The article presents the concept of using an artificial neural network to approximate the parameters describing the vehicle braking process, from the point of view of the application of this method in the diagnostics of the braking system. The artificial neural network of non-linear autoregressionwas used to approximate the dependence of the braking deceleration and the pressure in the braking system. The effectiveness of the neural network was checked depending on the number of neurons in its hidden layerand on the applied learning algorithm. The operation of the neural network was verified based on the actual braking processes of the Skoda Octavia, carried out with different dynamics, with different car weights and different tire inflation pressures. After verifying the neural network, it was used to approximate the braking deceleration values for the pressure values exceeding those present in the input data set. This action allows the analysis of the possibility of the vehicle obtaining a braking deceleration, which qualifies its braking system as efficient. Two concepts of using a neural network to solve this problem were analyzed. Conclusions related to the validity of the development of the discussed methods were drawn.
PL
W artykule przedstawiono koncepcję wykorzystania sztucznej sieci neuronowej do aproksymacji parametrów opisujących proces hamowania pojazdu z punktu widzenia zastosowania tej metody w diagnostyce układu hamulcowego. Do aproksymacji zależności opóźnienia hamowania od ciśnienia w układzie hamulcowym wykorzystano sztuczną sieć neuronową nieliniowej autoregresji. Skuteczność sieci neuronowej sprawdzono w zależności od liczby neuronów w jej warstwie ukrytej oraz zastosowanego algorytmu uczenia. Działanie sieci neuronowej zostało zweryfikowane na podstawie rzeczywistych procesów hamowania Skody Octavii, realizowanych z różną dynamiką, przy różnych masach samochodów i różnych ciśnieniach w oponach. Po weryfikacji sieci neuronowej posłużono się nią do aproksymacji wartości opóźnienia hamowania dla wartości ciśnień przekraczających te występujące w zbiorze danych wejściowych. Działanie to pozwala na analizę możliwości uzyskania przez pojazd opóźnienia hamowania, co kwalifikuje jego układ hamulcowy jako sprawny. Przeanalizowano dwie koncepcje wykorzystania sieci neuronowej do rozwiązania tego problemu. Wyciągnięto wnioski związane z zasadnością rozwoju omawianych metod.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.