Предотвращение отказов двигателя внутреннего сгорания путем включения цифрового аналитического модуля глубокого обучения
| Dublin Core | PKP Metadata Items | Metadata for this Document | |
| 1. | Title | Title of document | Предотвращение отказов двигателя внутреннего сгорания путем включения цифрового аналитического модуля глубокого обучения |
| 2. | Creator | Author's name, affiliation, country | Н. С. Севрюгина; Российский государственный аграрный университет – МСХА им. К. А. Тимирязева”; Russian Federation |
| 2. | Creator | Author's name, affiliation, country | А. Г. Арженовский; Российский государственный аграрный университет – МСХА им. К. А. Тимирязева”; Russian Federation |
| 2. | Creator | Author's name, affiliation, country | А. С. Апатенко; Российский государственный аграрный университет – МСХА им. К. А. Тимирязева”; Russian Federation |
| 3. | Subject | Discipline(s) | |
| 3. | Subject | Keyword(s) | двигатель внутреннего сгорания; надежность; отказы; контроль; цифровые технологии |
| 4. | Description | Abstract | Установлено, что мониторинг-диагностика технического состояния и эффективности работы ДВС в режиме реального времени достаточно затратен не столько в сборе данных, сколько в адекватности модели обработки данных и их интерпретации. Разработан алгоритм создания библиотеки программы глубокого обучения на основе имеющегося банка данных о работе ДВС на различных нагрузочных режимах. В результате мониторинга ДВС выполнено видео эндоскопирования элементов цилиндропоршневой группы по установлению отклонений от нормативного состояния, проведена обработка данных с помощью ELM327 и программы Forscan. Предложено обработку данных на первом этапе проводить комбинированным методом, идентификацию отклонений вести на основе экспертного анализа, сопоставляя их с результатом принятия решения цифровым модулем. Это позволит дать оценку обоснованности принятия решения программным модулем искусственного интеллекта на основе глубокого обучения и исключить появление ошибочного решения. |
| 5. | Publisher | Organizing agency, location | The Russian Academy of Sciences |
| 6. | Contributor | Sponsor(s) |
Ministry of science and higher education of the Russian Federation (075-15-2021/1196/1) |
| 7. | Date | (DD-MM-YYYY) | 04.09.2025 |
| 8. | Type | Status & genre | Peer-reviewed Article |
| 8. | Type | Type | Research Article |
| 9. | Format | File format | |
| 10. | Identifier | Uniform Resource Identifier | https://rjsvd.com/0235-7119/article/view/687190 |
| 10. | Identifier | Digital Object Identifier (DOI) | 10.31857/S0235711925030136 |
| 10. | Identifier | eLIBRARY Document Number (EDN) | GNTGSP |
| 11. | Source | Title; vol., no. (year) | Problemy mašinostroeniâ i nadežnosti mašin; No 3 (2025) |
| 12. | Language | English=en | ru |
| 13. | Relation | Supp. Files |
Fig. 1. Test module for assessing the technical condition of the internal combustion engine. (1MB) Fig. 2. Algorithm for forming a library of deep learning programs. (1MB) Fig. 3. Dialog box of the internal combustion engine diagnostic module using ELM327 and the Forscan program. (1MB) Fig. 4. Results of monitoring the internal combustion engine condition: p. A is the moment the pressure in the fuel line begins to increase; p. TDC is the location of the piston of the 1st cylinder at TDC of the compression stroke; γ is the fuel injection advance angle, determined by calculation. (391KB) |
| 14. | Coverage | Geo-spatial location, chronological period, research sample (gender, age, etc.) | |
| 15. | Rights | Copyright and permissions |
Copyright (c) 2025 Russian Academy of Sciences |