Адаптивное управление судовым двигателем внутреннего сгорания с учетом диагностики его технического состояния

• Автор: Буй Нгок Хай
• Шифр специальности: 05.08.05
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Астрахань
• Количество страниц: 162 с. : ил.

СОДЕРЖАНИЕ
Перечень использованных сокращений
Введение
Глава 1 Анализ современных систем автоматизации, управления и диагностирования СДВС
1.1 Краткий исторический обзор развития систем автоматизированного управления и диагностирования СДВС
1.2 Аналитический обзор современных методов и систем управления СДВС
1.3 Выбор адаптивной системы управления СДВС с учетом диагностики технического состояния двигателя
1.4 Основные методы оценки технического состояния
1.4.1 Признаки, параметры и показатели технического состояния (работоспособности) СДВС
1.4.2 Диагностика СДВС по виброакустическим характеристикам
Выводы по первой главе
Глава 2 Методика расчета частных и обобщенного критериев качества диагностических параметров СДВС на основе функций желательности Харрингтона
2.1 Частные функции желательности
2.2 Обобщенная функция желательности
2.3 Практическая реализация методики для вибродиагностики СДВС
2.3.1 Контрольные точки измерения вибрации
2.3.2 Методы нормирования вибрации и распознавания ТС объекта..
2.3.3 Обработка данных и результаты исследований
Вывод по второй главе
Глава 3 Разработка модель определения степени работоспособности судового двигателя внутреннего сгорания

3.1 Математическая модель определения степени работоспособности
С две
3.1.1 Обоснование выбранной модели
3.1.2 Статистический анализ полученных данных
3.2 Разработка модели для определения степени работоспособности СДВС на основе нейро-нечетких систем
3.2.1 Обзор использования нейро- нечетких систем в системе управления динамическими объектами
3.2.2 Построение модели для определения степени работоспособности СДВС
3.2.3 Оценка точности модели
Выводы по третьей главе
Глава 4 Адаптивная система управления частотой вращения СДВС с учетом диагностики его работоспособности
4.1 Адаптивное управление качеством функционирования системы по состоянию объекта управления
4.2 Разработка адаптивной системы управления СДВС с учетом диагностики работоспособности на базе нечеткой логики
4.2.1 Метод сбора и подготовки данных
4.2.2 Моделирование системы адаптивного управления частотой вращения СДВС с подсистемой диагностики работоспособности на основе экспериментальных данных
4.2.3 Оценка адекватности модели
4.3 Алгоритм адаптивного управления частотой вращения СДВС с учетом диагностики технического состояния оборудования
4.4 Аппаратная реализация системы управления СДВС

Выводы по четвертой главе
Заключение
Список использованных источников
ПРИЛОЖЕНИЕ А
ПРИЛОЖЕНИЕ Б
ПРИЛОЖЕНИЕ В
ПРИЛОЖЕНИЕ Г
ПРИЛОЖЕНИЕ Д
ПРИЛОЖЕНИЕ Е

Для различных типов объектов теоретически можно разработать неограниченное количество методик диагностирования.
Следовательно, диагностический комплекс, содержащий определенный набор аппаратных средств, специальное программное обеспечение и система экспертных оценок с диагностическим редактором, может обеспечивать автоматизированное диагностирование СДВС.
Условно системы диагностирования делятся на две группы. В системах первой группы диагностика производится в реальном времени сравнением переменных параметров реального объекта и параметров математической модели этого объекта при условии, что известно детерминированное соответствие между ними. В системах второй группы применяются элементы с «искусственным интеллектом». Наибольшее распространение среди таких систем получили системы распознавания форм, экспертные системы и сети с искусственными нейронами[4].
В системах второй категории основной задачей является создание банка отказов-симптомов универсальных аппроксиматоров. Следует отметить, параметры и характеристики искусственных нейронных сетей (ИНС) позволяют самостоятельно производить классификацию переменных объекта, а также осуществлять самообучение алгоритмам диагностирования, с учетом опытов отказов. Посредством ИНС можно создать непараметрическую модель объекта, которая позволит воспроизвести любые исправные и неисправные состояния дизеля и использоваться для других мало изученных объектов. Данная модель позволяет хранить примеры событий, распределять соединения структуры на основании оценки веса события, устранять нейроны и их соединения, не оказывающие влияют на хранение примера[33].
Система диагностирования неисправностей состоит из двух подсистем: подсистема сбора первичной информации и подсистема обработки информации о состоянии объекта. Первая подсистема производит прием входных данных о