Analiza wpływu parametrów sztucznych sieci neuronowych na dokładność modelowania wybranych parametrów eksploatacyjnych silników o zapłonie samoczynnym

• Autorzy: Augustynek, K. , Warwas, K. , Knefel, T.

Warianty tytułu

EN

Analysis of the influence of artificial neural networks parameters on modeling accuracy of selected diesel engines operational parameters

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono przykład zastosowania sztucznych sieci neuronowych do aproksymacji przebiegu zmian natężenia wypływu paliwa z rozpylacza układów zasilania silników o zapłonie samoczynnym. Dokładnej analizie poddano parametry sieci neuronowej takie jak graniczny błąd uczenia sieci, metoda uczenia sieci neuronowej oraz rodzaj funkcji aktywacji. W przedstawionych symulacjach badano wpływ tych parametrów na zdolność odwzorowania przez sieć przebiegów natężenia wypływu paliwa oraz czas wytrenowania sieci. W obliczeniach stosowano sieci neuronowe wielowarstwowe jednokierunkowe złożone z dwóch warstw ukrytych. Wyniki opracowanych analiz mogą stanowić cenną pomoc dla osób, które chcą wykorzystać w swoich pracach sztuczne sieci neuronowe jako aproksymator przebiegów eksperymentalnych.

EN

The paper presents an application of artificial neural network for aproximation courses of fuel flow rate from nozzle of Diesel engines. Parameters of neural network like training error, training method and kind of activation function were analyzed in details. Influence of those parameters on approximation ability of courses of fuel flow rate and neural network training time has been analyzed. In presented simulations multilayer perceptron with two hidden layers has been applied. The results of the analyzes can be valuable for people who want to apply artificial neural network as an approximator of experimental courses.

Słowa kluczowe

PL

sztuczne sieci neuronowe; silnik o zapłonie samoczynnym

EN

artificial neural networks; diesel engine

• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 4
• Strony: 2274--2281, CD2
• Opis fizyczny: Bibliogr. 14 poz., rys., tab., wykr.

Twórcy

autor

Augustynek, K.

• Akademia Techniczno-Humanistyczna, Wydział Budowy Maszyn i Informatyki, Katedra Informatyki, 43-309 Bielsko-Biała, ul. Willowa 2, Tel:+ 48 33827-92-33,

autor

Warwas, K.

• Akademia Techniczno-Humanistyczna, Wydział Budowy Maszyn i Informatyki, Katedra Informatyki, 43-309 Bielsko-Biała, ul. Willowa 2, Tel:+ 48 33827-92-33,

autor

Knefel, T.

• Akademia Techniczno-Humanistyczna, Wydział Budowy Maszyn i Informatyki, Katedra Silników Spalinowych i Pojazdów, 43-309 Bielsko-Biała, ul. Willowa 2, Tel:+ 48 33827-93-32,

Bibliografia

• 1. Augustynek A., Knefel T.: Zastosowanie sztucznej sieci neuronowej do wyznaczania przebiegu natężenia wypływu paliwa z rozpylacza, Logistyka nr 3, 2014, 131 –140.
• 2. Brzozowski K., Nowakowski J. : Model sterowania emisją związków szkodliwych spalin silników o zapłonie samoczynnym. Wydawnictwa Komunikacji i Łączności, Warszawa, 2012.
• 3. Brzozowski K., Nowakowski J. : Zastosowanie sztucznych sieci neuronowych do identyfikacji modelu cyklu roboczego silnika o zapłonie samoczynnym. PTNSS P05-C147, Bielsko-Biała, 2005.
• 4. Brzozowski K., Warwas K.: An application of a hybrid algorithm to identification of parameters of semi-empirical model describing a real proces, IEEE International Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, 21 -23 September 2009, Rende (Cosenza), Italy.
• 5. Czech P., Madej H. : Wykorzystanie analizy WPT i sieci neuronowych PNN w diagnozowaniu zakłóceń w dopływie paliwa do cylindrów. Problemy Eksploatacji, 1/2009, 17 – 26.
• 6. Heaton J.: Programming Neural Networks with Encog3 in C#, Heaton Research, 2011.
• 7. Knefel T., Pietras D.: Change in parameters and injection times of divided fuel dose. Combustion Engines nr 3 (154), 2013, 51-59.
• 8. Kowalski J.: Ocena stężenia tlenków azotu w gazach wylotowych silnika okrętowego za pomocą sztucznej sieci neuronowej. Zeszyty Akademii Morskiej, nr 60, Gdynia 2009, 73 – 83.
• 9. Longwic R., Lotko W., Górski K.: Modele regresyjne sieci neuronowych w zastosowaniu do identyfikacji przebiegu parametrów procesu spalania w silniku o zapłonie samoczynnym. Czasopismo Techniczne Mechanika, 4-M, z. 9, Kraków 2012, 130 – 140.
• 10. Malewicz K., Prokop S., Mamala J.: Modelowanie charakterystyki eksploatacyjnej silnika o zapłonie iskrowym. Journal of KONES Powertrain and Transport, 2001, Vol. 13, No. 1, 299 – 304.
• 11. Różycki A.: Sieć neuronowa o radialnej funkcji bazowej w obliczeniach wybranych parametrów obiegu pracy silnika spalinowego o zapłonie iskrowym. Journal of KONES Internal Combustion Engines, 2003, vol. 10, 3-4.
• 12. Rutkowski L.: Metody i techniki sztucznej inteligencji. Wydawnictwo Naukowe PWN, Warszawa 2011.
• 13. Osowski S.: Sieci neuronowe w ujęciu algorytmicznym. Wydawnictwo Naukowo-Techniczne, Warszawa 1996.
• 14. Warwas K.: Analiza i sterowanie ruchem pojazdów wieloczłonowych z uwzględnieniem podatności elementów. rozprawa doktorska, Akademia Techniczno-Humanistyczna, Bielsko-Biała 2008.