Control of water–diesel emulsion stability using turbidity measurements

Oleksandr Zabolotnyi; Andrii Khodieiev; Nicolay Koshevoy; Roman Trishch

doi:10.35784/iapgos.7164

PDF (angielski)

Opublikowane: 2026-03-30

DOI: https://doi.org/10.35784/iapgos.7164

Numer Tom 16 Nr 1 (2026)

Wydajna klasyfikacja białych krwinek w oparciu o CNN: badanie porównawcze wydajności modeli
Achraf Benba, Sara Sandabad

5-9
Zautomatyzowana diagnostyka raka skóry z wykorzystaniem głębokiego uczenia: systematyczny przegląd najnowocześniejszych architektur, technik i oceny wydajności
Subaidabeevi Shafeena, Ramayyan Sumathy Vinod Kumar, Sikamony Sumathi Kumar, David Shahi

10-20
Zwiększanie bezpieczeństwa kierowców dzięki rozpoznawaniu emocji na podstawie sygnałów EKG z wykorzystaniem sieci BiLSTM
Raga Madhuri Chandra, Satya Sumanth Vanapalli, Giri Venkata Sai Tej Neelaiahgari

21-28
Automatyczny system do obliczania tabeli kalibracyjnej cylindrycznych zbiorników poziomych
Denis Proskurenko, Mykhailo Bezuglyi

29-34
Kontrola stabilności emulsji woda-diesel za pomocą pomiarów zmętnienia
Oleksandr Zabolotnyi, Andrii Khodieiev, Nicolay Koshevoy, Roman Trishch

35-41
Poprawa trybu rozruchu silnika indukcyjnego w warunkach spadku napięcia
Oleksandr Vovk, Serhii Halko, Andrii Sabo, Oleksandr Miroshnyk, Taras Shchur

42-47
Modelowanie trybów dynamicznych w silniku prądu stałego do pojazdów elektrycznych
Viktor Lyshuk, Anatolii Tkachuk, Sergiy Moroz, Mykola Yevsiuk, Mykola Khvyshchun, Stanislav Prystupa, Valentyn Zablotskyi

48-55
Budowa i analiza scenariuszy awarii w sieciach elektroenergetycznych z wykorzystaniem ontologii, modelu przepływu mocy oraz grafu wiedzy
Oleksandr Khomenko, Vyacheslav Senchenko, Oleksandr Koval, Iryna Husyeva

56-61
Kinetyka suszenia materiałów ziarnistych w instalacjach z przerywanym zasilaniem elektrycznym wykorzystujących promieniowanie mikrofalowe i podczerwone
Roman Kalinichenko, Valentyna Bandura, Borys Kotov, Yurii Pantsyr, Ihor Garasymchuk, Serhii Stepanenko

62-66
Metoda automatycznego dostrajania regulatora temperatury obudowy smartfonu
Danylo Zinchenko, Yurii Mariiash

67-71
Wykorzystanie FPGA do modelowania i generowania procesów chaotycznych
Oleksandr Osadchuk, Iaroslav Osadchuk, Valentyn Skoshchuk

72-77
ymulacja i projektowanie elektroniczne pięciowymiarowej chaotycznej sztucznej sieci neuronowej
Michael Kopp, Inna Samuilik

78-83
Inteligentny łańcuch przetwarzania DL-SCH/PDSCH w sieci 5G z adaptacyjnym mechanizmem HARQ
Juliy Boiko, Ilya Pyatin

84-93
Analiza modeli generatywnych w teledetekcji: przegląd kompleksowy
Gottapu Santosh Kumar, Gurugubelli Jagadeesh, Swarajya Madhuri Rayavarapu

94-98
Dekodowanie z wykorzystaniem szumu zbiorowego z metodą inwersji bitów w kodach z niską gęstością i kontrolą parzystości
Mykola Shtompel, Oleksandr Shefer

99-103
Wymiana wiedzy w niezależnych głębokich sieciach Q
Viacheslav Bochok, Nataliia Fedorova

104-108
Wykrywanie ludzi na obrazach z dronów z wykorzystaniem technik głębokiego uczenia
Sobhana Mummaneni, Naga Deepika Ginjupalli, Pragathi Dodda, Novaline Jacob, Sanjay Raj Emmanuel Katari

109-115
Analiza porównawcza algorytmów DeepSORT, ByteTrack i StrongSORT w zakresie śledzenia wielu obiektów w systemach monitoringu wizyjnego opartych na bezzałogowych statkach powietrznych
Andrii Safonyk, Viktor Podvyshennyi, Oleksandr Naumchuk

116-120
Wysoce wydajne metody przetwarzania złożonych danych wizualnych w systemach wsparcia decyzyjnego
Oleksandr Poplavskyi, Sergii Pavlov, Oksana Bezsmernta, Iryna Gerasymova, Bakhyt Yeraliyeva

121-125
Metoda antyaliasingu dla krzywych rzędu drugiego na rastrach heksagonalnych
Oleksandr Melnyk, Tetiana Prysiazhniuk

126-129
Metoda oceny ryzyka naruszenia bezpieczeństwa użytkownika na podstawie indywidualnego profilu bezpieczeństwa
Svitlana Lehominova, Mykhailo Zaporozhchenko, Tetiana Kapeliushna, Yuriy Shchavinsky, Tetiana Muzhanova

130-137
Metoda kodowania pozycyjnego w diferencyjnej przestrzeni falowej
Volodymyr Barannik, Anatolii Berchanov, Valeriy Barannik, Dmytro Uzlov, Mykola Dihtiar, Mykhailo Osovytskyi, Andrii Sushko, Yurii Babenko

138-146
Platforma internetowa z usługą Checkbox: aspekty rachunkowości podatkowej, sprawozdawczości i współpracy z organami podatkowymi
Yuliia Povstiana, Lyudmila Samchuk, Ivan Kachula

147-154
Analiza porównawcza webowych szkieletów programistycznych języka PHP: Codeigniter, Cakephp oraz Yii
Karol Rak, Mariusz Dzieńkowski

155-161
Prognozowanie cen plonów z wykorzystaniem Temporal Fusion Transformer dla okręgu Krishna w stanie Andhra Pradesh
Dedeepya Manikonda, Ashutosh Satapathy, Keerthi Padamata, Jaswanthi Machcha, J. Chandrakanta Badajena

162-170
Model transmisji pakietowej danych tekstowych z wykorzystaniem SDR w środowisku GNU Radio Companion
Nurbol Kaliaskarov, Kyrmyzy Taissariyeva, Nurlykhan Raulyev, Akezhan Sabibolda

171-176
Modelowanie systemu produkcyjnego typu pull-flow z dynamicznym sterowaniem zapasami buforowymi
Saad Elbaraka, Salah-eddine Mokhlis, Adil Barra, Hicham Fouraiji, Mohamed Rhouzali, Najat Messaoudi

177-182

Archiwum

2026

Tom 16 Nr 2
2026-06-30 27
Tom 16 Nr 1
2026-03-30 27

2025

Tom 15 Nr 4
2025-12-20 27
Tom 15 Nr 3
2025-09-30 24
Tom 15 Nr 2
2025-06-27 24
Tom 15 Nr 1
2025-03-31 26

2024

Tom 14 Nr 4
2024-12-21 25
Tom 14 Nr 3
2024-09-30 24
Tom 14 Nr 2
2024-06-30 24
Tom 14 Nr 1
2024-03-31 23

2023

Tom 13 Nr 4
2023-12-20 24
Tom 13 Nr 3
2023-09-30 25
Tom 13 Nr 2
2023-06-30 14
Tom 13 Nr 1
2023-03-31 12

2022

Tom 12 Nr 4
2022-12-30 16
Tom 12 Nr 3
2022-09-30 15
Tom 12 Nr 2
2022-06-30 16
Tom 12 Nr 1
2022-03-31 9

Authors

Oleksandr Zabolotnyi

o.zabolotnyi@khai.edu

National Aerospace University "Kharkiv Aviation Institute"

https://orcid.org/0000-0001-8266-4481

Andrii Khodieiev

khodeevandrey99@gmail.com

National Aerospace University "Kharkiv Aviation Institute"

https://orcid.org/0009-0000-8391-9853

Nicolay Koshevoy

m.koshovyi@khai.edu

National Aerospace University "Kharkiv Aviation Institute"

Roman Trishch

trich_@ukr.net

National Aerospace University "Kharkiv Aviation Institute"

https://orcid.org/0000-0002-9503-8428

Abstrakt

W artykule opisano rozwiązanie techniczne do monitorowania jednorodności emulsji. Składa się ono z czujników mętności zamontowanych w istniejących zbiornikach do przechowywania emulsji, modułu elektronicznego i odpowiednich przyrządów pomiarowych. Opracowano układ eksperymentalny do testowania charakterystyk metrologicznych czujników zmętnienia przy użyciu standardowych próbek zawiesiny kaolinu. Eksperymenty wykazały, że czujniki zmętnienia mają szeroki zakres pomiarowy, wysoką czułość i funkcję transferu bliską liniowej. Zastosowanie czujników mętności pozwala na monitorowanie etapów rozpadu emulsji, takich jak sedymentacja, koalescencja i całkowite rozdzielenie na dwie ciecze. Ustalenie momentu rozpadu emulsji w czasie rzeczywistym umożliwia zastosowanie trzech różnych trybów przywracania jednorodności emulsji poprzez wielokrotne mieszanie w różnych odstępach czasu. Zaproponowano zautomatyzowany system monitorowania jednorodności emulsji, składający się z czujników zmętnienia, modułu elektronicznego i programowalnego sterownika logicznego. Monitorowanie procesu niszczenia emulsji w czasie rzeczywistym umożliwia zastosowanie trzech różnych trybów przywracania jej jednorodności poprzez wielokrotne mieszanie w różnych odstępach czasu. Zapewnia to znaczne skrócenie czasu przywracania jednorodności emulsji wodno-paliwowej. Proponowany system można zintegrować z większością istniejących instalacji do produkcji i przechowywania emulsji wodno-paliwowych.

Słowa kluczowe:

emulsja woda-diesel, jednorodność, czujnik zmętnienia, funkcja transferu

Bibliografia

[1] Abdul Wahhab, H. A., Maskour, M. A., & Madodi, S. A. (2020). Investigation of Water-Diesel Emulsion Characteristics using Optical Technique. Journal of Applied Fluid Mechanics, 13(1), 349–355. https://doi.org/10.29252/jafm.13.01.30133

[2] Akbari, S., & Nour, A. H. (2018). Emulsion types, stability mechanisms and rheology: A review. International Journal of Innovative Research and Scientific Studies, 1(1), 11–17. https://doi.org/10.53894/ijirss.v1i1.4

[3] Alvarado, V., Wang, X., & Moradi, M. (2011). Stability Proxies for Water-in-Oil Emulsions and Implications in Aqueous-based Enhanced Oil Recovery. Energies, 4(7), 1058–1086. https://doi.org/10.3390/en4071058

[4] Avulapati, M. M., Megaritis, T., Xia, J., & Ganippa, L. (2019). Experimental understanding on the dynamics of micro-explosion and puffing in ternary emulsion droplets. Fuel, 239, 1284–1292. https://doi.org/10.1016/j.fuel.2018.11.112

[5] Costa, C., Medronho, B., Filipe, A., Mira, I., Lindman, B., Edlund, H., & Norgren, M. (2019). Emulsion Formation and Stabilization

by Biomolecules: The Leading Role of Cellulose. Polymers, 11(10), 1570. https://doi.org/10.3390/polym11101570

[6] Isoyama, R., Taie, M., Kageyama, T., Miura, M., Maeda, A., Mori, A., & Lee, S.-S. (2017). A Feasibility Study on the Simultaneous Sensing of Turbidity and Chlorophyll a Concentration Using a Simple Optical Measurement Method. Micromachines, 8(4), 112. https://doi.org/10.3390/mi8040112

[7] Kornienko, V. S., Radchenko, R. M., Mikielewicz, D., Konovalov, D. V., & Andreev, A. A. (2020). Reducing the harmful emissions and porous pollutions while combustion of water-fuel emulsions. Journal of New Technologies in Environmental Science, (2), 90–97.

[8] Liu, C., Chen, H., Xu, J., Xu, J., Cui, L., Cen, L., Cao, F., & Xiao, T. (2022). A model for evaluating the micro-explosion of a single droplet

of water-in-oil emulsions and the effect of hydrophilic surfactants on the phenomenon. Chemical Engineering Science, 262, 118047. https://doi.org/10.1016/j.ces.2022.118047

[9] Nguyen, H. H., Nguyen, D. C., & Nguyen, T. L. (2024). Efficiency Evaluation of Using Water-Fuel Emulsion as Fuel for Automobiles. Journal of Science and Transport Technology, 1–12. https://doi.org/10.58845/jstt.utt.2024.en.4.1.1-12

[10] Niszczota, P., Chmielewski, M., & Gieras, M. (2022). Fuel-Water Emulsion as an Alternative Fuel for Gas Turbines in the Context

of Combustion Process Properties – A Review. Energies, 15(23), 8979. https://doi.org/10.3390/en15238979

[11] Parra, L., Rocher, J., Escrivá, J., & Lloret, J. (2018). Design and development of low cost smart turbidity sensor for water quality

monitoring in fish farms. Aquacultural Engineering, 81, 10–18. https://doi.org/10.1016/j.aquaeng.2018.01.004

[12] Patil, H., Gadhave, A., Mane, S., & Waghmare, J. (2015). Analyzing the Stability of the Water-in-Diesel Fuel Emulsion. Journal

of Dispersion Science and Technology, 36(9), 1221–1227. https://doi.org/10.1080/01932691.2014.962039

[13] Salih, S. Y. (2017). Water-Diesel Emulsion: A Review. International Journal of Advances in Engineering & Technology, 10(3), 429–436.

[14] Samoilenko, D., Savchenko, A., & Kravchenko, S. (2023). Improving the performance of diesel engines fueled with water-fuel emulsion. Combustion Engines. https://doi.org/10.19206/CE-169139

[15] Singh, G., Lopes, E., Hentges, N., & Ratner, A. (2019). Experimental Investigation of Water Emulsion Fuel Stability. Volume 7: Fluids Engineering, V007T08A034. https://doi.org/10.1115/IMECE2019-10258

[16] Trevathan, J., Read, W., & Schmidtke, S. (2020). Towards the Development of an Affordable and Practical Light Attenuation Turbidity Sensor for Remote Near Real-Time Aquatic Monitoring. Sensors, 20(7), 1993. https://doi.org/10.3390/s20071993

[17] Woo, S., Kim, W., Lee, J., & Lee, K. (2021). Fuel properties of water emulsion fuel prepared using porous membrane method for low pollutant engine at various temperatures. Energy Reports, 7, 6638–6650. https://doi.org/10.1016/j.egyr.2021.09.082

[18] Zabolotnyi, O., Zabolotnyi, V., & Koshevoy, N. (2022). Capacitive Water-Cut Meter with Robust Near-Linear Transfer Function. Computation, 10(7), 115. https://doi.org/10.3390/computation10070115

[19] Zabolotnyj, A. V., & Koshevoj, N. D. (2004). Development, examination and optimization of the device for quality control of dielectric materials. Pribory i Sistemy Upravleniya, (1), 39–43.

[20] TS-300B High Quality Arduino Turbidity Sensor. https://www.innovatorsguru.com/ts-300b-arduinoturbidity-sensor

Kontrola stabilności emulsji woda-diesel za pomocą pomiarów zmętnienia. (2026). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 16(1), 35-41. https://doi.org/10.35784/iapgos.7164

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 16 Nr 1 (2026)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja