Центральноукраїнський науковий вісник. Технічні науки. Випуск 2. - 2019
Permanent URI for this collection
Browse
Browsing Центральноукраїнський науковий вісник. Технічні науки. Випуск 2. - 2019 by Subject "diagnostics"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Обоснование использования современных подходов для усовершенствования диагностирования систем и агрегатов автомобиля(ЦНТУ, 2019) Аулин, В. В.; Замота, Т. Н.; Гринькив, А. В.; Лысенко, С. В.; Крупица, О. В.; Панайотов, К. К.; Аулін, В. В.; Гриньків, А. В.; Лисенко, С. В.; Aulin, V.; Zamota, T.; Grinkiv, A.; Lysenko, S.; Krupitsa, O.; Panayotov, K.Рассмотрены современные методы диагностики технического состояния автомобилей. Особое внимание уделено системе зажигания. Система зажигания считается одной из самых сложных систем автомобиля, на долю которой традиционно приходится большой процент неисправностей и нарушений регулировок. Неисправность системы зажигания значительно ухудшает работу автомобиля, что увеличивает расход топлива, и снижает мощность двигателя. В двигателях внутреннего сгорания процесс поиска и анализа неисправностей осуществляется с помощью визуального наблюдения за осциллограммами напряжения в первичной и вторичной цепи. В современных диагностических системах возможна реализация всех вышеуказанных подходов диагностирования неисправности за счет использования интеллектуальных программно-аппаратных комплексов (интеллектуальных датчиков) для мониторинга, контроля и управления. Подобные средства вычислительной техники обладают универсальностью, так как в них есть возможность изменение программного обеспечения, что позволяет управлять процессом их работы и функциональными возможностями. Розглянуто сучасні методи діагностики технічного стану автомобіля. Особливу увагу зосереджено на системі запалювання. Система запалювання вважається однією з найскладніших систем автомобіля, на частку якої традиційно припадає великий відсоток несправностей та порушень регулювань. Несправність системи запалювання значно погіршує роботу автомобіля, що збільшує витрату палива і знижує потужність двигуна. У бензинових двигунах внутрішнього згоряння процес пошуку та аналізу несправностей здійснюється за допомогою візуально спостереження за осцилограмами напруги в первинному і вторинному ланцюзі. У сучасних діагностичних системах можлива реалізація всіх зазначених підходів, для діагностування несправності за рахунок використання інтелектуальних програмно-апаратних комплексів (інтелектуальних датчиків) для моніторингу, контролю і управління. Подібні засоби обчислювальної техніки володіють універсальністю, так як в них є можливість зміна програмного забезпечення, що дозволяє управляти процесом їх роботи і функціональними можливостями. The ignition system is considered one of the most complex systems, which traditionally accounts for a large percentage of malfunctions and violations of regulations. Failure of the ignition system significantly impairs the operation of the car, which increases fuel consumption, and reduces engine power. In gasoline internal combustion engines, the process of fault finding and analysis is carried out by visually observing the voltage waveforms in the primary and secondary circuit. In modern diagnostic systems, it is possible to implement all of the above approaches for diagnosing a fault through the use of intelligent software and hardware systems (intelligent sensors) for monitoring and control. Such computer tools are versatile, as they have the ability to change the software that allows you to control the process of their work and functionality. The diagnostic system is considered as an intelligent control and information system. Its main purpose is to diagnose the engine ignition system in order to provide the necessary torque and power output. It is a set of mechatronic units and mechanisms controlled by a microprocessor according to data received from sensors. During the operation of the vehicle, the formation of diagnostic information is based on the analysis of the data of the integrated on-board system and organoleptic methods. An algorithm has been developed for conducting a complete vehicle diagnostics. It is proved that obtaining reliable information from resource-determining systems and units is not possible. Computer diagnostics and an on-board monitoring system provide periodic data on the presence of deviations of diagnostic parameters. The joint use of the on-board system and organoleptic methods cannot always timely determine the moment of deterioration of the technical condition of the car and eliminate malfunctions in systems and assemblies. It was determined that in order to enhance the objectivity of monitoring the technical condition of the car, it is necessary to place sensors in critical nodes that provide the necessary information and develop a clear method for diagnosing a specific malfunction of systems and assemblies.Item Синтез електромагнітної системи діагностування дефектів опор повітряних ЛЕП із використанням нейро-нечіткого моделювання(ЦНТУ, 2019) Бондаренко, В. Б.; Петрова, К. Г.; Серебренніков, С. В.; Петрова, Е. Г.; Серебренников, С. В.; Bondarenko, V.; Petrova, K.; Serebrennikov, S.Показано, що за умов невизначеності під час діагностування дефектів опор повітряних ЛЕП в режимі реального часу, раціональним є побудова електромагнітної системи із використанням нейро-нечіткого моделювання. Розглянуто найінформативніші детерміновані та ймовірнісні ознаки образу дефекту. Доведено, що застосування гібридних нейронних мереж призводить до істотного збільшення швидкодії вихрострумового контролю та надійності розпізнавання дефектів. Показано, что в условиях неопределенности при диагностировании дефектов опор воздушных ЛЭП в режиме реального времени, рациональным является построение электромагнитной системы с использованием нейро-нечеткого моделирования. Рассмотрены наиболее информативные детерминированные и вероятностные признаки образа дефекта. Доказано, что применение гибридных нейронных сетей приводит к существенному увеличению быстродействия вихретокового контроля и надежности распознавания дефектов. The purpose of the work is to develop a system for diagnosing defects (damages of the armature) of air transmission line supports based on the combination of electromagnetic control principles with the interpretation of the results of diagnosis using neuro-fuzzy modeling. It is shown that in the case of uncertainty in the diagnosis of defects of air transmission line supports in real time, it is rational to build an electromagnetic system using neuro-fuzzy modeling. Practice shows that the bars of the reinforcement bars of the transmission lines support fractures oriented perpendicularly forming, and stress-corrosion cracks - parallel to it. Optimal results of the electromagnetic control are achieved in the scan direction, which intersects the defects perpendicular to their long side. In the case of electromagnetic diagnosis, the conclusion about the defect and its size is usually based on the values of the amplitude, phase and frequency of the current signal. However, the large amount of information that comes from controlling the tens and hundreds of power lines in the field under live conditions exceeds the human ability to adequately perceive it in real time and requires automation of data analysis; this will significantly increase the speed of control, reduce errors and errors associated with the actions of the staff, will allow to coordinate the results to the object of control. Under such conditions, it is rational to synthesize an electromagnetic system for diagnosing defects of air transmission lines using neuro-fuzzy modeling. That is, create a neural network and teach it to look for defects based on real data. The most informative deterministic and probable signs of defect image are considered. It is proved that the use of hybrid neural networks leads to a significant increase in the speed of eddy current control and the reliability of recognition of defects. An analysis of the causes of emergency situations of the transmission line elements showed that 30-35% are damage to reinforced concrete supports, and the existing methods of non-destructive diagnosis of the condition of reinforcement and bearing capacity of the supports are not effective enough. This requires improvement of the non-contact electromagnetic control method. The study of the complex of characteristic parameters allowed us to select the 9 most informative deterministic and probabilistic features of the defect image. The training of the neural network was carried out using samples of artificial defects such as through-through fracture of the reinforcement according to the hybrid method of training with the error level 0 and the number of cycles 400, which allowed to improve the quality of recognition of the defect image. The correctness of network training is ensured by dividing the experimental data into test and training ones. For data modeling, 2 data blocks were used: the training sample volume was 180 datasets and 60 test sets. The information blocks were filled taking into account the features of neural network synthesis - the data should change alternately (in the direction of growth) and as much as possible fill the entire area of their values. Diagnostic inputs include transmission line voltage, resistance type, lifetime, failure statistics, climatic and geological conditions, VCT signal. It is also possible to enter additional user data and more. Combining the benefits of an electromagnetic defect diagnosis system with the use of neuro-fuzzy modeling will significantly increase the speed of eddy current control and the reliability of recognition of defects of supports.