Modele regresyjne sieci neuronowych w zastosowaniu do identyfikacji przebiegu parametrów procesu spalania w silniku o zapłonie samoczynnym

• Autorzy: Longwic R. , Lotko W. , Górski K.

Warianty tytułu

EN

Regression models of neural networks in application to the identification of the combustion process parameters in the Diesel engine

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono zastosowanie modeli regresyjnych sieci neuronowych dostępnych w programie Statistica do identyfikacji przebiegu wybranych parametrów procesu spalania zachodzącego w silniku o zapłonie samoczynnym. Badania prowadzono metodą swobodnego przyspieszania. Przeanalizowano, na ile metoda sieci neuronowych jest czuła na modyfikacje składu paliwa.

EN

In the paper demonstrates models of regression neural networks available in Statistica for identification of selected parameters of the combustion process research conducted by free acceleration. Referring to the method of neural network is sensitive to modifications in the composition of the fuel.

Słowa kluczowe

PL

sieci neuronowe; silnik o zapłonie samoczynnym; proces spalania

EN

neural networks; diesel engine; combustion process

• Wydawca: Wydawnictwo Politechniki Krakowskiej im. Tadeusza Kościuszki
• Czasopismo: Czasopismo Techniczne. Mechanika
• Rocznik: 2012
• Tom: R. 109, z. 4-M
• Strony: 131--140
• Opis fizyczny: Bibliogr. 14 poz., il., tab., wykr.

Twórcy

autor

Longwic R.

• Katedra Pojazdów Samochodowych, Wydział Mechaniczny, Politechnika Lubelska

autor

Lotko W.

• Instytut Eksploatacji Pojazdów i Maszyn, Wydział Mechaniczny, Politechnika Radomska

autor

Górski K.

• Instytut Eksploatacji Pojazdów i Maszyn, Wydział Mechaniczny, Politechnika Radomska

Bibliografia

• [1] Bogus P., Merkisz J., Misfire detection of locomotive diesel engine by non-linear analisys. Mech. Syst. Signal. Proc. 19, 2005, 881-889.
• [2] Brace C. J., Deacon M., Vaughan N.D., Prediction of emissions from turbocharged passenger car diesel engine using a neural network, Scholl of Mechanical Engineering, University of Bath, 2001.
• [3] Chłopek Z., Modelowanie procesów emisji spalin w warunkach eksploatacji trakcyjnej silników spalinowych, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 1999.
• [4] Daw C.S., Finney C.E.A., Kennel M. B., Coccelly F.T., Observing and modelling nonlinear dynamics in an inetrnal combustion engines, Phys. Rev., E, 57, 1998, 2811-2819.
• [5] Kacprzak T., Ślot K., Sieci neuronowe komórkowe, PWN, Warszawa–Łódź 1995.
• [6] Longwic R., Analiza procesu ciśnienia indykowanego silnika o zapłonie samoczynnym w warunkach nieustalonych, Monografia, Wydawnictwo Politechniki Lubelskiej, Lublin 2005.
• [7] Lotko W., Górski K, Zasilanie silnika wysokoprężnego mieszaninami ON i EETB, WNT, Warszawa 2011.
• [8] Lotko W., Górski K., Longwic R., Nieustalone stany pracy silnika wysokoprężnego zasilanego olejem napędowym z eterem etylo-tert-butylowym, Monografia, WKiŁ, Warszawa 2010.
• [9] Mamala J., Jantos J., Weryfikacja algorytmów sterowania samochodowym układem napędowym z wykorzystaniem sieci neuronowych, Teka Komisji Naukowo-Problemowej PAN, Kraków 2005.
• [10] Menezes E.W., Silva R., Cataluña R., Ortega R.J.C., Effect of ethers and ether/ethanol additives on the physicochemical properties of diesel fuel and on engine tests, FUEL 85, 2006, 815-822.
• [11] Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
• [12] Rutkowska D., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa–Łódź 1997.
• [13] Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993.
• [14] Li T., Suzuki M., Ogawa H., Effects of ethyl tert-butyl ether addition to diesel fuel on characteristics of combustion and exhaust emissions of diesel engines, FUEL 88(10), 2009, 2017-2024.