Bir benzinli motorda bujinin tamamen arızalanmasını elektronik kontrol ünitesinin fark etmesi görece kolay olabilir; ancak aşınmış elektrot, yanlış buji aralığı veya kısmen bozulmuş ateşleme gibi durumlar çok daha zor teşhis edilebilir. Bu çalışma, buji durumunu motoru sökmeden elektriksel ateşleme dalga biçimlerinden belirlemeyi amaçlayan osiloskop tabanlı bir yöntem geliştiriyor. Araştırmacılar başlangıçta ateşleme bobininin birincil gerilimini, birincil akımını, ikincil gerilimini ve ikincil akımını birlikte ölçmüş; deneyler sonrasında birincil taraftaki sinyallerin farklı buji durumlarını ayırt etmek için sınırlı bilgi taşıdığını, belirgin ayrımın ikincil gerilim ve ikincil akım dalga biçimlerinde oluştuğunu göstermiştir.

Deneylerde dört buji durumu incelenmiştir: yeni buji, aşınmış buji, elektrot aralığı mekanik olarak büyütülmüş buji ve elektrot aralığı küçültülmüş buji. LabVIEW ortamında geliştirilen işlem zinciri önce ateşleme sinyalindeki durağan olmayan bölgeleri ayırmakta, ardından ikincil gerilim ve akımdan çıkarılan toplam 10 özniteliği k-en yakın komşu (kNN) sınıflandırıcısına vermektedir. Yazarların seçtiği k=15 ayarında bildirilen sınıf doğrulukları yeni buji için %56,5, aşınmış buji için %80,5, küçük elektrot aralığı için %84 ve büyük elektrot aralığı için %50'dir. Bu sonuçlar yöntemin bazı arıza sınıflarında güçlü, bazılarında ise belirgin biçimde daha sınırlı ayrım yaptığını göstermektedir.

Çalışmanın pratik sonucu, dört kanallı başlangıç ölçüm düzeninin iki kanallı osiloskopla yalnız ikincil gerilim ve ikincil akım ölçülecek biçimde sadeleştirilebilmesidir. Bununla birlikte yöntem evrensel bir buji teşhis modeli olarak doğrulanmamıştır. Araştırmacılar farklı motorlarda aynı ateşleme modülü kullanılsa bile dalga biçimlerinin önemli ölçüde değişebildiğini ve bu nedenle her motor tipi için dört buji durumunu içeren ayrı bir referans veri setinin oluşturulması gerektiğini özellikle belirtmektedir.

Türkiye açısından çalışma, benzinli araç servislerinde osiloskop tabanlı ateşleme teşhisinin yalnız arıza kodu okumaya alternatif olabilecek bir ölçüm yaklaşımı olarak değerlendirilmesi bakımından dikkat çekicidir. Ancak çalışmada kullanılan sinyal referansları, iki test aracından oluşturulan veri setleri ve kNN sınıflandırıcısı farklı motorlara doğrudan aktarılmamalıdır. Türkiye'de uygulanacak bir sistemde motor ailesi, ateşleme bobini, buji tipi, elektrot aralığı ve çalışma koşulları için ayrı referans ölçümleri ve doğrulama verisi gerekir.

Araştırmanın çözmeye çalıştığı teşhis problemi nedir?

Çalışma, benzinli içten yanmalı motorlarda ateşleme sisteminin yalnız tamamen çalışıp çalışmadığını değil, bujinin hangi fiziksel durumda olduğunu elektriksel sinyaller üzerinden belirlemeyi hedeflemektedir. Geleneksel görsel inceleme veya direnç ölçümü erken aşınma ve aralıklı arızaları her zaman ayırt edemediğinden araştırmacılar ateşleme olayının zaman alanındaki gerilim ve akım dalga biçimlerine yönelmiştir.

Ateşleme bobini teknik açıdan yüksek dönüşüm oranına sahip bir transformatör gibi çalışmaktadır. Çalışmanın ele aldığı coil-on-plug sistemlerinde yaklaşık 12 V'luk birincil gerilim, motor koşullarına bağlı olarak ikincil tarafta yaklaşık 20–50 kV seviyesine yükselmektedir. Bu yüksek gerilim buji elektrotları arasındaki gaz ortamının elektriksel olarak delinmesini ve kıvılcım oluşmasını sağlar.

Ateşleme olayı elektriksel olarak hangi aşamalardan oluşuyor?

Araştırmacılar ateşleme sürecini üç temel bölüme ayırmaktadır:

1. Ateşleme bobininin doyum/enerji depolama dönemi,
2. Buji üzerindeki kıvılcım boşalması,
3. Kıvılcımın ardından yakıt-hava karışımının yanması.

Birinci evrede ateşleme bobininin birincil tarafına gerilim uygulanır ve birincil akım yükselirken manyetik devrede enerji depolanır. Birincil gerilimin kesilmesiyle depolanan enerji ikincil tarafa aktarılır ve buji elektrotları arasında kıvılcım boşalması meydana gelir.

Çalışmanın fiziksel açıklama bölümünde ısıl enerji dengesi şu temel bağıntıyla ifade edilmektedir:

\[ \rho C_p \frac{dT}{dt}=Q_{chem}-Q_{loss} \]

Burada \(\rho\) birim hacim başına kütleyi, \(C_p\) özgül ısı kapasitesini, \(dT/dt\) sıcaklığın zamana göre değişimini, \(Q_{chem}\) kimyasal ısı açığa çıkışını ve \(Q_{loss}\) çevreye olan ısı kaybını ifade eder.

Araştırmacılar referans ateşleme dalga biçimini indüksiyon dönemi, hızlı termal yükseliş ve yanma sonrası salınımlar açısından fiziksel olarak yorumlamaktadır. Bununla birlikte gerçek araç deneylerinde doğrudan silindir basıncı, kimyasal ısı açığa çıkış hızı veya \(Q_{chem}\) ve \(Q_{loss}\) ölçümü raporlanmamıştır. Bu bölüm, gerçek deneyde kullanılan elektriksel sınıflandırmanın yanında fiziksel bir yorumlama çerçevesi olarak değerlendirilmelidir.

Neden özel bir yüksek gerilim bölücü tasarlandı?

Buji tarafındaki onlarca kilovolt seviyesindeki hızlı darbelerin standart düşük gerilimli osiloskop probuyla doğrudan ölçülmesi mümkün olmadığından araştırmacılar özel bir direnç bölücü geliştirmiştir.

Yüksek gerilim bölücü:

• 150 adet SMD dirençten oluşturulmuştur,
• 1206 paket dirençler kullanılmıştır,
• her direncin nominal gerilim değeri 200 V olarak verilmiştir,
• kaynakta kısa süreli aşırı yükleme için 400 V değeri belirtilmiştir,
• toplam yapının nominal gerilim kapasitesi 30 kV olarak hesaplanmıştır,
• aşırı yükleme koşulu için 60 kV'a kadar değer belirtilmiştir,
• daha düşük gerilim sınıfındaki probların kullanılabilmesi için üç farklı çıkış noktası bulunmaktadır.

Araştırmacılar ayrıca aracın özgün kablolamasıyla çalışmayı ve birincil taraftaki ölçümlere erişimi kolaylaştırmak amacıyla özel bir ölçüm adaptörü geliştirmiştir.

Başlangıç ölçüm sistemi hangi sinyalleri kaydetti?

İlk deney düzeni aynı ateşleme olayı için dört elektriksel büyüklüğü toplamıştır:

Deneysel karşılaştırma, birincil gerilim ve akımın farklı buji koşullarında yalnız küçük değişiklikler gösterdiğini ortaya koymuştur. Araştırmacılar bunu birincil devrenin kontrol mantığı ve bobinin endüktif özellikleri tarafından görece kararlı biçimde belirlenmesine bağlamaktadır.

Buna karşılık ikincil devre doğrudan buji elektrotları arasındaki elektriksel delinme ve boşalma olayından etkilendiği için elektrot aşınması, elektrot geometrisi ve aralık değişiklikleri ikincil gerilim ve akımın genlik, süre ve geçici rejim özelliklerinde daha belirgin değişiklikler oluşturmuştur.

Hangi dört buji durumu karşılaştırıldı?

Çalışmanın ikincil gerilim ve ikincil akım grafiklerinde dört durum arasında birincil sinyallere kıyasla daha belirgin dalga biçimi farklılıkları görülmektedir. Bu gözlem, sınıflandırma algoritmasının neden yalnız ikincil taraftan türetilen özelliklere indirgenebildiğinin deneysel dayanağını oluşturmaktadır.

LabVIEW algoritması dalga biçimini nasıl işliyor?

Otomatik teşhis sistemi LabVIEW ortamında iki aşamalı olarak geliştirilmiştir:

1. Durağanlık temelli sinyal segmentasyonu,
2. k-en yakın komşu (kNN) sınıflandırması.

Segmentasyon aşaması, ateşleme sinyali içindeki istatistiksel özellikleri değişen ve diagnostik bilgi taşıyan durağan olmayan bölgeleri belirlemektedir. Böylece tüm ham dalga biçiminin doğrudan sınıflandırılması yerine kıvılcım olayının karakteristik bölümlerinden sayısal özellikler çıkarılmaktadır.

kNN için kullanılan 10 öznitelik nedir?

Öznitelik vektörünün ilk altı bileşeni ikincil gerilimden, kalan dördü ikincil akımdan elde edilmektedir.

İkincil gerilim öznitelikleri

• A: Birinci durağan olmayan bölümün başlangıcından ikinci durağan olmayan bölümün sonuna kadar örnek sayısı.
• B: Birinci durağan olmayan bölümün sonu ile ikinci bölümün başlangıcı arasındaki örnek sayısı.
• C: Birinci durağan olmayan bölümün varyansı.
• D: İkinci durağan olmayan bölümün varyansı.
• E: Birinci durağan olmayan bölümün sıfır değerli referans sinyaliyle çapraz korelasyonu.
• F: İkinci durağan olmayan bölümün sıfır değerli referans sinyaliyle çapraz korelasyonu.

İkincil akım öznitelikleri

• G: Durağan olmayan bölümün varyansı.
• H: Durağan olmayan bölümün sıfır değerli referans sinyaliyle çapraz korelasyonu.
• I: Durağan olmayan bölümdeki maksimum değer.
• J: Durağan olmayan bölümdeki minimum değer.

Çalışmada verilen örnek bir öznitelik vektörü şu değerlerden oluşmaktadır:

Deneyler hangi araçlarda yapıldı?

Ölçümler iki benzinli içten yanmalı motorlu araç üzerinde gerçekleştirilmiştir:

• Volkswagen Touareg 4.2 V8,
• Volkswagen Passat 1.8T I4.

Araştırmacılar yaklaşımın coil-on-plug ateşleme sistemine sahip benzinli içten yanmalı motorlara uygulanabilecek biçimde tasarlandığını belirtmektedir. Ancak iki farklı araçtan ölçülen ikincil gerilim dalga biçimleri karşılaştırıldığında önemli farklılıklar görülmüştür. Bu nedenle aynı sınıflandırma referanslarının bütün motorlara doğrudan uygulanması önerilmemektedir.

Her motor için neden ayrı bir veri seti gerekiyor?

Çalışmanın en önemli uygulama sınırlamalarından biri, her motor tipi için ayrı referans veri seti gerekmesidir. Araştırmacılar aynı tip ateşleme modülü kullanılsa bile farklı motorlarda ikincil gerilim dalga biçimlerinin önemli ölçüde değişebildiğini göstermektedir.

Bu nedenle gerçek bir teşhis sisteminde yeni, aşınmış, küçük elektrot aralıklı ve büyük elektrot aralıklı bujilerin referans sinyallerinin ilgili motor ailesi için önceden toplanması gerekmektedir. Çalışma tek bir evrensel kNN modelinin herhangi bir araca bağlanarak aynı doğrulukla çalışacağını göstermemektedir.

Çalışmanın desteklediği sonuçlar

• Deneylerde farklı buji koşulları ikincil ateşleme gerilimi ve akımında ayırt edilebilir dalga biçimi farklılıkları oluşturmuştur.
• Birincil gerilim ve akım, incelenen dört buji sınıfını ayırmak açısından ikincil taraftan daha az ayırt edici bulunmuştur.
• İkincil gerilim ve akımdan 10 zaman alanı özniteliği çıkarılarak kNN sınıflandırması uygulanmıştır.
• Yazarların seçtiği k=15 durumunda sınıf bazında %50 ile %84 arasında doğruluk bildirilmiştir.
• Başlangıçtaki dört elektriksel ölçüm kanalının iki diagnostik kanala indirilebileceği gösterilmiştir.
• İki kanallı osiloskop, ikincil gerilim probu, ikincil akım probu ve yüksek gerilim bölücüyü kullanan sadeleştirilmiş ölçüm mimarisi önerilmiştir.
• İki farklı motorun ikincil gerilim dalga biçimlerinin değişmesi nedeniyle motor tipine özgü veri setleri gerektiği belirlenmiştir.

Çalışmanın desteklemediği veya doğrudan test etmediği sonuçlar

• Yöntemin bütün benzinli motorlarda aynı sınıflandırma doğruluğunu sağlayacağı gösterilmemiştir.
• Tek bir evrensel veri setiyle farklı motorların teşhis edilebildiği gösterilmemiştir.
• kNN algoritması gerçek bir seri üretim ECU'suna entegre edilerek araç üzerinde doğrulanmamıştır.
• Çalışmada sinir ağı veya başka gelişmiş makine öğrenmesi algoritmalarıyla doğrudan performans karşılaştırması yapılmamıştır.
• Bu nedenle daha gelişmiş yapay zekâ yöntemlerinin tümü için kNN'den gereksiz olduğu deneysel olarak kanıtlanmış değildir.
• Arızalı bujilerin CO, HC veya NOx değerlerini ne kadar artırdığı doğrudan egzoz gazı ölçümleriyle nicel olarak gösterilmemiştir.
• Uzun dönem kestirimci bakım başarısı veya gerçek servis ortamındaki yanlış alarm oranları test edilmemiştir.

Çalışmanın Yöntemi ve Bulguları

Eğitim ve doğrulama veri yapısı

Dört buji sınıfının her biri için eğitim aşamasında 200 adet 10 elemanlı öznitelik vektörü kullanılmıştır. Sınıflandırma performansının değerlendirilmesi için her sınıfa ait ayrıca 200 sinyal kullanılmıştır. Böylece kaynakta belirtilen yapıya göre sınıflandırma değerlendirmesinde dört sınıfın her birinde eşit sayıda örnek bulunmaktadır.

Yazarların seçtiği k=15 ayarındaki sınıflandırma sonuçları

Bu sonuçların temel mesajı sınıflandırmanın dört buji durumu için eşit derecede güçlü olmadığıdır. Küçük elektrot aralığı ve aşınmış buji sınıfları daha yüksek doğrulukla ayrılırken büyük elektrot aralığı ve özellikle yeni buji ile bazı diğer sınıflar arasında daha fazla karışma görülmektedir.

k=15 için dört sınıfta toplam doğru sınıflandırma sayısı 542'dir. Her sınıfta 200 test sinyali kullanıldığı için bu sayı eşit sınıf dağılımında türetilmiş toplam doğruluğu:

\[ \frac{542}{800}\times100 = 67,75\% \]

olarak verir. Bu %67,75 değeri kaynakta ayrıca “genel doğruluk” olarak raporlanmamıştır; Tablo 2'deki doğru sınıflandırma sayılarından hesaplanan bir karşılaştırma değeridir.

kNN seçiminde kaynak içi sayısal tutarsızlık

Çalışmanın metni en iyi sonuçların k=15'te elde edildiğini belirtmektedir. Ancak Tablo 2'de verilen sınıflandırma sayıları birlikte incelendiğinde bu ifade toplam doğruluk açısından tabloyla uyuşmamaktadır.

k=3 için kaynak tablosunda yeni, aşınmış, küçük aralık ve büyük aralık sınıflarındaki doğru sınıflandırma sayıları sırasıyla 116, 159, 174 ve 103'tür. k=15 için bunlar 113, 161, 168 ve 100'dür. Bu nedenle k=3 toplam doğru sınıflandırma sayısında k=15'in üzerindedir. Kaynak k=15 seçiminin farklı bir optimizasyon ölçütüne, sınıflar arası dengeye veya başka bir kritere dayandığını açıklamamaktadır. Bu sebeple Verianla değerlendirmesinde k=15 “yazarların seçtiği ayar” olarak korunmuş, sayısal olarak tartışmasız optimum olarak sunulmamıştır.

Ölçüm sistemi nasıl sadeleştirildi?

İlk ölçüm sistemi dört elektriksel sinyal gerektirirken deneysel inceleme sonucunda birincil gerilim ve akım sınıflandırma açısından yeterince ayırt edici bulunmamıştır. Nihai sistem yalnız:

• ikincil gerilim,
• ikincil akım

ölçümlerini kullanmaktadır. Böylece ölçüm donanımı iki kanallı bir osiloskopla gerçekleştirilebilecek düzeye indirilmiştir.

Özel kablo adaptörü nihai sistemde zorunlu değildir; araştırmacılar bunu bağlantı kablosunu uzatmak ve ateşleme modülüne fiziksel erişimi kolaylaştırmak amacıyla kullanmaktadır.

Farklı araçların karşılaştırılması ne gösterdi?

Volkswagen Touareg 4.2 V8 ve Volkswagen Passat 1.8T I4'ten alınan ikincil gerilim dalga biçimlerinin karşılaştırılması, aynı teşhis değişkeninin farklı motorlarda belirgin biçimde farklı şekillere sahip olabileceğini göstermiştir. Bu bulgu çalışmanın genellenebilirliği açısından kritik önemdedir.

Araştırmacıların önerdiği teşhis sistemi bu nedenle kurulacağı her motor tipi için dört tanımlı buji durumunu kapsayan motor-özel eğitim ve referans verisine ihtiyaç duymaktadır.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: Optimization of the Ignition System Diagnostics Methodology

Yazarlar: Marek Nad, Matus Danko, Dusan Koniar, Michal Frivaldsky.

Yazar sırası: Kaynakta verilen sıra aynen korunmuştur. Kaynakta eş birinci veya eş katkı beyanı bulunmamaktadır.

Sorumlu yazar: Michal Frivaldsky.

Kurum: Department of Mechatronics and Electronics, Faculty of Electrical Engineering and Information Technologies, University of Zilina, 010 01 Zilina, Slovakia.

Dergi: Vehicles

Yayınevi: MDPI, Basel, Switzerland

Cilt / makale numarası: Vehicles 2026, 8, 71

DOI: 10.3390/vehicles8040071

Resmî yayın bağlantısı:https://doi.org/10.3390/vehicles8040071

Yayın tarihçesi: Çalışma 26 Ocak 2026'da alınmış, 13 Mart 2026'da revize edilmiş, 19 Mart 2026'da kabul edilmiş ve 1 Nisan 2026'da yayımlanmıştır.

Kaynak türü ve hakemlik durumu: Hakem değerlendirmesinden geçmiş deneysel bir araştırma makalesidir. Çalışma otomotiv ateşleme sistemi üzerinde elektriksel ölçüm, özel yüksek gerilim ölçüm donanımı geliştirme, gerçek araçlardan dalga biçimi toplama, LabVIEW tabanlı sinyal segmentasyonu ve kNN sınıflandırmasını birleştirmektedir.

Lisans: Creative Commons Attribution (CC BY).

Finansman: Çalışmada National Grant Agency VEGA tarafından VEGA 1/0563/23 proje desteği bildirilmektedir.

Veri erişilebilirliği: Yazarlar çalışmanın özgün katkılarının makale içinde bulunduğunu, ilave soruların sorumlu yazara yöneltilebileceğini belirtmiştir.

Çıkar çatışması: Yazarlar çıkar çatışması bulunmadığını bildirmiştir.

Yazar katkıları: Kavramsallaştırma M.F.; yöntem M.D.; yazılım M.D.; doğrulama D.K. ve M.F.; biçimsel analiz M.N.; kaynaklar M.N.; veri kürasyonu M.N. ve M.F.; ilk taslak M.N. ve M.F.; gözden geçirme ve düzenleme M.D., D.K. ve M.F.; görselleştirme D.K.; danışmanlık M.D.; finansman edinimi M.F. olarak bildirilmiştir.

Kaynak içi sınıflandırma tutarsızlığı: Makale k=15 için “en iyi sonuç” ifadesini kullanmaktadır. Ancak Tablo 2'deki doğru sınıflandırmalar toplandığında k=3 için 552/800 (%69,00), k=15 için 542/800 (%67,75) elde edilmektedir. Ayrıca Tablo 3'teki “Max” satırı tablodaki gerçek sınıf maksimumlarıyla uyuşmamaktadır. Bu tutarsızlık sessizce düzeltilmemiştir.

Şekil 4 notu: Şekil açıklamasındaki renk/büyüklük eşleştirmesi ile grafikteki akım ve gerilim eksenleri arasında bir uyumsuzluk görünmektedir. Sonraki ayrı birincil ve ikincil gerilim/akım şekilleri büyüklüklerin bilimsel yorumunu netleştirdiği için Verianla metninde tartışmalı renk sıralaması temel alınmamıştır.

Emisyon sonucu sınırı: Çalışma ateşleme sistemi bozuklukları ile egzoz emisyonları arasındaki bağlantıyı gerekçelendirmekte ve sonuç bölümünde uygunsuz buji durumlarının daha yüksek emisyonlarla ilişkili olduğunu ileri sürmektedir. Ancak deneysel sonuçlarda ayrı bir egzoz gazı ölçümü, CO/HC/NOx konsantrasyonu veya emisyon karşılaştırma tablosu sunulmamaktadır. Bu nedenle çalışmanın doğrudan deneysel kanıtı buji durumunun elektriksel dalga biçimlerinden sınıflandırılmasıdır; emisyon artışının büyüklüğü bu deneyle nicel olarak belirlenmemiştir.

ECU uygulaması sınırı: Yazarlar kNN yönteminin ECU'lara uygulanabileceğini belirtmektedir. Çalışmada algoritmanın gerçek üretim ECU'suna gömülmesi, işlem süresi, bellek kullanımı veya araç üzerinde gerçek zamanlı ECU doğrulaması raporlanmamaktadır.

Genellenebilirlik sınırı: Deneyler Volkswagen Touareg 4.2 V8 ve Volkswagen Passat 1.8T I4 araçlarında yapılmıştır. Araştırmanın kendi karşılaştırması farklı motorlarda dalga biçimlerinin önemli ölçüde değişebildiğini göstermektedir. Bu nedenle yöntem motor tipine özgü referans veri seti gerektirmektedir.

Bu Verianla içeriğindeki bilimsel yöntem, denklemler, deney düzeni, buji sınıfları, kNN sonuçları ve sınırlılıklar yalnız incelenen çalışmaya dayanmaktadır. Kaynakta bulunmayan arıza doğruluğu, emisyon azalması, servis maliyeti veya gerçek ECU performansı iddiası eklenmemiştir.