrownia Skawina S.A. w Skawinie). Emisja pyłu ogółem, SO2 i NOx tylko z tych trzech zakładów stanowiła odpowiednio
47,6; 43,8 oraz 36,9 % całkowitego ładunku tych zanieczyszczeń uwolnionego w całym
województwie małopolskim w roku 2012 w procesach spalania realizowanych w ramach
zakładów szczególnie uciążliwych [2]. Z uwagi zatem na znaczną koncentrację emisji
z instalacji energetycznego spalania paliw w obrębie gminy miejskiej Kraków oraz powiatu krakowskiego, można domniemywać, że udział tego typu źródeł emisji w kształtowaniu jakości powietrza w Krakowie jest większy niż w innych regionach województwa
małopolskiego, co może w pewnym stopniu tłumaczyć gorszą jakość powietrza w Krakowie w porównaniu np. z innymi miastami Małopolski. Celem niniejszej pracy jest zatem wykonanie oceny tego udziału.
Ze względu na mnogość czynników determinujących proces rozprzestrzeniania się
zanieczyszczeń gazowych i pyłowych w powietrzu atmosferycznym nie jest możliwe
bezpośrednie określenie wpływu poszczególnych źródeł emisji na jakość powietrza. Tego
typu oceny najczęściej wykonuje się z wykorzystaniem różnych technik matematycznego
modelowania dyspersji zanieczyszczeń w powietrzu [3-5]. W dalszej części pracy, w celu
określenia poziomów stężeń zanieczyszczeń powodowanych przy powierzchni terenu
przez analizowane instalacje energetycznego spalania paliw, zastosowano zaawansowany,
niestacjonarny, wielowarstwowy gaussowski model obłoku CALPUFF [6], a zmienne
w czasie i przestrzenni warunki meteorologiczne i parametry mikroklimatyczne wyznaczono diagnostycznym modelem CALMET [7]. Powyższe narzędzia są coraz częściej
stosowane w badaniach naukowych dotyczących wpływu różnego typu obiektów na jakość powietrza [8-18]. Istnieją również prace wskazujące na wysoką dokładność wyników obliczeń poziomów zanieczyszczeń w powietrzu uzyskiwanych za pomocą systemu
modeli CALMET/CALPUFF dla wysokich emitorów punktowych [19-22].
5.1 Stan zanieczyszczenia powietrza w Krakowie
Kraków, będący stolicą województwa małopolskiego, zwraca w ostatnich latach
szczególną uwagę opinii publicznej z uwagi na występującą w nim złą jakość powietrza.
Ocena jakości powietrza w Polsce dokonywana jest w ramach stref, wśród których wyróżniane są m.in. strefy typu aglomeracja, stanowiące miasta o liczbie mieszkańców
większej niż 250 tysięcy. Strefa Aglomeracja Krakowska od wielu lat zaliczana jest do
klasy C ze względu na występowanie przekroczeń poziomów dopuszczalnych w powie66
trzu niektórych zanieczyszczeń, w tym m.in. pyłu zawieszonego PM10 i NO 2 [23-25]. Na
Rys. 5.1 przedstawiono wyniki pomiarów stężeń średniorocznych oraz częstości przekroczeń dopuszczalnego poziomu średniodobowego PM10 (wynoszącego 50 µg/m 3 [26])
rejestrowane na trzech stacjach monitoringu powietrza WIOŚ w Krakowie (dane za lata
2010-2014).
a)
b)
Rys. 5.1. Wyniki pomiarów stężeń średniorocznych pyłu zawieszonego PM10 w powietrzu (a)
i stwierdzana częstość przekroczeń średniodobowego poziomu dopuszczalnego pyłu zawieszonego PM10 (b) na stacjach monitoringu powietrza w Krakowie w latach 2010-2014 (źródło: opracowanie własne na podstawie [27])
Przedstawione na Rys. 5.1a wartości stężeń średniorocznych wskazują, że w analizowanym okresie na każdej stacji monitoringu powietrza położonej w obrębie miasta
Krakowa wystąpiły przekroczenia dopuszczalnego poziomu średniorocznego (Da) pyłu
zawieszonego PM10 (ze względu na ochronę zdrowia ludzi), wynoszącego 40 µg/m3 [26].
Zdecydowanie najwyższe wartości stężeń średniorocznych pyłu PM10, prawie dwukrot67
nie przekraczające poziom dopuszczalny Da, wystąpiły na stacji mierzącej odziaływanie
transportu drogowego (komunikacyjnej), położnej przy Alejach Krasińskiego. Na pozostałych dwóch stacjach monitoringowych – stacji tła miejskiego (stacja przy ul. Bujaka)
oraz stacji przemysłowej (stacja przy ul. Bulwarowej) również wystąpiły przekroczenia
dopuszczalnego poziomu średniorocznego pyłu PM10, jednak na nieco niższym poziomie
(wartości rzędu 114-163 %Da), choć i tutaj liczba dni z przekroczeniami dopuszczalnego
stężenia średniodobowego w ciągu roku najczęściej przekracza 100, przy dopuszczalnej
częstości 35 razy [26] (Rys. 5.1b).
Drugą konfliktową substancję stanowi dwutlenek azotu (NO 2), w przypadku którego
od wielu lat jest przekraczane dopuszczalne stężenie średnioroczne w powietrzu (40
µg/m3) na stacji komunikacyjnej położnej przy Alejach Krasińskiego (Rys. 5.2). Na stacji
tej obserwowane są ponad dwukrotnie wyższe stężenia średnioroczne NO2 w porównaniu
ze stacją tła miejskiego przy ul. Bujaka, co odzwierciedla wyraźny wpływ na wyniki
pomiarów pobliskiej trasy komunikacyjnej cechującej się dużym natężeniem ruchu.
Rys. 5.2. Wyniki pomiarów stężeń średniorocznych dwutlenku azotu w powietrzu na stacjach
monitoringu powietrza w Krakowie w latach 2010-2014 (źródło: opracowanie własne na podstawie [27])
W porównaniu do roku 2010 jakość powietrza na terenie miasta Kraków uległa nieznacznej poprawie, na co wskazuje pewien spadek stężeń średniorocznych w punktach
pomiarowych, jednak nadal utrzymują się one znacznie powyżej poziomu dopuszczalnego. Na szczególną uwagę zasługuję wysoka częstość przekroczeń średniodobowego poziomu dopuszczalnego (D24) pyłu PM10, wskazująca że w niektórych częściach miasta
Krakowa nawet przez ponad pół roku możemy mieć do czynienia z ponadnormatywnymi
stężeniami tej substancji w powietrzu, głównie w okresie pokrywających się z sezonem
grzewczym. Przedstawiona na Rys. 5.1b dla roku 2010 stosunkowo mała liczba dni
z przekroczeniami poziomu dopuszczalnego D24 pyłu PM10 na stacji Bujaka wynika
z braku danych pomiarowych za okres pierwszych 10 tygodni tego rok, w których zwykle
tego typu przekroczenia także są obserwowane (stacja monitoringowa w tym miejscu
została uruchomiona dopiero w dniu 11 marca 2010 r.).
68
Stężenia średnie miesięczne pyłu PM10 i SO2 rejestrowane na stacjach monitoringowych w Krakowie charakteryzują się sezonową zmiennością związaną z fluktuacją
czynników meteorologicznych i emisyjnych, co dla przykładowego roku 2012 zobrazowano na Rys. 5.3. W okresie grzewczym występują one na poziomie nawet kilkukrotnie
wyższym niż w okresie pozagrzewczym. Nie obserwuje się już natomiast sezonowej
zmienności stężeń NO2 w powietrzu w Krakowie, zwłaszcza na stacji komunikacyjnej
przy Alejach Krasińskiego (Rys. 5.3b).
a)
b)
c)
Rys. 5.3. Średniomiesięczne stężenia pyłu zawieszonego PM10 (a), NO2 (b) i SO2 (c) w powietrzu
zarejestrowane na stacjach monitoringu powietrza w Krakowie w roku 2012 (źródło: opracowanie
własne na podstawie [27])
69
Jak wynika z danych zamieszczonych na Rys. 5.3a stężenia średniomiesięczne
PM10 w powietrzu w Krakowie w roku 2012 występowały poniżej średniorocznego poziomu dopuszczalnego (Da) wynoszącego 40 μg/m3 [26] tylko w okresie od czerwca do
września, a pomijając dane pochodzące ze stacji komunikacyjnej, także w marcu i kwietniu.
Na zły stan jakości powietrza w strefie Aglomeracji Krakowskiej, obserwowany od
wielu lat [28], ma wpływ wiele czynników, wśród których wymienić należy wysokie
zagęszczenie antropogenicznych źródeł emisji i napływ zanieczyszczeń spoza granic
miasta [29]. Ważną rolę odgrywają również niekorzystne warunki meteorologiczne wynikające z położenia Krakowa w dolinie rzeki Wisły, ograniczonej od strony północnej
(Wyżyna Olkuska), północno-zachodniej (Garb Tenczyński) i południowej (Pogórze
Wielickie) pasami wzniesień wyższymi od terenu znajdującego się w rejonie centrum
miasta nawet o 220 metrów [30]. Dodatkowym czynnikiem w istotny sposób wpływającym na poziom rejestrowanych w powietrzu stężeń pyłu zawieszonego PM10 i PM2,5jest
tworzenie się wtórnych aerozoli nieorganicznych i organicznych [31-34]. Znacznym
źródłem emisji zanieczyszczeń gazowych stanowiących prekursory wtórnych aerozoli są
wszelkie procesy spalania. Wśród nich istotne znaczenie mogą mieć instalacje energetycznego spalania paliw.
5.2 Charakterystyka obiektów badań
Obiektami badań analizowanymi w niniejszej pracy były trzy duże instalacje energetycznego spalania paliw mogące mieć istotne znaczenie w kształtowaniu jakości powietrza w Krakowie: Elektrociepłownia EDF Polska S.A. Oddział nr 1 w Krakowie (EDF),
Siłownia Zakładu Energetycznego ArcelorMittal Poland S.A. Oddział w Krakowie
(AMP) oraz Elektrownia Skawina S.A. w Skawinie k. Krakowa, należąca do CEZ Polska
Sp. z o.o. (CEZ). Wszystkie te instalacje produkują energię elektryczną i ciepło sieciowe,
a Siłownia AMP także dmuch wielkopiecowy i parę technologiczną.
W EDF Polska S.A. Oddział nr 1 w Krakowie funkcjonują obecnie cztery bloki
energetyczne oparte na kotłach z paleniskiem pyłowym typu OP-380 (dwa kotły) i OP430 (dwa kotły) oraz trzy szczytowe kotły wodne WP-120. W kotłach OP-380 i OP-430
spalany jest węgiel kamienny lub mieszanka węgla kamiennego i biomasy, natomiast
w kotłach wodnych wyłącznie węgiel kamienny. Na potrzeby rozruchu i stabilizacji procesu spalania kotły te wyposażone są w palniki olejowe typu ciśnieniowego z rozpylaczem wirowym. Zużycie węgla kamiennego, biomasy oraz sumy oleju opałowego ciężkiego i lekkiego w roku 2012 wyniosło odpowiednio: 734,2; 168 i 1,3 Gg. Gazy odlotowe
po oczyszczeniu w elektrofiltrze wprowadzane są do atmosfery za pomocą dwóch wysokich emitorów (stan na 30.06.2015 r.). Spaliny z kotłów OP-380 odprowadzane są za
pomocą komina o wysokości 225 m i średnicy 6,5 m (emitor E-1), a spaliny z kotłów OP430 odprowadzane są kominem o wysokości 260 m i średnicy 7 m (emitor E-2). Kanały
odprowadzające spaliny z kotłów wodnych podłączone są do jednego wspólnego kolektora. Przed kominami zainstalowane są klapy, które umożliwiają w specyficznych warunkach pracy odprowadzenie spalin z kotłów wodnych dowolnym emitorem. Pyły zatrzymane w elektrofiltrze transportowane są pneumatycznie do zbiorników retencyjnych.
70
W zbiornikach tych zamontowane są filtry tkaninowe pulsacyjne umożliwiające bezpieczne dla środowiska odprowadzenie powietrza z instalacji pneumatycznego transportu
pyłu.
W Elektrowni Skawina (CEZ) do roku 2013 zainstalowanych było pięć kotłów pyłowych dwuwalczakowych typu OP-230 (z których obecnie pracuje już tylko cztery kotły) oraz cztery kotły pyłowe jednowalczakowe typu OP-210. Oprócz palników pyłowych
każdy kocioł wyposażony jest w palniki rozruchowe mazutowe z rozbryzgiem parowym.
W kotłach tych spalany jest węgiel kamiennych, biomasa oraz mazut. Zużycie tych paliw
w roku 2012 wyniosło odpowiednio: 504,4; 146,4 i 1,3 Gg. Na terenie Elektrowni Skawina pierwotnie istniała możliwość odprowadzania spalin za pomocą dwóch kominów jednoprzewodowych (emitory E-1 i E-2), a od czerwca 2008 roku także poprzez komin
dwuprzewodowy (emitor E-3), dobudowany wraz z instalacją odsiarczania spalin. Wysokości emitorów E-1, E-2 i E-3 wynoszą odpowiednio: 122,5; 120 i 120 m, a średnice 4, 6
i 23,9 m. W zakładzie tym stosowane są dwa systemy oczyszczania spalin. Pierwszy
system składa się wyłącznie z elektrofiltru (umieszczonego za każdym kotłem), a oczyszczone w ten sposób gazy odlotowe odprowadzane są za pomocą emitora E-1 i E-2. Drugi
system oparty jest na odpylaniu spalin w elektrofiltrze (po jednym dla każdego kotła) oraz
instalacji odsiarczania spalin pracującej metodą półsuchą z wykorzystaniem technologii
fluidalnego odsiarczania w reaktorze ze złożem cyrkulacyjny (dozowanie wapna hydratyzowanego Ca(OH)2) oraz końcowego filtru tkaninowego. W roku 2012 gazy odlotowe
odprowadzane były do atmosfery wyłącznie za pośrednictwem emitora E-2 (spaliny nieodsiarczone) oraz E-3 (spaliny odsiarczone).
W skład instalacji energetycznego spalania paliw pracującej w ramach Siłowni Zakładu Energetycznego ArcelorMittal Poland S.A. Oddział w Krakowie wchodzi siedem
bloków kotłowych, w tym cztery kotły typu TP-230-2, dwa kotły typu OPG-220 oraz
jeden kocioł typu OP-230. Kotły TP-230-2 i OPG-220 są wyposażone w palniki pyłowe
zasilane pyłem węglowym, palniki gazowe zasilane gazem wielkopiecowym oraz palniki
rozpałowe zasilane gazem koksowniczym. Kocioł OP-230 jest opalany tylko pyłem węglowym, a rozpalany za pomocą gazu koksowniczego. Dodatkowo w instalacji tej jest
stosowany w niewielkich ilościach gaz ziemny, spalany w palnikach pilotowych kotłów.
W roku 2012 zużycie węgla kamiennego w całej instalacji wyniosło 230,8 Gg, a gazu
wielkopiecowego, koksowniczego i ziemnego – odpowiednio: 1203,5; 81,3 i 3,3 mln. m3.
Oczyszczanie gazów odlotowych z kotłów TP-230-2 odbywa się z wykorzystaniem multicyklonu (składającego się z 600 cyklonów rozłożonych w 4 segmentach) oraz elektrofiltru. System oczyszczania spalin z pozostałych kotłów składa się jedynie z elektrofiltru. W
celu zwiększenia sprawności odpylania elektrostatycznego w przypadku kotłów TP-230-2
i OPG-220 stosuje się kondycjonowanie spalin za pomocą gazowego trójtlenku siarki
(SO3) wytwarzanego metodą Pentol-Wahlco. Gazy odlotowe odprowadzane są do atmosfery za pośrednictwem dwóch kominów o wysokości 200 m i średnicy wylotowej 6 m,
przy czym poprzez emitor E-1 odprowadzane są spaliny z kotłów TP-230-2, a poprzez
emitor E-2 odprowadzane są spaliny z kotłów OPG-220 i OP-230.
Zgodnie z obowiązującymi przepisami prawnymi [35] emisje zanieczyszczeń do
powietrza z wszystkich trzech analizowanych instalacji energetycznego spalania paliw są
w sposób ciągły monitorowane w zakresie takich substancji, jak pył ogółem, SO 2 i NOx.
Charakterystykę sezonowej zmienność emisji tych substancji do powietrza w roku 2012
przedstawiono na Rys. 5.4. Wynika z niej, że w roku tym największą emisją zanieczysz-
71
czeń do powietrza spośród rozpatrywanych instalacji cechowała się Elektrociepłownia
EDF, nieco mniejszą Elektrownia Skawina (CEZ), a najmniejszą Siłownia ArcelorMittal
Poland S.A. Oddział w Krakowie (AMP).
W porównaniu z sezonem letnim (liczonym od maja do sierpnia) emisja z tych instalacji w sezonie zimowym (liczonym od listopada do lutego) jest ok. trzy razy wyższa, a w
okresie przejściowym – ok. dwa razy wyższa. W okresie grzewczym w rejonie Krakowa
mamy zatem do czynienia nie tylko z intensyfikacją procesów spalania w sektorze komunalno-bytowym, ale także z wyraźnym zwiększeniem wielkości produkcji (a tym samym
ilości emitowanych zanieczyszczeń) w analizowanych instalacjach energetycznego spalania paliw.
Rys. 5.4. Sezonowa zmienność emisji zanieczyszczeń do powietrza z analizowanych instalacji
energetycznego spalania paliw w roku 2012 (sezon zimowy: styczeń, luty, listopad, grudzień; okres
przejściowy: marzec, kwiecień, wrzesień, październik; sezon letni: maj, czerwiec, lipiec, sierpień)
(źródło: opracowanie własne na podstawie danych z ciągłego monitoringu wielkości emisji)
Mający miejsce w badanych instalacjach stosunkowo wysoki poziom emisji zanieczyszczeń gazowych (SO2 i NOx) w porównaniu do emisji pyłu ogółem sugeruje, że
w ocenie wpływu tych obiektów na jakość powietrza powinno się zwrócić szczególną
uwagę na ww. substancje gazowe.
Jako pierwotne zanieczyszczenia powietrza, mogą mieć one istotne znaczenie nie w
kształtowaniu stężeń SO2 i NO2 w niektórych obszarach miasta Krakowa, a także przyczyniać się do tworzenia wtórnych aerozoli nieorganicznych, a tym samym do zwiększenia obserwowanych w powietrzu stężeń pyłu zawieszonego PM10 i PM2,5.
72
5.3 Metodyka obliczeń
Określenie wpływu antropogenicznych źródeł emisji na jakość powietrza przy zastosowaniu zawansowanego modelu dyspersji CALMET/CALPUFF wymaga wykonania
szeregu czynności przed przeprowadzeniem symulacji rozprzestrzeniania się zanieczyszczeń w powietrzu atmosferycznym. Do czynności tych należy zaliczyć: zdefiniowanie
obszaru badań, przygotowanie danych wejściowych zmiennych w trójwymiarowej przestrzeni i w czasie oraz wykonanie obliczeń parametrów meteorologicznych i mikroklimatycznych. Na etapie modelowania propagacji zanieczyszczeń należy natomiast odpowiednio określić charakterystyki źródeł emisji oraz zdefiniować ustawienia modelu ze względu na posiadane dane wejściowe. Szczegółowy opis procesu przygotowania danych oraz
przyjętych założeń przedstawiono w niniejszym podrozdziale.
5.3.1
Domena obliczeniowa i dane przestrzenne
Na potrzeby obliczeń rozprzestrzeniania się w powietrzu atmosferycznym zanieczyszczeń emitowanych z analizowanych instalacji energetycznego spalania paliw wyznaczono domenę obliczeniową o wymiarach 2638 km z lewym dolnym narożnikiem
przyjętym w punkcie o współrzędnych: X = 408.000, Y = 5530.000 km (odwzorowanie
UTM strefa 34, układ współrzędnych WGS84).
Rys. 5.5. Granice przyjętego obszaru obliczeniowego wraz z lokalizacją rozpatrywanych emitorów instalacji energetycznego spalania paliw oraz uwzględnianych stacji meteorologicznych
Domeną tą objęto teren miasta Krakowa i sąsiednich gmin, tak, aby obejmowała ona
w szczególności położenie rozpatrywanych emitorów punktowych oraz najbliższe wzgórza położone w kierunku północno-zachodnim (Wyżyna Olkuska i Garb Tenczyński)
73
i południowych (Pogórze Wielickie). Wzgórza te wyznaczają specyficzne położenia miasta Krakowa w obniżeniu terenu (dolina rzeki Wisły) i warunkują dominujące kierunki
przepływu mas powietrza w tym rejonie. Przyjęty obszar obliczeniowy na tle granic administracyjnych województwa małopolskiego i poszczególnych powiatów przedstawiono
na Rys. 5.5. Na rysunku tym zamieszczono także położenie rozpatrywanych zespołów
emitorów (EDF, CEZ i AMP) oraz uwzględnianych w obliczeniach naziemnych stacji
meteorologicznych (IMGW, WFiIS i TRAX).
Obliczenia w regularnej siatce poziomej wykonano ze skokiem 200 m. Tego typu
rozdzielczość obliczeniowa wydaje się być rozsądnym kompromisem pomiędzy przestrzenną dokładnością uzyskiwanych wyników, a czasem trwania obliczeń [36]. Dane
ukształtowania i pokrycia terenu pozyskano odpowiednio z baz danych SRTM3 [37]
i Corine Land Cover [38]. Dane te zostały odpowiednio przetworzone i sklasyfikowane za
pomocą tzw. programów przygotowania danych przestrzennych. Na podstawie danych
pokrycia terenu ustalane są dodatkowe parametry geofizyczne: aerodynamiczny współczynnik szorstkości, wskaźnik pokrycia liściowego, liczba Bowena, albedo, antropogeniczny strumień ciepła. Wymienione parametry warunkują między innymi siłę pionowych
turbulencji atmosfery, suche pochłanianie zanieczyszczeń przez roślinność oraz wysokość
laminarnej warstwy poziomego przepływu mas powietrza. Szczegółowy opis procesu
przygotowania danych ukształtowania i pokrycia terenu wraz ze wskazaniem baz danych
optymalnych dla obszaru Polski znaleźć można w pracach [39-41]. Powyższe dane stanowią podstawową informację wejściową dla modelu obliczeń siatki parametrów meteorologicznych i mikroklimatycznych.
5.3.2
Sposób określenia warunków meteorologicznych
Stosowanie modelu dyspersji CALPUFF wymaga przygotowania trójwymiarowej
siatki parametrów meteorologicznych i mikroklimatycznych. Na potrzeby niniejszej pracy
zmienną w przestrzeni siatkę parametrów meteorologicznych stworzono za pomocą diagnostycznego modelu CALMET [7]. Model ten wymaga wprowadzenia szeregu parametrów ze stacji przypowierzchniowych opisujących zmienność czynników meteorologicznych na wysokości kilkunastu metrów względem wysokości terenu oraz ze stacji aerologicznych charakteryzujących budowę pionowej struktury atmosfery. Szczegółowy opis
niezbędnych parametrów meteorologicznych w zależności od rodzaju stacji oraz procesu
przygotowania i przetwarzania danych parametryzujących atmosferę znaleźć można
w pracach [7, 41].
Obliczenia wykorzystano dane meteorologiczne za rok 2012 pochodzące z 18 stacji
przypowierzchniowych oraz trzech stacji aerologicznych. Lokalizację 18 naziemnych
stacji meteorologicznych przedstawiono na Rys. 5.5. W ich skład wchodziły: stacja meteorologiczna IMGW Kraków Balice, stacja zlokalizowana na terenie AGH w Krakowie
(na dachu budynku Wydziału Fizyki i Informatyki Stosowanej) oraz 16 przydrożnych
stacji pogodowych (TRAX). W obszarze miasta Krakowa znajduje się w sumie 25 przydrożnych stacji meteorologicznych (TRAX), jednak mierzone przez nie parametry meteorologiczne często są reprezentatywne tylko dla bardzo małego obszaru. Stąd na podstawie
szczegółowej analizy lokalizacji tych stacji i rejestrowanych parametrów zdecydowano
się na wykluczenie 9 z nich z dalszych analiz. Wśród głównych przyczyn należy wymienić: niekompletność danych, wysokie udziały ciszy i silne oddziaływanie na mierzone
74
parametry efektu cienia aerodynamicznego pobliskich budynków. Ze stacji TRAX do
modelu wprowadzono informacje o prędkości i kierunku wiatru, ciśnieniu, temperaturze
i wilgotności powietrza (z krokiem czasowym jedna godzina). Ze stacji meteorologicznej
IMGW Kraków Balice oprócz ww. informacji pozyskano dwa dodatkowe parametry –
wysokość podstawy chmur oraz stopień zachmurzenia. Natomiast ze stacji zlokalizowanej na AGH wykorzystano jedynie informację o wielkości opadów atmosferycznych.
Dane dotyczące pionowej struktury atmosfery pozyskano ze stacji aerologicznych zlokalizowanych w Legionowie, Wrocławiu i Popradzie. Z tego typu stacji pozyskiwane są
informacje chwilowe, a pomiary wykonywane są w dłuższych odstępach czasu. W przypadku powyższych stacji w zależności od jej położenia oraz pory roku, pomiary wykonywane były w kroku co 8 godzin lub co 12 godzin do wysokości kilkunastu kilometrów.
W procesie obliczeniowym założono 10 pionowych warstw o wysokościach: 20, 40,
80, 160, 300, 600, 1000, 1500, 2200 i 3000 m. Z uwagi na położenie stacji aerologicznych w dużej odległości od przyjętego obszaru badań, zdecydowano się na uruchomienie
modułu ekstrapolacji parametrów meteorologicznych ze stacji przypowierzchniowych
wzdłuż pionowego profilu atmosfery. W module tym dodatkowo wprowadzono stosunek
wagi stacji przypowierzchniowej do stacji aerologicznej dla każdej modelowanej pionowej warstwy. Stosunek ten dla poszczególnych warstw przyjęto na następującym poziomie: -1; -0,9; -0,8; -0,7; -0,6; -0,5; -0,4; -0,3; -0,2 i -0,1, przy czym wartość -1 oznacza, że
w warstwie na wysokości 20 metrów warunki meteorologiczne są w 100% zdeterminowane przez dane pochodzące ze stacji przypowierzchniowych. Z uwagi na wysokie udziały ciszy wśród wprowadzonych danych meteorologicznych, dodatkowo wyłączono funkcję ekstrapolacji ciszy w celu uzyskania prawidłowego odwzorowania pionowej zmienności profilu prędkości wiatru charakterystycznego dla danych pochodzących ze stacji aerologicznych.
W procesie diagnostycznych obliczeń pola wiatru uwzględniono wpływ czynników
terenowych determinujących prędkość wiatru i kierunki przepływu mas powietrza
w trudnym terenie. Wśród tych czynników wymienić należy: kinematyczny efekt terenu,
blokujące działanie wzniesień oraz spływ mas powietrza ze zboczy. Diagnostyczny model
CALMET po procesie diagnozy i interpolacji danych pomiarowych wykonuje procedurę
trójwymiarowej minimalizacji rozbieżności uzyskiwanych wyników obliczeń w celu
przestrzennego wygładzania modyfikowanych parametrów meteorologicznych [7].
5.3.3
Metodyka obliczeń dyspersji zanieczyszczeń w powietrzu
Obliczenia dyspersji (rozprzestrzenia się) zanieczyszczeń w powietrzu atmosferycznym wykonano za pomocą niestacjonarnego, wielowarstwowego, gaussowskiego modelu
CALPUFF. Model ten symuluje wiele efektów determinujących wartości stężeń zanieczyszczeń w powietrzu. Do najważniejszych z nich należy zaliczyć: efekty zmiennych
w przestrzeni warunków orograficznych, czasową i przestrzenną zmienność czynników
meteorologicznych (pole wiatru i temperatury, opad atmosferyczny, wilgotność powietrza, promieniowanie słoneczne) i mikroklimatycznych (klasa stabilność atmosferycznej,
wysokość mieszania, długość Monina-Obukhova), suchą i mokrą depozycję zanieczyszczeń gazowych i pyłowych, procesy przemian chemicznych tlenków azotu i siarki oraz
tworzenie się wtórnych aerozoli nieorganicznych. Ponadto uwzględniane są efekty zwią-
75
zane z pionowym wyniesieniem smugi zanieczyszczeń ponad wylot emitora, pionowy
uskok wiatru oraz efekty interakcji i transportu na granicy obszarów woda – ląd [6].
Jednym z ważniejszych aspektów obliczeń poziomów stężeń zanieczyszczeń w powietrzu atmosferycznym jest wprowadzenie informacji o sposobie uwalania zanieczyszczeń i wielkości emisji. Prędkość gazów odlotowych i ich temperaturę oraz wielkość
emisji poszczególnych substancji zanieczyszczających przyjęto na podstawie wyników
pomiarów ciągłych realizowanych w analizowanych obiektach. W przypadku instalacji
EDF były to średnie 1-godzine, a w przypadku pozostałych instalacji – średnie 24godzinne.
Tabela 5.1. Średnie wartości emisji zanieczyszczeń oraz prędkości i temperatury gazów odlotowych dla poszczególnych emitorów pracujących w analizowanych instalacjach w roku 2012
Oznaczenie
instalacji
Numer
emitora
EDF
EDF
CEZ
CEZ
CEZ
AMP
AMP
E1
E2
E2
E3(1)
E3(2)
E1
E2
Średnia emisja zanieczyszczeń
[kg/h]
Pył
47,7
59,0
17,0
0,5
1,0
8,7
13,0
SO2
NO
424,3
582,2
388,4
81,4
93,4
90,8
142,9
180,0
211,1
71,8
108,9
110,3
20,7
44,7
Parametry gazów
na wylocie z emitora
NO2
14,5
17,0
5,8
8,8
8,9
1,7
3,6
w [m/s]
T [K]
7,57
7,77
6,08
17,94
18,16
8,77
9,49
415
406
413
387
385
397
405
W procesie obliczeniowym uwzględniono tylko źródła emisji zanieczyszczeń związane z procesem energetycznego spalania paliw. Ze źródeł tych monitorowana jest emisja
trzech substancji: pyłu ogółem, SO2 i NOx, Z uwagi na fakt, że w mechanizmach tworzenia się w powietrzu atmosferycznym pyłów wtórnych (aerozoli nieorganicznych)
uwzględnia się zarówno tlenek azotu (NO), jak i dwutlenek azotu (NO 2), emisję tych
substancji oszacowano na podstawie wyników pomiarów emisji NO x, przyjmując ich
udziały procentowe na poziomie odpowiednio 95 i 5 % [42]. Uśrednione w skali roku
(dane za rok 2012) poziomy emisji oraz prędkości i temperatury gazów odlotowych dla
poszczególnych emitorów przedstawia Tabela 5.1.
Tabela 5.2. Udziały procentowe poszczególnych frakcji pyłu ze względu na zastosowane końcowe
urządzenie odpylające [43]
Przedział frakcyjny
[µm]
Udział danej frakcji w pyle całkowitym [%]
dla elektrofiltru
12%
2%
3%
12%
21%
17%
12%
21%
< 0,625
0,625 - 1
1 - 1,25
1,25 - 2,5
2,5 - 6
6 - 10
10 - 15
> 15
76
dla filtru workowego
14%
11%
6%
22%
24%
15%
5%
3%
Moduł suchej depozycji pyłowych zanieczyszczeń powietrza wymaga wprowadzenia
wielkości emisji pyłu ogółem z podziałem na frakcję ziarnowe. Z powodu braku danych
pomiarowych dotyczących udziału poszczególnych frakcji w emitowanym pyle, skład
ziarnowy określono wskaźnikowo na podstawie danych zawartych w pracy [43]. Założone udziały masowe poszczególnych frakcji pyłów z uwzględnieniem rodzaju zainstalowanych urządzeń ochrony powietrza przedstawia Tabela 5.2.
Model CALPUFF posiada również rozbudowany moduł przemian chemicznych
RIVAD/ISORROPIA umożliwiający symulowanie tworzenia się wtórnych aerozoli nieorganicznych z prekursorów w fazie gazowej oraz dodatkowy moduł przemian w fazie
ciekłej. Tworzenie się tych aerozoli uwarunkowane zależy od występujących warunków
meteorologicznych (temperatura, wilgotność, promieniowanie słoneczne) oraz od poziomów stężeń ozonu (O3), amoniaku (NH3) i nadtlenku wodoru (H2O2) w powietrzu atmosferycznym [44-47].
Powyższe moduły wymagają zatem wprowadzenia danych o poziomach tła ww. substancji. W tym celu do modelu wprowadzono godzinowe dane stężeń ozonu w powietrzu
pochodzące ze stacji tła miejskiego zlokalizowanej w Krakowie przy ul. Bujaka. Problem
stanowiły natomiast dane dotyczące poziomu tła H2O2 i NH3, gdyż w Krakowie nie monitoruje się tych substancji w powietrzu. Model wymaga w tym przypadku jednak wprowadzenia tylko wartości średniomiesięcznych. Średniomiesięczne wartości stężeń H2O2
przyjęto na podstawie kampanii pomiarowej przeprowadzonej we Wrocławiu [48], a tło
amoniaku określono na podstawie danych pochodzących z ciągłego monitoringu prowadzonego na stacjach tła miejskiego w różnych miastach Europy [49]. Średniomiesięczne
stężenia ww. substancji przedstawia Tabela 5.3.
Tabela 5.3. Zestawienie przyjętych do obliczeń średnich miesięcznych stężeń amoniaku i nadtlenku
wodoru w powietrzu wyrażonych w ppb [48, 49]
Miesiąc
I
II
III
IV
V
VI
VII
VIII
IX
X
XI
XII
NH3
H2O2
7,5
0,9
6,3
0,9
5,8
1,3
4,0
1,3
5,5
1,8
6,1
1,8
4,2
1,8
4,2
1,8
4,5
1,3
4,1
1,3
3,4
0,9
5,7
0,9
Przyjmując powyższe założenia wykonano obliczenia propagacji zanieczyszczeń
w powietrzu atmosferycznym z analizowanych instalacji z uwzględnieniem scharakteryzowanych czynników topograficznych i meteorologicznych oraz rzeczywistej emisji za
rok 2012. W wyniku przeprowadzonych obliczeń otrzymano rozkłady przestrzenne stężeń
w powietrzu zanieczyszczeń gazowych (w tym SO2 i NO2), pyłów pierwotnych (w tym
pyłu PM10 i PM2,5), a także pyłów wtórnych (w tym (NH 3)2SO4 i NH3NO3).
Wtórne aerozole nieorganiczne powstające w wyniku ustalenia się równowagi termodynamicznej prekursorów w fazie gazowej traktowane są jako cząstki stałe o zastępczej średnicy aerodynamicznej poniżej 1 µm. Związku z powyższym zostały one zakwalifikowane do frakcji PM2.5, a prezentowane w kolejnym rozdziale wyniki obliczeń PM10
i PM2,5 stanowią sumę pyłów pierwotnych i wtórnych.
77
5.4 Wyniki obliczeń i dyskusja
5.4.1
Symulacja warunków meteorologicznych
Wyniki symulacji warunków meteorologicznych wykonanych dla przyjętej siatki obliczeniowej na podstawie danych pochodzących z 18 stacji meteorologicznych przedstawiono na Rys. 5.6 i Rys. 5.7. Zamieszczone na Rys. 5.6 uśrednione w przestrzeni róże
wiatrów za rok 2012 dla czterech wybranych warstw (o wysokości 20, 40, 80 i 160 m
n.p.t.) wskazują, że w analizowanym obszarze dominują wiatry wiejące z zachodu oraz
wschodu. Występują one odpowiednio na poziomie ponad 55 i 28% czasu rozpatrywanego roku. Udziały wiatrów południowych są znikome, nie przekraczające 3%, natomiast w
zależności od wysokości nad poziomem terenu udziały wiatrów północnych mieszczą się
w przedziale od 9 do 14%.
a)
b)
c)
d)
Rys. 5.6. Uśrednione róże wiatrów w analizowanym obszarze badań otrzymane dla roku 2012 na
wysokościach obliczeniowych: a) 20 m, b) 40 m, c) 80 m d) 160 m n.p.t.
Przedstawione róże wiatru wskazują, że wraz z wzrostem wysokości względem poziomu terenu następuje lekkie odchylenie kierunku wiatru, zmierzające do lekkiego wzro78
stu wiatrów północnych i południowych oraz spadku częstości występowania wiatrów
wschodnich. Kształty symulowanych róż wiatrów do wysokości 160 m wskazują, że są
one w silnym stopniu uzależnione od warunków topograficznych występujących na analizowanym obszarze badań. Zarówno od strony północnej, jak i południowej obszar ten jest
bowiem ograniczony wzniesieniami, których maksymalne przewyższenia sięgają 200 m
i determinują przepływ wiatru tylko w dwóch kierunkach.
Należy zwrócić uwagę, że prezentowane dane odnoszą się do wartości uśrednionej
w przestrzeni, stąd nie odzwierciedlają one pełnej charakterystyki obszaru badań, tylko
wskazują główne trendy przepływu mas powietrza. Powyższe podejście jest uzasadnione
ze względu na stosunkowo nieduży obszar badań, w którym nie dochodzi do drastycznych zmian przepływu mas powietrza względem położenia w przestrzeni, a zróżnicowanie kierunków przepływu ma miejsce z reguły w zakresie od kilku do kilkudziesięciu
stopni.
Przedstawiona na Rys. 5.7 charakterystyka rozkładów prędkości wiatru na różnych
wysokościach wskazuje, że w rozpatrywanym obszarze obliczeniowym na wysokości 20
m n.p.t. przez ponad 60% czasu w roku występują cisze (wiatry poniżej 0,5 m/s) oraz
wiatry słabe (od 0,5 do 2 m/s). Duży udział cisz i słabych wiatrów znajduje swoje odzwierciedlenie także w wynikach pomiarów rejestrowanych na przydrożnych stacjach
pogodowych, położonych zwykle kilka m n.p.t. Warunki meteorologiczne panujące w tej
najniższej modelowanej warstwie są silnie zdeterminowane blokującym działaniem terenu oraz gęstą zabudową. Wraz ze wzrostem wysokości oddziaływanie powyższych elementów jest mniejsze, udziały ciszy i słabych wiatrów maleją, rośnie natomiast częstość
występowania wiatrów silnych. Pomimo to w analizowanym obszarze badań nawet do
wysokości 160 m występują niekorzystne warunki meteorologiczne z punktu widzenia
rozprzestrzeniania się zanieczyszczeń w powietrzu.
Rys. 5.7. Graficzne przedstawienie częstości występowania uśrednionej prędkości wiatru w obszarze obliczeniowym za rok 2012 dla wybranych czterech modelowanych warstw wysokościowych
Udziały wiatrów silnych i bardzo silnych (>10 m/s) są znikome, a dominującą rolę
w każdej z analizowanych wysokości odgrywają wiatry słabe (2-4 m/s) i bardzo słabe
(0,5-2 m/s), które występują przez co najmniej 25 % czasu w skali roku w przypadku
79
wszystkich warstw przedstawionych na Rys. 5.7. Dopiero na wyższych wysokościach
obliczeniowych charakterystyka udziałów poszczególnych kierunków wiatru ulega odwróceniu. Dominującą rolę na dużych wysokościach stanowią już wiatry silne i bardzo
silne, choć do wysokości 1000 m n.p.t. ciągle występuje istotny, co najmniej 20% udział
wiatrów słabych.
Występująca w roku 2012 róża wiatrów wskazuje, że najczęściej narażone na oddziaływanie rozpatrywanych instalacji w analizowanym okresie były tereny położone na
wschód i zachód względem ich lokalizacji. Z kolei długotrwałe występowanie na badanym obszarze cisz i wiatrów słabych może przyczyniać się do kumulacji zanieczyszczeń
emitowanych na tym obszarze i podkreślać znaczny wpływ warunków meteorologicznych
na kształtowanie się wysokich wartości stężeń chwilowych (uśrednionych dla okresu
1 godziny) i średnich dobowych w powietrzu przy powierzchni terenu.
5.4.2
Ocena wpływu na jakość powietrza
Zgodnie z obowiązującymi w Polsce kryteriami oceny jakości powietrza, wyniki obliczeń stężeń zanieczyszczeń powodowanych w powietrzu przez źródła emisji odnoszone
są do odpowiednich poziomów dopuszczalnych wynikających z rozporządzenia Ministra
Środowiska z dnia 24 sierpnia 2012 r. w sprawie poziomów niektórych substancji w powietrzu [26], a w przypadku ich braku – do wartości odniesienia zamieszczonych w rozporządzeniu Ministra Środowiska z dnia 26 stycznia 2010 r. w sprawie wartości odniesienia dla niektórych substancji w powietrzu [50].
Wyniki obliczeń pierwszych czterech najwyższych stężeń maksymalnych jednogodzinnych (S1max1…4) pyłu PM10 i PM2,5 oraz SO2 i NO2 uzyskanych w przyjętej siatce
obliczeniowej dla łącznego oddziaływania wszystkich rozpatrywanych instalacji przedstawia Tabela 5.4.
Tabela 5.4. Zestawienie wyników obliczeń czterech najwyższych stężeń maksymalnych jednogodzinnych uzyskanych w przyjętej siatce obliczeniowej dla wybranych substancji
Substancja
PM10
PM2,5
SO2
NO2
Stężenia maksymalne jednogodzinne [µg/m3]
S1max1
469
275
494
197
S1max2
338
193
303
136
S1max3
201
156
270
122
S1max3
189
118
245
112
Poziom dopuszczalny
lub wartość odniesienia
D1 [µg/m3]
280
350
200
Analizując otrzymane wyniki, można stwierdzić, że stężenia maksymalne jednogodzinne przewyższają odpowiednie poziomy dopuszczalne lub wartości odniesienia uśrednione dla okresu 1 godziny (D1) [26, 50] tylko w przypadku dwóch pierwszych maksimów stężeń jednogodzinnych pyłu PM10 (S1mx1 i S1max2) oraz najwyższego ze stężeń
maksymalnych jednogodzinnych SO2 (S1max1). Przekroczenia te mieściły się jednak
w dopuszczalnej częstości przekroczeń wartości odniesienia D1 w ciągu roku (wynoszącej
0,2% czasu roku w przypadku PM10 i 0,274% czasu w roku w przypadku SO 2 [50], tak
więc standardy jakości powietrza w tym zakresie można było uznać za dotrzymane.
W przypadku NO2 najwyższe ze stężeń maksymalnych jednogodzinnych (S1max1)
wynikające ze skumulowanego oddziaływania analizowanych obiektów wystąpiło nieco
80
poniżej poziomu dopuszczalnego D1. Z kolei pierwsze cztery maksima stężeń pyłu PM2,5
wystąpiły na poziomie ok. 57-78% analogicznych maksimów stężeń pyłu PM10 w danym
punkcie. Nie jest możliwe porównanie stężeń maksymalnych jednogodzinnych PM2,5
z poziomami dopuszczalnymi z uwagi na brak jednogodzinnych wartości odniesienia.
Szczegółowa analiza przyczyn występowania ponadnormatywnych stężeń maksymalnych jednogodzinnych PM10 w powietrzu dla rozpatrywanych instalacji pozwala na
stwierdzenie, że miały one miejsce odpowiednio 6 października i 29 września analizowanego roku i wiązały się ze zwiększoną emisją pyłu (na poziomie ok. 1 kg/s) z jednego
z emitorów Elektrociepłowni EDF, wynikającą z rozruchu kotła (co odbywa się przy
wyłączonym elektrofiltrze). Emisji tej towarzyszyły bardzo niska prędkość wylotowa
spalin (poniżej 2 m/s) i niesprzyjające warunki meteorologiczne – słaby wiatr (odpowiednio 1,4 i 2,4 m/s), niska wysokość warstwy mieszania (na poziomie 300 m) oraz stan
równowagi atmosfery lekko chwiejny (6.10.2012 r.) i obojętny (29.09.2012 r.).
Rys. 5.8. Rozkład przestrzenny stężeń maksymalnych jednogodzinnych pyłu PM10 w powietrzu
przy powierzchni terenu wynikający z łącznego oddziaływania analizowanych instalacji [g/m3]
Powyższe parametry wskazują, że tego typu maksimów można się spodziewać tylko
podczas tej fazy rozruchu instalacji (co jest zaliczane do sytuacji odbiegającej od normalnej), której towarzyszy wysoka emisji pyłu (w przypadku spalania ciężkiego oleju opałowego będzie to głównie sadza) i niska prędkość gazów odlotowych. Zalecane jest, żeby
81
unikać prowadzenia rozruchu kotłów przy występowaniu niesprzyjających warunków
atmosferycznych (np. przy pogodzie bezwietrznej). Najwyższe ze stężeń maksymalnych
jednogodzinnych pyłu PM10 w powietrzu uzyskano dla emitorów pracujących w ramach
instalacji EDF, nie mniej jednak należy pamiętać, że tylko dla tych emitorów uwzględniono dane emisyjne z rozdzielczością jednogodzinną. Emisja z pozostałych instalacji
z uwagi na dostępną rozdzielczość danych nie mogła odzwierciedlić maksimów jednogodzinnych, w tym sytuacji związanych z rozruchem kotłów.
Uzyskane w wyniku przeprowadzonych obliczeń przestrzenne rozkłady stężeń maksymalnych jednogodzinnych poszczególnych rozpatrywanych substancji w powietrzu
zamieszczono na Rys. 5.8 (pył PM10 – pochodzenia pierwotnego i będący efektem tworzenia się wtórnych aerozoli nieorganicznych), Rys. 5.9 (SO2) i Rys. 5.10 (NO2).
Jak wynika z Rys. 5.8, maksima stężeń jednogodzinnych pyłu PM10 w powietrzu
przewyższające wartość odniesienia D1 (wynoszącą 280 μg/m3 [50]), wystąpiły w obszarze położonym na północ (Kraków Czyżyny) i wschód (Kraków Nowa Huta - Mogiła) od
Elektrociepłowni EDF.
Rys. 5.9. Rozkład przestrzenny stężeń maksymalnych jednogodzinnych SO2 w powietrzu przy
powierzchni terenu wynikający z łącznego oddziaływania analizowanych instalacji [g/m3]
W przypadku Elektrowni Skawina (CEZ) najwyższe wartości stężeń maksymalnych
jednogodzinnych wystąpiły na poziomie nie przekraczającym 50% wartości odniesienia
82
D1, co jest konsekwencją bardziej rozbudowanego systemu oczyszczania spalin, niższymi
poziomami emisji pyłu oraz stosunkowo wysokimi prędkościami gazów na wylocie
z emitora. Oddziaływanie to jest zatem znacznie mniejsze pomimo dwukrotnie niższych
emitorów w stosunku do elektrociepłowni zlokalizowanych na terenie miasta Krakowa.
Z przedstawionego na Rys. 5.9 przestrzennego rozkładu stężeń maksymalnych jednogodzinnych SO2 w powietrzu wynika, że stężenia przewyższające wartość odniesienia
D1 (wynoszącą 350 μg/m3 [50]) oraz występujące na poziomie rzędu 250-350 μg/m3
znajdują są na zachód od Elektrociepłowni EDF (w jej bezpośrednim sąsiedztwie). Większe enklawy podwyższonych stężeń maksymalnych jednogodzinnych SO2 (na poziomie
co najmniej 150 μg/m3) w rozpatrywanym okresie uzyskano także w odległości do ok. 4-6
km na południowy zachód od tego zakładu oraz w rejonie Bronowic i Prądnika Białego.
W obszarze miasta Krakowa stężenia maksymalne jednogodzinne SO2 w powietrzu przy
powierzchni terenu, wynikające z łącznego oddziaływania analizowanych instalacji,
w niewielu punktach osiągały poziom niższy niż 50 μg/m3.
Rys. 5.10. Rozkład przestrzenny stężeń maksymalnych jednogodzinnych NO2 w powietrzu przy
powierzchni terenu wynikający z łącznego oddziaływania analizowanych instalacji [g/m3]
Przedstawiony z kolei na Rys. 5.10 przestrzenny rozkład stężeń maksymalnych jednogodzinnych NO2 wskazuje, że stężenia na poziomie ponad 50% wartości odniesienia
83
D1 (wynoszącej 200 μg/m3 [50]) zlokalizowane są w bliskim sąsiedztwie instalacji należących do EDF i CEZ. Szczególną uwagę zwraca fakt, że stężenia w zakresie 50-100
µg/m3 (25-50 % D1), mogą wystąpić też w stosunkowo odległych miejscach, np. w południowej części Krakowa (Bieżanów, Piaski Wielkie), a także w części północnej (Mistrzejowice) i zachodniej (Mydlniki). Pomimo że analizowane obiekty odprowadzają
zanieczyszczenia za pomocą wysokich emitorów punktowych, często o wysokościach
większych niż graniczne przewyższenia terenu, to maksymalne wartości powodowanych
przez nie stężeń jednogodzinnych NO2 w powietrzu koncentrują się w granicach miasta
Krakowa.
Najwyższe ze stężeń maksymalnych jednogodzinnych zanieczyszczeń gazowych
(SO2 i NO2) wystąpiły tego samego dnia (22 kwietnia 2012 r.) oraz w tym samym punkcie (w odległości ok. 1200 m w kierunku zachodnim od Elektrociepłowni EDF). Wystąpienia tych maksimów zdeterminowane było przez długotrwałe utrzymywanie się w godzinach porannych ciszy (wiatru nie przekraczającego 0,5 m/s). Dodatkowym czynnikiem
mogącym przyczynić się do tej sytuacji była niska prędkość gazów odlotowych z jednego
z emitorów EDF, nie przekraczająca 4 m/s.
Tabela 5.5 przedstawia wartości czterech najwyższych stężeń 24-godzinnych
(S24max1…4) i maksima stężeń średniorocznych (Samax) otrzymane dla poszczególnych substancji w przyjętym obszarze obliczeniowym. Jak wynika z danych zestawionych w tej
tabeli, analizowane obiekty mogą powodować maksymalne wartości stężeń 24godzinnych na poziomie nieco przekraczającym 50% poziomu dopuszczalnego D24
w powietrzu określonego dla PM10 i SO2.
Tabela 5.5. Zestawienie wyników obliczeń czterech najwyższych stężeń 24-godzinnych i maksymalnych stężeń średniorocznych uzyskanych w przyjętej siatce obliczeniowej dla wybranych substancji
Substancja
PM10
PM2,5
SO2
NO2
Maksymalne stężenia 24-godzinne (S24max)
i średnioroczne (Samax) [µg/m3]
S24max1
33,4
32,7
78,8
39,8
S24max2
29,1
28,6
60,3
27,4
S24max3
27,3
26,8
47,8
26,1
S24max4
25,7
25,3
40,4
25,0
Samax
3,72
3,63
6,00
4,26
Poziomy dopuszczalne
lub wartości odniesienia
[µg/m3]
D24
Da
50
40
25
125
20
40
Trzy najwyższe stężenia 24-godzinne PM10 w powietrzu miały miejsce w dniach 24
i 25 lutego oraz 6 października analizowanego roku. Maksimum spośród tych stężeń
wystąpiło 6 października i jego wartość zdeterminowana była pojawieniem się kilku
wysokich wartości stężeń 1-godzinnych wynikających w głównej mierze z intensyfikacji
emisji pyłu z Elektrociepłowni EDF w trakcie rozruchu instalacji i niskiej prędkości wylotowej gazów odlotowych z jednego z emitorów. Natomiast w okresie 24-25 lutego ani
emisja, ani też prędkość gazów odlotowych nie odbiegały istotnie od siebie i utrzymywały się na poziomie zbliżonym do wartości średnich (zob. Tabela 5.1). Panujące wówczas
warunki meteorologiczne były o tyle niekorzystne, że w tych dniach przez cały czas
utrzymywał się ten sam kierunek wiatru, co powodowało skumulowanie się oddziaływania instalacji w tym samym sektorze róży wiatrów. W przypadku zanieczyszczeń gazowych wystąpienie wysokich wartości stężeń 24-godzinnych miało również miejsce
84
w dniach 24-25 lutego, ale bezwzględne maksimum tych stężeń uzyskano w dniu 25
grudnia i było ono zdeterminowane przez niekorzystne warunki meteorologiczne (cisza
wiatrowa, niska wysokość warstwy mieszania i dominacja stałej równowagi atmosfery).
Najwyższe wartości stężeń średniorocznych uzyskane w analizowanym obszarze
(Tabela 5.5) wskazują, że badane instalacje nie powodowały w roku 2012 występowania
nadmiernie podwyższonych poziomów stężeń średniorocznych w powietrzu przy powierzchni terenu. W przypadku pyłu PM10 i PM2,5 maksima stężeń średniorocznych
uzyskano odpowiednio na poziomie 9 i 15% poziomu dopuszczalnego D a. Natomiast w
przypadku SO2 i NO2 otrzymano je na poziomie odpowiednio 30 i 11 % odpowiednich
wartości dopuszczalnych. Przedstawione na kolejnych rysunkach przestrzenne rozkłady
stężeń średniorocznych pyłu PM10 (Rys. 5.11), SO2 (Rys. 5.12) i NO2 (Rys. 5.13) wskazują, że najwyższe wartości tych stężeń wystąpiły w północnej części gminy Skawina w
odległości ok. 1-2 km na wschód od Elektrowni Skawina, a ich podwyższone wartości –
także w północnej części gminy Mogilany.
Rys. 5.11. Rozkład przestrzenny stężeń średniorocznych pyłu PM10 w powietrzu przy powierzchni
terenu wynikający z łącznego oddziaływania analizowanych instalacji [g/m3]
W obrębie miasta Krakowa najwyższe stężenia średnioroczne PM10, SO2 i NO2
w powietrzu otrzymano na poziomie nie przekraczającym odpowiednio: 3,0; 3,5 i 2,5
85
µg/m3. Wystąpiły one w kierunku wschodnim od instalacji EDF i AMP, w więc na terenie
przemysłowym, niezurbanizowanym lub o niskiej zabudowie rozproszonej (rejon Mogiły). Wśród silnie zurbanizowanych obszarów miasta należy zwrócić uwagę na obszar
Starego Miasta, Kazimierza i Grzegórzek, gdzie stężenia średnioroczne rozpatrywanych
substancji w powietrzu, wynikające z potencjalnego oddziaływania analizowanych instalacji, mogą występować odpowiednio na poziomie ok. 0,8-1,5 µg/m3 (PM10), 1,0-1,8
µg/m3 (SO2) i 0,8-1,6 µg/m3. Kolejnym nieco bardziej zagrożonym terenem pod względem powodowanych w powietrzu stężeń średniorocznych rozpatrywanych zanieczyszczeń (zwłaszcza w zakresie pyłu PM10) jest obszar rozciągający się pomiędzy Prądnikiem Czerwonym, Mistrzejowicami i północnymi osiedlami Nowej Huty, w obrębie którego w analizowanym roku uzyskano zwiększone oddziaływanie emisji z Siłowni AMP.
W pozostałych gęsto zaludnionych obszarach Krakowa powodowane w powietrzu stężenia średnioroczne są już nieco mniejsze. Położenie stref najbardziej narażonych na emisję
z badanych obiektów ma bezpośredni związek z przedstawionymi na Rys. 5.6 uśrednionymi różami wiatrów, wskazującymi na wysoką częstość występowania wiatrów zachodnich i wschodnich.
Rys. 5.12. Rozkład przestrzenny stężeń średniorocznych SO2 w powietrzu przy powierzchni terenu
wynikający z łącznego oddziaływania analizowanych instalacji [g/m3]
86
Jak wynika z przeprowadzonych obliczeń rozprzestrzeniania się zanieczyszczeń
w powietrzu dla danych z roku 2012, wpływ rozpatrywanych instalacji na poziom powodowanych w powietrzu przy powierzchni terenu stężeń maksymalnych jednogodzinnych
może być znaczny, ale jest on ograniczony czasowo (pojedyncze godziny w roku) i przestrzennie (tereny położone w rejonie maksymalnego oddziaływania emisji z Elektrociepłowni EDF, koncentrującego się na wschód i północny wschód od tego obiektu w przypadku pyłu PM10 i PM2,5 oraz na zachód od tego obiektu w przypadku SO 2 i NO2). Im
dłuższy jest czas uśredniania wyników obliczeń stężeń zanieczyszczeń w powietrzu, tym
bardziej maleją ich maksymalne wartości otrzymane w obszarze obliczeniowym, także
w odniesieniu do odpowiednich poziomów dopuszczalnych. Przykładowo maksima stężeń średniorocznych w zależności od substancji uzyskano na poziomie ok. 10-30% wartości dopuszczalnej Da. W przypadku stężeń średniorocznych w większym stopniu odzwierciedla się już wpływ na jakość powietrza pozostałych rozpatrywanych instalacji –
Elektrowni Skawina (CEZ) i Siłowni AMP.
Rys. 5.13. Rozkład przestrzenny stężeń średniorocznych NO2 w powietrzu przy powierzchni terenu
wynikający z łącznego oddziaływania analizowanych instalacji [g/m3]
W analizowanym okresie najwyższe wartości stężeń średniorocznych zanieczyszczeń gazowych (SO2 i NO2) otrzymano np. w pobliżu Elektrowni Skawina, co wynika
głównie z emisji SO2 i NOx z tego zakładu, zachodzącej poprzez emitory o ok. dwukrot87
nie niższej wysokości w stosunku do emitorów instalacji EDF i AMP. A zatem pomimo
relatywnie dużych ładunków emitowanych zanieczyszczeń, analizowane instalacje energetycznego spalania paliw nie należy jednak traktować jako obiekty silnie oddziałujące na
jakość powietrza w strefie Aglomeracji Krakowskiej, zwłaszcza w aspekcie generowanych w powietrzu stężeń średniorocznych.
5.4.3
Analiza wyników obliczeń w rejonie stacji monitoringowych
Jak wykazano w poprzednim rozdziale, lokalizacje stacji monitoringu powietrza
WIOŚ w Krakowie nie pokrywają się ze strefami największego odziaływania analizowanych instalacji energetycznego spalania paliw. Jednak analiza szeregów czasowych stężeń
średnich miesięcznych i średniodobowych pozwala na określenie potencjalnego wpływu
tych obiektów na rejestrowane przekroczenia poziomów dopuszczalnych w strefie Aglomeracja Krakowska oraz wykonanie w wybranych aspektach oceny dokładności uzyskanych wyników modelowania. W tym celu wykonano dodatkowe obliczenia stężeń średniorocznych rozpatrywanych substancji w powietrzu w rejonie lokalizacji trzech stacji
monitoringowych WIOŚ w Krakowie (położonych przy ul. Bujaka, ul. Bulwarowej
i Al. Krasińskiego) oraz odniesiono je do wyników pomiarów stężeń średniorocznych
poszczególnych substancji uzyskanych dla tych stacji w roku 2012 (Tabela 5.6).
Tabela 5.6. Porównanie wyników obliczeń stężeń średniorocznych zanieczyszczeń w powietrzu
wynikających z oddziaływania analizowanych instalacji z wynikami bezpośrednich pomiarów na
stacjach WIOŚ w Krakowie w roku 2012
Parametr
Wyniki obliczeń stężeń
średniorocznych [g/m3]
Wyniki pomiarów stężeń
średniorocznych [g/m3]
Udział analizowanych instalacji
w rejestrowanym poziomie
stężeń średniorocznych [%]
Lokalizacja
punktu
obliczeniowego
i pomiarowego
ul. Bujaka
ul. Bulwarowa
Aleja Krasińskiego
ul. Bujaka
ul. Bulwarowa
Aleja Krasińskiego
ul. Bujaka
ul. Bulwarowa
Aleja Krasińskiego
Rodzaj substancji
PM10
PM2,5
0,80
1,13
0,93
52,0
54,8
65,9
1,5
2,1
1,4
0,78
1,08
0,88
34,7
37,6
46,2
2,2
2,9
1,9
SO2
0,88
0,74
0,85
10,7
9,8
11,0
8,2
7,6
7,8
NO2
0,84
0,86
0,85
32,2
29,3
71,4
2,6
2,9
1,2
Uzyskane w rejonie lokalizacji stacji monitoringu powietrza WIOŚ w Krakowie wyniki obliczeń stężeń średniorocznych rozpatrywanych substancji będących efektem łącznego oddziaływania emisji poszczególnych zanieczyszczeń z analizowanych instalacji
zmieniają się w zakresie od ok. 0,7 do 1,1 μg/m3 przy wynikach pomiarów stężeń średniorocznych tych substancji w powietrzu rzędu 10-71 μg/m3 (w zależności od rodzaju
zanieczyszczenia i lokalizacji stacji). Maksymalny udział badanych obiektów w kształtowaniu jakości powietrza w zakresie stężeń średniorocznych PM10, PM2,5 i NO 2 uzyskano dla stacji przy ul. Bulwarowej w Krakowie i wynosił on odpowiednio: 2,1; 2,9 i 2,9%.
Natomiast w przypadku stężeń średniorocznych SO 2 dla wszystkich stacji monitoringo-
88
wych udział ten stwierdzono na poziomie ok. 8%, z maksimum wynoszącym 8,2%
w rejonie stacji tła miejskiego przy ul. Bujaka.
Wpływ analizowanych instalacji na rejestrowane na poszczególnych stacjach przekroczenia poziomów dopuszczalnych pyłu zawieszonego PM10 i PM2,5 należy zatem
uznać za bardzo mały. Podobny wniosek można wysnuć w odniesieniu do przekroczeń
dopuszczalnych poziomów średniorocznych NO2 stwierdzanych na stacji komunikacyjnej
przy Alejach Krasińskiego. Wykazany nieco większy udział tych instalacji w kształtowaniu stężeń średniorocznych SO2 w powietrzu po części wiąże się z występowaniem stosunkowo niskich poziomów tych stężeń w rejonie Krakowa oraz bardzo wysoką emisją
tej substancji z badanych obiektów w porównaniu do innych emitowanych zanieczyszczeń przedstawionych w niniejszej analizie. Z kolei relatywnie najmniejszy udział tych
obiektów w poziomie stężeń średniorocznych pyłu PM10 i PM2,5 oraz NO2 rejestrowanych na stacji przy Alejach Krasińskiego wynika z lokalizacji tej stacji przy bardzo ruchliwej arterii komunikacyjnej i wysoki poziom mierzonych stężeń zanieczyszczeń pochodzących z transportu drogowego.
Na Rys. 5.14 przedstawiono wyniki obliczeń stężeń średniomiesięcznych wybranych
zanieczyszczeń w powietrzu powodowanych przez analizowane instalacje w punktach
lokalizacji stacji monitoringowych i odniesiono je do średnich wyników pomiarów w
poszczególnych miesiącach 2012 r. Dane te obrazują pewne zależności związane z sezonową zmiennością emisji. W przypadku SO 2 i NO2 średniomiesięczne stężenia uzyskane
w wyniku obliczeń dyspersji tych zanieczyszczeń w okresie zimowym są wyższe w porównaniu do miesięcy letnich, co ma bezpośredni związek ze wzmożoną produkcją energii cieplnej (i wielkości emisji) przez badane obiekty w tym okresie. Zależność tą najwyraźniej obrazują średnie stężenia SO2, które w miesiącach chłodnych występują na poziomie przeszło 2 μg/m3, a w miesiącach cieplejszych na poziomie kilkukrotnie niższym,
nie przekraczającym wartości 0,5 μg/m3. Uzyskane analogiczne wyniki obliczeń stężeń
średniomiesięcznych pyłu PM10 nie wykazują natomiast zmienności sezonowej. Zarówno w miesiącach letnich, jak i zimowych stężenia te mogą występować powyżej poziomu
1,5 μg/m3 lub poniżej poziomu 0,5 μg/m3, podlegając dużym wahaniom. Może to wynikać z silnego wpływu na poziom rejestrowanych w powietrzu stężeń PM10 faz rozruchu
instalacji, podczas których następuje chwilowo bardzo intensywny wzrost emisji i gorsze
warunki uwolnienia zanieczyszczeń do atmosfery (niższe prędkości wylotowe). Okresowe bardzo wysokie wartości stężeń zanieczyszczeń w powietrzu mogą skutkować zawyżeniem wartości średnich miesięcznych. Wahania średnich stężeń pyłu zawieszonego
powodowane w danym punkcie w dużym stopniu są uzależnione także od intensywności
tworzenia się wtórnych aerozoli nieorganicznych w danym okresie oraz częstości występowania określonych kierunków wiatru.
Udziały procentowe wyników modelowania w stosunku do wartości mierzonych
w przypadku SO2 i PM10 są znacznie wyższe w miesiącach letnich niż w zimowych.
W miesiącach zimowych rejestrowane są bowiem wyższe wartości stężenia tych substancji w powietrzu w związku ze wzmożoną ich emisją z palenisk indywidualnych. Z kolei
w przypadku stężeń NO2 obserwowany jest jednoczesny wzrost stężeń w powietrzu
i udziałów analizowanych instalacji w kształtowaniu stężeń średniomiesięcznych w miesiącach chłodnych, spowodowany wzrostem emisji NOx z tych obiektów oraz z możliwym spadkiem natężenia ruchu samochodowego związanym z niekorzystnymi warunkami meteorologicznymi.
89
Analiza wyników obliczeń stężeń średniodobowych SO2 w punktach lokalizacji stacji monitoringu powietrza wykazała, że na stacjach WIOŚ zlokalizowanych przy ul. Bujaka i Bulwarowej w Krakowie odnotowano wyższe wyniki modelowania niż wartości
rejestrowane przez stacje monitoringowe. Przeszacowania te wystąpiły w zakresie od 104
% do 131 %. Sytuacje te miały miejsce 4-krotnie na dla stacji położonej przy Alejach
Krasińskiego (1 maja, 19 sierpnia, 15 września i 1 października analizowanego roku)
i 2-krotnie dla stacji przy ul. Bulwarowej (19 sierpnia i 25 grudnia analizowanego roku).
W powyższych dniach występowały bardzo słabe wiatry i cisze wiatrowe, stąd możliwe
jest, że ekstrapolacja danych meteorologicznych z przydrożnych stacji meteorologicznych, które na ogół charakteryzują się bardzo niskimi średnimi prędkościami wiatru spowodowała zaniżenie prędkości wiatru w wyższych pionowych warstwach atmosfery,
powodując zawyżenie wyników modelowania. Drugim czynnikiem mogący mieć tutaj
istotne znaczenie jest możliwość wprowadzenia uśrednionych w całym obszarze średnich
miesięcznych poziomów tła NH3 i H2O2, których wartości mogły być zbyt niskie w ciągu
analizowanych dni i były czynnikiem ograniczających konwersję dwutlenku siarki do
form soli amonowych.
a)
b)
90
c)
Rys. 5.14. Graficzne przedstawienie wyników modelowania w postaci stężeń średniomiesięcznych
(kolumny) oraz udziałów procentowych (linie) względem poziomów zanieczyszczeń rejestrowanych w rejonie stacji monitoringu powietrza w Krakowie: a) PM10, b) SO2, c) NO2
5.5 Podsumowanie
Przedstawiona ocena wpływu wybranych dużych instalacji energetycznego spalania
paliw na jakość powietrza w Krakowie wskazuje, że badane obiekty nie przyczyniają się
bardzo do pogorszenia stanu zanieczyszczenia powietrza w badanym obszarze. Najwyższe wartości stężeń średniorocznych występują na poziomie co najwyżej kilku μg/m3 i to
w obszarach o niezbyt dużej gęstości zabudowy. Wysokie wartości stężeń maksymalnych
jednogodzinnych powodowanych w powietrzu przy powierzchni terenu występują sporadycznie w ciągu roku. Silne krótkotrwałe oddziaływania analizowanych obiektów na
jakość powietrza związane były głównie z rozruchem instalacji i z wynikających stąd
wzmożonych emisji pyłu oraz małych wysokości wyniesienia gazów odlotowych, a także
z występowaniem okresów ciszy wiatrowej.
Przeprowadzona analiza wskazuje, że wzrost wielkości emisji, spadek prędkości wylotowych gazów i jednoczesne wystąpienie słabych wiatrów mogą powodować pojawienie się ponadnormatywnych poziomów stężeń zanieczyszczeń w pobliżu wysokich emitorów punktowych. Zaleca się zatem dla instalacji energetycznego spalania paliw planowanie rozruchów w oparciu o prognozy warunków meteorologicznych oraz unikania prowadzenia tego typu procesów przy słabych wiatrach, gdyż w tej sytuacji możemy mieć do
czynienia z bardzo niekorzystnym oddziaływaniem danego obiektu na jakość powietrza.
Szczególnie należy zwrócić uwagę również na porę rozruchu, aby nie odbywał się ona
w godzinach porannych lub wieczornych, kiedy mamy do czynienia z niską wysokością
warstwy mieszania, gdyż w tym momencie panują niekorzystne warunki dyfuzji atmosferycznej.
Analiza wartości stężeń zanieczyszczeń powodowanych w powietrzu przez analizowane instalacje wskazuje, że na maksima stężeń chwilowych mają głównie wpływ niekorzystne warunki meteorologiczne oraz intensyfikacja procesów emisji, a w mniejszym
stopniu wysokość emitora. Natomiast w przypadku stężeń średniorocznych, pomimo
91
niskiego poziomu emisji i dobrych parametrów na gazów na wylocie z emitora dla niższych kominów (120 m) należy się spodziewać większego ich wpływu na jakość powietrza i koncentracji maksymalnych wartości tych stężeń w odległości do około 2 km od
emitora. Maksymalne stężenia średnioroczne powodowane w powietrzu przy powierzchni
terenu przez emitory wysokie (powyżej 200 m) występują już w dużo większej odległości
(około 5-6 km od emitora).
Analizowane odległości wystąpienia najwyższych stężeń średniorocznych wskazują,
że stężenia te w przypadku zanieczyszczeń gazowych wystąpiły znacznie bliżej analizowanych instalacji, niż w przypadku zanieczyszczeń pyłowych. Fakt ten wynika z czasu
potrzebnego do zajścia procesu tworzenia się wtórnych aerozoli nieorganicznych w wyniku konwersji tlenków siarki i azotu do form soli amoniaku, które w znacznym stopniu
przyczyniają się do wzrostu stężeń pyłów w dalszej odległości od tego typu źródła emisji.
Analiza szeregów czasowych stężeń średniodobowych SO 2 w powietrzu wskazuje,
że uzyskane wyniki obliczeń mogą charakteryzować się przeszacowaniem względem
rzeczywiście występujących poziomów stężeń. Czynnikami decydującymi o tym przeszacowaniu może być nie do końca precyzyjne wyznaczenie pionowego profilu wiatru na
podstawie dostępnych danych meteorologicznych, brak danych pomiarowych dotyczących wartości stężeń H2O2 i NH3 oraz założenie stałości tych parametrów w przestrzeni.
Piśmiennictwo
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
Poland Energy Report, Enerdata. Lipiec 2012.
Bank Danych Lokalnych GUS. Stan i ochrona środowiska – emisja zanieczyszczeń z zakładów szczególnie uciążliwych, http://stat.gov.pl/bdl (dostęp:
31.05.2015).
BOGACKI, Marek; OLENIACZ, Robert. Referencyjna metodyka modelowania
poziomów substancji w powietrzu na tle innych modeli obliczeniowych. Inżynieria Środowiska, 2004, 9(1): 35-45.
MARKIEWICZ, Maria T. Podstawy modelowania rozprzestrzeniania się zanieczyszczeń w powietrzu atmosferycznym. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2004.
HOLMES, Nicholas S.; MORAWSKA, Lidia. A review of dispersion modelling
and its application to the dispersion of particles: an overview of different dispersion models available. Atmospheric Environment, 2006, 40.30: 5902-5928.
SCIRE, Joseph S.; STRIMAITIS, David G.; YAMARTINO, Robert J. A user's
guide for the CALPUFF dispersion model. Earth Tech, Inc, 2000, 521: 1-521.
SCIRE, Joseph S., et al. A user's guide for the CALMET Meteorological Model.
Earth Tech, USA, 2000, 37.
ZHOU, Ying, et al. Estimating population exposure to power plant emissions using CALPUFF: a case study in Beijing, China. Atmospheric Environment, 2003,
37.6: 815-826.
GILLIAM, Robert C.; HUBER, Alan H.; RAMAN, Sethu. Metropolitan-scale
transport and dispersion from the New York World Trade Center following September 11, 2001. Part II: An application of the CALPUFF plume model. Pure and
Applied Geophysics, 2005, 162.10: 2005-2028.
92
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
SZCZYGŁOWSKI, Przemysław.; MAZUR, Marian. Zastosowanie modelu Calmet/Calpuff do obliczeń poziomu stężeń zanieczyszczeń pochodzących z wysokich emitorów punktowych. Inżynieria Środowiska, 2005, 10.2: 195-205.
SZCZYGŁOWSKI, Przemysław; MAZUR, Marian. Modelling dispersion of air
pollutants over the area of diversified relief based on the Calmet/Calpuff model.
Environment Protection Engineering, 2006, 32.4: 73-77.
TRAPP, Wojciech. Zastosowanie modeli CALMET/CALPUFF w systemie oceny
jakości powietrza w Polsce. Archiwum Ochrony Środowiska, 2010, 36: 63-79.
CURCI, Gabriele, et al. Modelling air quality impact of a biomass energy power
plant in a mountain valley in Central Italy. Atmospheric Environment, 2012, 62:
248-255.
LONATI, Giovanni; ZANONI, Francesca. Probabilistic health risk assessment of
carcinogenic emissions from a MSW gasification plant. Environment International, 2012, 44: 80-91.
HOLNICKI, Piotr; NAHORSKI, Zbigniew. Air quality modeling in Warsaw metropolitan area. Journal of Theoretical and Applied Computer Science, 2013, 7.1:
56-69.
TARTAKOVSKY, Dmitry; BRODAY, David M.; STERN, Eli. Evaluation of
AERMOD and CALPUFF for predicting ambient concentrations of total suspended particulate matter (TSP) emissions from a quarry in complex terrain. Environmental Pollution, 2013, 179: 138-145.
OLENIACZ Robert, KASIETCZUK, Magdalena, RZESZUTEK Mateusz. Ocena
efektów termomodernizacji budynków jednorodzinnych. 2. Ograniczenie wpływu
na jakość powietrza atmosferycznego. Czasopismo Inżynierii Lądowej, Środowiska i Architektury, 2014, 31.61(3/I/14): 197-215.
RZESZUTEK, Mateusz.; OLENIACZ, R. Ocena wpływu nowo budowanej spalarni odpadów komunalnych w Krakowie na jakość powietrza z wykorzystaniem
modelu CALMET/CALPUFF. W: Inżynieria i ochrona powietrza (red. J. Kuropka, A. Musialik-Piotrowska). Oficyna Wydawnicza Politechniki Wrocławskiej,
Wrocław 2014.
DRESSER, Alan L.; HUIZER, Robert D. CALPUFF and AERMOD model validation study in the near field: Martins Creek revisited. Journal of the Air & Waste
Management Association, 2011, 61.6: 647-659.
MACINTOSH, David L., et al. Use of CALPUFF for exposure assessment in a
near-field, complex terrain setting. Atmospheric Environment, 2010, 44.2: 262270.
ROOD, Arthur S. Performance evaluation of AERMOD, CALPUFF, and legacy
air dispersion models using the winter validation tracer study dataset. Atmospheric
Environment, 2014, 89: 707-720.
LEVY, Jonathan I., et al. Using CALPUFF to evaluate the impacts of power plant
emissions in Illinois: model sensitivity and implications. Atmospheric Environment, 2002, 36.6: 1063-1075.
WIOŚ w Krakowie. Pięcioletnia ocena jakości powietrza pod kątem jego zanieczyszczenia: SO2, NO2, NOx, CO, benzenem, O3, pyłem PM10, pyłem PM2,5 oraz
As, Cd, Ni, Pb i B(a)P w województwie małopolskim uwzględniająca wymogi dyrektyw: 2008/50/WE i 2004/107/WE oraz decyzji 2011/850/UE. Kraków, czer-
93
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
wiec 2014, http://www.krakow.pios.gov.pl/publikacje/2014/ 5letnia_ocena_ jakosci_ powietrza_2013.pdf (dostęp: 30 czerwca 2014).
WIOŚ w Krakowie. Ocena jakości powietrza w województwie małopolskim w
2014 roku wykonana wg zasad określonych w art. 89 ustawy - Prawo ochrony
środowiska na podstawie obowiązującego prawa krajowego i UE. Kraków, kwiecień
2015,
http://www.krakow.pios.gov.pl/publikacje/2015/ocena_jakosci
_powietrza_2014.pdf (dostęp: 31 maja 2015).
WIOŚ w Krakowie. Raport o stanie środowiska w województwie małopolskim w
roku
2014.
Kraków
2015,
http://www.krakow.pios.gov.pl/publikacje
/raporty/raport12/index.htm (dostęp: 30 maja 2015).
Rozporządzenie Ministra Środowiska z dnia 24 sierpnia 2012 r. w sprawie poziomów niektórych substancji w powietrzu. Dz.U. 2012, poz. 1031.
WIOŚ
w
Krakowie.
System
monitoringu
jakości
powietrza,
http://monitoring.krakow.pios.gov.pl/ (dostęp: 31 maja 2015).
Atmoterm S.A. Program ochrony powietrza dla województwa małopolskiego.
Małopolska
2023
w
zdrowej
atmosferze.
Kraków
2013,
http://www.malopolskie.pl/Pliki/2013/zalacznik_1_glownyXLII-662-13.pdf (dostęp: 30 czerwca 2014).
BOKWA, A. Environmental impacts of long-term air pollution changes in Kraków, Poland. Polish Journal of Environmental Studies, 2008, 17.5: 673-686.
OLENIACZ, Robert; BOGACKI, Marek; RZESZUTEK, Mateusz; KOT, Agata.
Meteorologiczne determinanty jakości powietrza w Krakowie. W: Ochrona powietrza w teorii i praktyce, T. 2 (red. J. Konieczyński). Instytut Podstaw Inżynierii
Środowiska PAN w Zabrzu, Zabrze 2014.
SAXENA, Pradeep, et al. A comparative study of equilibrium approaches to the
chemical characterization of secondary aerosols. Atmospheric Environment, 1986,
20.7: 1471-1483.
KOZIEL, Jacek A.; ANEJA, Viney P.; BAEK, Bok-Haeng. Gas-to-particle conversion process between ammonia, acid gases, and fine particles in the atmosphere. In: Animal Agriculture and the Environment: National Center for Manure
and Animal Waste Management White Papers (eds. J.M. Rice, D.F. Caldwell, F.J.
Humenik). St. Joseph, MI: ASABE, 2006: 201-224.
LARSEN, B. R., et al. The Krakow receptor modelling intercomparison exercise.
JRC Scientific and Technical Reports, EUR 23621, EN - 2008.
WILCZYŃSKA-MICHALIK, Wanda; MICHALIK, Marek. Skład i pochodzenie
cząstek pyłów w powietrzu atmosferycznym w Krakowie. Aura, 2015, nr 3: 1216.
Rozporządzenie Ministra Środowiska z dnia 30 października 2014 r. w sprawie
wymagań w zakresie prowadzenia pomiarów wielkości emisji oraz pomiarów ilości pobieranej wody. Dz.U. 2014, poz. 1542.
RZESZUTEK, Mateusz; OLENIACZ, Robert; MAZUR, Marian. Ocena wpływu
rozdzielczości siatki obliczeniowej na wyniki modelowania rozprzestrzeniania się
zanieczyszczeń w powietrzu. W: Ochrona powietrza w teorii i praktyce. T.1 (red.
J. Konieczyński). Instytut Podstaw Inżynierii Środowiska PAN w Zabrzu, Zabrze
2014.
https://dds.cr.usgs.gov/srtm/version2_1/SRTM3/Eurasia/ (dostęp: 31 marca 2015).
94
[38]
[39]
[40]
[41]
[42]
[43]
[44]
[45]
[46]
[47]
[48]
[49]
[50]
USEPA. Corine Land Cover 2006 raster data, http://www.eea.europa.eu/data-andmaps/data/corine-land-cover-2006-raster-2 (dostęp: 31 marca 2015).
RZESZUTEK, Mateusz. Przygotowanie danych przestrzennych na potrzeby modelowania rozprzestrzeniania się zanieczyszczeń w powietrzu z wykorzystaniem
modelu CALMET/CALPUFF. Prace Studenckiego Koła Naukowego Geografów
Uniwersytetu Pedagogicznego w Krakowie, 2013, 1.2: 101-110.
OLENIACZ, Robert; RZESZUTEK, Mateusz. Determination of optimal spatial
databases for the area of Poland to the calculation of air pollutant dispersion using
the CALMET/CALPUFF model. Geomatics and Environmental Engineering,
2014, 8.2: 57-69.
OLENIACZ, Robert; RZESZUTEK, Mateusz. Assessment of the impact of spatial
data on the results of air pollution dispersion modeling. Geoinformatica Polonica,
2014, 13: 57-68.
USEPA. AP42 Fifth Edition Vol. 1 Chapter 1.1, 1998 http://www.epa.gov/ttn/
chief/ap42/ch01/final/c01s01.pdf
USEPA. AP42 Fifth Edition Vol. 1 Chapter 1.1, 1993, http://www.epa.gov/ttn
/chief/ap42/ch01/bgdocs/b01s01.pdf
KARAMCHANDANI, Prakash; CHEN, Shu-Yun; BALMORI, Rochelle. Evaluation of Original and Improved Versions of CALPUFF using the 1995 SWWYTAF
Data Base. AER Report CP281-09-01 prepared for API, Washington, DC, 2009.
KARAMCHANDANI, Prakash; CHEN, Shu-Yun; SEIGNEUR, Christian. CALPUFF Chemistry Upgrade, 2008.
NENES, Athanasios; PANDIS, Spyros N.; PILINIS, Christodoulos. ISORROPIA:
A new thermodynamic equilibrium model for multiphase multicomponent inorganic aerosols. Aquatic Geochemistry, 1998, 4.1: 123-152.
FOUNTOUKIS, C.; NENES, A. ISORROPIA II: a computationally efficient
thermodynamic equilibrium model for K +–Ca2+–Mg2+–NH4+–Na+–SO42––NO3––
Cl––H2O aerosols. Atmospheric Chemistry and Physics, 2007, 7.17: 4639-4659.
SÓWKA Izabela. Określenie czynników fizycznych i chemicznych determinujących zawartość substancji utleniających w atmosferze miejskiej. Dysertacja doktorska, Instytut Inżynierii Ochrony Środowiska Politechniki Wrocławskiej. Wrocław, maj 2001 (praca niepublikowana).
http://www.eea.europa.eu/data-and-maps/data/airbase-the-european-air-qualitydatabase-8/
Rozporządzenie Ministra Środowiska z dnia 26 stycznia 2010 r. w sprawie wartości odniesienia dla niektórych substancji w powietrzu. Dz.U. 2010, Nr 16, poz. 87.
95
6 Zastosowanie procesu fotokatalizy do
dezynfekcji oczyszczonych ścieków
komunalnych
Dzięki rozwojowi mikrobiologii na przełomie XIX i XX wieku ludzkość odkryła zagrożenie jakie niesie ze sobą skażona drobnoustrojami woda. Badania Louisa Pasteura
i Roberta Kocha otworzyły nowe rozdziały nauki. Rozpoczęte w XIX wieku prace pozwalają nam dziś korzystać z dobrodziejstw czystej i zdatnej do picia wody. Szeroki dostęp do wodociągów zagwarantował dostawy wody, a sprawne systemy kanalizacji przeciwdziałają lekkomyślnemu odprowadzaniu ścieków do środowiska. Prawodawstwo
wielu krajów, w tym Polski wymaga aby zarówno woda do picia, jak i odprowadzane
ścieki spełniały rygorystyczne wymogi jakości. O ile jednak woda do picia musi spełniać
wymogi zarówno fizykochemiczne, jak i bakteriologiczne, oczyszczone ścieki poddawane są kontroli tylko pod względem fizykochemicznym. Polskie prawo niemalże omija
problem stanu bakteriologicznego ścieków oczyszczonych. Artykuł 9 ustawy o zbiorowym zaopatrzeniu w wodę i zbiorowym odprowadzaniu ścieków mówi wprawdzie, że do
kanalizacji nie wolno wprowadzać ścieków zawierających chorobotwórcze drobnoustroje
pochodzące z m.in. obiektów, w których są leczeni chorzy na choroby zakaźne [1], jednakże rozporządzenie w sprawie warunków, jakie należy spełnić przy wprowadzaniu
ścieków do wód lub do ziemi, oraz w sprawie substancji szczególnie szkodliwych dla
środowiska wodnego nie nakazuje żadnych kontroli mikrobiologicznych ścieku trafiającego do odbiornika [2]. Wyjątkiem są ścieki przeznaczone do rolniczego wykorzystania.
Oczyszczone ścieki miejskie niosą ze sobą różnorodną mieszankę bakterii, wirusów
i pierwotniaków pochodzących z ludzkich lub zwierzęcych układów pokarmowych. Co
więcej badania przeprowadzone w Szwecji dowodzą, że bakterie grupy coli mogą być
transportowane w rzekach na odległość często przekraczającą 40 km [3]. Stanowi to zatem poważne niebezpieczeństwo dla wielu kąpielisk ulokowanych poniżej oczyszczalni
ścieków. Zrzut oczyszczonych ścieków powoduje zagrożenie nie tylko dla zdrowia ludzi
i jakości ekosystemu, ale również dla turystyki. Kąpieliska nie spełniające wymagań
bakteriologicznych są zamykane [4]. Obecne w ściekach drobnoustroje odznaczają się
dużą odpornością na wpływy środowiska oraz w niektórych przypadkach wskazują na
wysoki stopień patogenności. Efektem tego jest często katastrofalny stan polskich rzek
i jezior. Nie jest to problem tylko lokalny ostatnia epidemia w Niemczech w 2011 roku
wywołana przez szczep Escherichia coli typu 0104 (EHEC) zabiła 48 osób z ponad
4 tysięcy, które zachorowały. Niedobory czystej wody w wielu regionach świata powodują, że rocznie około 16 milionów ludzi choruje na tyfus, a 60 tysięcy umiera [5]. Pierwotniaki z rodzaju Cryptosporidium były odpowiedzialne za około 400 000 zachorowań
podczas epidemii w Milwaukee (Wisconsin, USA) w 1993 roku [5], [6].
Uzyskanie czystej i zdatnej do picia wody jest głównym celem procesu dezynfekcji.
Mało kto w Polsce, jak również i na świecie, zauważa konieczność nie tylko prawidłowego oczyszczania, ale również dezynfekcji ścieków. Normy jakości wody przewidują długotrwałe narażenie na zawartość różnych substancji chemicznych w wodzie. Przyjmowane sporadycznie podwyższone dawki szkodliwych substancji rzadko prowadzą do objawów chorobowych. Całkowicie inaczej przedstawia się sytuacja w przypadku zakażenia
wody chorobotwórczym patogenem. Już niewielka ilość mikroorganizmów może poważnie zaszkodzić zdrowiu człowieka [5].
Chorobotwórcze drobnoustroje występujące w wodzie oraz zagrożenia, jakie niesie
ze sobą ich obecność w sieci dystrybucyjnej zmuszają do ciągłych kontroli jakości wody.
Co więcej, liczne epidemie świadczą o tym, że nie wystarczy prawidłowo oczyszczać
tylko wodę trafiającej do odbiorców poprzez sieć dystrybucji wody. Problem złego stanu
sanitarnego wód należałoby rozwiązać w miejscach powstawania skażenia, a więc przed
wprowadzeniem ścieków do odbiornika. Oczyszczone ścieki muszą spełniać wymogi
fizyko-chemiczne, by ograniczyć ich wpływ na eutrofizację wód [7] oraz by nie stwarzały
zagrożenia dla środowiska. Aby przeciwdziałać bakteriologicznemu zanieczyszczeniu
wód, szczególnie w USA stosuje się chlorowanie ścieków. Musi ono być jednak połączone z procesem dechloracji. W przeciwnym razie skutki chlorowania byłyby gorsze niż
wprowadzanie ścieków niezdezynfekowanych. Badania wskazują na wysoką toksyczność
nawet odchlorowanych ścieków [8]. Ponadto w trakcie dezynfekcji powstają różne produkty uboczne chlorowania [9]. Jednak to proces chlorowania połączony z późniejszą
dechloracją najczęściej występuje w oczyszczalniach ścieków w USA [10]. Do dezynfekcji oczyszczonych ścieków najczęściej stosuje się różnego rodzaju związki chloru. Wśród
nich można wymienić chloran(I) sodu, chloran(I) wapnia, tlenek chloru(IV) i oczywiście
chlor gazowy [5].
Alternatywą dla chemicznej dezynfekcji jest stosowanie lamp UV. Zastosowanie
promieniowania UV do dezynfekcji ścieków w USA staje się coraz lepszym zamiennikiem dla procesu chlorowania [11]. Promieniowanie ultrafioletowe obejmuje zakres długości fal od 10 do 400 nm. Najbardziej istotnym ze względu na właściwości bakteriobójcze jest promieniowanie UV-C w zakresie od 100-280 nm z maksymalnym efektem przy
długości 253,7 nm [12], [13]. W zależności od użytych lamp zakres promieniowania
przez nie generowany pokrywa niemal całe spektrum UV (lampy średniociśnieniowe) lub
skupia się praktycznie na jednej linii widmowej o długości 253,7 nm (lampy niskociśnieniowe). Generowane przez różnego rodzaju lampy promieniowanie UV-C powoduje
szereg zmian w kwasach nukleinowych mikroorganizmów . Do najważniejszych należą:
rozrywanie łańcucha, denaturacja białek, tworzenie wiązań chemicznych pomiędzy różnymi łańcuchami, powstawanie dimerów pirymidyny zniekształcające DNA i utrudniające proces jego ponownego odtworzenia [13], [12]. Pilotażowa stacja dezynfekcji ścieków
97
w Gold Bar Wastewater Treatment Plant w Edmonton w Kanadzie dowiodła skuteczności
dezaktywacji bakterii przy udziale promieniowania UV, pozwalając osiągnąć wymagane
przez Amerykańską Agencję Ochrony Środowiska poziomy zanieczyszczenia bakteriologicznego [14].
Aby zwiększyć skuteczność dezynfekcji promieniowaniem UV można zastosować
proces fotokatalizy. Jednym z częściej stosowanych fotokatalizatorów jest tlenek tytanu(IV). Na powierzchni TiO2 pod wpływem promieniowania UV tworzą się rodniki hydroksylowe •OH. Wysoki potencjał utleniający •OH powoduje utlenienie zaadsorbowanych na katalizatorze zanieczyszczeń. Dwutlenek tytanu naświetlany promieniowaniem
UV w obecności tlenu może powodować powstawanie bardzo reaktywnych cząsteczek
jak •O2- lub H2O2 [15], [16], które bardzo efektywnie utleniają materię organiczną. Prace
Kayano Sunada wykazały, że za inaktywację bakterii Escherichia coli pod wpływem
procesu fotokatalizy odpowiedzialne są reaktywne formy tlenu generowane w trakcie
reakcji. Wolne rodniki hydroksylowe mogą utleniać błonę bakteryjną, a nawet prowadzić
do uszkodzenia nici DNA. Prowadzi to do lizy bakterii, czyli dezintegracji błony i wylania się metabolitów, białek i kwasu RNA do środowiska [17], [18], [19] [20].
Poniżej przedstawiono wyniki badań nad skutecznością procesu fotokatalizy do dezynfekcji ścieków komunalnych. Przeanalizowano wpływ działania monochromatycznego promieniowania UV (254 nm) oraz zjawiska fotokatalizy na skuteczność usuwania ze
ścieków bakterii mezofilnych i psychrofilnych, bakterii z grupy coli, w tym Escherichia
coli oraz bakterii Clostridium perfringens.
6.1 Materiały i metody
Badania nad zastosowaniem fotokatalizy do dezynfekcji ścieków miejskich przeprowadzono na rzeczywistych ściekach komunalnych pobranych po wszystkich procesach oczyszczania, ale przed zrzutem do odbiornika. Pobrane ścieki przetransportowano
do laboratorium Katedry Kształtowania i Ochrony Środowiska na wydziale Geodezji
Górniczej i Inżynierii Środowiska AGH w Krakowie. Przeanalizowano możliwość wykorzystania promieniowania UV oraz procesu fotokatalizy do inaktywacji bakterii. W ściekach oznaczano bakterie mezofilne, psychrofilne bakterie z grupy coli w tym bakterie
Escherichia coli oraz Clostridium perfringens. Badane próbki pochodziły z oczyszczalni
ścieków w Wadowicach oczyszczającej średnio 6700 m3/dobę, po fizycznych i biologicznych procesach oczyszczania, ale przed zrzutem do odbiornika. Ściek surowy pobrany do
badania zawierał od 10 tys. do 37 tys. bakterii grupy coli oraz 600 do 1600 bakterii Clostridium perfringens w 100 cm3, jak również między 2 tys. a 70 tys. bakterii psychrofilnych i mezofilnych w 1 cm3. Oznaczenia badanych próbek pod względem ogólnej liczby
mikroorganizmów zdolnych do wzrostu w temperaturze 22ºC (psychrofile) i 36ºC (mezofile) dokonano metodą posiewu wgłębnego na płytkach z agarem z ekstraktem drożdżowym, inkubując je przez odpowiednio 48 ± 4 h i 72 ± 4 h (PN-EN ISO 6222:1999). Po
tym czasie zliczono liczbę powstałych kolonii. Bakterie z grupy coli i Escherichia coli
oznaczono metodą filtracji membranowej wg. Polskiej Normy PN-EN ISO 9308-1: 2004.
Bakterie Clostridium perfringens oznaczono według Dyrektywy Rady 98/83/WE z dnia
3 listopada 1998 r. w sprawie jakości wody przeznaczonej do spożycia przez ludzi. Próbki ścieków z oczyszczalni ścieków w Wadowicach zostały poddane naświetlaniu mono98
chromatycznym promieniowaniem UV-C. Do badań wykorzystano niskociśnieniową
lampę UV TNN 15/32 firmy Heraeus. Żarnik miał moc 15 W, z czego na zakres widma
254 nm przypada 6W. Przeliczając tę wartość na średnią powierzchnię reaktora otrzymano natężenie promieniowania rzędu 16 mW/cm2. W trakcie badań próbki ścieków o objętości 500 cm3 były naświetlane przez czas 30 s, co odpowiada dawce 480 mJ/cm2. Aby
sprawdzić efektywność dezynfekcji ścieków pod wpływem zjawiska fotokatalizy do
butelek z ciemnego szkła o pojemności 1 dm3 przelano 500 cm3 badanego ścieku, po
czym dodano sproszkowany TiO2 w ilości od 40 mg/dm3 do 320 mg/dm3. Następnie w
butelkach zanurzono lampę UV i przez okres 30 s naświetlano, nieustannie mieszając
próbkę. W drugiej części badań wykonano równolegle dwie serie pomiarowe, przy czym
TiO2 dodawany do połowy próbek był wstępnie naświetlany lampą UV przez okres 15
minut, a do pozostałych dodawano go bez wstępnego naświetlania (dawki 40 i 80
mg/dm3). Następnie po wymieszaniu TiO2 z próbką naświetlano je przez 30 s. W badanych próbkach oznaczano liczbę bakterii mezofilnych i psychrofilnych oraz ilość bakterii
grupy coli, w tym Escherichia coli oraz Clostridium perfringens.
6.2 Wyniki i dyskusja
W trakcie wstępnych badań określono optymalny czas kontaktu wynoszący 30 s
(480 mJ/cm2). Dawka ta cechowała się wysoką skutecznością dezynfekcji jednak nie
całkowitą eliminacją bakterii. 30 s naświetlanie badanej próbki monochromatycznym
promieniowaniem UV-C skutkowało zmniejszeniem się ogólnej liczby bakterii o ponad
99 % (Rys. 6.1 a), bakterii grupy coli i Escherichia coli o ponad 99,7 % ( Rys. 6.1 b) oraz
bakterii Clostridium perfringens o 98 % (Rys. 6.1 c). Pozostała zatem możliwość zwiększenia efektywności inaktywacji bakterii przy użyciu procesu fotokatalizy. Powyższy
czas przyjęto do określenia sprawności dezynfekcji ścieków zarówno dla promieniowania
UV jak i procesu fotokatalizy. Początkowa ilość bakterii, wyrażona w jednostkach tworzących kolonie (jtk), jaka występowała w badanej próbce przekraczała normy jakości
wody w kąpielisku [4]. Przedstawione w Tabela 6.1 dane pokazują, że wartość dopuszczalna dla bakterii Escherichia coli została przekroczona ponad 36 razy wobec dopuszczalnej wartości 1000 jtk/100 cm3.
Tabela 6.1. Liczba bakterii w próbkach przed i po zastosowaniu procesu dezynfekcji.
Wariant dezynfekcji
Próbka surowa
UV
UV + TiO2 (40mg)
UV + TiO2 (80mg)
UV + TiO2 (40mg)
WN
UV + TiO2 (80mg)
WN
2363
7
0
8
Bakterie
grupy coli
[jtk/100 cm3]
1605
30
42
95
Escherichia
coli
[jtk/100 cm3]
36857
102
583
528
Clostridium
perfringens
[jtk/100 cm3]
30714
68
262
120
8
6
34
98
32
12
12
47
42
0
psychrofile
[jtk/cm3]
mezofile
[jtk/cm3]
4560
28
7
35
WN – TiO2 wstępnie naświetlane przez czas 15 min.
jtk - jednostka tworząca kolonię.
99
a)
Rys. 6.1. Efektywność procesu dezynfekcji różnych grup bakterii dla stałej dawki promieniowania
UV-C i różnych dawek TiO2. a) ogólna liczba bakterii mezofilnych i psychrofilnych; b) bakterie
grupy coli i Escherichia coli; c) bakterie Clostridium perfringens. WN – TiO2 wstępnie naświetlane
przez czas 15 min.
Dodanie do próbki tlenku tytanu(IV) jako fotokatalizatora spowodowało różne efekty da różnych mikroorganizmów. Jak pokazuje Rys. 6.1 a dawka 40 mg/dm3 tlenku tytanu(IV) powoduje wzrost efektywności dezynfekcji ogólnej liczby mikroorganizmów do
niemal 100 %. Jednakże dalsze zwiększanie dawki TiO2 powoduje zwiększenie mętności
próbki, a co za tym idzie mniejszą przenikalność dla promieniowania UV-C. Podobnie
przedstawiają się wyniki wpływu fotokatalizy na bakterie Clostridium perfringens ( Rys.
100
6.1 c). Jedynie wcześniejsze naświetlanie TiO2 pozwala osiągnąć zbliżoną sprawność
dezynfekcji do tej uzyskanej w przypadku zastosowania samego promieniowania UV-C.
W przypadku bakterii grupy coli w tym Escherichia coli jedynie dodanie wstępnie naświetlonego tlenku tytanu(IV) pozwoliło zwiększyć skuteczność inaktywacji bakterii
(Rys. 6.1 b). Dodatkowo jak pokazuje Tabela 6.1 zarówno naświetlanie próbki monochromatycznym promieniowaniem UV-C jak również proces fotokatalizy pozwalają
zmniejszyć ogólną liczbę bakterii psychrofilnych i mezofilnych poniżej odpowiednio 100
jtk/cm3 oraz 20 jtk/cm3. Są to wartości jakim według Rozporządzenia Ministra Zdrowia z
dnia 29 marca 2007 r. w sprawie jakości wody przeznaczonej do spożycia przez ludzi,
powinna odpowiadać woda wprowadzana do jednostkowych opakowań.
W trakcie badań zauważono, że zwiększenie dawki TiO2 powyżej 120 mg/dm3 powoduje znaczne zmniejszenie się przejrzystości roztworu, a co za tym idzie transmitancji
promieniowania o długości fali 254 nm. Przy stałym czasie naświetlania promieniowaniem UV-C dawki TiO2 powyżej 120 mg/dm3 powodowały znaczące pogorszenie efektywności usuwania bakterii. Jak wskazują badania [21], [15] niezbędne byłoby wydłużenie czasu naświetlania, aby uzyskać zamierzony efekt dezynfekcji, jednak to powodowałoby znaczne zwiększenie kosztów dezynfekcji z wykorzystaniem tego procesu. Wolne
rodniki hydroksylowe generowane w trakcie procesu fotokatalizy mogą dodatkowo utleniać zawarte w nim zanieczyszczenia, poprawiając fizykochemiczną jakość ścieku. Pozostaje jednak problem odzysku TiO2 zawieszonego w dezynfekowanym ścieku. Niektóre
badania wskazują możliwość usuwania tlenku tytanu(IV) w trakcie filtracji membranowej
[19]. Jednak w przypadku przepływów występujących w oczyszczalni ścieków byłoby to
zbyt kosztowne. Rozwiązaniem tego problemu może być naniesienie cienkich warstw
TiO2 na ściany reaktora, w którym prowadzony będzie proces fotokatalizy [17].
Jak pokazały badania usuwanie mikroorganizmów w procesie fotokatalizy może być
bardziej skuteczne niż dezynfekcja samym promieniowaniem UV. Ponadto dezynfekcja
ścieków przy użyciu procesu fotokatalizy, czy też samego promieniowania UV-C nie
stwarza zagrożenia zarówno dla ekosystemu odbiornika jak również dla pracowników
oczyszczalni ścieków. Bezobsługowy charakter procesu gwarantuje z kolei niskie koszty
utrzymania.
6.3 Podsumowanie
W trakcie badań przeanalizowano wpływ promieniowania UV oraz procesu fotokatalizy na inaktywację bakterii grupy coli, w tym Escherichia coli, bakterii psychrofilnych
i mezofilnych oraz Clostridium perfringens występujących w oczyszczonych ściekach
miejskich. Przy stałym czasie naświetlania równym 30 s dawki TiO 2 od 40 do 80 mg/dm3
pozwalały obniżyć ilość bakterii Escherichia coli (Tabela 6.1) w próbce poniżej wartości
dopuszczalnej podanej w rozporządzeniu na temat jakości wody w kąpieliskach, a ogólną
liczbę bakterii psychrofilnych i mezofilnych poniżej wartości wymaganych dla wody do
spożycia. Dezynfekcja promieniowaniem UV, jak również wspomaganie jej procesami
fotokatalitycznymi może być z powodzeniem stosowana jako ostatni etap oczyszczania
miejskich ścieków komunalnych.
101
Szczególnie w Polsce należy podjąć temat dezynfekcji ścieków. Dotychczas nie
wprowadzono konkretnych wymogów prawnych określających warunki biologiczne
jakim powinny spełniać ścieki oczyszczone trafiające do odbiornika. A przecież bardzo
często oczyszczalnie ścieków znajdują się powyżej ujęć wody lub kąpielisk.
Można zatem przypuszczać, że poprawa jakości ścieków odprowadzanych do wód
powierzchniowych wpłynie znacząco na ogólny stan wód. Ma to szczególne znaczenie w
okresie letnim, gdy właśnie w rejonach nadwodnych intensywnie wypoczywa duża część
mieszkańców miast. W przeciwieństwie do tablic z zakazami kąpieli, czyste wody i plaże
są motorem przedsiębiorczości, wpływają pozytywnie na handel oraz nie powodują rozprzestrzeniania się chorób zakaźnych.
Literatura
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
USTAWA z dnia 7 czerwca 2001 r. o zbiorowym zaopatrzeniu w wodę i zbiorowym odprowadzaniu ścieków (Dz. U. 2001 Nr 72 poz. 747).
Rozporządzenie Ministra środowiska z dnia 18 listopada 2014 r. w sprawie warunków, jakie należy spełnić przy wprowadzaniu ścieków do wód lub do ziemi,
oraz w sprawie substancji szczególnie szkodliwych dla środowiska wodnego
(Dz. U. 2014 poz. 1800).
JONSSON, Anders; AGERBERG, Sebastian. Modelling of E. coli transport in
an oligotrophic river in northern Scandinavia. Ecological Modelling, 2015,
306: 145-151.
Rozporządzenie Ministra Zdrowia w sprawie prowadzenia nadzoru nad jakością wody w kąpielisku i miejscu wykorzystywanym do kąpieli (Dz. U. 2011 nr
86 poz. 478).
ROESKE, W. Dezynfekcja wody pitnej. Oficyna Wydawnicza PROJPRZEMEKO, Bydgoszcz, 2007.
MAC KENZIE, William R., et al. A massive outbreak in Milwaukee of Cryptosporidium infection transmitted through the public water supply. New England journal of medicine, 1994, 331.3: 161-167.
DOMANSKA, M.; WIERCIK, Paweł; IDZIKOWSKI, Rafał. Problemy z
uzdatnianiem wód zeutrofizowanych. Przegląd Naukowy. Inżynieria i Kształtowanie Środowiska, 2009, 18.3 [45].
CONNOR, K.; MARTIN, C. O.; JENSEN, J. N. Evaluation of Ultraviolet (UV)
Radiation Disinfection Technologies for Waste Water Treatment Plant Effluent. New York State Energy and Development Authority NYSERDA, Report,
2004, 04-07.
MICHALSKI, Rajmund; ŁYKO, Aleksandra. Uboczne nieorganiczne produkty
dezynfekcji wody. Problemy i wyzwania. Inżynieria i Ochrona Środowiska,
2012, 15.4: 353--364.
ADAMS, B., et al. Wastewater Technology Fact Sheet: Ultraviolet Disinfection, United States Environmental Protection Agency, Office of Water, Washington, DC. EPA 832-F-99-062, 1999. “Wastewater technology, fact sheet:
Chlorine disinfection,” Washington, D.C., 1999.
102
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
MATASCI, R., et al. Wastewater Technology Fact Sheet: Ultraviolet Disinfection, United States Environmental Protection Agency, Office of Water, Washington, DC. EPA 832-F-99-064, 1999.
LATANOWICZ, Lidia; LATOSIŃSKA, Jolanta N. Promieniowanie UV a środowisko. Wydawnictwo Naukowe PWN, 2012.
KOWAL, Apolinary Leszek; ŚWIDERSKA-BRÓŻ, Maria. Oczyszczanie wody: podstawy teoretyczne i technologiczne, procesy i urządzenia. Wydawnictwo Naukowe PWN, 2009.
SPELLMAN, Frank R. Handbook of water and wastewater treatment plant operations. CRC Press, 2013.
MELIÁN, JA Herrera, et al. The photocatalytic disinfection of urban waste waters. Chemosphere, 2000, 41.3: 323-327.
VAYSSIERES, Lionel. On solar hydrogen and nanotechnology. John Wiley &
Sons, 2010.
PARK, Jinho, et al. Inactivation of E. Coli in Water Using Photocatalytic,
Nanostructured Films Synthesized by Aerosol Routes. Catalysts, 2013, 3.1:
247-260.
GUIMARÃES, J. R.; BARRETTO, A. S. Photocatalytic inactivation of Clostridium perfringens and coliphages in water. Brazilian Journal of Chemical Engineering, 2003, 20.4: 403-411.
MCCULLAGH, Cathy, et al. The application of TiO2 photocatalysis for disinfection of water contaminated with pathogenic micro-organisms: a review. Research on Chemical Intermediates, 2007, 33.3-5: 359-375.
SUNADA, Kayano; WATANABE, Toshiya; HASHIMOTO, Kazuhito. Studies
on photokilling of bacteria on TiO 2 thin film. Journal of Photochemistry and
Photobiology A: Chemistry, 2003, 156.1: 227-233.
WATTS, Richard J., et al. Photocatalytic inactivation of coliform bacteria and
viruses in secondary wastewater effluent. Water research, 1995, 29.1: 95-100.
103
Notatki
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
105
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
................................................................................................................................ ....
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
106