Технические науки/4. Транспорт

С.М. Овчаренко, В.А. Минаков

Омский Государственный Университет Путей Сообщения

ПРИМЕНЕНИЕ ТЕОРИИ ИСКУСТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ПРИ РАСПОЗНАВАНИИ ПРЕДОТКАЗНОГО СОСТОЯНИЯ ДИЗЕЛЯ

Дизельный двигатель с момента своего создания, является значимым техническим объектом в современном мире. Авиация, железнодорожный и автомобильный транспорт, водный транспорт и сфера энергетики, не возможна на сегодняшний день без использования дизеля.

Но практически с самого начала эксплуатации дизелей возникла проблема организации системы поддержания его в работоспособном состоянии в течение заданного периода эксплуатации. Первоначально отсутствие информации о надежности работы двигателя и его составных элементов привело к подбору различных вариантов системы технического обслуживания и ремонта экспериментальным путем. Достижение максимально высокой надежности работы двигателя с наименьшими затратами на поддержание требуемого уровня, является важнейшей задачей на протяжении всего периода эксплуатации дизелей. Следует отметить, что затраты на техническое обслуживание и ремонт двигателей внутреннего сгорания весьма значительны. Наличие множества конструктивных и эксплуатационных факторов предопределило многообразие подходов к решению задачи своевременного диагностирования. На сегодняшний день подходы к определению технического состояния дизеля различаются - методами диагностирования, достоверностью полученной информации и экономическими затратами.

Для того что бы дать полную оценку технического состояния деталей дизеля необходима частичная либо полная его разборка, что включает в себя экономические потери и затраты времени. Но оценка состояния при разборке дизеля позволяет идентифицировать его преждевременный отказ. Необходимо создание такой системы (метода), которая прежде всего удовлетворяет сочетание "надежность-экономичность". Безразборный метод идентификации предотказного состояния с высоким процентом достоверности информации, и минимальными экономическими затратами, является наиболее продуктивным подходом в решении задачи определения технического состояния.

Работа дизеля связана с износом его деталей, который насыщает продуктами износа моторное масло дизеля. Количество продуктов износа поступивших в моторное масло, от трущихся деталей дизеля в процессе эксплуатации, характеризует степень изношенности деталей. Которое можно идентифицировать при проведении спектрального анализа масла, и по типу содержащегося в масле металла определить какие детали изношенны. Но случается так, что один и тот же химический элемент, например железо, попадает в моторное масло с нескольких деталей, то концентрация этого элемента может характеризовать только интегральный износ группы деталей. Для идентификации катастрофического изнашивания отдельных деталей предлагается применить модель, основанную на использовании аппарата теории нейронных сетей.

Прежде всего, для создания модели нейронной сети для определения технического состояния деталей дизеля по результатам анализа моторного масла необходимо:

- процентное содержание химических элементов каждой детали;

- геометрию износа деталей;

- скорость износа деталей при нормальных режимах работы дизеля;

- расчет фильтрации моторного масла;

- скорость поступления продуктов износа в моторное масло.

Нейронные сети - исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости. В частности, нейронные сети нелинейны по своей природе, тем самым идеально подходят в рассматриваемом вопросе по идентификации износа. Для прогнозирования развития процессов применен вероятностный методов распознавания образов, целью которых является классификация объектов по нескольким классам. Такой подход помогает решить комплекс задач, которые занимают важное место в прогнозировании. В вероятностных нейронных сетях образцы классифицируются на основе оценок их сходства с соседними образцами. Формальным правилом при классификации является то, что класс с большей плотностью распределения вероятностей в области неизвестного образца будет иметь преимущество по сравнению с другими классами. Для оценки функции плотности распределения вероятностей используются непараметрические методы оценки. Нейронная сеть для идентификации предотказного состояния по значениям спектрального анализа масла выглядит следующим образом:

Рис. 1 Нейронная сеть по идентификации износа

Данную нейронную сеть необходимо "обучить". В процессе обучения сеть в определенном порядке просматривает обучающую выборку. В данной сети входными сигналами (X_i), служат количество определенного изношенного метала полученного в ходе проведения спектрального анализа масла. Весовые коэффициенты получены (w_i) в результате обучения сети. Суммирование (Σ_i) элементов по каждому типу деталей необходимо для соотношения скоростей износа. И завершающим этапом является соотношение полученных скоростей износа с расчетными значениями, полученными в результате моделирования. При использовании данного алгоритма нейронной сеть позволит добиться:

- получить скорость износа как всех деталей КШМ и ЦПГ, так и каждой по отдельности;

- сравнивая полученную скорость износа с расчетной, выявить повышенный износ деталей;

- идентифицировать износ как всех деталей КШМ и ЦПГ, так и каждой по отдельности;

- прогнозировать остаточный ресурс.