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.

• ВИБРОМОНИТОРИНГ ДВИГАТЕЛЯ ВНУТРЕННЕГО СГОРАНИЯ

  А.В. Логунов , А.Л. Береснев

  2022-01-31

  Аннотация ▼

  Работа посвящена проблеме диагностирования автомобильных двигателей внутрен-
  него сгорания. Проблема контроля состояния двигателей внутреннего сгорания сейчас
  наиболее актуально из-за увеличения числа автомобилей и ужесточения экологических
  требований. В работе рассмотрены последствия работы неисправного двигателя внут-
  реннего сгорания. Целью работы является обоснование выбора из существующих методов
  диагностики такого метода который способен помочь наиболее точно и быстро обнару-
  жить неисправность. Для этого в работе подробно рассмотрены современные средства
  диагностики, выделены принципы работы, достоинства и недостатки. С появлением со-
  временных технологий давно известный метод оценки состояния двигателей внутреннего
  сгорания по звуку может стать самым передовым, поскольку исключается человеческий
  фактор, для обработки сигнала применяется вычислительная техника анализ звукового
  спектра в которой осуществляется с помощью искусственных нейронных сетей. Примене-
  ние искусственных нейронных сетей для анализа звукового спектра нашло применение в
  распознавание речи и для диагностики заболеваний дыхательной системы. В статье рас-
  смотрены механизмы, которые способны генерировать звуковые сигналы во время работы
  двигателя внутреннего сгорания, некоторые из них фазированы т.е. привязаны к рабочим
  тактам, некоторые не фазированы. Предложенный способ диагностики позволяет выде-
  лить «полезные» звуки из общего числа шумов двигателя, после сравнительного анализа
  указать на узел звук которого отличается от эталонного, исправного. Научная новизна
  состоит в том, что процесс диагностики становится автоматизированным, все звуки,
  снятые датчиками, обрабатывается в ЭВМ или специальном сканере, на дисплей выводит-
  ся информация о состоянии тех или иных узлов, в отличие от традиционных методов где
  диагностика осуществляется визуально или на слух. Таким образом повышается точность
  диагностики и снижается общая трудоемкость за счет исключения частичной или полной
  разборки двигателя.

• ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОГО ПОДХОДА ДЛЯ ДИАГНОСТИКА ДВИГАТЕЛЯ ВНУТРЕННЕГО СГОРАНИЯ ТРАНСПОРТНЫХ СРЕДСТВ

  А. В. Логунов , А. Л. Береснев

  2022-04-21

  Аннотация ▼

  Работа посвящена проблеме диагностирования двигателя внутреннего сгорания
  транспортных средств эта проблема сейчас наиболее актуально из-за постоянного роста
  автопарка и ужесточения требований к безопасной эксплуатации. Своевременный и точ-
  ный контроль состояния двигателя внутреннего сгорания способен предотвратить выход из строя целых узлов транспортного средства, а также избежать таких серьезных по-
  следствий как дорожно-транспортное происшествие. С появлением современных техноло-
  гий давно известный метод оценки состояния двигателя по звуку может стать самым
  передовым, поскольку исключается человеческий фактор, для обработки сигнала применя-
  ется вычислительная техника анализ звукового спектра в которой осуществляется с по-
  мощью искусственных нейронных сетей. Применение искусственных нейронных сетей для
  анализа звукового спектра нашло применение в распознавание речи и для диагностики забо-
  леваний дыхательной системы. В статье рассмотрена неисправность одного из основных
  узлов двигателя внутреннего сгорания – подшипника. Представлены все возможные виды
  неисправностей подшипников и причины, по которым они возникают. Перечислены узлы и
  механизмы двигателя внутреннего сгорания в которых применяются подшипники. Описан
  алгоритм экспериментальной части. Выполнен эксперимент, включающий в себя преобра-
  зование полученных звуковых сигналов в спектрограммы и извлечение признаков с помощью
  которых выполняется классификация. Выполненная экспериментальная часть доказала
  возможность диагностирования двигателя внутреннего сгорания с применением искусст-
  венных нейронных сетей. Научная новизна состоит в том, что процесс диагностики ста-
  новится автоматизированным, все звуки, снятые датчиками, обрабатывается в ЭВМ или
  в перспективе в специальном сканере, на дисплей выводится информация о состоянии тех
  или иных узлов, в отличие от традиционных методов где диагностика осуществляется
  визуально или на слух. Таким образом повышается точность диагностики и снижается
  общая трудоемкость за счет исключения частичной или полной разборки двигателя.