дор к 17:00 мск! Диагностика поршневых двигателей с использованием нейронно - сетевых моделей

ВВЕДЕНИЕ

Автомобили разного класса имею широкий спрос среди потребителей, как низкого, так и высокого достатка. В современном мире сложно представить семью, у которой нет личного автомобиля или транспорта, который позволяет свободно передвигаться по дорогам в любое удобное время, при этом человек полностью независим по времени от общественного транспорта, несмотря на то, что передвижение и обслуживание автомобиля требует значительных средств. Это касается не только частных лиц, но и целых организаций. Далеко не у каждой солидной организации имеется свой парк автотранспорта, который позволяет удовлетворять все транспортные потребности, и приходится прибегать к помощи сторонних организаций.

Таким образом, транспорт и логистика является одной самых перспективных отраслей в современном мире.

Еще с древних истоков истории берет свое начало транспорт. Первобытные люди при помощи специальных носилок, саней перевозили огромные грузы. Изобретение колеса стало революцией в транспортном строении. Появление паровой машины и двигателя внутреннего сгорания стало одним из сильных толчков в развитие транспортостроения.

Следствием этого является появление множества организаций, заводов и фабрик, как отечественных, так и зарубежных, где ежедневно трудятся люди, а результат их труда – производство транспорта, обеспечение пассажироперевозок, грузоперевозок логистики и т.д. Благодаря недорогому сырью и автоматизированным линиям возрастают объемы производства.

В результате промышленной революции и активного внедрения транспорта возникла необходимость его обслуживания. Помимо учета его передвижения, обслуживания, расхода топлива и горюче-смазочных материалов возникла потребность в метрологических измерениях.

Силовым агрегатом у автомобиля является его мотор. На 50% эффективность работы транспортного средства зависит от исправности и стабильности работы.

К сожалению, развитие отечественного транспортостроения уступает по мере развития иностранным гигантам, которые внедряют в свои автомобили интеллектуальные системы контроля параметров двигателя.

У большинства водителей в пользовании находятся автомобили старше 20 лет, которые оборудованы двигателями инжекторными системами старого поколения или карбюраторными двигателями внутреннего сгорания. Инжекторные системы старого поколения, несмотря на наличие микропроцессорного модуля имеют диагностические выводы информации в режиме реального времени, однако универсальных устройств контроля и индикации для решения этих задач нет. Поэтому важно разработать универсальную автономную интеллектуальную систему контроля параметров работы двигателя.

Актуальность работы

В большинстве случаев диагностика мотора заключается в контроле уровня жидкостей, измерении компрессии в цилиндрах и диагностики ошибок электронного блока управления. Однако первым признаком неисправности остается уровень детонации. Детонация как явление распространяется не только на всю площадь и объем мотора, но и на конкретные его участки. Характер детонации позволяет заочно определить не только неисправность какой-то конкретной детали, но и неравномерности работы силового агрегата вцелом.

Вторым важным признаком является уровень шума. В зависимости от уровня шума, его частоты и спектра, так же можно принимать решения и делать выводы о неисправности мотора.

Системы интеллектуального контроля плотно вошли в жизнь, однако исследовать изменение всех параметров в режиме реального времени – сложный и трудоемкий процесс. При том, обучение квалифицированных специалистов по работе с подобными системами диагностики, весьма затруднено из-за большого количества терминологии и специфики работы. Целесообразно в данном случае использовать искусственный интеллект. Одним из самых обсуждаемых и перспективных направлений являются алгоритмы нелинейного программирования. При этом особой популярностью пользуются нейронные сети.

Разработка новых средств искусственного интеллекта для решения задачи диагностики поршневых двигателей объясняет актуальность работы.

Целью данной диссертационной работы является анализ системы контроля параметров поршневого двигателя, а так же исследование возможности и эффективности применения искусственного интеллекта на базе нейро-сетевых технологий.

Для достижения цели должны быть выполнены следующие задачи:

1) Анализ конструкций поршневых двигателей с типичным описанием неисправностей, описание процессов происходящих на каждом из тактов работы силового агрегата.

2) Оценка эффективности диагностики традиционными методами, как альтернативу рассмотреть новый подход диагностики за счет многогранного подхода и описать динамику изменения показателей в различных случаях

3) Построить модель искусственной нейронной сети, определить ее место на этапе диагностики и сгенерировать выборку данных, после чего провести ее первоначальное обучение. В результате обучения оценить ее эффективность.

4) Построить стенд диагностики и провести реальный эксперемент, используя разработанное решение, провести оценку достоверности результатов исследования

Научная новизна. В работе предлагаются модели и методы решения задачи систем диагностики двигателей внутреннего сгорания.

1) Оптимизирован процесс диагностики за счет использования нового подходя за счет многогранного контроля силовых агрегатов мотора и фиксации данных с вибро- и акустических датчиков

2) Разработана модель диагностики динамики параметров датчиков за счет использования искусственного интеллекта основанного на обучении нейронной сети.

3) Расчет весов и роли каждого из параметров, оптимизация процессов вычисления при определении достоверности результатов каждого из параметра.

Проведенные расчеты и предложенные методики позволяют существенно повысить эффективность работы в данной и смежной области.

Практическая значимость. Результаты диссертационного исследования могут быть использованы в виде программно-аппаратного обеспечения, в различных организациях предприятиях, различных форм собственности, а так же в учебном процессе высших учебных заведений.

Гипотеза данного диссертационного исследования построена на том, что использование модели нейронной сети в области диагностики поршневых силовых агрегатов позволит безошибочно диагностировать:

1) Техническое состояние

2) Наличие неисправности

3) Тип неисправности

При этом каждый из этих этапов является производным предыдущего. Экспертная система, построенная в данном исследовании на основе нейронной сети, выдает заключение о состоянии, используя модель обучения, заложенную на этапе моделирования с коррекцией данных в результате проверки на реальных данных.

В качестве методов исследования были использованы следующие: анализ научной литературы, анализ деятельности, спектральный анализ, математический анализ, систематизация и обобщение.