DOI: https://doi.org/10.18664/ikszt.v25i2.206832

Автоматизований експертний комплекс із дослідження та прогнозування параметрів силових енергетичних установок локомотивів

В. В. СКАЛОЗУБ, О. Б. ОЧКАСОВ, Д. В. КІБЕЦЬ

Анотація


У статті досліджено можливості створення та результати застосування автоматизованого експертного комплексу, призначеного для вирішення завдань з удосконалення процесів експлуатації парків локомотивів, що реалізується засобами сучасних інтелектуальних систем. Процедури моніторингу та діагностування забезпечують реалізацію завдань контролю параметрів функціонування силових енергетичних установок локомотивів (СЕУЛ). Комплекс експертної системи (КЕС-СЕУЛ) реалізує базові завдання щодо побудови системи аналізу, діагностування та прогнозування стану СЕУЛ на основі сигналів кутової швидкості обертів колінчатих валів. У КЕС-СЕУЛ завдання експертизи реалізуються шляхом поєднання методів цифрової обробки сигналів, статистичного аналізу, класифікації та використання емпіричних знань експертів. Подано структуру, моделі та результати діагностування СЕУЛ.

 


Ключові слова


силова енергетична установка; локомотив; кутова швидкість обертів; колінчатий вал; інтелектуальні автоматизовані системи; діагностування; прогнозування; логістична регресія

Повний текст:

PDF

Посилання


Скалозуб В. В., Цейтлин С.Ю., Чередниченко М. С. Интеллектуальные информационные технологии и системы железнодорожного транспорта. Монограф. «Системные технологии моделирования сложных процессов». Днепр: НМетАУ – ИВК «Системные технологии», 2016. С. 560 – 589.

Жуковицький І. В., Скалозуб В. В., Устенко А. Б. Інтелектуальні засоби управління парками технічних систем залізничного транспорту. Монографія. Дніпро: Вид-во ПФ «Стандарт – Сервіс», 2018. 190 с.

Скалозуб В. В., Швец О. М., Осовик В. Н. Методы интеллектуальных транспортных систем в задачах управления парками объектов железнодорожного транспорта по текущему состоянию. Зб. наук. праць ДНУ ім. О. Гончара «Питання прикладної математики і математичного моделювання». Дніпропетровськ: Вид-во «Ліра», 2014. С. 229 – 242.

Скалозуб В. В., Жуковицкий И. В., Клименко И. В. Создание интеллектуальных систем поддержки принятия решений в единой автоматизированной системе управления грузовыми железнодорожными перевозками Украины. Системні технології. Дніпро, 2018. 3(116). С.153-162.

Zhukovyts’kyy I. Use of an automaton model for the designing of real-time information systems in the railway stations. Transport problems. 2017. T. 12. Z. 4. P.101–108.

Ontology-Based Classification System Development Methodology / P. Grabusts, A. Borisov, L. Aleksejeva. Information Technology and Management Science. 2015. Vol. 18, Issue 1. P. 129-134. doi: 10.1515/itms-2015-0020

Development of ontological support of constructive-synthesizing modeling of information systems/ V. Skalozub, V. Illman, V. Shynkarenko. Eastern-European Journal of Enterprise Technologies. 2017. Vol. 6/4 (90). P. 58-69. doi: 10.15587/1729-4061.2017.119497

Ontological support formation for constructive-synthesizing modeling of information systems development processes / V. Skalozub, V. Illman, V. Shynkarenko. Eastern-European Journal of Enterprise Technologies. 2018. Vol. 5/4 (95). P. 55-63.

Пегат А. Нечеткое моделирование и управление / пер. с англ. Москва: БИНОМ. Лаборатория знаний, 2009. 798 с.

Айфичер Э. C., Джервис Б. У. Цифровая обработка сигналов: практический подход. Изд 2-е. Москва: Вильямс, 2008. 992 с.

Нуссбаумер Г. Быстрое преобразование Фурье и алгоритмы вычисления сверток/ пер. с англ. Москва: Радио и связь, 1985.382 с.

Боднар Б. Є., Очкасов О. Б., Черняєв Д. В., Децюра О. Я. Моделювання нерівномірності обертання колінчатого вала дизеля. Вісник Дніпропетр. нац. ун-ту залізнич. трансп. ім. акад. В. Лазаряна. Дніпропетровськ: ДНУЗТ, 2010. Вип. 31. С. 18−25.

Методи нерозбірного діагностування дизелів при експлуатації рухомого складу /Б. Є. Боднар, О. Б. Очкасов, О. Я. Децюра, Д. В. Черняєв. Вісник Дніпропетр. нац. ун-ту залізнич. трансп. ім. акад. В. Лазаряна. Дніпропетровськ, 2012. Вип. 41. С. 56 – 60.

Боднар Б. Є., Очкасов О. Б., Черняєв Д. В. Визначення методу фільтрації сигналу нерівномірності частоти обертання колінчастого вала дизеля. Наука та прогрес транспорту. 2013. № 1. С. 123–118.

Use of the Wavelet Transform for the Analysis of Irregularity of Crankshaft Angular Velocity / B. Bodnar, O. Ochkasov, D. Chernyaev, R. Skvireckas. Transport Means 2018: Proc. of the 22nd Intern. Sci. Conf. (Oct. 03–05, 2018, Trakai, Lithuania) / Kaunas Univ. of Technology, Klaipėda Univ., JSC Lithuanian Railways (AB “Lietuvos Geležinkeliai”) [et al.]. Kaunas, 2018. Pt. II. P. 962–967.

Оchkasov, O. Usage of Intelligent Technologies in Choosing the Strategy of Technical Maintenance of Locomotives / O. Ochkasov, O. Shvets, L. Černiauskaitė. Technologijos ir Menas = Technology and Art. 2017. № 8. С. 68 –71.

E. Webb, "Find Content Gaps Using Radar Charts," 03 03 2015. [Online]. Available: http://www.content-workshops.com/toolbox/2015/2/find-content-gaps-using-radar-charts.

"F1 score," 30 11 2019. [Online]. Available: https://en.wikipedia.org/wiki/F1_score.

M. Ved, "Feature Selection and Feature Extraction in Machine Learning: An Overview," 19 7 2018. [Online]. Available: https://medium.com/@mehulved1503/feature-selection-and-feature-extraction-in-machine-learning-an-overview-57891c595e96.

"Metrics and scoring: quantifying the quality of predictions," scikit-learn developers , [Online]. Available: https://scikit-learn.org/stable/modules/model_evaluation.html.

L. Derksen, "Visualising high-dimensional datasets using PCA and t-SNE in Python," 29 10 2016. [Online]. Available: https://towardsdatascience.com/visualising-high-dimensional-datasets-using-pca-and-t-sne-in-python-8ef87e7915b

David W. Hosmer, Jr., Stanley Lemeshow, Rodney, Applied Logistic Regression, John Wiley & Sons Inc., 2013.

Джарратано Д., Райли Г. Экспертные системы. Москва: ООО «И. Д. Вильямс», 2007. 1152 с.