3833473521

Diagnostyka'27 - Artykuły główne JASTRIBOW, GAD, SŁOŃ, Analiza komputerowa diagnozowania defektów...

ANALIZA KOMPUTEROWA DIAGNOZOWANIA DEFEKTÓW ALTERNATORA Z WYKORZYSTANIEM SZTUCZNEJ SIECI NEURONOWEJ

Aleksander JASTRIEBOW Politechnika Świętokrzyska,

Al. Tysiąclecia P. P. 7.. 25-314 Kielce, fax: [phone]. e-inail: [e-mail] Politechnika Rzeszowska, ul. W. Pola 2, Rzeszów

Stanisław GAD, Grzegorz SŁOŃ

Politechnika Św iętokrzyska, Katedra Energoelektroniki Al. Tysiąclecia P. P. 7., 25-314 Kielce, fax: [phone]. e-inail: [e-mail]

Streszczenie

Opracowano analizę komputerową do prowadzenia symulacyjnych badań statystycznych diagnozowania defektów alternatora za pośrednictwem sztucznych sieci neuronowych w postaci wielowarstwowych perceptronów . Na podstaw ie zbudowanego programu i generatora danych uczących przeanalizowano możliwość diagnostyki kilku defektów alternatora. Przedstawione wyniki symulacji dają pełną gwarancję efektywnego rozwiązania postawionego problemu.

Słow a kluczowe: sztuczne sieci neuronowe, alternator, diagnosty ka

COMPUTER ANALYSIS OF ALTERNATOR DEFECTS DIAGNOSING USING ARTIFICIAL NEURAL NETWORK

Summaiy

The Computer analysis for conducting of statistical simulating research of alternator defccts diagnosing through artificial neural networks in the form of multi layer perceptrons has been worked out. On the basis of built program and teaching data generator, a possibility of some alternator defects diagnosing has been analyzed. Presented simulalion results give fuli guarantce of effective solution of tested problem.

Key words: artificial neural networks. alternator, diagnostics

1. WSTĘP

W poprzednich pracach autorów [1-3] przeprowadzono analizę zastosowania wielowarstwowych perceptronów do budowy detektorów diagnostycznych wyposażenia elektrycznego samochodów osobowych. W niniejszej pracy analizowano zastosowanie sztucznych sieci neuronowych do diagnozowania więcej niż dwóch defektów alternatora.

Diagnostyka urządzeń elektrycznych w pojazdach samochodowych polega przede wszystkim na kontroli ciągłości połączeń instalacji elektrycznej, pomiarze prądów i spadków napięć w poszczególnych jej punktach, pomiarze wartości elementów elektrycznych oraz wielkości i ma na celu wykrycie przyczyn tych usterek. Na podstawie wyników takich pomiarów można określić stan techniczny poszczególnych urządzeń [4-5].

Ogólnie znane metody i techniki detekcji i lokalizacji uszkodzeń w obiektach technicznych można podzielić na trzy zasadnicze grapy [6]:

-    metody statystyczne, polegające na statystycznej obróbce sygnałów pomiarowych;

-    metody z wykorzystaniem modeli matematycznych procesów:

-    metody sztucznej inteligencji, a w tym systemów ekspertowych oraz sztucznych sieci neuronowych.

W ogólnym przypadku problem stosowania sieci neuronowych w diagnostyce uszkodzeń obiektów technicznych można sprowadzić do następujących działań [6]:

-    zdefiniowanie listy uszkodzeń;

-    określenie typowych obrazów odpowiadających wybranemu uszkodzeniu oraz stanowi normalnemu obiektu:

-    wybór struktury sieci algory tmu jej uczenia; dla perceptronu wielowarstwowego liczba sygnałów mierzonych odpow iada liczbie wejść w warstw ie