CC BY
10Action 1
Figure 3. The conception of an individual
The distinctive feature of the algorithm is the fact that the main evolutional operators, such as initiation, breeding and mutation will work with the genotype, presented not by one tree, but by several ones. This causes not alteration in the flow of initiation and mutation processes. However, in the process of breeding genetic code exchange occurs only between those trees that comply with the same actions. Applicability assessment is conducted within the agent environment functioning model. Agent is supplied with the necessary resources on functioning and a logical scheme on the basis of the estimated individual is formed. As the agent finishes all operations, the efficiency of its performance is evaluated and the agent is declared applicable or inapplicable for the evolutional algorithm.
The application of genetic programming for intelligent agents' development and optimization is proba-
ble to optimize both the time of agent development and the efficiency of their usage. The intellectual agent development method has a wide range of application spheres from computer games to unmanned vehicle control.
Reference list
1. Bugaytshenko D.Y., Solovyev I.P. Abstract intelligent agent architecture and its realization methods. 2005.
2. Lipinsky L.V. Semyonkin E.S. Automation of intelligent information technologies design through genetic programming method. Fizmatlit, 2006.
3. Lipinsky L.V. Semyonkin E.S. Genetic programming algorithms for intellectual information technologies formation. Krasnoyarsk 2006.
4. Rassel S. Norwig P. Artificial Intelligence: modern approach. Williams. 2006. S 282-331
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ВЫБОРА МОТОРНОГО МАСЛА ПО ТЕКУЩЕМУ ТЕХНИЧЕСКОМУ СОСТОЯНИЮ ДВИГАТЕЛЯ, ОПРЕДЕЛЯЕМОГО ПО СПЕКТРАЛЬНОМУ АНАЛИЗУ РАБОТАЮЩЕГО _МАСЛА_
Белик Александр Александрович
Инженер, ООО «Автотема» г. Новосибирск Ломухин Владимир Борисович кандидат техн. наук, доцент Сибирский государственный университет водного транспорта,
г. Новосибирск Лаптева Ирина Владимировна Старший преподаватель
Новосибирский государственный архитектурно-строительный университет (СИБСТРИН),
г. Новосибирск
MATHEMATICAL MODEL OF THE CHOICE OF ENGINE OIL ON THE CURRENT TECHNICAL CONDITION OF THE ENGINE DETERMINED BY THE SPECTRAL ANALYSIS OF
THE WORKING OIL
Byelik Alexander
Engineer, LLCAvtotema, Novosibirsk Lomukhin Vladimir
Candidate of Science, assistant professor Siberian state university of the water transport, Novosibirsk
Lapteva Irina Senior teacher
The Novosibirsk state university of architecture and civil engineering (SIBSTRIN), Novosibirsk
АННОТАЦИЯ
Грамотный выбор моторного масла позволит снизить расходы предприятия на эксплуатацию машин. В данной статье рассмотрен расчет математической модели выбора моторного масла, в основе которого лежит допороговый метод диагностирования ДВС. Получена возможность подбора моторного масла, в зависимости от текущего технического состояния ДВС.
ABSTRACT
The competent choice of engine oil will allow to cut expenses of the enterprise on operation of cars. In this article calculation of mathematical model of the choice of engine oil which cornerstone the prethreshold method of diagnosing of internal combustion engine is considered. An opportunity of selection of engine oil, depending on the current technical condition of internal combustion engine is had.
Ключевые слова: Диагностика; моторное масло; допороговый метод.
Keywords: Diagnostics; engine oil; prethreshold method.
Проблема оптимизации расходов, связанных с эксплуатацией машин, в том числе двигателей внутреннего сгорания, в современных условиях хозяйственной деятельности предприятий остается актуальной. К числу отдельных элементов, снижающих расходы предприятия на эксплуатацию машин, относится и система технического диагностирования по параметрам смазочного масла [59стр., 1].
Способы определения пороговых значений могут быть различными. В настоящей работе применялся следующий способ получения пороговых значений, который на практике показал свою надёжность и достоверность в условиях практического применения.
Р(КЕе/П±)
Однотипные ДВС эксплуатируются определенный эксплуатационный период: навигация для судовых ДВС; уборочная или посевная для ДВС агропромышленного комплекса (АПК); установленный пробег для ДВС автотранспорта. В течение этого периода, через установленные промежутки времени, производится отбор проб масла из ДВС для спектрального анализа. Результаты анализа на данном этапе представляют единую выборку по типу ДВС.
После завершения эксплуатационного периода, производится разборка и инструментальная дефектация ДВС. По результатам которой, можно разделить эксплуатируемые ДВС на две выборки: исправные и не исправные ДВС (рисунок 1).
0,010
0,005
50 100 150 200 KFer мг/кг
Рисунок 1. Распределение вероятностей двух диагнозов
При подборе распределений вероятностей исследовались распределения: нормальное, логарифмически нормальное, гамма-распределение (у-распределение), Релея, показательное. Для количества металлов в масле более подходит у-распределение. Именно это распределение позволяет предположить, что содержание металлов в масле в основном является функцией изнашивания.
Остальные факторы, связанные с эксплуатацией ДВС, малозначимы. Например, для гамма -распределения моделью является поток событий с постоянной интенсивностью, что в большей мере соответствует выносу продуктов изнашивания в масло при постоянной скорости последнего. Таким образом, удается упростить модель исследования до системы «ДВС-масло» [41-43стр., 1].
Если бы подошло нормальное распределение, то гипотеза о таком обособлении модели исследований была бы неправомерной. То есть оно включало бы в себя множество эксплуатационных факторов: режимов работы дизеля, качество технических обслуживаний, ремонты и т.д. Поэтому в системе диагностирования набор подбираемых распределений вероятностей должен сопровождаться их «типичными толкованиями», примерами применения в исследованиях с процессами, имеющими ясную, однозначную физическую сущность.
При ложной тревоге исправный дизель принимается неисправным (вместо диагноза Dl принимается диагноз D2). При пропуске дефекта (неисправности) неисправный дизель принимается исправным (вместо D2 принимается D1). Если X -некоторый диагностический параметр и его статистические распределения плотности вероятности
яния известны, то вероятность гипотезы ложной тревоги при постановке диагноза Di при действительном значении параметра, равном Хо, определяется
для
исправного и неисправного (f
V А У
(1)
где Ра - вероятности ложной тревоги, Р1 -
априорная вероятность диагноза при рассмотрении данного признака, Xi - левая граница распределения вероятностей, для у - распределения она равна нулю, для нормального распределения - минус бесконечности.
В этом же случае вероятность пропуска дефекта выразится
(2)
где p - вероятность пропуска дефекта, Р2 -
априорная вероятность диагноза при рассмотрении данного признака.
Интегрируя полученные на основе реального статистического материала распределения, получаем возможность построить пороги предельных значений элементов-индикаторов. При этом не важна физическая сущность исследуемого фактора, им может быть любой диагностический параметр.
Если принять величину надежности диагноза равной 0,95, что соответствует уровню необходимой надежности двигателей, отказ которых не грозит немедленной гибелью людей, то можно отложить уровень (1 — 0,95)= 0,05 на интегральных кривых (рисунок 2)
) состо-
Зона отказа от распознавания
Рисунок 2. Статистические пороги распознавания
Уровень пересечет эти кривые в точках А и В. Получим пороговые значения.
Видно, что при получении текущего анализа, попавшего левее точки А, дизель можно считать исправным с вероятностью большей 0,95; правее точки В - дизель неисправен с вероятностью большей, чем 0,95. Между точками А и В находится зона «отказа от распознавания» (зона неопределенности), которая вполне естественна для всех методов распознавания образов.
Приведенные выше рассуждения действительны, если считать интегральные кривые детерминированными зависимостями. Для выборки пороги А и В будут несколько размыты в соответствии с группировкой точек реальной статистической совокупности вокруг интегральных прямых. Для этих точек нужно определить статистические числовые оценки (дисперсия и проч.). У многих параметров данной системы диагностических признаков их величины не могут быть отрицательными. Например, содержание железа в масле или температура вспышки последнего. Но это не значит, что распределение обязательно должно исходить из нуля оси абсцисс. Очевидно, например, для плотности вероятностей гамма - распределения для неисправных машин (рисунок 1), формула для у - распределения несколько изменится
р(х)= (х-аУ ■ ехр[- (3 ■ (г-о)]
где a - дополнительный параметр, устанавливающий новое начало координат.
Р(х)=
х-а Ъ
с—1
■ехр
х-а h
,V
У
(4)
параметр a также дает левую границу распределения.
Следует отметить, что время, затрачиваемое на накопление статистического материала для расчета пороговых значений, значительно.
Поэтому применение допорогового метода диагностирования ДВС, начиная со второй пробы [28 стр. 1], позволяет предложить методику выбора моторного масла, разделив выборки на исправные и не исправные и проверив выборки на различие, повторно рассчитать пороговые значения: А1 В1
Следовательно, выбор моторного масла, в зависимости от текущего технического состояния ДВС следует осуществлять по правилу:
- {от 0 доА1 } следует применять моторное масло 30;
- {от А1 до А} следует применять моторное масло ...^ 40;
- {от А до В} следует применять моторное масло.....W 50;
- {от В1 до В} следует применять моторное масло ... W 60;
- за порогом В - следует отремонтировать ДВС!
Литература:
1. Основы современной эксплуатации двигателей / Ломухин В.Б. - Новосибирск: Наука, 2004. - 188 с.
ПОВЫШЕНИЕ БЕЗОПАСНОСТИ АВТОМОБИЛЬНЫХ ПЕРЕВОЗОК
Макаров Антон Владимирович
студент
Сибирский государственный университет путей сообщения
г. Новосибирск
IMPROVING THE SAFETY OF ROAD TRANSPORT
Makarov Anton
Student
Siberian transport university, Novosibirsk
АННОТАЦИЯ
В статье предложено техническое решение по обеспечению безопасности и повышению сохранности перевозки грузов автотранспортом по технологии «последняя миля». Предложена усовершенствованная конструкция транспортного средства, позволяющая нейтрализовать риск возникновения аварийной ситуации при выполнении маневра разворота.
ABSTRACT
The paper is proposed a technical solution for securing and improving the safety of the carriage of goods by road through the technology of "last mile". The design of the vehicle is improved, that allowing to neutralize the risk of emergency situation, when performing of turning actions.
Ключевые слова: последняя миля, сохранность, безопасность, качество перевозки, указатель разворота.
Key words: last mile, safety, security, quality of transportation, the construction of the turning-indicator.
Новый вид сервиса ОАО «РЖД» - адресная использованием автотранспорта сегодня не только доставка грузов по принципу «последней мили» с приносит дополнительный доход компании, но и
