Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/57403
Title: Розробка та застосування технології нейронних мереж для діагностики технічного стану автотракторних двигунів
Other Titles: Development and application of neural networks technology for diagnostics of the technical condition of automobile and tractor engines
Authors: Молодан, Андрій Олександрович
Дубінін, Євген Олександрович
Потапов, Микола Миколайович
Тарасов, Юрій Володимирович
Полтавський, Микола Володимирович
Keywords: нейронна мережа; діагностика; технічний стан; автомобіль; трактор; двигун; neural network; diagnostics; technical condition; automobile; tractor; engine
Issue Date: 2021
Publisher: Національний технічний університет "Харківський політехнічний інститут"
Citation: Розробка та застосування технології нейронних мереж для діагностики технічного стану автотракторних двигунів / А. О. Молодан [та ін.] // Вісник Національного технічного університету "ХПІ". Сер. : Автомобіле- та тракторобудування = Bulletin of the National Technical University "KhPI". Ser. : Automobile and Tractor Construction : зб. наук. пр. – Харків : НТУ "ХПІ", 2021. – № 1. – С. 67-79.
Abstract: В роботі запропоновано використання нейромережевої технології для вирішення задач діагностування технічного стану автотракторного двигуна, яка дозволяє працювати як з реальними даними, отриманими для індивідуального і еталонного (середньостатистичного) автотракторного двигуна, так і з даними, обчисленими за допомогою його математичної моделі, на підставі порівняння яких можна приймати обґрунтовані рішення про характер і місце розташування того чи іншого дефекту. Це дозволяє підвищити функціональну стабільність колісної машини і поліпшити роботу її інтелектуальних бортових систем.
The article proposes the use of neural network technology to solve the problems of diagnosing the automobile and tractor engines technical conditions. This allow to work with real data obtained for an individual and reference (average) engine, as well as with data calculated using the mathematical model, based on the comparison of which researcher can take informed decisions about the nature and location of a particular defect. This improves the functional stability of the wheeled vehicle and improves the performance of its intelligent on-board systems. It has been proven that in order to reduce the redundancy of a neural network, it is necessary to reduce the number of neurons in the hidden layer for a given level of network training error. For diagnosing the automobile or tractor engine, the input signals are voltages received in an artificial neural network from sensors that are standard in the engine, and additionally indicate the technical conditions.
ORCID: orcid.org/0000-0002-0017-740X
orcid.org/0000-0002-6176-7358
orcid.org/0000-0003-1504-0825
orcid.org/0000-0003-4562-7838
orcid.org/0000-0003-3985-1585
DOI: doi.org/10.20998/2078-6840.2021.1.08
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/57403
Appears in Collections:Вісник № 01. Автомобіле- та тракторобудування

Files in This Item:
File Description SizeFormat 
visnyk_KhPI_2021_1_ATTB_Molodan_Rozrobka.pdf694,53 kBAdobe PDFView/Open
Show full item record  Google Scholar



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.