автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация технологического процесса испытаний дизелей на базе нечеткого нейросетевого метода

На правах рукописи

005005174

Галиуллин Ленар Айратович

АВТОМАТИЗАЦИЯ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ИСПЫТАНИЙ ДИЗЕЛЕЙ НА БАЗЕ НЕЧЕТКОГО НЕЙРОСЕТЕВОГО

МЕТОДА

Специальность:

05.13.06 - Автоматизация и управление технологическими процессами и производствами (машиностроение)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

- 8 ДЕК 2011

Набережные Челны - 2011 г.

005005174

Работа выполнена в ФГБОУ ВПО «Камская государственная инженерно-экономическая академия».

Научный руководитель

доктор техн. наук, профессор Хайруллин Асфандипр Халиуллович

Официальные оппоненты: доктор техн. наук, профессор

Роднищев Николай Егорович

доктор техн. наук, профессор Дмитриев Сергей Васильевич

Ведущая организация

НТЦ ОАО «КАМАЗ» (БЗГД-ДР ОАО «КАМАЗ»)

Защита диссертации состоится «27» декабря 2011 г. в _Д4_ час. на заседании диссертационного совета Д 212.309.01 в Камской государственной инженерно-экономической академии, по адресу: 423810, Республика Татарстан, г. Набережные Челны, пр. Мира, 68/19

С диссертацией можно ознакомиться в библиотеке Камской государственной инженерно-экономической академии

Отзывы в двух экземплярах, заверенные печатью организации, просим направлять по адресу: 423810, Республика Татарстан, г. Набережные Челны, пр. Мира, 68/19, диссертационный совет Д 212.309.01

Автореферат разослан «25» ноября 2011 г.

Ученый секретарь

диссертационного совета Д 212.309.01 доктор технических наук, профессор

Симонова Л.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы.

Ведущими двигателестроительными компаниями ведется интенсивная исследовательская и опытно-конструкторская работа по повышению надежности и долговечности двигателей внутреннего сгорания (ДВС), а в частности, дизелей.

Исследования и испытания дизелей служат одним из главных средств проверки качества изготовления деталей и сборочных единиц, узлов и двигателя в целом, правильности его монтажа, соответствия основных характеристик дизеля требованиям технической документации.

Виды испытаний дизелей регламентируются ГОСТами и международными стандартами ISO, которые устанавливают порядок приемки и требования к техническому уровню двигателей. После приемки и постановки дизелей на производство совершенствование их конструкций и технико-экономических показателей не прекращается.

В настоящее время испытания дизелей представляют собой сложный и трудоемкий технологический процесс, мало отличающийся от экспериментального исследования. Поэтому создаются автоматизированные системы испытаний (АСИ) двигателей.

Современные требования к постоянному повышению технического уровня выпускаемых дизелей приводят к тому, что доля затрат на проведение испытаний при создании новых образцов двигателей все более возрастает. Особенно большими эти затраты становятся при несоответствии уровней автоматизации производства и научно-исследовательских работ. В связи с этим автоматизация технологических процессов испытаний является одной из основных задач повышения технологического уровня производства и качества выпускаемых дизелей.

Благодаря работам Адгамова Р.И., Дмитриева C.B., Заляева И.А., Кожевникова Ю.В., Красных B.JI.., Хайруллина А.Х., Румянцева В.В. и др. в области автоматизированных систем испытаний заложен фундамент для проектирования подобных систем в двигателестроении.

Актуальность темы обусловлена необходимостью автоматизации функции управления дизелями в процессе стендовых испытаний - массовой технологической операции машиностроительных предприятий на этапе выпуска изделия в эксплуатацию.

Объект исследования. В качестве объекта исследования диссертации выбрана автоматизированная система испытаний дизелей.

Предмет исследования. Предметом исследования является алгоритм управления дизелем, основанный на применении нечеткой нейронной сети, в составе АСИ.

Цель и задачи работы. Целью диссертационной работы является повышение эффективности АСИ дизелей по времени настройки стенда на

новый тип двигателя и точности получаемого управляющего воздействия путем разработки методов оперативной настройки на основе нечеткой нейронной сети.

Для достижения поставленной цели в работе решаются следующие научные задачи:

1. Разработка структуры нейро-нечеткой системы для получения базы знаний АСИ дизелей при проведении испытаний.

2. Разработка методики формирования топологии нечеткой нейронной сети АСИ на основе заданных входных параметров режима испытаний дизеля.

3. Разработка методики и алгоритма формирования структуры базы знаний АСИ дизелей в виде нечетких правил управления двигателем.

4. Разработка методики и алгоритма обучения спроектированной нечеткой нейронной сети АСИ дизелей.

5. Разработка алгоритмов и на их основе программного комплекса, реализующего методики управления дизелем в процессе его испытаний. Положения, выносимые на защиту и обладающие научной новизной:

1. Модель управления дизелем, отличающаяся представлением модели двигателя на основе нечеткой нейронной сети и обеспечивающая автоматическое получение базы знаний АСИ в виде нечетких правил.

2. Методика технологического процесса испытаний дизелей, отличающаяся заданием программы испытаний в виде топологии нечеткой нейронной сети и обеспечивающая расчет управляющего воздействия на дизель по заданным входным параметрам режима испытаний.

3. Модель базы знаний АСИ дизелей, отличающаяся матричным представлением базы знаний нечетких правил для управления двигателем и обеспечивающая расчет управляющего воздействия на двигатель по нечеткой нейросетевой модели.

4. Алгоритмы управления дизелем при испытаниях, отличающиеся применением нечеткой нейросетевой модели управления дизелем и модели базы знаний, реализованные в виде программы для ЭВМ (Свидетельство государственной регистрации №2011614373 от 03.06.2011).

Практическая полезность работы:

1. Уменьшение времени настройки стендов на заданный режим испытаний на основе подготовки управляющих воздействий для рейки топливного насоса высокого давления (ТНВД), используемых при получении необходимых выходных параметров дизелей.

2. Повышение точности управления процессом испытаний за счет использования решений, полученных в результате применения нечеткой нейросетевой модели для перемещения рейки ТНВД, описывающих состояние дизеля в любой момент времени.

3. Повышение производительности труда технологов-испытателей при проведении испытаний дизелей.

4. Экономия топлива при испытании дизелей в результате повышения качества испытания за счет выработки более точного управляющего воздействия.

5. Разработан программный комплекс «Автоматизированная информационная система «Испытания дизельных двигателей внутреннего сгорания на основе нечеткой нейронной сети»», реализующий методики формирования структуры нечеткой нейронной сети и получения базы знаний АСИ дизелей.

Методы исследований. При нахождении управляющих воздействий по входным параметрам использовались: нечеткая логика, нечеткий вывод на основе алгоритма Сугено, теория искусственных нейронных сетей, градиентные методы оптимизации для обучения нечетких нейронных сетей.

Реализация результатов. Осуществлено внедрение результатов работы на Завод двигателей ОАО «КАМАЗ». Основные положения диссертации используются в учебном процессе в ФГБОУ ВПО «Камская государственная инженерно-экономическая академия». Разработанный программный комплекс «Автоматизированная информационная система «Испытания дизельных двигателей внутреннего сгорания на основе нечеткой нейронной сети»» был зарегистрирован в ФГУ ФИПС Роспатента и получено свидетельство о регистрации программы для ЭВМ № 2011614373 от 03.06.2011.

Апробация работы. Основные положения и результаты, полученные в работе, опубликованы в 15 печатных работах, доложены и обсуждены на заседаниях кафедры АиИТ и ПИУ (ИНЭКА) в 2008-11 гг., а также международных и межрегиональных научных и научно-практических конференциях: «Камские чтения» (Набережные Челны, 2009 г.); «Камские чтения» (Набережные Челны, 2010 г.); «Научные исследования и их практическое применение» (Одесса, Украина, 2010 г.); «Computer Systems Aided Science, Industry and Transport», Transcomp - XIV International Conference (Zakopane, Poland, 2010), «Современное состояние естественных и технических наук» (Москва, 2010).

Публикации. По результатам выполненных исследований опубликовано 15 работ, в том числе 1 монография, 4 статьи в рецензируемых центральных журналах, входящих в перечень ВАК.

Структура и объем диссертации: диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка использованной литературы, включающего 109 наименований, 7-и приложений, содержащих результаты испытаний дизелей. Работа изложена на 123 страницах машинописного текста, в том числе приложений на 11 страницах, содержит 34 рисунка и 7 таблиц.

СОДЕРЖАНИЕ РАБОТЫ Во введении освещена актуальность темы, рассмотрено состояние вопроса, сформулированы цели и основные задачи диссертационной работы,

показана научная новизна и практическая ценность диссертации.

В первой главе рассмотрены предпосылки и необходимость исследований поставленной задачи, дана характеристика проблемы и определены пути ее решения.

Для испытаний дизелей используются, в основном, стенды с тормозными нагружающими устройствами, а для управления двигателем во время испытаний применяются математические модели в виде дифференциальных уравнений и табличные модели - модели, основанные на экспериментальных данных.

Применение математических и табличных моделей для управления дизелем во время испытаний не эффективно, так как процесс создания таких моделей является трудоемким и длительным, а также такие модели имеют высокую трудность описания свойств дизеля из-за сложности реальных процессов.

В таких случаях решение этой проблемы может сводиться к выделению в дизеле значимых входных и выходных характеристик и проведению серии экспериментов, с целью получения данных о функционировании двигателя в частных случаях. Для управления дизелем на испытательном стенде, целесообразнее использовать методы искусственного интеллекта. Среди методов искусственного интеллекта выделено гибридное нейро-нечеткое моделирование, позволяющее создать универсальный аппроксиматор зависимости «вход-выход».

Вторая глава посвящена разработке нейро-нечеткой системы получения базы знаний АСИ дизелей. Приведена структурная схема АСИ и последовательность этапов создания испытаний. Выбрана нечеткая нейронная сеть типа АОТ^ (адаптивная нейро-нечеткая система заключений) и разработана ее топология.

Систему управления дизелем на основе нечеткой нейросетевой модели можно представить в виде совокупности блоков, изображенных на рис. 1. АСИ имеет компонентную структуру.

Технологический процесс испытаний дизелей в АСИ состоит из следующей последовательности. Дизель за счет изменения нагрузки на вал с помощью тормоза, перемещения рейки топливного насоса и других управляющих воздействий выводится на определенный участок программы испытаний Р,.

Каждый участок Р, характеризуется соответствующими желаемыми значениями совокупности параметров: частоты вращения коленчатого вала а(Р¡), крутящего момента на валу двигателя МК(Р¡), часового расхода топлива СГ(Р,), положения рейки ТНВД изменения температуры охлаждающей жидкости дТ0Ж(Р)/Ы, изменения температуры масла дизеля дТм(Р)/д1, изменения температуры топлива дТт(Р:)/д1 и т.д.

В-общем режим Р: обозначится как Р,(а>, Мк, И, 3г„ж/3/, о7Уо/, ...). На данном участке программы испытаний измеряется установившаяся совокуп-

Рисунок 1 - Структурная схема АСИ дизелей

ность параметров дизеля.

Далее двигатель переводится на следующий участок программы испытаний Pi+i. Последовательность участков Ph Р2, ..., PN составляет технологический процесс испытаний, который представлен в базе данных ЭВМ в виде программы испытаний.

Цель АСИ состоит в выработке управляющих воздействий на дизель в виде перемещения рейки ТНВД для того, чтобы дизель из участка испытаний Pi перешел в участок Р,, ¡.

База знаний АСИ имеет вид нечетких правил управления. Правила управления построены с помощью теории нечетких множеств и нечеткой логики:

R(k>: IF со AND Мк AND Gr AND ... THEN h, (1)

где k - общее количество нечетких правил; R<k> - все множество правил;

со - лингвистическая переменная, характеризующая частоту вращения; Мк - лингвистическая переменная, характеризующая крутящий момент дизеля;

Gr - лингвистическая переменная, характеризующая расход топлива; h - лингвистическая переменная, характеризующая положение рейки ТНВД.

Нечеткие правила наглядны и просты, в отличие от дифференциальных уравнений, описывающих двигатель и его системы.

Пусть диапазоны параметров системы ограничены для конкретного дизеля следующими значениями (табл. 1).

Таблица 1. Диапазон параметров дизеля КамАЗ 740.30-260

№ п/п Имя переменной Базовое значение

1. Рейка ТНВД, к 0-50 мм

2. Частота вращения, со 600-2450 мин1

3. Крутящий момент, МК 73-126 кгм

4. Расход топлива, 0/ 18,6-59,4 кг/ч

Тогда диапазон каждого параметра можно разбить на несколько нечетких меток (лингвистических термов),понятных технологу-испытателю:

- частота вращения коленчатого вала, со, мин"1 (малая: 600-1000, средняя: 1001-2000, большая: 2001-2450);

- крутящий момент, Мк, кгм (малый: 73-80, средний: 81-110, большой: 111-126); и т.д.

База знаний АСИ может быть получена либо с привлечением экспертов, либо автоматически. Автоматическое получение базы знаний позволяет уменьшить время на перенастройку испытательного стенда для проведения испытания другой модели дизеля, так как отсутствует необходимость привлечения экспертов для формирования нечетких управляющих правил.

Для автоматического получения базы знаний спроектирована нечеткая нейронная сеть типа АОТК, которая расположена в «Блоке самообучения» АСИ дизелей.

В спроектированной нечеткой нейронной сети присутствуют три слоя (рис. 2).

Слой 1. Рассчитывает степени принадлежности входных параметров дизеля к соответствующим нечетким множествам (фаззификация).

Слой 2. Определяет степени активности нечетких правил и их нормированные значения:

т*= П (2)

Г-- (3)

/=1

где -"л/ ~~ степени принадлежности входных параметров дизеля;

тк- степень активности к-го правила;

тк - нормированное значение тк.

Связи с предыдущим слоем устанавливаются так, чтобы получить все

Слой 1

Слой 2

Слой 3

Рисунок 2 - Нечеткая нейронная сеть АСИ дизелей

возможные комбинации функций принадлежности входных параметров дизеля. Пространство входных параметров разделено Nt функциями принадлежности для параметра х7; N2 функциями принадлежности для параметра х2 и N3 функциями принадлежности для параметра х3 и т.д. Другими словами, определено Nt нечетких множеств для первого входного параметра: Л},..., A,N1; N2 множеств Л\,..., А~ для второго параметра и т.д. В результате получатся Ni>tN2xN3x... правил вида:

R(k): lF(x, е A"1 AND е а'^ AND х3 е Ay' AND ...) THENy!rf(xhx2,x3,...), (4)

где п,=1, ...,Ni\n2= 1, ...,N2\ «з=1, ..., N3 и т.д.; i?^ - /с-тое нечеткое правило;

а,, д-_7, х3, ... - входные параметры режима работы двигателя; Ук=/(х1,х2,х3,...) - линейная функция нечеткого вывода Сугено. Слой 3. Реализует метод дефаззификации по алгоритму Сугено с применением схемы нечеткого вывода по центру тяжести:

N

у к =

(5)

/=1 м

Л-

(6)

Веса связей, обозначенные символом рк1, соответствуют линейным коэффициентам правой части нечетких правил вида (4). Они должны иметь нулевые начальные значения, что отражает факт отсутствия заключений до начала обучения сети. Поэтому можно утверждать, что модификация этих весов в процессе обучения приводит к формированию нечетких правил АСИ.

В третьей главе описана методика формирования базы знаний АСИ дизелей в виде нечетких правил. Определено количество необходимых нейронов в нечеткой нейроной сети. Приведен алгоритм построения структуры базы знаний АСИ.

Для формирования обучающей выборки проектируемой нечеткой нейронной сети были проведены испытания дизелей КамАЗ 740.30-260 на станции испытаний Завода двигателей ОАО «КАМАЗ». Замеры проводились в моменты времени, соответствующие нечетким меткам к В испытаниях участвовали десять двигателей, их среднеарифметические результаты занесены в табл 2.

Таблица 2. Результаты испытаний дизелей КамАЗ 740.30-260_

I о 5 I 10 I 15 I 20 I 25 30 35 40 45 50 _935_ _И5_5_ 1355 1555 1760 1960 2165 2340 2425 2450 _[01_ Л20... 126 125 118 113 111 110 110 110 Ог, кг/ч 18,60 23,10 29,50 35,90 41,80 46,90 50,80 54,20 57,10 58,90 59,40

В слое 1 в качестве функции активации нейронов и, соотвественно, функций принадлежности нечетких множеств выбрана параметризованная функция формы, параметры которой настраиваются с помощью нечеткой нейронной сети. Для этого при проектировании сети условие нечетких правил задано обобщенной функцией Гаусса в рациональной форме отдельно для каждого параметра

(7)

1 +

.к

О",

V

У

где (х;) - степень принадлежность параметра к нечеткому множеству;

£

21 - центр гауссовой кривой;

<т( - ширина гауссовой кривой;

Ъ\ - форма гауссовой кривой.

Параметры г*, , Ь^ слоя задают размещение и форму функций принадлежности входных параметров АСИ дизелей. При этом они должны подбираться так, чтобы зависящие от них функции принадлежности равномерно накрывали входное пространство.

Обобщенная функция Гаусса при соответствующем подборе показателя степени 6* может быть вырождена в стандартную функцию Гаусса (¿^ = 1), в треугольную (Ь- = 0,6) или в трапецеидальную функцию (Ьк=5) (рис. 3).

0.5 1 1.5

Рисунок 3 - Обобщенная функция Гаусса при различных параметрах Ък,

Это параметрический слой с параметрами г\, подлежащими

адаптации в процессе обучения.

Слой 2 состоит из И-нейронов. Преобразование сигналов в них выполняется по следующему выражению:

У = Т[Е(м/ь х,), х2),..., х^, (8)

где Т, 5 - 7-норма и 5-норма соотвественно; »¡,»2, ....и'п-весасвязей.

Это непараметрический слой нечеткой нейронной сети АСИ. Слой 3 - параметрический слой, в котором адаптации подлежат линейные весара для к = 1,2, ...,Миу'= 1,2,

При N входных параметрах дизеля каждое правило формирует N

переменных рш линейной зависимости третьего слоя. При М правилах вывода это дает МЫ линейных параметров третьего слоя сети. В свою очередь, каждая функция принадлежности использует три параметра (г, с, Ь), подлежащих адаптации. Так как параметр х, дизеля характеризуется собственной функций принадлежности, то при М правилах вывода получится ЗМЫ нелинейных параметров первого слоя сети. В сумме это дает 4 МЫ линейных и нелинейных параметров сети, значения которых должны подбираться в процессе обучения нечеткой нейронной сети АСИ.

Методика построения структуры базы знаний в виде нечетких правил представлена на рис. 4.

Ds D2 D, S

x, Mi M7 Мг

M7 M, S D, D2 x2

Рисунок 4 - Структура базы знаний АСИ для двух входных параметров

Структура базы знаний реализована в форме матрицы, которая заполняется нечеткими правилами следующим образом. Если правило имеет вид:

R"}: IF (х, е М, AND х2е D, AND ...) THEN yh (9)

то на пересечении строки D, (соответствующей сигналу х:) и столбца Mt (сигнал х2) вписывается название линейной функции, присутствующей в следствии, - у,. Если имеется несколько нечетких правил с одной и той же посылкой, то из них выбирается то, которое имеет наивысшую степень активности.

Методику можно обобщить на случай нечеткой системы с любым числом входов и выходов. На рис. 5 представлен алгоритм построения структуры базы знаний АСИ, который служит основой для подготовки соответствующей программной реализации.

В четвертой главе приведен расчет управляющего воздействия на дизель по его входным параметрам с помощью нечеткой нейронной сети АСИ. Оценена погрешность расчета управляющего воздействия.

Программный комплекс «Автоматизированная информационная система

Ш'Г:

Л.

Выбрать очередную пару данных

(Х1О), Ъв). хп0))

Рисунок 5 - Алгоритм формирования структуры базы знаний АСИ

«Испытания дизельных двигателей внутреннего сгорания на основе нечеткой нейронной сети»» (рис.6) разработан на основе методик и алгоритмов, описанных в 2-3 главах диссертационного исследования, в соответствии с предложенной нечеткой нейросетевой моделью управления дизелем и предназначен для машиностроительных предприятий.

\ Автоматизированная система и с

Протокол Двигатель Испытание Отчеты Справка

Включение работы стенда

Завершение работы стенда

!С0 75 58

н Hi н ¡¡¡¡а

т т ■ ■

■"I

■ ■ ш ■ !1

г4.12ЛЙ21:0£Ж:М21:07:Ш21:88;:®21:Ю:0021:1():®21:1!| SB 1Ф # Ф < ; ь ■> Ф ф§ |

i [ Active! Видим Кривые j Источник

4- Температура 4- -частотами

Крутящий момент

Расход топлива

118 46.90

Рейка

1760

Частота

Стенд

25

Настройка

Рисунок 6 - Программный комплекс АСИ дизелей

Входные параметры представлены в программе испытаний в виде их изменений во времени (рис. 7).

Программа испытаний двигателя формируется в соответствии с ГОСТ 14846-81 «Двигатели автомобильные. Методы стендовых испытаний» и международным стандартом ISO 1585:1992 «Road vehicles. Engine test code. Net power». Данные стандарты предполагают измерение параметров дизеля в стационарном режиме.

Пусть технологом входными параметрами в программе испытаний заданы: частота вращения, со; крутящий момент, Мк\ часовой расход топлива, GT. Вся совокупность изменений параметров по времени сведена в табл. 3.

Для каждого входного параметра дизеля для наглядности приведения расчета нечеткой нейронной сети АСИ определено небольшое количество нечетких меток: 3 нечеткие метки параметра со, 2 нечеткие метки параметра Мк и 4 нечеткие метки параметра GT. Количество формируемых нечетких 12

О Г, t¡. Ь мин

Рисунок 7 - Образ испытаний по частоте вращения, со (У

Таблица 3. Матричное представление программы испытаний дизеля

КамАЗ 740.30-260

№ п/п Время испытаний, мин со, мин"1 Мк, кгм 6'7, кг/час

1. Включение двигателя

2. 0-15 600 73 18,6

3. 15-30 800 90 19,5

4. 30-45 1000 110 24

5. 45-60 1200 123 30

6. 60-75 1400 125,8 35

7. 75-90 1600 123 41

8. 90-105 1800 115 46

9. 105-120 2000 112,5 50

10. 120-135 2200 110,8 53,5

11. 135-150 2400 110 57,5

12. 150-165 2450 110 59,2

13. 165-180 600 73 18,6

14. Выключение двигателя

правил в базе знаний будет равно 24. В слое 2 нечеткой нейронной сети АСИ определены, соответственно, 24 нейрона (рис. 8).

Расчет положения рейки ТНВД обученной сети для входного вектора:

Х, = (1355; 126; 35,9).

производится следующим образом.

Функции принадлежности для частоты вращения в процессе обучения приняли вид, показанный на рис. 9.

мин'1

Рисунок 9 - Функции принадлежности для частоты вращения, цА (а>)

Значение частоты вращения 1355 мин' принадлежит первой и второй нечеткой метке со следующими значениями степеней принадлежности:

цАх (г,) = 0,18; цА1 (*,)= 0,82; Млг = 0-

Во втором слое рассчитывается степени активности и нормированные степени активности каждого из 24 нечетких правил:

Ч = х Мв2 (*2) х Мсг (*з) = °>13;

г7 =0,05; г14 =0,6; т,5 =0,22. Степени активности остальных правил равны нулю.

;б=-^-= 0,13;

0,6 + 0,22 + 0,05 + 0,13

г7 =0,05 ; г, 4 =0,6 ; г,5 =0,22 .

В третьем слое производится вычисление четкого управляющего воздействия на дизель по алгоритму дефаззификации Сугено:

/г = 0,13 (рпх,+р,2х2 + рих3)+0,05(р-пх1 +р2 2х2 +р 23х3)+ + 0,6 (р31х, + р32х2 + р33х3)+0,22(р41х, + р42х2 + р43х3)=\5.

Результаты расчетных и экспериментальных данных для частоты вращения показаны на рис. 10.

- экспериментальная, — расчетная

Рисунок 10 - Расчетная и экспериментальная характеристика, со(У

Как видно из рисунка, средняя кавадратичная погрешность управления по частоте вращения коленчатого вала составляет 1%.

Используя получившиеся значения со, Мк и (уу, построены внешние скоростные характеристики по этим параметрам (рис. 11, 12).

- экспериментальная, — расчетная

Рисунок 11 - ВСХ крутящего момента, Мк(со)

Рисунок 12 - ВСХ расхода топлива, От(со)

Отклонения расчетных показателей от экспериментальных на участках графиков обусловлены соответствующим подбором обучающей выборки, которая использовалась при обучении нечеткой нейронной сети АСИ.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В результате выполнения диссертационной работы решены задачи, имеющие существенное значение.

1. Модель управления дизелем разработана на основе структуры нейро-нечеткой системы для получения базы знаний АСИ дизелей при проведении испытаний. При разработке на основе исследования методов построения математической модели дизеля выбран способ управления дизелем в АСИ на базе нечеткой нейронной сети.

2. Разработана методика технологического процесса испытаний дизелей на основе формирования топологии нечеткой нейронной сети АСИ для заданных входных параметров режима испытаний дизелей. Первый слой нечеткой нейронной сети реализует функции принадлежности нечетких множеств для входных параметров дизеля, второй слой реализует структуру правил базы знаний АСИ, третий слой реализует расчет управляющего воздействия на дизель.

3. Разработана топология нечеткой нейронной сети, позволяющая получить базу знаний АСИ дизелей в виде нечетких правил управления двигателем при проведении испытаний. Управление дизелем осуществляется на основе нечеткой нейросетевой модели, описываемой нечеткими правилами в базе знаний.

4. Разработана модель базы знаний АСИ дизелей и алгоритм формирования ее структуры в виде нечетких правил управления двигателем. База знаний представляется в матричном виде. В первом массиве хранятся коэффициенты линейной функции для дефаззификации по алгоритму Сугено с применением схемы нечеткого вывода по центру тяжести. Во втором массиве хранятся нормированные степени активности нечетких правил базы знаний АСИ.

5. Разработана методика и алгоритм обучения спроектированной нечеткой нейронной сети АСИ дизелей. Методика обучения состоит из двух этапов: на первом этапе подбираются нелинейные веса первого слоя и линейные параметры третьего слоя нечеткой нейронной сети АСИ дизелей. На втором этапе производится кластеризация входных обучающих параметров дизеля для определения количества нечетких меток для них.

6. Предложенные методики и алгоритмы реализованы в виде программного комплекса «Автоматизированная информационная система «Испытания дизельных двигателей внутреннего сгорания на основе нечеткой нейронной сети»» (Свидетельство государственной регистрации программы для ЭВМ №2011614373 от 03.06.2011). Результаты работы внедрены на Завод двигателей ОАО «КАМАЗ» в виде нечеткой нейросетевой модели управления дизелями в составе АСИ.

7. Проанализирована эффективность использования нечеткой нейросетевой модели для управления дизелем в АСИ. Так как время

настройки математического обеспечения автоматизированной системы испытаний на основе нечеткой нейросетевой модели управления дизелем уменьшается, то экономия времени при проведении испытаний составит 11%, а экономия топлива - 7%.

Основное содержание работы отражено в следующих публикациях:

Монографии:

1. Галиуллин, JI.A. Интеллектуальная настройка автоматизированных систем испытаний дизелей / JI.A. Галиуллин, Е.В. Зубков. - Germany: LAP LAMBERT Academic Publishing, 2011. - 164 с.

Научные статьи, опубликованные в журналах, рекомендованных ВАК:

2. Галиуллин, JI.A. Гибридная нейронная сеть для моделирования режимов испытаний двигателей внутреннего сгорания / Л.А. Галиуллин, Е.В. Зубков // Научно-технические ведомости СпбГПУ. - 2011. - №1. -С. 245-250.

3. Галиуллин, Л.А. Применение гибридной нейронной сети для настройки нечетких систем при моделировании режимов испытаний двигателей внутреннего сгорания / Л.А. Галиуллин, Е.В. Зубков // Вестник машиностроения. -2011,-№5. - С. 21-24.

4. Галиуллин, Л.А. Нейро-нечеткая настройка автоматизированной системы испытаний дизельных двигателей / Л.А. Галиуллин, Е.В. Зубков // Сборка в машиностроении, приборостроении. - 2011. - №7. - с. 26-31.

5. Галиуллин, Л.А. Формирование базы знаний автоматизированной системы испытаний дизелей / Л.А. Галиуллин // Тракторы и сельхозмашины. -2011.-№8.-С. 41-43.

Научные статьи и материалы докладов:

6. Галиуллин, Л.А. Выбор режима испытания ДВС и информационных параметров / Л.А. Галиуллин, А.Х. Хайруллин // Проектирование и исследование технических систем: межвузовский научный сборник. -Набережные Челны: Изд-во Камская государственная инженерно-экономическая академия, 2009. - №13. - С. 42-44.

7. Галиуллин, Л.А. Управление дизелем при проведении испытаний на основе гибридной нейронной сети / Л.А. Галиуллин // Информационные технологии моделирования и управления. - Воронеж: Научная книга, 2010. — №6. - С. 732-737.

8. Галиуллин, Л.А. Нечеткая нейронная сеть для управления двигателем внутреннего сгорания при проведении испытаний / Л.А. Галиуллин, Е.В. Зубков // Научные исследования и их практическое применение. Современное состояние и пути развития. Материалы конференции. - Одесса: Черноморье. - 2010. - Т.5. - с. 58-60.

9. GaliuIIin, L.A. An Adaptive Neural Network for Diesel Engines Testing / Galiullin L.A., Zubkov E.V. // «Computer Systems Aided Science, Industry and Transport», Transcomp — XIV International Conference (Zakopane, 6.XII-9.XII

2010, Poland)-2010. -PP. 3861-3867.

10. Галиуллин, JI.А. Гибридный алгоритм обучения нечеткой нейронной сети для управления дизелем при проведении его испытаний / JI.A. Галиуллин, Е.В. Зубков // Информационные технологии моделирования и управления. - Воронеж: Научная книга, 2011. - №2. - С. 164-170.

11. Галиуллин, J1.A. Расчет вектора управления в автоматизированной системе испытаний дизельных двигателей / Л.А. Галиуллин // Современное состояние естественных и технических наук: Материалы II Международной научно-практической конференции. - М.: Издательство «Спутник+», 2011. -С. 27-31.

12. Galiullin, L.A. Hybrid Neural Network for the Adjustment of Fuzzy Systems when Simulating Tests of Internal Combustion Engines / L.A. Galiullin, E.V. Zubkov // Russian Engineering Research. - 2011. - Vol. 31, № 5. - PP. 439443.

Свидетельства о регистрации программ для ЭВМ:

13. Галиуллин, Л.А. Автоматизированная информационная система «Испытания дизельных двигателей внутреннего сгорания на основе нечеткой нейронной сети» / Л.А. Галиуллин, Е.В. Зубков // Свидетельство о государственной регистрации программы для ЭВМ №2011614373 от 3 июня

2011.

14. Галиуллин, Л.А. Нечеткая нейро-сетевая модель управления дизельным двигателем в автоматизированной системе испытаний / Л.А. Галиуллин, Е.В. Зубков // Свидетельство о государственной регистрации программы для ЭВМ №2011618377 от 25 октября 2011.

15. Галиуллин, Л.А. Формирование базы знаний автоматизированной системы испытаний дизельных двигателей с помощью нечеткой нейронной сети / Л.А. Галиуллин, Е.В. Зубков // Свидетельство о государственной регистрации программы для ЭВМ №2011618378 от 25 октября 2011.

Подписано в печать 23.11.11 г. Формат 60x84/16 Бумага офсетная Печать ризографическая Уч.-изд. л. 1,0 Усл.-печ.л. 1,0 Тираж 100 экз.

Заказ 2152 Издательско-полиграфический центр Камской государственной инженерно-экономической академии

423810, г. Набережные Челны, Новый город, проспект Мира, 68/19 тел./факс (8552) 39-65-99 e-mail: ic@ineka.ru

ВВЕДЕНИЕ.

ГЛАВА 1. СОСТОЯНИЕ ВОПРОСА И ОБОСНОВАНИЕ

НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ.

1.1 Основные виды испытаний дизелей.

1.2 Техническая документация на испытания дизелей.

1.3 Программа испытаний дизелей.'.

1.3.1 Цель испытаний.

1.3.2 Объект испытаний.

1.3.3 Методика проведения испытаний и измерений.

1.3.4 Условия проведения испытаний.

1.3.5 Режимы и порядок проведения испытаний.

1.3.6 Порядок обработки и оформления результатов испытаний.

1.4 Обзор методов и средств испытаний дизелей.

1.5 Математическое обеспечение АСИ дизелей.

1.6 Интеллектуальные системы в математическом обеспечении АСИ дизелей.

1.7 Методы задания технических нейронных сетей.

1.8 Нечеткая нейронная сеть как адаптивная система нейро-нечеткого вывода.

1.9 Выводы.

ГЛАВА 2. ПРОЕКТИРОВАНИЕ НЕЙРО-НЕЧЕТКОЙ СИСТЕМЫ

УПРАВЛЕНИЯ АСИ ДИЗЕЛЕЙ.

2.1 Технологичский процесс автоматизированных испытаний дизелей.

2.2 Компонентная структура АСИ.

2.3 Блок самообучения.

2.4 Нейронная сеть в структуре «Блока самообучения» АСИ.

2.5 Нечеткая нейронная сеть АЫИБ для управления дизелем при испытаниях.

2.5.1 Выбор количества нейронов и слоев нечеткой нейронной сети 42 АСИ.

2.5.2 Подготовка входных параметров АСИ.

2.5.3 Обучение нечеткой нейронной сети АСИ.

2.6 Методика проектирования топологии нечеткой нейронной сети

2.7 Выводы.

ГЛАВА 3. ФОРМИРОВАНИЕ БАЗЫ ЗНАНИЙ АСИ НЕЧЕТКОЙ НЕЙРОННОЙ СЕТЬЮ.

3.1 Расчет управляющего воздействия на дизель нечеткой нейронной сетью.

3.2 Функции активации нейронов первого слоя нечеткой нейронной сети АСИ.

3.3 Функции активации нейронов второго и третьего слоев нечеткой нейронной сети АСИ.

3.4 Формирование структуры базы знаний АСИ дизелей.

3.5 Модифицированный гибридный алгоритм обучения нечеткой нейронной сети АСИ.

3.6 Выводы.

ГЛАВА 4. НЕЧЕТКОЕ НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ИСПЫТАНИЙ ДИЗЕЛЕЙ.

4.1 Структура программного комплекса.

4.2 Выбор входных и выходных параметров дизеля.

4.3 Формирование обучающей выборки для нечеткой нейронной сети АСИ.

4.4 Определение степеней принадлежности входных параметров дизеля для обучающей выборки.

4.5 Определение нормированных степеней активности нечетких правил АСИ.

4.6 Проверка адекватности нечеткой нейросетевой модели АСИ.

4.7 Выводы.

Ведущими двигателестроительными компаниями ведется интенсивная исследовательская и опытно-конструкторская работа по повышению надежности и долговечности двигателей внутреннего сгорания (ДВС), а в частности, дизелей.

Исследования и испытания дизелей служат одним из главных средств проверки качества изготовления деталей и сборочных единиц, узлов и двигателя в целом, правильности его монтажа, соответствия основных характеристик дизеля требованиям технической документации.

Виды испытаний дизелей регламентируются ГОСТами и международными стандартами ISO, которые устанавливают порядок приемки и требования к техническому уровню двигателей. После приемки и постановки дизелей на производство совершенствование их конструкций и технико-экономических показателей не прекращается.

В настоящее время испытания дизелей представляют собой сложный и трудоемкий технологический процесс, мало отличающийся от экспериментального исследования-. Поэтому создаются автоматизированные системы» испытаний (АСИ) двигателей:

Современные требования к постоянному повышению технического уровня выпускаемых дизелей приводят к тому, что доля затрат на проведение испытаний при создании новых образцов двигателей все более возрастает. Особенно большими эти затраты становятся^ при, несоответствии уровней автоматизации производства и научно-исследовательских работ. В связи с этим автоматизация технологических процессов испытаний является одной из основных задач повышения технологического уровня производства и качества выпускаемых дизелей.

В процессе создания новых конструкций надежных и экономичных дизелей важное место отводится испытаниям экспериментальных образцов двигателей. Требования, предъявляемые к качеству и эффективности научно-исследовательских и доводочных испытаний, постоянно возрастают.

Заключается это, прежде всего, в увеличении количества измеряемых и вычисляемых параметров, повышении точности и частоты их измерения, получении более точных характеристик двигателя.

Двигатели представляют собой сложные технические системы. На всех стадиях жизненного цикла они подвергаются- различного рода испытаниям, объем и трудоемкость которых растет.

Одно из наиболее эффективных решений по удовлетворению данных требований — применение на испытательных стендах автоматизированных систем испытаний (АСИ) дизелей.

АСИ позволяет повысить качество и эффективность конструкторских, разработок, сократить сроки доводки и усовершенствования двигателей при снижении себестоимости проведения стендовых испытаний.

В' зависимости от вида испытаний может изменяться как, состав взаимодействующего с АСИ оборудования, так и технология, проведениям испытаний.

Усложнение конструкций дизелей, сокращение сроков создания и повышение их качества приводят к необходимости, сокращения, сроков проектирования и, повышения качества проектов. Добиться этого можно интенсификацией процесса проектированиям на. основе совершенствования* методов проектирования - его автоматизации. Последнее означает, что человек^ должен выполнять творческую часть работы, а ЭВМ- - трудоемкие операции; не требующие высокой- квалификации, и поддающиеся алгоритмизации. Анализ характера работ, выполняемых при проектировании и испытаниях, двигателей, показывает, что в общем объеме работ доля нетворческой работы является существенной (выполнение стандартных расчетов, оформление чертежей, спецификаций, требований и т.д.).

Автоматизация проектирования освобождает квалифицированных специалистов от нетворческой работы, снижает затраты и сокращает сроки испытаний, повышает глубину и качество проработки проекта без существенного увеличения числа работников, занимающихся испытаниями.

Необходимость широкого внедрения и эксплуатации АСИ в реальных условиях испытательных станций исследовательских институтов, проектно-конструкторских организаций и серийных заводов требует создания средств гибкой автоматизированной настройки программного комплекса на любые технологии испытаний различных типов и модификаций двигателей внутреннего сгорания на основе которых технолог может сам создавать управляющую программу, без помощи посредника-программиста. Это диктуется достаточно большой номенклатурой испытываемых двигателей, его агрегатов и узлов, а также необходимостью достаточно частого внесения изменений в существующие модели двигателей и создания новых алгоритмов технологии, в. особенности при проведении исследовательских и доводочных испытаний дизелей.

Для автоматизированной подготовки и настройки программного> комплекса необходимо' создать обобщённую автоматизированную.' технологию испытаний дизелей на базе интеллектуальных систем, которая должна решать следующие задачи:

- позволять пользователю задавать режимы испытания по нескольким параметрам;

- преобразовывать эти режимы в программу управления испытанием;

- вырабатывать-управляющее воздействие на дизель.

Благодаря работам Адгамова Р.И., Берхеева М.М., Дмитриева» C.B., ЗаляеваИ.А., Кожевникова Ю.В., Красных B.JL, Моисеева B.C., Хайруллина А.Х., Румянцева В.В. и др. в области автоматизированных систем испытаний заложен фундамент проектирования подобных систем в двигателестроении. В области искусственного интеллекта данная работа базируется на разработках авторов: Заде JI.A., МамданиЕ.Н., Ярушкиной Н.Г., Суджено, Цукамото и др.

Актуальность темы обусловлена необходимостью автоматизации функции управления дизелями в процессе стендовых испытаний - массовой технологической операции машиностроительных предприятий на этапе выпуска изделия в эксплуатацию.

Объект исследования. В качестве объекта исследования диссертации выбрана автоматизированная система испытаний дизелей.

Предмет исследования. Предметом исследования является алгоритм управления дизелем, основанный на применении нечеткой нейронной сети, в составе АСИ.

Цель и задачи работы. Целью диссертационной работы является повышение эффективности АСИ дизелей по времени настройки стенда на новый тип двигателя и точности получаемого управляющего воздействия путем разработки методов^ оперативной настройки на основе нечеткой нейронной сети.

Для достижения поставленной цели в работе решаются следующие научные задачи:

1. Разработка структуры нейро-нечеткой системы для получения базы знаний АСИ дизелей при проведении испытаний. 21 Разработка методики формирования топологии нечеткой нейронной сети на основе заданных входных параметров режима испытаний дизеля. 3: Разработка методики и алгоритма первоначального формирования структуры базы знаний^ АСИ дизелей в виде нечетких правил управления двигателем.

4. Разработка методики и алгоритма обучения спроектированной нечеткой нейронной сети для формирования базы знаний.

5. Разработка алгоритмов и на их основе программного комплекса, реализующего методики управления дизелем в процессе его испытаний.

Положения, выносимые на защиту и обладающие научной новизной:

1. Модель управления дизелем, отличающаяся представлением модели двигателя на основе нечеткой нейронной сети и обеспечивающая автоматическое получение базы знаний АСИ в виде нечетких правил.

2. Методика технологического процесса испытаний дизелей, отличающаяся заданием программы испытаний в виде топологии нечеткой нейронной сети и обеспечивающая расчет управляющего воздействия на дизель по заданным входным параметрам режима испытаний.

3. Модель базы знаний АСИ дизелей, отличающаяся матричным представлением базы знаний нечетких правил для управления двигателем и обеспечивающая расчет управляющего воздействия на двигатель по нечеткой нейросетевой модели.

4. Алгоритмы управления дизелем при испытаниях, отличающиеся применением нечеткой нейросетевой модели управления дизелем и модели базы знаний, реализованные в виде программы для ЭВМ (Свидетельство государственной регистрации №2011614373 от 03.06.2011).

Практическая полезность работы:

1. Уменьшение времени настройки стендов на заданный режим испытаний на основе подготовки, управляющих воздействий для рейки топливного насоса высокого давления (ТНВД); используемых при получении необходимых выходных параметров дизелей.

2. Повышение точности управления- процессом^ испытаний за счет использования решений, полученных в результате применения нечеткой нейросетевой модели для перемещения» рейки ТНВД, описывающих состояние дизеля в любой момент времени.

3. Повышение производительности труда технологов-испытателей при' проведении испытаний дизелей.

4. Экономия топлива при испытании дизелей в результате повышения качества испытания за, счет выработки более точного управляющего воздействия.

5. Разработан программный комплекс «Автоматизированная информационная система «Испытания дизельных двигателей внутреннего сгорания на основе нечеткой нейронной сети»», реализующий методики формирования структуры нечеткой нейронной сети и получения базы знаний АСИ дизелей.

Исходя из поставленной цели, работа имеет следующую структуру.

В первой главе приводится краткий обзор применяемых методов и средств испытаний дизелей. Проанализированы современные методы управления испытательным стендом при проведении испытаний. Рассмотрены предпосылки и необходимость исследований, дана характеристика проблемы и определены пути ее решения.

Во второй главе разработана структурная схема нейро-нечеткой системы. Сформирована последовательность этапов создания испытаний. Выбрана нечеткая нейронная сеть и разработана ее топология. С помощью нечеткой нейронной сети сформированы нечеткие правила управления для базы знаний АСИ дизелей.

В третьей главе рассмотрено формирование базы знаний АСИ дизелей. Определено количество необходимых слоев и количество нейронов в них. Разработана методика построения структуры базы знаний АСИ в виде нечетких правил. Приведен модифицированный гибридный алгоритм для обучения нечеткой нейронной сети АСИ.

В четвертой главе показан расчет управляющего воздействия на двигатель по входным параметрам с помощью нечеткой нейросетевой модели дизеля. Оценена погрешность расчета управляющего воздействия по входным параметрам двигателя.

Для реализации разработанных методик и алгоритмов разработан программный комплекс «Автоматизированная информационная система «Испытания дизельных двигателей внутреннего сгорания на базе нечеткой нейронной сети»», обеспечивающий вычисление управляющего воздействия на двигатель в виде перемещения рейки ТНВД при испытаниях.

В приложении приведены справка о внедрении результатов диссертационной работы на Завод двигателей ОАО «КАМАЗ» и в учебный процесс Камской государственной инженерно-экономической академии, акты результатов испытаний дизелей и свидетельства о государственной регистрации программ для ЭВМ.

3.6 Выводы

1. Каждый элемент первого слоя нечеткой нейронной сети АСИ дизелей моделирует обобщенную функцию принадлежности Гаусса с параметрами центра ¿¡-> ширины <7- и формы Ькк.

2. Для элементов второго слоя нечеткой нейронной сети АСИ дизелей выбраны И-нейроны. И-нейроны позволяют объединить нечеткие множества входных параметров двигателя, полученных на предыдущем слое.

3. Модификация в процессе обучения весов нейронов, расположенных в последнем слое нечеткой нейронной сети АСИ дизелей приводит к построению нечетких правил в базе знаний АСИ.

4. Сформированный алгоритм получения базы знаний АСИ. в виде нечетких правил управления дизелем можно обобщить на случай нечеткой системы с любым количеством входных параметров двигателя.

5. Выбранный гибридный алгоритм обучения нечеткой нейронной сети АСИ дизелей сокращает количество математических операций и увеличивает скорость выполнения алгоритма при уменьшении количества параметров для оптимизации в нечеткой нейронной сети, по. сравнению с алгоритмом обратного распространения ошибки.

6. Разарботанный алгоритм самоорганизации нечеткой нейронной сети АСИ позволяет автоматически определить количество центров (формальных нейронов) и их расположение в части, соответствующей- условиям и заключениям нечетких правил управления дизелем.

ГЛАВА 4. НЕЧЕТКОЕ НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ

ИСПЫТАНИЙ ДИЗЕЛЕЙ

Приведен расчет управляющего воздействия на дизель по его входным параметрам с помощью нечеткой нейронной сети АСИ. Оценена погрешность выработки управляющего воздействия.

4.1 Структура программного комплекса

Программный комплекс «Автоматизированная информационная система «Испытания дизельных двигателей внутреннего сгорания на базе нечеткой нейронной сети»» разработан на основе методик и алгоритмов, предложенных в главах 2-3 диссертационного исследования, в соответствии с разработанной нечеткой нейро-сетевой моделью АСИ дизелей и предназначен для машиностроительных предприятий (Регистрационный номер: №2011614373 от 03.06.2011) (Приложение В) [95]. Программный комплекс (рис. 4.1) обеспечивает проведение испытаний дизелей на базе нечеткой нейронной сети в соответствии международными Правилами ЕЭК ООН и с российскими ГОСТами.

Для реализации модулей программного комплекса были использованы среда разработки Eclipse и высокоуровненвый язык объектно-ориентированного программирования Java. Для базы знаний была использована СУБД MySQL.

Разработанный программный комплекс позволяет быстро настраивать программное обеспечение АСИ дизелей при изменении технологии испытаний или при внедрении в производство новых типов дизелей [96]. Использование сетевых ресурсов позволяет строить АСИ, которая, включаясь в общезаводскую корпоративную сеть на базе сетевых протоколов, оперативно обеспечивает все заинтересованные подразделения необходимой информацией о прохождении испытаний дизеля, о состоянии испытательных боксов и всей испытательной станции.

Автоматизированная система испытаний дизелей .

Протокол Двигатель Испытание Отчеты Справка

Включение работы стенда

Завершение работы стенда я о

1 100 -

Я1 п - ■ ■■

241210 21 02В06 0021 070021:080021 090021 10:0021 V

0В ¡Ф ф + 4 ь ► ♦ # М

АсЬус Вид»; Кривые I Источник | Значение + Температура

4астота Р1

250000

225000 -1

200000 -Ч

175000 ь)

150000 ч

125000 -I

100000 Н

75000 т

50000 Ч

250 ООН

0.00 -3

Крутящий момент 118

Расход топлива 46.90

1760

Частота

Стенд

Рейка

Настройка

Рис. 4.1 Программный комплекс АСИ дизелей

Программное обеспечение (ПО) АСИ дизелей разделены на три уровня.

1. Нижний уровень - программы интеллектуальных модулей. Эти программы выполняют операции по обмену данными, исключению грубых промахов измерений, преобразованию данных в требуемый формат [97]. ПО нижнего уровня, реализуемое в сигнальных цифровых процессорах модулей устройств сопряжения с объектом испытаний, также призвано разгрузить центральный процессор системы сбора данных.

2. Сервер данных - программа системы сбора данных. Она обеспечивает обмен с ПО нижнего уровня, предварительную обработку данных (например, приведение к физическим величинам), выполняет ряд необходимых расчетов (приведение значения параметра к стандартным атмосферным условиям, вычисление оценочных параметров и т.д.), накапливает данные быстропеременного режима (например, при осциллографировании параметров), обеспечивает передачу данных системе визуализации [98]. На сервер данных также возложена метрологическая поддержка АСИ дизелей и функция калибровки измерительных каналов.

3. Система визуализации — модули этого уровня обеспечивают наглядное и удобное представление данных на мониторе системы, ведение протокола испытания, поддерживают интерфейс технолог-компьютер [99].

4.2 Выбор входных и выходных параметров дизеля

Программа испытаний включает в себя описание режимов работы дизеля. Режимы работы двигателя определяются видом испытаний. Задача АСИ состоит в поддержании текущего режима работы двигателя в соответствии с программой испытаний путем выработки управляющего воздействия на дизель в виде перемещения рейки ТНВД [100].

Определение управляющего воздействия на двигатель в каждый конкретный момент времени производится с помощью нечетких правил управления базы знаний АСИ.

Задача нечеткой нейронной сети состоит в формировании, нечетких правил управления базы знаний АСИ дизеля с определенным количеством входных и выходных параметров. Для формирования базы, знаний необходимо провести обучение нечеткой нейронной сети на первоначальной выборке. В процессе обучения сеть сформирует базу знаний в виде нечетких правил. Затем полученные нечеткие правила могут использоваться для управления работой дизеля при испытаниях [101].

Входные параметры представлены в программе испытаний в виде их изменений во времени (рис. 4.2).

Входными параметрами в программе испытаний заданы со, Мк, GT. Однако, при этом, как указывалось выше, возможно задание и большего количества входных параметров.

Программа испытаний дизелей формируется в соответствии с ГОСТ . 14846-81 «Двигатели автомобильные. Методы стендовых испытаний» и ISO 1585 «Road vehicles. Engine test code. Net power». Данные стандарты предполагают измерение параметров двигателя в стационарном режиме.

Рис. 4.2. Образ испытаний по частоте вращения, со

Расход топлива выбирается как можно меньшим, что позволяет реализовать экономичный режим работы, а крутящий момент по своим характеристикам выбирается совпадающим с соответствующими оборотами. Время работы двигателя с заданными параметрами зависит от вида испытаний и задается в программе испытаний [102].

Вся совокупность изменений параметров дизелей КамАЗ 740.30-260 по времени сведена в табл. 4.1.

Табл. 4.1. Изменение входных параметров дизелей КамАЗ 740.30-260 по времени п/п Время испытаний, мин со, мин"1 Мк, кгм кг/час

1. Включение двигателя

2. 0-15 600 73 18,6

3. 15-30 800 90 19,5

4. 30-45 1000 110 24

5. 45-60 1200 123 30

6. 60-75 1400 125,8 35

7. 75-90 1600 123 41

8. 90-105 1800 115 46 продолжение)

9. 105-120 2000 112,5 50

10. 120-135 2200 110,8 53,5

11. 135-150 2400 110 57,5

12. 150-165 2450 110 59,2

13. 165-180 600 73 18,6

14. Выключение двигателя

Управляющим воздействием, позволяющим поддерживать заданный режим испытаний для дизеля, является перемещение рейки ТНВД к. Изменяя значение к в каждый конкретный момент времени АСИ поддерживает заданный входным вектором режим работы двигателя.

4.3 Формирование обучающей выборки для нечеткой нейронной сети АСИ

ЗАКЛЮЧЕНИЕ

Проведенные исследования показали, что сложная экономическая ситуация последних лет, когда создание нового оборудования и внедрение его в производство ставят предприятие в трудные финансовые условия, а также жесткая конкуренция в современном производстве, которая характеризуется постоянно растущей номенклатурой выпускаемых изделий, вызывают необходимость иметь быстро перенастраиваемое, более точное и значительно более дешевое по сравнению с аналогами оборудование.

В результате внедрения теоретически и экспериментально обоснованных методов интеллектуальной поддержки в АСИ дизелей решена задача автоматизации технологического процесса испытаний дизелей на базе нечеткого нейросетевого метода.

Из этого следует, что повышение эффективности АСИ1 дизелей путем оперативной настройки на любые режимы испытаний, может быть достигнуто за счет представления отдельных составляющих испытаний в виде графических образов и нечетких правил.

Вместо дифференциальной или табличной модели дизеля хранится нечеткая нейросетевая модель двигателя, которая рассчитывает управляющее. воздействие на основе нечетких правил базы знаний АСИ. В результате уменьшения хранимой информации в процессе управления испытаниями повышается эффективность труда экспериментаторов в 5-10 раз. Это позволяет использовать разработанную АСИ дизелей для широкого множества объектов управления и независимо от аппаратной платформы реализации стенда испытаний.

Оцнека адекватности нечеткой нейросетевой модели дизеля, что погрешности, как правило, не выходят за пределы допустимых. Однако величина погрешности может варьироваться испытателем в зависимости от требований, предъявляемых к испытанию, что позволит управлять качеством испытательных работ.

В результате выполнения диссертационной работы решены задачи, имеющие существенное значение:

1. Модель управления дизелем разработана на основе структуры нейро-нечеткой системы для получения базы знаний АСИ дизелей при проведении испытаний. При разработке на основе исследования методов построения математической модели дизеля выбран способ управления дизелем в АСИ на основе нечеткой нейронной сети.

2. Разработана методика технологического процесса испытаний дизелей на основе формирования топологии нечеткой нейронной сети АСИ для заданных входных параметров режима испытаний дизелей. Первый слой нечеткой нейронной сети реализует функции принадлежности нечетких множеств для входных параметров дизеля, второй слой реализует структуру правил базы знаний АСИ, третий слой реализует расчет управляющего воздействия на дизель.

3. Разработана топология нечеткой нейронной сети А№18, позволяющая получить базу знаний АСИ в виде нечетких правил управления дизелем при проведении испытаний. Управление дизелем осуществляется на основе нечеткой нейросетевой модели, описываемой нечеткими правилами в базе знаний.

4. Разработана модель базы знаний АСИ дизелей и алгоритм формирования ее структуры в виде нечетких правил управления двигателем. База знаний представляется в матричном виде. В первом массиве хранятся коэффициенты линейной функции для дефаззификации по алгоритму Сугено с применением схемы нечеткого вывода по центру тяжести. Во втором массиве хранятся нормированные степени активности нечетких правил базы знаний АСИ.

5. Разработана методика и алгоритм обучения спроектированной нечеткой нейронной сети АСИ дизелей. Методика обучения состоит из двух этапов: на первом этапе подбираются нелинейные веса первого слоая и линейные параметры третьего слоя нечеткой нейронной сети АСИ дизелей. На втором этапе производится кластеризация входных обучающих

98 параметров дизеля для определения количества нечетких меток для них.

6. Предложенные методики и алгоритмы реализованы в виде программного комплекса «Автоматизированная информационная система «Испытания дизельных двигателей внутреннего сгорания на основе нечеткой нейронной сети»» (Свидетельство государственной регистрации программы для ЭВМ №2011614373 от 03.06.2011). Результаты работы внедрены на Завод двигателей ОАО «КАМАЗ» в виде нечеткой нейросетевой модели управления дизелями в составе АСИ.

7. Проанализирована эффективность использования нечеткой нейросетевой модели для управления дизелем в АСИ. Так как время настройки математического обеспечения автоматизированной системы испытаний на основе нечеткой нейросетевой модели управления дизелем уменьшается, то экономия времени при проведении испытаний составляет 11%, а экономия топлива - 7%.

1. Биктимиров Р.Л. Математическое обеспечение автоматизированных систем исследований и испытаний двигателей внутреннего сгорания / Р. Л. Биктимиров, И.Х. Садыков, А.Х. Хайруллин. М.: Машиностроение, 1995. — 256 с.

2. Ховах М.С. Автомобильные двигатели / М.С. Ховах, Г.С. Маслов. М.: Машиностроение, 1977.— 591 с.

3. ГОСТ 18509-88 «Дизели тракторные и комбайновые. Методы стендовых испытаний» М.: Издательство стандартов, 1988 — 77с.

4. ISO 1585 «Road vehicles. Engine test code. Net power», 1992.

5. Крутов В.И. Двигатель внутреннего сгорания как регулируемый объект / В.И. Крутов. М.: Машиностроение, 1989 - 416 с.

6. Райков И.Я. Испытания двигателей внутреннего сгорания / И .Я. Райков. -М.: Высшая школа, 1975. 320 с.

7. Орлин A.C. Двигатели внутреннего сгорания: теория поршневых и комбинированных двигателей / A.C. Орлин, Круглов М.Г., Д.Н. Вырубов и др. М.: Машиностроение, 1983. - 372 с.

8. Адгамов Р.И. Автоматизированные испытания в авиастроении / Р.И. Адгамов, М.М. Берхеев, И.А. Заляев и др. М.: Машиностроение, 1989. - 232с.

9. Богданов С.Н. Автомобильные двигатели: учебник для автотранспортных техникумов / С.Н. Богданов, М.М. Буренков, И.Е. Иванов. -М.: Машиностроение, 1987. 368 с.

10. Архангельский В.М. Автомобильные двигатели / В.М. Архангелский -М.: Машиностроение, 1973.

11. Хайруллин А.Х. Графические средства проектирования и настройки программных систем управления автоматизированными технологическими процессами испытаний силовых установок (автомобильные двигатели и др.) / А.Х. Хайруллин, Е.В. Зубков

12. Автоматизация и управление в машиностроении: Online журнал, 1999. №9. (www.stankin.ru).

13. Хайруллин А.Х. Разработка математического обеспечения автоматизированных систем испытаний ДВС / А.Х. Хайруллин, B.C. Бахвалова // Экономические и технические системы: Online журнал, 2009. №2. http://www.kampi.ru/sets.

14. Бахвалова B.C. Моделирование ДВС в рамках автоматизированной системы испытаний // Проблемы исследования и проектирования машин: Сборник статей IV Международной научно-технической конференции. Пенза: Приволжский Дом знаний, 2008. - с. 8-12.

15. Ослэндер Д.М. Управляющие программы для механических систем. Оъектно-ориентированное программирование систем реального времени / Д.М. Ослэндер, Дж.Р. Риджли, Дж.Р. Ринггенберг. — М.: Бином, Лаборатория базовых знаний, 2004. — 413 с.

16. Луканин В.Н. Двигатели внутреннего сгорания. В 3 кн. Кн. 1. Теория рабочих процессов. Учебник для ВУЗов / В.Н. Луканин, М.Г. Шатров, Т.Ю. Кричевская и др.; под ред. В.Н. Луканина и М.Г. Шатрова; 2-е изд., перераб. и доп. М.: Высш. шк., 2005. - 414 с.

17. Дьяченко Н.Х. Теория двигателей внутреннего сгорания / Н.Х. Дьяченко, А.К. Костин. -М.: Машингстроение, 1974. 552 с.

18. Стуканов В.А. Основы теории автомобильных двигателей и автомобиля / В.А. Стуканов М.: ИНФРА-М, 2005. - 368 с.

19. Черноусов В.Н. Автомобильные двигатели. Испытание тепловых автомобильных двигателей: лаб. практикум / В.Н. Черноусов, В.М. Санников, Ю.И. Корейбо. Красноярск: ИПЦ КГТУ, 2005. - 116 с.

20. Орлин A.C. Двигатели внутреннего сгорания. Теория поршневых и комбинированных двигателей / A.C. Орлина, М.Г. Круглов, Д.Н. Вырубов. М.: Машиностроение, 1983. - 382 с.

21. Хитрюк З.А. Практикум по автотракторным двигателям / З.А. Хитрюк, Е.С. Цехов. Минск.: Уроиай, 1989. - 143 с.

22. Трубников Г.И. Практикум по автотракторным двигателям / Г.И. Трубников. М.: Колос, 1975.- 192 с.

23. Баранов С.М. Дизели: Справочник. / С.М. Баранов, В.А. Ваншейдт, Б.П. Байков и др. Л.: Машиностроение, 1977. - 480 с.

24. Степанов Ю.А. Конструкция и расчет автотракторных двигателей: учебник для высших технических учебных заведений / Ю А. Степанов. -М.: Машиностроение, 1964. — 552 с.

25. Щендригин A.C. Методы и технические средства- испытаний двигателей внутреннего сгорания. / A.C. Щендригин, Б.С. Науменко // Материалы X региональной научно-технической конференции «Вузовская наука — Северо-Кавказскому региону». — СевКавГТУ, 2006.

26. Колчин А.И. Расчет автомобильных и трактоных двигателей / А.И. Колчин, В.П. Демидов.-М.: Высшая школа, 19801— 400 с.

27. Сгефановский Б.С. Испытания двигателей внутреннего сгорания / Б.С. Стефановский; Е.А. Скобцов, Е.К. Кореи и др. — Mi: Машиностроение, 1972.-386 с.

28. Зубков Е.В. Моделирование режимов работы ДВС с целью получения их переходных характеристик / Е.В. Зубков, A.A. Макушин, B.C.; Бахвалова // Автомобильная промышленность.—М.: Машиностроение. 2009. №5.-с. 37-39.

29. Игнатьева Т.И: Информаицонно-измерительная управляющая система автоматизации испытаний двигателей; / Т.И. Игнатьева; Б.А; Колесник, Н.П. Миронов. // Двигателестроенис. 1989. №2. - с.31.

30. Кругов В.И. Автоматическое регулирование и;управление двигателей, внутреннего сгорания / В .И. Кругов. М. Машиностроение, 1989!. — 416 с.

31. Сапожников E.H. Двигатели внутреннего сгорания / E.H. Сапожников. Киев: Техника, 1979. - 240 с.

32. Зубков E.B. Правила, функции и схемы формирования моделей режимов испытаний автотракторных ДВС / Е.В. Зубков, A.A. Макушин, А.Н. Илюхин // Тракторы и сельхозмашины. 2009 - №5. — с. 17-20.

33. Хайруллин А.Х. Формирование управляющей программы испытания ДВС на основе нечеткой логики / А.Х. Хайруллин, А.Н. Илюхин // Социально-экономические и технические системы. 2009. — №3. — 8с. http://www.sets.ru.

34. Ярушкина Н.Г. Гибридные системы, основанные на мягких вычислениях: определение, архитектура, возможности / Н.Г. Ярушкина // Программные продукты и системы // ЗАО НИИ Центрпрограмсистем. №3. — 2002. - с. 5.

35. Ярушкина Н.Г. Прикладные интеллектуальные системы, основанные на мягких вычислениях / Н.Г. Ярушкина. Ульяновск: УлГТУ, 2004. — 139 с.

36. Батыршин И.З. Теория и практика нечетких гибридных систем / И.З. Батыршин, А.О. Недосекин, Н.Г. Ярушкина и др. М.: Физматлит, 2007. - 208 с.

37. Батыршин И.З. Основные операции нечеткой логики и их обобщения / И.З. Батыршин. Казань: Отечетсво, 2001. - 102 с.

38. Головко В.А. Нейронные сети: обучение, орагнизация и применение / В .А. Головко. М.: ИПРЖР, 2001. - 256 с.

39. Каллан Р. Основные концепции нейронных сетей / Р. Каллан. М.: Вильяме, 2001.-288 с.

40. Круглов В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. М.: Горячая линия-Телеком, 2002. — 382 с.

41. Девятков В.В. Системы искусственного интеллекта / В.В. Девятков. -М.: Изд-во МГТУ им. Н.Э. Баумана, 2001.-352 с.

42. Люгер Дж.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Дж.Ф. Люгер. — М.: Вильяме, 2003. 864 с.

43. Братко И. Алгоритмы искусственного интеллекта на языке PROLOG / И. Братков. М.: Изд. дом «Вильяме», 2004. — 640 с.

44. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. — СПб: Питер, 2000. — 384 с.

45. Осовский С. Нейронные сети для обработки информации / С. Осовский. -М.: Финансы и статистика, 2002. — 344 с.

46. Колесников A.B. Гибридные интеллектуальные системы. Теория и тенология разработки / A.B. Колесников. — СПб.: Изд-во СПбГТУ, 2001.-711 с.

47. Минаев Ю.Н. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе / Ю.Н. Минаев, О.Ю. Филимонова, Бенамеур Лиес. М.: Горячая линия-Телеком, 2003. — 208 с.

48. Зубков Е.В. Разработка струткуры нечеткого контроллера для управления испытаниями АСИ ДВС / Е.В. Зубков, А.Н. Илюхин //

49. Сборник научных трудов, по материалам международной научнопрактической конференции «Перспектинвые инновации в науке, образовании, производстве и транспорте 2008» Том 2. Технические науки. Одесса: Черноморье. - 2008. - с. 39-41.

50. Зубков E.B. Применение нечеткой логики для моделирования режимов испытания двигателей внутреннего сгорания / Е.В. Зубков, A.A. Макушин, А.Н. Илюхин // Сборка в машиностроении, приборостроении. — 2009 — №8. с. 39-44.

51. Аверкин А.Н. Параметрические логики в интеллектуальных системах управления / А.Н. Аверкин, И.Н Федосеева. — М.: Вычислительный центр РАН, 2000. 107 с.

52. Ю.В. Гуляев. Нейрокомпьютеры в системах обработки сигналов / Ю.В. Гуляев, А.И. Галушкин. -М.: Радиотехника, 2003. 224 с.

53. Осетров А.Д. Совершенствование управления двигателями внутреннего сгорания с использованием методов нечетких нейронных сетей. // Управление большими системами. — №5. — 2006. — с. 177-184.

54. Кругл ob B.B. Нечеткая логика и искусственные нейронные сети / М.И. Дли, Р.Ю. Голунов. М.: Физматлит, 2000. - 224 с.

55. Джексон П. Введение в экспертные системы / П. Джексон. — М.: Вильяме, 2001. 624 с.

56. Хорошевский В.Ф. Разработка и реализация экспертных систем — инструментальный подход / В.Ф.Хорошевский // Техническая кибернетика, 1986. №5. - с. 104-114.

57. Хорошевский В.Ф. Базы знаний интеллектуальных систем / В.Ф. Хорошевский, Т.А. Гаврилова. СПб: Питер, 2000. - 384 с.

58. Бондарев В.Н. Искусственный интеллект: учебное пособие для ВУЗов / В.Н. Бондарев, Ф.Г. Аде. Севастополь: Изд-во СевНТУ, 2002. -615 с.

59. Адаменко А. Логическое программирование и Visual Prolog / А. Адаменко, А. Кучуков. СПб: БХВ-Петербург, 2003. - 992 с.

60. Лисс A.A. Нейронные сети и нейрокомпьютеры: Учеб. пособие / A.A. Лисс, М.В. Степанов. СПб: СПбГЭТУ, 1997. - 64 с.

61. Галиуллин Л.А. Гибридный алгоритм обучения нечеткой нейронной сети для управления дизелем при проведении его испытаний /

62. Галиуллин Л. А., Зубков Е.В. // «Информационные технологии моделирования и управления» №2. Воронеж. — 2011. с.164-170.

63. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику / С.Д. Штовба. — Винница: Издательство Винницкого государственного технического университета, 2001. — 198 с.

64. Саати Т.Л. Принятие решений при зависимостях и обратных связях. Аналитические сети / Т.Л. Саати. — М.: ЛКИ. — 2008. — 360 с.

65. Саати ТЛ. Принятие решений. Метод анализа иерархии / Т.Л. Саати. -М.: Радио и связь, 1993. 278 с.

66. Батыршин И.З. Общий взгляд на основные черты и нправления развития нечеткой логики Л.Заде / И.З. Батыршин // Новости искусственного интеллекта. №2-3 (44-45). - 2001. - с. 25-28.

67. Галиуллин Л.А. Управление дизелем при проведении испытаний на основе гибридной нейронной сети / Галиуллин Л.А. // «Информационные технологии моделирования и управления» №6. — Воронеж. 2010. с. 732-737.

68. Заде Л.А. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных интеллектуальных систем / Л.А. Заде // Новости Искусственного Интеллекта. №2, 3. -2001.-е. 7-11.

69. Бтомин C.JI. Нечеткая логика: алгебраические основы и приложения: Монография / C.JI. Блюмин, И.А. Шуйкова, П.В. Сараев и др. — Липецк: ЛЭГИ, 2002. 113 с.

70. Алтутнин А.Е. Модели и алгоритмы принятия решений в нечетких условиях: Монография / А.Е. Алтунин, М.В. Семухин Тюмень: Издательство Тюменского государственного университета, 2000. — 352 с.

71. Аверкин А.Н. Нечеткие множества в моделях управления и искусственного интеллекта / А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун. М.: Наука, гл. ред. физ.-мат. лит, 1986. - 312 с.

72. Леденева Т.М. Особенности проектирования систем нечеткого логического вывода / Т.М. Леденев, Д.С. Татаркин // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии, 2006. №2. - с. 110-118.

73. Пивкин В.Я. Нечеткие множества в системах управления: Методическое пособие / В.Я. Пивкин, Е.П. Бакулин, Д.И. Кореньков. -М.: Знание, 1995 196 с.

74. Рогозин О.В. Разработка и функционирование контроллера нечеткой логики в системах автоматического управления / О.В. Рогозин, И.В. Солодовников // Информационные технологии в проектировании и производстве. 2007. - №2. - с. 56-63.

75. Галиуллин Л.А. Применение гибридной нейронной сети для настройки нечетких систем при моделировании режимов испытаний двигателей внутреннего сгорания / Галиуллин Л.А., Зубков Е.В. // «Вестник машиностроения» — 2011. №5. с. 21-24.

76. Уоссермен Ф. Нейрокомпьютерная техника / Ф. Уоссермен. М.: Мир, 1992.-240 с.

77. Gilev S.E. A non-back-propagation method for obtaining the gradients of estimate function /S.E. Gilev // Advances in Modelling & Analysis, A, AMSE Press, 1995. Vol. 29, № 1. PP. 51-57.

78. Галиуллин Л.А. Интеллектуальная настройка автоматизированных систем испытаний дизелей / Л.А. Галиуллин, Е.В. Зубков // LAP LAMBERT Academic Publishing, 2011. 164 с.

79. Gorban A.N. Functional components of neurocomputer / A.N. Gorban // 3-d International conference «Mathematics, computer, education», Dubna, Jan. 1996.-p. 160.

80. Gemignani M. C. Liability for malfunction^ of an expert system / M.C. Gemignani // IEEE Conf. Manag. Expert Syst. Program and Proj., Bethesda, Md. Sept. 10-12, 1990: Proc.- Los Alamitos (Calif.) etc., 1990. pp. 8-15.

81. Галиуллин JIlA;. Гибридная нейронная сеть для моделирования режимов испытаний двигателей внутреннего сгорания / Галиуллин Л.А., Зубков.Е.В. // «Научно-технические ведомости СпбГПУ»—2011. №1. с. 245-250.

82. Galiullin L.A. Hybrid Neural Network for the; Adjustment of Fuzzy Systems when Simulating Tests of Internal Combustion Engines / L.A. Galiullin, E.V. Zubkov // Russian Engineering Research. 2011. - Vol. 31, № 5.-pp. 439-443.

83. Сенашова M.IO: Метод обратного распространения точности с учетом независимости погрешностей сигналов сети / М.Ю. Сенашова // Тез. конф. молодых ученых Красноярского научного центра. — Красноярск, Президиум КНЦ СО РАН, 1996, с. 96-97.

84. Галиуллин Л.А. Нейро-нечеткая настройка автоматизированной системы испытаний дизельных двигателей /Галиуллин Л.А., Зубков Е.В. //«Сборка в машиностроении, приборостроении» — 2011. №7. -с. 26-31.

85. Гюнтер Г. Диагностика дизельных двигателей / Г. Гюнтер. М.: ЗАО «КЖИ «За рулем»», 2004. - с. 50-581

86. Зубков Е.В. Применение когнитивной графики и нечеткой логики при настройке автомтаизированнных систем испытаний / Е.В. Зубков,

87. А.Н. Илюхин // Современные проблемы и пути их решения в науке, транспорте, производстве и образовании 2007: Материалы конференции. Том 4. Технические науки. Одесса, Черноморье. — 2007. - с. 26-27.

88. Галиуллин Л.А. Формирование базы знаний автоматизированной системы испытаний дизелей / Галиуллин Л.А. // «Тракторы и сельхозмашины» 2011. №8. - с. 41-43.

89. Соколов А.Ю. Алгебраическое моделирование лингвистических динамических систем / А.Ю. Соколов // Проблемы управления и информатики. 2000. -№2.-с. 141-148.

90. Химмельблау Д. Прикладное нелинейное программирование / Д. Химмельблау. М.: Мир, 1975. - 534 с.

91. Горбань А.Н. Алгоритмы и программы быстрого обучения нейронных сетей / А.Н. Горбань // Эволюционное моделирование и кинетика. Новосибирск: Наука, 1992.-с. 36-39.

92. Горбань А.Н. Быстрое дифференцирование сложных функций и обратное распространение ошибки // Нейроинформатика и ее приложения. Тезисы докладов 5 Всероссийского семинара, 3-5 октября 1997 г. / Под ред. А.Н.Горбаня. Красноярск: изд. КГТУ, 1997. с. 5456.

93. Горбань А.Н. Быстрое дифференцирование, двойственность и обратное распространение ошибки / А.Н. Горбань / Нейроинформатика Новосибирск: Наука, Сибирская издательская фирма РАН, 1998. с. 32-40.

94. Об использовании результатов исследовании Галиуллина JI.A., Зубкова Е.В., Новикова A.A.1. Р.К.Галиев

95. Начальника центральной лаборатории Начальника отдела надежности

96. Рогожкин В.Н. Гафиятуллин A.A.

97. Начальник центральной лаборатории

98. Начальник отдела.надежности

99. Результаты экспериментальных исследований дизелей КамАЗ 740.30-260