Wykorzystanie metody sieci neuronowych w doborze parametru regulacyjnego układu wtrysku oleju napędowego

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

Warianty tytułu

EN

Regression models of neural networks in application to the selection of a regulatory parameter diesel injection system

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono zastosowanie modeli regresyjnych sieci neuronowych dostępnych w programie Statistica do doboru parametru regulacyjnego układu wtrysku w silniku o zapłonie samoczynnym. Badania prowadzono metodą swobodnego przyspieszania. Przeanalizowano na ile metoda sieci neuronowych jest czuła na modyfikacje kąta dynamicznego początku tłoczenia paliwa.

EN

In the article demonstrates models of regression neural networks available in Statistica to the selection of a regulatory parameter diesel injection system. Research conducted by free acceleration. Referring to the method of neural network is sensitive to modifications of pumping dynamic start angle.

Słowa kluczowe

PL

olej napędowy; wtrysk; sieci neuronowe; silnik; zapłon samoczynny

EN

diesel; injection; neural networks; engine; ignition

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 3
• Strony: 3781--3788
• Opis fizyczny: Bibliogr. 14 poz., rys., tab., wykr., pełen tekst na CD

Twórcy

autor

Longwic R.

• Politechnika Lubelska, Katedra Pojazdów Samochodowych

autor

Lotko W.

• Uniwersytet Technologiczno – Humanistyczny w Radomiu, Zakład Technicznej Eksploatacji Pojazdów

autor

Górski K.

• Uniwersytet Technologiczno – Humanistyczny w Radomiu, Zakład Technicznej Eksploatacji Pojazdów

autor

Kowalczyk J.

• Politechnika Lubelska, Katedra Pojazdów Samochodowych

Bibliografia

• 1. Bogus P., Merkisz J., Misfire detection of locomotive diesel engine by non-linear analisys. Mech. Syst. Signal. Proc. 19, 881-889 (2005).
• 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, 2811-2819 (1998).
• 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 M., Lechowski M, Variety areas of car engine faults as an indicator of their quality, TTS 10/2013.
• 8. Lotko M., Lechowski M., Notifications about dangerous faults in vehicles as a result of imperfection in quality management system approach in automotive industry, TTS 10/2013.
• 9. Lotko W., Górski K, Zasilanie silnika wysokoprężnego mieszaninami ON i EETB, WNT, Warszawa 2011.
• 10. Lotko W., Górski K. Longwic R., Nieustalone stany pracy silnika wysokoprężnego zasilanego olejem napędowym z eterem etylo - tert - butylowym, Monografia, WK i Ł, Warszawa 2010.
• 11. Mamala J., Jantos J, Weryfikacja algorytmów sterowania samochodowym układem napędowym z wykorzystaniem sieci neuronowych, Teka Komisji Naukowo-Problemowej PAN, Kraków 2005.
• 12. Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
• 13. Rutkowska D., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN. Warszawa – Łódź 1997.
• 14. Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993.