Please use this identifier to cite or link to this item: http://eadnurt.diit.edu.ua/jspui/handle/123456789/1041
Full metadata record
DC FieldValueLanguage
dc.contributor.authorШвець, Олег Михайловичuk_UA
dc.date.accessioned2012-05-15T07:52:39Z-
dc.date.available2012-05-15T07:52:39Z-
dc.date.issued2012-
dc.identifier.citationШвець О. М. Удосконалення методів експлуатації парків електродвигунів залізничних стрілочних переводів засобами інтелектуальних систем : автореф. дис. ... канд. техн. наук : 05.22.20. Дніпропетровськ, 2012. 20 с.uk_UA
dc.identifier.urihttp://eadnurt.diit.edu.ua:82/jspui/handle/123456789/1041-
dc.descriptionО. Швець: ORCID 0000-0002-7175-2256uk_ua
dc.descriptionЗахист – 08 червня 2012 р., Дніпропетровський національний університет залізничного транспорту імені академіка В. Лазарянаuk_UA
dc.description.abstractUK: У роботі отримано нове рішення комплексного завдання щодо удосконалення методів експлуатації парків електродвигунів (ЕД) залізничних стрілочних переводів засобами інтелектуальних систем. Розроблені методики та автоматизована технологія забезпечують експлуатацію парку електродвигунів на основі параметрів поточного технічного стану, без їх вилучення з приводу, за рахунок спектрального аналізу робочого струму ЕД. Сформульовано завдання щодо вибору оптимальної черговості ремонтів для парку ЕД стрілочних переводів, що враховує поточні та очікувані стани пристроїв. Удосконалено методи моніторингу та діагностування ЕД, що використовують моделі інтелектуальних систем. Отримано нове рішення задачі діагностування електродвигунів засобами нечітко-статистичних експертних систем, які враховують як експертну, так і статистичну інформацію про процеси експлуатації технічних систем. Удосконалено моделі штучних нейронних мереж типу багатошаровий персептрон для діагностування ЕД постійного струму. На основі мереж Кохонена вирішено завдання із планування експлуатації парку електродвигунів, створено багаторівневі нейронної-мережеві моделі процесів експлуатації парків ЕД.uk_ua
dc.description.abstractRU: В работе получено новое решение задачи усовершенствования методов эксплуатации парков электродвигателей (ЭД) железнодорожных стрелочных переводов (СП) средствами интеллектуальных систем. Разработанные методики и автоматизированная технология обеспечивают эксплуатацию парка ЭД на основе параметров текущего технического состояния, без извлечения электродвигателей из привода. Сформулирована задача выбора оптимальной очередности ремонтов для парка электродвигателей стрелочных переводов, которая учитывает текущие и прогнозируемые технические состояния устройств, определенные по индивидуальным моделям процессов их эксплуатации. Выполненные исследования и разработки позволяют перейти от планово-предупредительной замены двигателей к обслуживанию двигателей по их фактическому техническому состоянию. Мониторинг технического состояния электродвигателей реализован за счет спектрального анализа рабочего тока ЭД. Для каждого ЭД формируется индивидуальная модель, которая хранит в том числе и спектральные характеристики исправного состояния двигателя. Процедура мониторинга сравнивает текущий спектр двигателя со спектром исправного состояния из соответствующей индивидуальной модели ЭД. При обнаружении существенных различий спектров запускается процедура диагностирования, на выходе которой получают оценки достоверностей выявляемых неисправностей ЭД. Эти оценки сохраняются в индивидуальной модели ЭД, формируя временной ряд, который используется для прогнозирования технического состояния электродвигателя. Усовершенствованы методы диагностики ЭД СП, использующие модели интеллектуальных систем. Разработанные средства позволяют выявлять боль-шее число неисправностей ЭД, чем методы, применяемые на железных дорогах Украины. В работе получено новое решение задачи диагностирования электродвигателей средствами нечетко-статистических экспертных систем, которые учитывают как экспертную, так и статистическую информацию о процессах эксплуатации технических систем, повышая точность диагностирования состояний ЭД. Усовершенствованы модели искусственных нейронных сетей типа много-слойный персептрон для диагностирования ЭД постоянного тока железнодорожных СП, что позволило повысить число выявляемых неисправностей. На основе сетей Кохонена решена задача планирования эксплуатации парка электродвигателей, созданы многоуровневые нейронно-сетевые модели процессов эксплуатации парков ЭД постоянного тока по текущему техническому состоянию индивидуальных объектов. Разработан и внедрен в эксплуатацию аппаратно-программный комплекс диагностики электродвигателей постоянного тока железнодорожных стрелочных переводов, выявляющий неисправности в электродвигателях постоянного тока моделей ДП-0,18, ДП-0,25, МСП-0,15 и МСП-0,25. Произведен расчет оценки экономического эффекта от внедрения аппаратно-программного комплекса диагностики электродвигателей постоянного тока стрелочных переводов. Ожидаемый суммарный годовой экономический эффект от внедрения комплекса по дистанции дороги достигнет 65500 грн.ru_RU
dc.description.abstractEN: In this paper, pointwork electric motor park exploitation methods are improved by means of intelligent systems. Developed procedures and automated technology provide electric motor (EM) park exploitation based on the parameters of the current technical state without removing EM from the drive by means of EM current spectral analysis. The task of choosing the optimal sequence of repairs to the EM park, taking into account current and expected states of devices, is formulated. EM monitoring and diagnosis methods are improved based on the intelligent system models. Fuzzy-statistical expert systems that take into account both expert and statistical information about the system technical state were used for EM diagno-sis problem solution. Artificial neural network models like multilayer perceptron were improved to diagnose direct current motors. Based on Kohonen networks multi-layer neural network models were developed for EM park exploitation planning.en
dc.language.isouk_ua-
dc.publisherДніпропетровський національний університет залізничного транспорту імені академіка В. Лазарянаuk_ua
dc.subjectпарк електродвигунівuk_ua
dc.subjectмоніторингuk_ua
dc.subjectдіагностуванняuk_ua
dc.subjectнечітко-статистична експертна системаuk_ua
dc.subjectштучна нейронна мережаuk_ua
dc.subjectексплуатація за поточним станомuk_ua
dc.subjectоптимальне плануванняuk_ua
dc.subjectпарк электродвигателейru_RU
dc.subjectмониторингru_RU
dc.subjectдиагностированиеru_RU
dc.subjectнечетко-статистическая экспертная системаru_RU
dc.subjectискусственная нейронная сетьru_RU
dc.subjectэксплуатация по текущему состояниюru_RU
dc.subjectоптимальное планированиеru_RU
dc.subjectelectric motor parken
dc.subjectmonitoringen
dc.subjectdiagnosisen
dc.subjectfuzzy-statistical expert systemen
dc.subjectartificial neural networken
dc.subjectcurrent state exploitationen
dc.subjectoptimal planningen
dc.subjectКІТuk_UA
dc.titleУдосконалення методів експлуатації парків електродвигунів залізничних стрілочних переводів засобами інтелектуальних системuk_ua
dc.title.alternativeУсовершенствование методов эксплуатации парков электродвигателей железнодорожных стрелочных переводов средствами интеллектуальных системru_RU
dc.title.alternativeImprovement of Exploitation Methods of Pointwork Electric Motor Parks by Means of Intelligent Systemsen
dc.typeThesisen
Appears in Collections:Автореферати дисертацій
Інші праці КІТ

Files in This Item:
File Description SizeFormat 
aref_shvets.pdf510,2 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.