ПРОГРАМНА СИСТЕМА КЛАСИФІКАЦІЇ ПАРАМЕТРІВ ЕЛЕКТРОННОГО БЛОКУ КЕРУВАННЯ ДВИГУНОМ НА ОСНОВІ ХАРАКТЕРИЗАТОРІВ ТА БАЗИ ЗНАНЬ

Автор(и)

DOI:

https://doi.org/10.28925/2663-4023.2021.11.110123

Ключові слова:

класифікація з навчанням; розпізнавання образів; база знань; програмна система; електронний блок керування двигуном.

Анотація

У статті розглядаються питання підвищення ефективності процесу класифікації карт електронних блоків керування двигуном  автомобіля. Проведено аналіз існуючого програмного забезпечення для редагування калібрувальних таблиць в електронних блоках керування, яке має інструменти визначення калібровок і розпізнавання даних. Обмеження використання таких програмних продуктів пов’язані з невеликою кількістю заданих класів калібрувальних таблиць та низькою швидкістю обробки даних. Аналіз результатів проведеного тестування методів класифікації за допомогою спектрального розкладу показав, що система на основі такого методу вимагає складних перетворень результатів спектрального розкладу. Застосування спектрального розкладу для вирішення задачі класифікації можливо в разі визначення деяких характеристик вхідних даних і використанні їх в якості даних для класифікації. Було розроблено алгоритм класифікації даних, який використовує характеризатори для обчислення чітко визначеної характеристики вхідної матриці. Програмний комплекс для реалізації розробленого алгоритму було побудовано з використанням платформи .NET Framework та мови програмування C #. Тестування працездатності системи класифікації проводилося за допомогою розробленої програмної системи на невеликій вибірці карт. Результати попереднього тестування показали, що система вірно визначає клас наданої карти після навчання. Подальше тестування на сімействі блоків автомобілів Mercedes-Benz Bosch EDC16C31/EDC16CP31 показало, що у випадках з великою кількістю навчальних образів результат задовольняє вимогам. Проведене тестування дозволило визначити оптимальну кількість образів для навчання та необхідний для цього час.

Завантаження

Дані завантаження ще не доступні.

Посилання

European Parliament. (2009). Directive 2009/33/EC of the European Parliament and of the Council of 23 April 2009 on the promotion of clean and energy-efficient road transport vehicles.

Swiftec - Forget The Limits! :: Products :: Swiftec :: Overview. (б. д.). Swiftec - Forget The Limits! :: Products. https://www.vcpowerteam.com/products/swiftec/

Software WinOLS. (б. д.). EVC electronic - The Tools For Chiptuning. https://www.evc.de/en/product/ols/software/

de Nola, F., Giardiello, G., Gimelli, A., Molteni, A., Muccillo, M., & Picariello, R. (2019). Volumetric efficiency estimation based on neural networks to reduce the experimental effort in engine base calibration. Fuel, 244, 31–39. https://doi.org/10.1016/j.fuel.2019.01.182

Makarov, A. (2011). Algoritmyi kontrolya i diagnostiki sistem upravleniya aviatsionnyimi GTD na osnove neyrosetevyih modeley i nechetkoy logiki (kandidat tehnicheskih nauk). Ufimskiy gosudarstvennyiy aviatsionnyiy tehnicheskiy universitet.

Wu, J.-D., & Liu, C.-H. (2009). An expert system for fault diagnosis in internal combustion engines using wavelet packet transform and neural network. Expert Systems with Applications, 36(3), 4278–4286. https://doi.org/10.1016/j.eswa.2008.03.008

Luján, J. M., Climent, H., García-Cuevas, L. M., & Moratal, A. (2017). Volumetric efficiency modelling of internal combustion engines based on a novel adaptive learning algorithm of artificial neural networks. Applied Thermal Engineering, 123, 625–634. https://doi.org/10.1016/j.applthermaleng.2017.05.087

Shatnawi, Y., & Al-khassaweneh, M. (2013). Fault Diagnosis in Internal Combustion Engines Using Extension Neural Network. IEEE Transactions on Industrial Electronics, (61), 1434–1443.

Jian-Da, W., Peng-Hsin, Ch., Yo-Wei, Ch., Yao-jung, Sh. (2008). An expert system for fault diagnosis in internal combustion engines using probability neural network. Expert Systems with Applications, (34), 2704-2713.

Jian-Da, W., Chen, J.-Ch. (2006). Continuous wavelet transform technique for fault signal diagnosis of internal combustion engines. NDT & E International, (39), 304-311.

Soloveychik, Yu.G., Royak, M.E., & Persova, M.G. (2007). Metod konechnyih elementov dlya skalyarnyih i vektornyih zadach. NGTU.

Loran, P.Zh. (1975). Approksimatsiya i optimizatsiya. Mir.

Downloads


Переглядів анотації: 262

Опубліковано

2021-03-25

Як цитувати

Kuznichenko, S. ., Tereshchenko, T. ., Buchynska, I. ., & Klepatska, V. (2021). ПРОГРАМНА СИСТЕМА КЛАСИФІКАЦІЇ ПАРАМЕТРІВ ЕЛЕКТРОННОГО БЛОКУ КЕРУВАННЯ ДВИГУНОМ НА ОСНОВІ ХАРАКТЕРИЗАТОРІВ ТА БАЗИ ЗНАНЬ. Електронне фахове наукове видання «Кібербезпека: освіта, наука, техніка», 3(11), 110–123. https://doi.org/10.28925/2663-4023.2021.11.110123

Статті цього автора (авторів), які найбільше читають