Застосування штучної нейронної мережі для визначення рівня зношеності циліндро-поршневої групи автотракторного двигуна

Автор(и)

  • Андрій Олександрович Молодан Харківський національний автомобільно-дорожній університет
  • Дмитрій Володимирович Абрамов Харківський національний автомобільно-дорожній університет
  • Юрій Володимирович Тарасов Харківський національний автомобільно-дорожній університет
  • Микола Миколайович Потапов Харківський національний автомобільно-дорожній університет

DOI:

https://doi.org/10.31649/2413-4503-2021-14-2-62-71

Ключові слова:

автотракторний двигун, циліндро-поршнева група, діагностування, рівень зношеності, штучна нейронна мережа, штатні контролюючі датчики, кількість нейронів

Анотація

У статті пропонується зниження надмірності нейронної мережі та необхідності зменшення числа нейронів прихованого шару при заданому рівні помилки навчання мережі. Мінімальне число нейронів прихованого шару для випадку 11-ти контролюючих штатних датчиків параметри автотракторному двигуна і п'яти класів типових дефектів вузлів АТД може бути знижено до п’яти-семи при високій якості розпізнавання стану автотракторного двигуна. Мета полягає у тому, щоб на основі теорії створення інфраструктури діагностування несправності автотракторних двигунів, заснованої на використанні штучних нейронних мереж та експериментальних досліджень, забезпечити отримання розширеної достовірної бази знань, швидкість обробки інформації, точність одержуваного технічного діагнозу і можливість оперативного визначення технічного стану автотракторного двигуна в режимі реального часу. Основою запропонованого методу є забезпечення отримання розширеної достовірної бази знань, швидкість обробки інформації, точність одержуваного технічного діагнозу і можливість оперативного визначення технічного стану автотракторного двигуна в режимі реального часу.
Особливістю запропонованого способу є використання напруг в якості вхідних сигналів, що надходять в штучну нейронну мережу від датчиків, які є штатними в автотракторному двигуні, і додатково вказують на вихідний сигнал пристрою відключення подачі палива, передбачений на один крок, що містить обмотку нормально закритого електромагнітного клапана, який перенаправляє паливо в лінію зливу. Використання алгоритму виявлення значення показників режимів роботи і несправностей циліндро-поршневої групи є результатом аналізу штучної нейронної мережі, які отримують результати діагностичних параметрів автотракторного двигуна. Дослідивши штучну нейронну мережу 1 з різними обсягами навчальних даних, отримали залежність зміни достовірності результату від розміру навчальних даних і достовірність результату розпізнавання 91,2 % (оптимальна кількість навчальних даних становить 1200). Дослідивши штучну нейронну мережу 2 з різними обсягами навчальних даних, отримали залежність зміни достовірності результату від розміру навчальних даних і достовірність результату розпізнавання 86,5% (оптимальна кількість навчальних даних становить від 10 до 15). Отримані результати вказують принципову можливість створення прогностичних моделей вузлів і агрегатів випробовуваних автотракторних двигунів. Модель можна створити за допомогою апарату штучних нейронних мереж і використання досить великої бази даних проведених випробувань.

Біографії авторів

Андрій Олександрович Молодан, Харківський національний автомобільно-дорожній університет

д-р. техн. наук, професор кафедри технології машинобудування і ремонту машин

Дмитрій Володимирович Абрамов, Харківський національний автомобільно-дорожній університет

д-р. техн. наук, професор кафедри технології машинобудування і ремонту машин

Юрій Володимирович Тарасов, Харківський національний автомобільно-дорожній університет

д-р. техн. наук, доцент кафедри технології машинобудування і ремонту машин

Микола Миколайович Потапов, Харківський національний автомобільно-дорожній університет

канд. техн. наук, доцент кафедри технології машинобудування і ремонту машин

Посилання

С. В. Жернаков, «Активная диагностическая экспертная система», Проблемы машиностроения и надежности машин. М.: РАН. 2002, № 1. С. 92-99.

K. S. Narendra, «Neural Networks for Control. Theory and Practice», Proceedings of the IEEE, Vol. 84, No 10, 1996, p.p. 1385-1405.

R. J. Patton, «Issues in Fault Diagnosis for Dynamic Systems», Springer- Verlag, London, 2000. 536 p.

А. А. Молодан, «Оценка технического состояния цилиндро-поршневой группы двигателя с учетом разделения потоков газов, проходящих в картер»: дис. … канд. техн. наук: спец. 05.22.20 експлуатація та ремонт засобів транспорту. Харків, ХНАДУ, 2011. 184 с.

Е. В. Викторова, «Применение нечетких нейронных сетей для технической диагностики дорожных машин», Вестник ХНАДУ, 2012, вып. 56. С. 98-102.

А. О. Молодан, «Діагностування потужності окремих циліндрів автотракторних двигунів методом їх відключення», Вісник Харківського національного технічного університету сільського господарства імені Петра Василенка (технічні науки). Х.: ХНТУСГ імені Петра Василенка, 2019. Вип. 198. С. 130-136.

А. О. Молодан, «Ефективність нейронно-мережевих моделей в системах діагностики технічного стану двигунів на основі функціональної адаптації», Матеріали всеукраїнського науково-практичного семінару, 22 травня 2019 р., Харків: Харківський національний автомобільно-дорожній університет, 2019, С. 16-17.

Нгуєн Мінь Тієн, Діагностика автомобільного двигуна на основі нейронної мережі, Молодий вчений, № 26 (264), С. 76-81, 2019. [Електронний ресурс]. Режим доступу: https://moluch.ru/archive/264/61089. Дата звернення: Січ. 24, 2021.

И. В. Прахов, «Применение искусственных нейронных сетей в спектральном методе диагностики машинных агрегатов», Technical Sciences: Fundamental Research, № 9. С. 502-506, 2015.

Теорема Колмогорова-Арнольда-Хехт-Нильсена. [Електронний ресурс]. Режим доступу: https://lektsii.org/12-28326.html. Дата оновлення: Січ. 18, 2015. Дата звернення Січ. 28, 2021.

##submission.downloads##

Переглядів анотації: 55

Опубліковано

2022-01-13

Як цитувати

[1]
А. О. Молодан, Д. В. Абрамов, Ю. В. Тарасов, і М. М. Потапов, «Застосування штучної нейронної мережі для визначення рівня зношеності циліндро-поршневої групи автотракторного двигуна», ВМТ, вип. 14, вип. 2, с. 62–71, Січ 2022.

Номер

Розділ

Articles

Метрики

Завантаження

Дані завантаження ще не доступні.

Статті цього автора (авторів), які найбільше читають