В статье представлен обзор современных методов диагностики технического состояния бензиновых двигателей внутреннего сгорания на основе анализа состава отработавших газов. Статья посвящена решению задачи повышения эффективности и точности определения параметров рабочего процесса двигателя при использовании неинвазивных методов контроля. В работе применён метод систематического обзора литературных источников за период 2000–2025 гг. Проведена классификация диагностических подходов по типу измерительной технологии: традиционные газоанализаторы, спектроскопические методы (FTIR, NDIR), портативные комплексы PEMS, on-board сенсорные системы и интеллектуальные алгоритмы на основе машинного обучения. Научная новизна заключается в обобщении современных направлений развития газоаналитической диагностики бензиновых ДВС и выявлении тенденций перехода от периодического контроля к непрерывному мониторингу технического состояния. Результаты анализа показали, что использование спектроскопических и интеллектуальных методов обеспечивает повышение точности определения концентраций компонентов выхлопа и позволяет выявлять неисправности на ранних стадиях. Сделан вывод о необходимости интеграции таких систем с электронными блоками управления и развития отечественных портативных диагностических комплексов.
диагностика, анализ, двигатель, FTIR-спектроскопия, выбросы, технологии, бортовые системы OBD-II, обучение, экологические стандарты
1. Riegel J., Neumann H., Wiedenmann H.-M. Exhaust Gas Sensors for Automotive Emission Control. Solid State Ionics. 2002. Vol. 152–153. P. 783–800. DOI:https://doi.org/10.1016/S0167-2738(02)00329-6.
2. Moos R. Catalysts as Sensors-A Promising Novel Approach in Automotive Exhaust Gas Aftertreatment. Sensors. 2010. Vol. 10, no. 7. P. 6773–6787. DOI:https://doi.org/10.3390/s100706773.
3. Moos R. A Brief Overview on Automotive Exhaust Gas Sensors Based on Electroceramics. International Journal of Applied Ceramic Technology. 2005. Vol. 2. P. 401–413. DOI:https://doi.org/10.1111/j.1744-7402.2005.02041.x.
4. Giechaskiel B., Clairotte M. Fourier Transform Infrared (FTIR) Spectroscopy for Measurements of Vehicle Exhaust Emissions: A Review. Applied Sciences. 2021. Vol. 11, no. 16. P. 7416. DOI:https://doi.org/10.3390/app11167416.
5. Fuśnik Ł., Szafraniak B., Paleczek A., Grochala D., Rydosz A. A Review of Gas Measurement Set-Ups. Sensors. 2022. Vol. 22, no. 7. P. 2557. DOI:https://doi.org/10.3390/s22072557.
6. Bante S., Karale S., Awari G. A Systematic Review on Real Time Exhaust Gas Sensing System for On Board Sensing of Harmful Gases in IC Engine. IOP Conference Series: Materials Science and Engineering. 2021. Vol. 1170. P. 012012. DOI:https://doi.org/10.1088/1757-899X/1170/1/012012.
7. Awad O. I., Ma X., Kamil M., Ali O. M., Zhang Z., Shuai S. Particulate Emissions from Gasoline Direct Injection Engines: A Review. Science of the Total Environment. 2020. Vol. 718. Article 137302. DOI:https://doi.org/10.1016/j.scitotenv.2020.137302.
8. Giechaskiel B. et al. Assessment of On-Board and Laboratory Gas Measurement Systems for Future Heavy-Duty Emissions Regulations. International Journal of Environmental Research and Public Health. 2022. Vol. 19, no. 10. P. 6199. DOI:https://doi.org/10.3390/ijerph19106199.
9. Kousoulidou M., Fontaras G., Ntziachristos L., Bonnel P., Samaras Z. Use of Portable Emissions Measurement System (PEMS) for Regulatory Purposes: The EU Perspective. Atmospheric Environment. 2013. Vol. 64. P. 329–338. DOI:https://doi.org/10.1016/j.atmosenv.2012.09.062.
10. Lee S. et al. On-Road Portable Emission Measurement Systems Test Data Analysis and Light-Duty Vehicle In-Use Emissions Development. SAE International Journal of Electric Vehicles. 2020. Vol. 9, no. 2. P. 111–131. DOI:https://doi.org/10.4271/14-09-02-0007.
11. Коммерсантъ. 2025. URL: https://www.kommersant.ru/doc/6427198 (дата обращения: 12.11.2025).
12. Kochanek A. et al. The Analysis of Exhaust Composition Serves as the Foundation for the Development of a Diagnosing Methodology of Internal Combustion Engines. Sustainability. 2025. Vol. 17, no. 8. P. 3420. DOI:https://doi.org/10.3390/su17083420.
13. Dzieniszewski G., Kubon M., Zieliński D. Assessment of the Possibility of Using Exhaust Gas Composition in Predicting the Technical Condition of the Engine. Journal of Research and Applications in Agricultural Engineering. 2025. DOI:https://doi.org/10.53502/jraae-199729.
14. Steiner C. et al. Catalyst State Diagnosis of Three-Way Catalytic Converters Using Different Resonance Parameters with Special Focus on Amplitude and Phase. Sensors (Basel). 2019. Vol. 19, no. 16. P. 3559. DOI:https://doi.org/10.3390/s19163559.
15. Salehi R., Alasty A., Shahbakhti M. Detection and Isolation of Faults in the Exhaust Path of Turbocharged Automotive Engines. International Journal of Automotive Technology. 2015. Vol. 16. P. 127–138. DOI:https://doi.org/10.1007/s12239-015-0014-5.
16. Tamura M., Saito H., Murata Y., Kokubu K., Morimoto S. Misfire Detection on Internal Combustion Engines Using Exhaust Gas Temperature in Combination with Crankshaft Angle Variation. Applied Thermal Engineering. 2011. Vol. 31. P. 4125–4131. DOI:https://doi.org/10.1016/j.applthermaleng.2011.08.026.
17. Torres N. N. S. et al. Fault Diagnosis in Internal Combustion Engines Using Artificial Intelligence Predictive Models. Applied System Innovation. 2025. Vol. 8, no. 5. P. 147. DOI:https://doi.org/10.3390/asi8050147.
18. Michailidis E. T., Panagiotopoulou A., Papadakis A. A Review of OBD-II-Based Machine Learning Applications for Sustainable, Efficient, Secure, and Safe Vehicle Driving. Sensors (Basel). 2025. Vol. 25, no. 13. P. 4057. DOI:https://doi.org/10.3390/s25134057.
19. Miranda M. H. R. et al. Novel Prediction Approach for Exhaust Gases Using Elman Neural Network Combined with Particle Swarm Optimization. Energy. 2025. Vol. 331(C).
20. Baghani A., Chitsaz I., Teymoori M. M. A Novel Method for Real Driving Emission Prediction Utilizing an Artificial Neural Network. Engineering Applications of Artificial Intelligence. 2024. Vol. 137. P. 109267.
21. Pugazhendi P., Albuquerque C., Mendes A., Vanaja S., Pichandi C., Raja M. Investigations on the Applicability of Machine Learning Algorithms for Predicting Emissions and Performance of Ethanol–Water-Fueled Spark-Ignition Engines. Combustion Theory and Modelling. 2025. P. 1–28. DOI:https://doi.org/10.1080/13647830.2025.2552850.
22. Workman J. A Review of the Latest Research Applications Using FT-IR Spectroscopy. Spectroscopy. 2024. P. 22–28. DOI:https://doi.org/10.56530/spectroscopy.ak9689m8.
23. Ménil F., Coillard V., Lucat C. Critical Review of Nitrogen Monoxide Sensors for Exhaust Gases of Lean Burn Engines. Sensors and Actuators B: Chemical. 2000. Vol. 67. P. 1–23. DOI:https://doi.org/10.1016/S0925-4005(00)00401-9.
24. López Méndez Á. Characterization of NOx Sensor Performance for On-Board Diagnosis: MSc thesis. 2023.
25. Arulogun O. A., Fakolujo A., Waheed M. A., Omidiora E., Ogunbona P. Characterization of Gasoline Engine Exhaust Fumes Using Electronic Nose. Global Journal of Research Engineering. 2011. Vol. 11.
26. Zeng W. et al. Transfer Learning for Transient NOx, PN and THC Emission Prediction of Non-Road Diesel Engines Based on NRTC Experiments. Environmental Science: Processes & Impacts. 2025. Vol. 27, no. 10. P. 3272–3285. DOI:https://doi.org/10.1039/d5em00321k.
27. Best Exhaust 5 Gas Analyzer for Automotive [Электронный ресурс]. URL: https://www.forensicsdetectors.com/blogs/articles/small-engine-exhaust-gas-analyzer (дата обращения: 12.11.2025).
28. Кончаков А. А. Анализ отработавших газов двигателей внутреннего сгорания автомобилей: методические рекомендации. 2020.
29. Анализ отработавших газов BEA [Электронный ресурс]. URL: https://simplepage.narod.ru/eva/catalog/bosch/bea.pdf (дата обращения: 12.11.2025).
30. Harach T. et al. Novel Method for Determining Internal Combustion Engine Dysfunctions on Platform as a Service. Sensors (Basel). 2023. Vol. 23, no. 1. P. 477. DOI:https://doi.org/10.3390/s23010477.
31. Brandt E., Wang Y., Grizzle J. A Simplified Three-Way Catalyst Model for Use in On-Board SI Engine Control and Diagnostics. Proc. ASME Dynamic System and Control Division. 2000. Vol. 61.
32. Fremerey P. et al. Determination of the NOx Loading of an Automotive Lean NOx Trap by a Microwave-Based Method. Sensors (Basel). 2011. Vol. 11, no. 9. P. 8261–8280. DOI:https://doi.org/10.3390/s110908261.
33. Lyu P., Wang P. (Slade), Liu Y., Wang Y. Review of the Studies on Emission Evaluation Approaches for Operating Vehicles. Journal of Traffic and Transportation Engineering (English Edition). 2021. Vol. 8, no. 4. P. 493–509. DOI:https://doi.org/10.1016/j.jtte.2021.07.004.
34. He P., Li Y., Wang J. Study on the Exhaust System Parameters of a Small Gasoline Engine. SAE Technical Paper. 2008. DOI:https://doi.org/10.4271/2008-01-1766.
35. Rodrigues N. F. et al. Misfire Detection in Automotive Engines Using a Smartphone Through Wavelet and Chaos Analysis. Sensors (Basel). 2022. Vol. 22, no. 14. P. 5077. DOI:https://doi.org/10.3390/s22145077.
36. Lee B., Guezennec Y., Rizzoni G. Model-Based Fault Diagnosis of Spark-Ignition Direct-Injection Engine Using Nonlinear Estimations. SAE Transactions. 2005. Vol. 114. P. 190–200.
37. Romahadi D. et al. Bayesian Networks Approach on Intelligent System Design for the Diagnosis of Heat Exchanger. SINERGI. 2022. Vol. 26. P. 127–136. DOI:https://doi.org/10.22441/sinergi.2022.2.001.
38. Огнев И. И., Огнев И. Г., Пятаев М. В. и др. Анализ норм токсичности отработавших газов дизельного двигателя автотранспортных средств. В сб.: Инновационное развитие техники и технологий наземного транспорта: сб. ст. Екатеринбург: Изд-во Уральского ун-та, 2021. С. 53–56. EDN JJJTGR.
39. Григорьев М. В., Зенченко В. А. Компьютерная диагностика двигателя EJ253 на автомобиле Subaru Outback: учебно-методическое пособие. Москва: Московский автомобильно-дорожный государственный технический университет (МАДИ), 2022. 52 с. EDN DCBPDV.
40. Заськин Д. В., Попов Д. М. Совершенствование технологического процесса ремонта ДВС и агрегатов с разработкой стенда для разборки и сборки ДВС. В кн.: Каталог выпускных квалификационных работ Кузбасского государственного аграрного университета – 2023. Кемерово: Кузбасский государственный аграрный университет, 2023. С. 81–83. EDN CSTLJX.
41. Which Emissions Does a 5 Gas Analyzer Read Automotives [Электронный ресурс]. URL: https://www.globalmrv.com/which-emissions-does-a-5-gas-analyzer-read-automotives/?utm (дата обращения: 27.04.2024).
42. HC, CO, CO₂, O₂, NO Emission Analyzer Gasoline and Diesel Exhaust Gas Analyzer [Электронный ресурс]. URL: https://www.hkrok.com/products/hc-co-co2-o2-no-emission-analyzer-gasoline-and-diesel-exhaust-gas-analyzer/?utm (дата обращения: 27.04.2024).
