DOI: https://doi.org/10.18664/ikszt.v0i5.115370

Дослідження можливості використання нейронних мереж при випробуваннях гідравлічних передач тепловозів

І. А. КЛЮШНИК

Анотація


Досліджено можливість розроблення системи самодіагностики інформаційно-вимірювальної системи випробувань гідравлічних передач тепловозів. Запропоновано використання нейронних мереж і нечіткої логіки для розроблення системи самодіагностики інформаційно-вимірювальної системи випробувань гідравлічних передач тепловозів. Як початковий етап розроблення системи діагностики за допомогою нейронних мереж представлена нейронна мережа, що прогнозує частоту обертання турбінного колеса гідропередачі при випробуваннях у режимі вибігу. Таке рішення дозволяє застосовувати в режимі вибігу датчик Д2-ММУ-2.


Ключові слова


випробуваннях гідравлічних передач тепловозів; нейронна мережа; тахометричний датчик Д2-ММУ-2

Повний текст:

PDF

Посилання


Information-measuring Test System of Diesel Locomotive Hydraulic Transmissions /

I. V. Zhukovytskyy, I. A. Kliushnyk, O. B. Ochkasov, R. O. Korenyuk // Наука та прогрес транспорту. – 2015. – № 5 (59). – С. 53–65. doi: 10.15802/stp2015/53159.

Використання методу вільного вибігу при визначенні механічних втрат в гідравлічних передачах при стендових випробуваннях [Текст] / Б. Є. Боднар, О. Б. Очкасов, Р. О. Коренюк [та ін.] // Проблемы и перспективы развития железнодорожного транспорта: тезисы

-й Междунар. науч.-практ. конф. (Днепропетровск, 11-12 мая 2017 г.). – Днепропетровск, 2017. – С. 16-17.

Косолапов, А. А. Розвиток наукових основ побудови і експлуатації систем автоматизації залізничних сортувальних станцій [Текст]: автореф. дис… д-ра техн. наук / А. А. Косолапов ; Дніпропетр. нац. ун-т залізн. трансп. ім. акад.

В. Лазаряна. – Дніпропетровськ: Вид-во Дніпропетр. нац. ун-ту залізн. трансп. ім. акад. В. Лазаряна, 2014.

Должикова, Е. Ю. Разработка алгоритма функционирования автоматизированной системы контроля и управления потреблением ресурсов для административных зданий Development of the algorithm the automated control [Текст] / Е. Ю. Должикова, Д. С. Туманов // ВЕСТНИК МГТУ . – 2013. – С. 68.

Shyr W. J., Lin C. M., Feng H. Y. Development of Energy Management System Based on Internet of Things Technique //World Academy of Science, Engineering and Technology, International Journal of Electrical, Computer, Energetic, Electronic and Communication Engineering. – 2017. – Vol. 11. – №. 3. – P. 207-210.

Liu K., Ma Q., Gong W., Miao X., Liu Y. Self-diagnosis for detecting system failures in large-scale wireless sensor networks // IEEE Transactions on Wireless Communications. – 2014. – Vol. 13. – №. 10. – P. 5535-5545.

Sun W., Jian D., Yuan Y., Yuan Y. Fault Simulation of Electro-Hydraulic Servo System for Fault Self-Healing Based on Immune Principle // Computational Intelligence and Design (ISCID), 2016 9 th International Symposium on. – IEEE, 2016. – Vol. 2. – P. 136-139.

Осипов, А. В. Работа гидротрансформатора гидропередачи промышленного локомотива в переходных процессах и неустановившихся режимах работы [Текст] / А. В. Осипов, В. А. Кручек, Д. Н. Курилкин // Известия Петербургского университета путей сообщения. – 2012. – № 2 (31). – С. 142-148.

Кондратьева, С. Д. Моделирование сложных систем: современные математические методы и практические аспекты [Текст] / С. Д. Кондратьева, М. Г. Семененко // Фундаментальные исследования. – 2016. – Т. 1. – №. 5. – С. 43-46.

Адаптивный метод комбинированного обучения-самообучения нейро-фаззи систем [Текст] / А. А. Дейнеко, Ж. В. Дейнеко, А. П. Турута [и др.] // Системні технології. – 2014. – № 2. – С. 145-153.

Перова, И. Г. Нейро-фаззи система для задач обработки медицинских данных в ситуациях множества диагнозов [Текст] / И. Г. Перова, Е. В. Бодянский // Бионика интеллекта. – 2015. – № 2. – С. 86-89.

Zhukovytskyy, I. V. Use of microcontroller for measuring shaft speed of diesel locomotive hydraulic transmission [Тext] / I. V. Zhukovytskyy, I. A. Kliushnyk // Наука та прогрес транспорту. – 2016. – № 5 (65). – С. 43–53.

doi: 10.15802/stp2016/83990.

Valipour M., Banihabib M. E., Behbahani S. M. R. Comparison of the ARMA, ARIMA, and the autoregressive artificial neural network models in forecasting the monthly inflow of Dez dam reservoir // Journal of hydrology. – 2013. – Vol. 476. –

P. 433-441.

Sutthichaimethee P., Ariyasajjakorn D. Forecasting energy consumption in short-term and long-term period by using arimax model in the construction and materials sector in thailand // Journal of Ecological Engineering. – 2017. – Vol. 18. – №. 4. – P. 52-59.

Samarasinghe S. Neural networks for applied sciences and engineering: from fundamentals to complex pattern recognition. – CRC Press, 2016.

Хайкин, С. Нейронные сети: полный курс [Текст]: пер. с англ. / С. Хайкин. – 2-е изд. – М.: ООО "Изд. дом Вильямс", 2006. – 1104 с.

Niculescu S. P. Artificial neural networks and genetic algorithms in QSAR //Journal of Molecular Structure: THEOCHEM. – 2003. – Vol. 622. – №. 1. – P. 71-83.

Адаменко, В. А. Нейросетевая обработка сигналов в задачах диагностики газотурбинных авиадвигателей [Текст] / В. А. Адаменко // Цифровая обработка сигналов и ее применение. – С. 40-45.

Дамиров, В. М. Моделирование спроса методом наискорейшего спуска с использованием перцептрона [Текст] / В. М. Дамиров // Казанская наука. – 2009. – № 1. – С. 161.