Дослідження можливості використання нейронних мереж при випробуваннях гідравлічних передач тепловозів
| dc.contributor.author | Клюшник, Ігор Анатолійович | uk_UA |
| dc.date.accessioned | 2017-11-15T11:12:10Z | |
| dc.date.available | 2017-11-15T11:12:10Z | |
| dc.date.issued | 2017 | |
| dc.description | І. Клюшник: ORCID 0000-0001-9939-0755 | uk_UA |
| dc.description.abstract | UK: Досліджено можливість розроблення системи самодіагностики інформаційно-вимірювальної системи випробувань гідравлічних передач тепловозів. Запропоновано використання нейронних мереж і нечіткої логіки для розроблення системи самодіагностики інформаційно-вимірювальної системи випробувань гідравлічних передач тепловозів. Як початковий етап розроблення системи діагностики за допомогою нейронних мереж представлена нейронна мережа, що прогнозує частоту обертання турбінного колеса гідропередачі при випробуваннях у режимі вибігу. Таке рішення дозволяє застосовувати в режимі вибігу датчик Д2-ММУ-2. | uk_UA |
| dc.description.abstract | RU: Исследована возможность разработки системы самодиагностики информационно-измерительной системы испытаний гидравлических передач тепловозов. Предложено использование нейронных сетей и нечеткой логики для разработки системы самодиагностики информационно- измерительной системы испытаний гидравлических передач тепловозов. Как начальный этап разработки системы диагностики с помощью нейронных сетей представлена нейронная сеть, которая прогнозирует частоту вращения турбинного колеса гидропередачи при испытаниях в режиме выбега. Такое решение позволяет применять в режиме выбега датчик Д2-ММУ-2. | ru_RU |
| dc.description.abstract | EN: The possibility of developing a selfdiagnostics system of the diesel locomotives hydraulic transmissions information-measuring test system is researched. The use of neural networks and fuzzy logic for the development of a self-diagnostics system of the diesel locomotives hydraulic transmissions informationmeasuring tests system is proposed. As the initial stage of developing a diagnostic system using neural networks, a neural network is presented which predicts the rotational speed of the hydraulic turbine wheel during run-time tests. For this purpose, a three-layered, fully permeable perceptron is constructed. This perceptron allows to predict the last 24 seconds of rotation of the hydraulic transmission turbine wheel shaft in run-out mode based on the previous 48 seconds with a fairly high accuracy. Such a developed neural network can be used as part of a selfdiagnostic subsystem of the diesel locomotives hydraulic transmissions information-measuring test system and in tests of transmissions in run-out mode when the sensor D2-MMU-2 is used. | en |
| dc.identifier.citation | Клюшник, І. А. Дослідження можливості використання нейронних мереж при випробуваннях гідравлічних передач тепловозів / І. А. Клюшник // Інформаційно–керуючі системи на залізничному транспорті. – 2017. – № 5. – С. 8–15. | uk_UA |
| dc.identifier.uri | http://eadnurt.diit.edu.ua/jspui/handle/123456789/10245 | |
| dc.language.iso | uk_UA | |
| dc.publisher | Український державний університет залізничного транспорту, Харків | uk_UA |
| dc.subject | випробування гідравлічних передач тепловозів | uk_UA |
| dc.subject | нейронна мережа | uk_UA |
| dc.subject | тахометричний датчик Д2-ММУ-2 | uk_UA |
| dc.subject | испытания гидравлических передач тепловозов | ru_RU |
| dc.subject | нейронная сеть | ru_RU |
| dc.subject | тахомерический датчик Д2-ММУ-2 | ru_RU |
| dc.subject | tests of locomotives hydraulic transmissions | en |
| dc.subject | neural network | en |
| dc.subject | tachometric sensor D-2MMU-2 | en |
| dc.subject | КЕОМ | uk_UA |
| dc.title | Дослідження можливості використання нейронних мереж при випробуваннях гідравлічних передач тепловозів | uk_UA |
| dc.title.alternative | Исследование возможности использования нейронных сетей при испытаниях гидравлической передач тепловоза | ru_RU |
| dc.title.alternative | Research of the Possibility of Using Neural Networks in the Tests of Locomotive Hydraulic Transmissions | en |
| dc.type | Article | en |