Przydatność neuronowego systemu eksperckiego do identyfikacji stanu technicznego okrętowego silnika tłokowego o zapłonie samoczynnym w różnych stanach eksploatacyjnych

• Autorzy: Łosiewicz Z. , Nikończuk P.

Warianty tytułu

EN

The suitability of neural expert system to identify the technical condition of the ship's power plant in different operating states

• Języki publikacji: PL

Abstrakty

PL

Zastosowanie sztucznych sieci neuronowych do określania stanu technicznego tłokowego spalinowego silnika okrętowego pozwala na równoczesne przetwarzanie różnych sygnałów pomiarowych. Na podstawie uzyskanych wyników pomiarów na stanowisku prób u producenta, można utworzyć neuronowy system diagnostyki i korekcji nastaw dla eksploatacji silnika w danym trybie wg charakterystyk tuningowych (trybu ochrony środowiska, trybu ekonomicznego). System ekspercki przetwarzając na bieżąca pomierzone parametry pracy może w sposób ciągły korygować nastawy w celu optymalnej pracy w danym trybie. W trakcie eksploatacji sztuczna sieć neuronowa może krygować również swoją bazę wiedzy.

EN

Using artificial neural networks to determine the technical parameters of the marine power plant allows for simultaneous processing of various measurement signals. Based on the results of measurements on the test with the manufacturer, can be formed neural system of diagnostics and settings correction for the power plant operation mode. Corrections can be done in each operation mode (mode of environmental protection, energy saving mode) according to tuning characteristics. An expert system can continuously adjust the settings to optimal performance in a given mode by processing measured current operating parameters. During operation, the artificial neural network can also adjust its knowledge base.

Słowa kluczowe

PL

sinik okrętowy; tryb ochrony środowiska; tryb ekonomiczny; sztuczna sieć neuronowa

EN

Marine Power plant; environmental protection mode; economy mode

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 3
• Strony: 2947--2953, CD 1
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Łosiewicz Z.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Techniki Morskiej i Transportu 71-065 Szczecin, Al. Piastów 41

autor

Nikończuk P.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Techniki Morskiej i Transportu 71-065 Szczecin, Al. Piastów 41

Bibliografia

• 1. Abramowski T.: Application of artificial neural networks to assessment of ship manoeuvrability qualities. Polish Maritime Research, No 2 (56) 2008 Vol. 15, 2008, pp.15-21
• 2. Cepowski T.: Application of artificial neural networks to approximation and identification of sea-keeping performance of a bulk carrier in ballast loading condition. Polish Maritime Research, No 4 (54),Vol. 14, 2007, pp. 31-19
• 3. Cepowski T.: Approximation of the index for assessing ships sea-keeping performance on the basis of ship design parameters. Polish Maritime Research, No 3 (53),Vol. 14, 2007, pp. 21-26
• 4. Girtler J.: Diagnostyka jako warunek sterowania eksploatacją okrętowych silników spalinowych. Studia Nr 28 WSM, Szczecin 1997.
• 5. Dąbrowski D., Cioch W.: Neural classifiers of vibroacoustic signals in implementation on programmable devices (FPGA) – comparison, Acta Physica Polonica. A, 2011, vol. 119 no. 6–A, s. 946–949.
• 6. Dąbrowski D., Batko W., Cioch W, Plascencia-Mora H.: Model of the gears based on multibody system and its validation by application of non-contact methods. Acta Physica Polonica. A, 2013, vol. 123 no. 6, s. 1016–1019.
• 7. Królikowski T., Nikończuk P., Bałasz B.: Neural modelling of circumferential grinding of flat surface – part of the book Artificial Intelligence Methods, University of Szczecin, Szczecin 2010.
• 8. Królikowski T., Nikonczuk P., Przybylski M., Neural model of wind force coefficients affecting the hull, International Journal of Applied Mechanics and Engineering, vol. 17 2012 p.867-871
• 9. Łosiewicz Z.: Ocena możliwości podejmowania decyzji z zastosowaniem współczesnych systemów diagnozujących silników głównych. Materiały konferencyjne III Międzynarodowej Konferencji Naukowo-Technicznej ”EXPLO-SHIP 2004”, AM w Szczecinie, Świnoujście-Kopenhaga 2004.
• 10. Łosiewicz Z., Probabilistyczny model diagnostyczny okrętowego silnika napędu głównego statku, Praca doktorska, Politechnika Gdańska, Gdańsk 2008.
• 11. Łosiewicz Z., Pielka D.: Możliwości zastosowania metod sztucznej inteligencji do diagnostyki okrętowego silnika spalinowego. Zeszyty Naukowe nr 162 K/2, AMW w Gdyni, s. 261-266, AMW w Gdyni, Gdynia 2005.
• 12. Łosiewicz Z., Nikończuk P., Królikowski T., Ogólna koncepcja neuronowego systemu eksperckiego identyfikacji stanu technicznego okrętowego silnika głównego, Logistyka Nr 3/2014, CD-ROM, s.3987-3991
• 13. The Intelligent Engine. Development Status and Prospects. MAN B&W Diesel AS., Kopenhaga 2001. 14. www.wartsila.com/en/engines/medium-speed-engines
• 15. www.mandieselturbo.com
• 16. www.wartsila.com
• 17. www.mandieselturbo.com/marine-engine-programme-2014