Найти

Результаты поиска

• ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА КОНТРОЛЯ ДОСЫЛА АРТИЛЛЕРИЙСКОГО СНАРЯДА В КАМОРУ ОРУДИЯ

  В.А. Шурыгин, В.А. Серов, С. А. Устинов, А. В. Леонард, С. Е. Червонцев, В.Н. Платонов, С. С. Мазлов

  2020-07-10

  Аннотация ▼

  Целью работы является разработка и исследование метода контроля досыла артилле-рийского снаряда в камору орудия и интеллектуальной системы контроля досыла по акусти-ческому портрету. Существующий метод контроля досыла артиллерийского боеприпаса в камору орудия при раздельном способе заряжания основан на измерении скорости одного из элементов досылателя. Такой подход к контролю досыла не дает гарантированной надеж-ности ввиду невозможности измерения скорости на конечном отрезке движения снаряда по инерции. Суть предложенного в статье метода заключается в возбуждении акустических колебаний в системе «снаряд – камора орудия» и выделении характерных акустических портретов (сигнатур) с их последующем анализом.Для исследования данного метода разра-ботан экспериментальный стенд, имитирующий ствол орудия с каморой, и имитатор сна-ряда с различными обтюраторными поясками. Удар снаряда в момент заклинивания в конусе каморы или нанесенный извне возбуждает характерные акустические колебания, которые различаются для случаев надежного и недостаточного досыла.Для однозначной классифика-ции событий надежного заклинивания и недостаточного досыла необходим выбор опти-мального вектора признаков акустического портрета полученных аудиозаписей. Обычное спектральное преобразование позволяет выделить характерные частоты, однако использо-вание набора таких спектральных составляющих в качестве классификационных признаков нецелесообразно ввиду избыточного массива данных.В качестве классификационных призна-ков выбраны мел-частотные кепстральные коэффициенты. На основании набора таких ко-эффициентов с использованием искусственной нейронной сети осуществляется классифика-ция степени заклинивания имитатора снаряда в стенде на три категории: «снаряд не закли-нен», «недостаточный досыл снаряда», «снаряд заклинен». В результате обучения нейронной сети на значительной выборке аудиозаписей была достигнута точность классификации более 90%.Разработанный метод может быть применен в робототехнических комплексах, оснащенных артиллерийским вооружением, а также в других отраслях, например, в нефте-газовой промышленности для контроля стыковки сочленяемых труб.