W artykule przedstawiono wyniki badań parametrów sterowania silnika samochodowego w rzeczywistych warunkach eksploatacji. Myślą przewodnią artykułu jest przekonanie autorów, że badania eksploatacyjnej zmienności parametrów sterowania silników pozwolą udowodnić tezę o korelacji pomiędzy stopniem zużycia silnika a wybranymi parametrami algorytmu sterowania. Obiektem badań byty silniki benzynowe samochodów marki OPEL. Monitorowanie warunków pracy silnika było możliwe dzięki wykorzystaniu systemów transmisji pokładowej. Ze sterownika silnika złączem ALDL dane przesyłano poprzez interfejs do testera, a następnie do komputera. Rejestrowano je wykorzystując oprogramowanie firmowe. Następnie dane zostały poddane analizie. Artykuł zakończono wnioskami płynącymi z uzyskanych wyników badań.
EN
The article presents the results of an analysis of the control parameters for motor-car engines in real-life operating conditions. The main idea of the article is the belief of its authors that analyses of the variability of engine control parameters will allow to prove the proposition that there is a correlation between the wear and tear of an engine and the selected parameters of the control algorithm. The analysis has been performed in respect of petrol engines for OPEL cars. The monitoring of the engine working conditions was possible due to having used on-board transmission systems. Data from the engine controller were transmitted using an ALDL connection, through an interface, to a tester and then, to a computer. Data was registered using the company software. Subsequently, the data collected was analysed. The article ends with conclusions resulting from the analysis.
W pracy podjęto próbę oceny możliwości zastosowania wybranych narzędzi sztucznej inteligencji do przewidywania pęknięć w procesach plastycznej przeróbki metali na gorąco. Wykorzystano wielowarstwową sztuczną sieć neuronową z logistyczną funkcją aktywacji (MLP - Multilayer Perceptron), sieci o radialnych funkcjach bazowych (RBF - Radial Basis Function), probabilistyczne sieci neuronowe (PNN - probabilistic neural networks) oraz naiwny klasyfikator bayesowski (NBC - Naive Bayes Classifier). Weryfikację opracowanych modeli procesu pękania przeprowadzono w oparciu o analizę wyników próby SICO.
EN
Possibility of application of the artificial intelligence methods to prediction of material failure during hot deformation is the main goal of the work. Developed models are based on the multilayer perceptron (MLP), radial basis function (RBF), Naive Bayes Classifier (NBC) and the probabilistic neural networks (PNN). The model can be used in a simulation of material failure in the SICO test and in a wide range of real industrial processes.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.