W referacie przedstawiono wibroakustyczną metodę oceny jakości silnika spalinowego o zapłonie samoczynnym opartą o wykorzystanie informacji zebranych podczas realizacji testu zimnego, zastosowanie transformacji falkowej oraz metod sztucznej inteligencji. W wyniku przeprowadzonych badań stwierdzono, że połączenie metody transformacji oraz sztucznych sieci neuronowych pozwala na uzyskanie wysokiej skuteczności klasyfikacji stanów wibroakustycznych silnika. Natomiast z uwagi możliwość wystąpienia błędnej klasyfikacji stanów uważa się, że metoda ta może stanowić wyłącznie element diagnostycznego systemu doradczego.
EN
Method for quality evaluation of internal combustion diesel engine based on the wavelet transformation of the cold test vibroacoustic data and artificial inteligence methodology has been presented. Based on the presented investigations conclusion has been made that application of wavelet transformation and artificial neural network enables efficient classification of the different engine states. Because false egine states classification is still possible this method should not be used for purpose of binary classification (good-bad) but can be used as part of the diagnostic expert system.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.