ДИАГНОСТИКА НЕИСПРАВНОСТИ ЭЛЕКТРОДВИГАТЕЛЕЙ  ЛОКОМОТИВОВ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ  НЕЙРОННЫХ СЕТЕЙ (ИНС) И ТОПОЛОГИЧЕСКИЕ ТИПЫ ИНС

Admin bo'lib kirish (www.admin.slib.uz)

Tizim sinov (TEST) rejimida ishlamoqda! Murojat uchun @slib_support

Eski talqinga o'tish link

13 май 2024

Asosiy til:Ingliz

ДИАГНОСТИКА НЕИСПРАВНОСТИ ЭЛЕКТРОДВИГАТЕЛЕЙ ЛОКОМОТИВОВ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ (ИНС) И ТОПОЛОГИЧЕСКИЕ ТИПЫ ИНС

Fan yo'nalishi:

66416651075b1.pdf

PDF

Transport vositalari va yoʻllari ilmiy jurnali

Maqola chop etish see more

MAQOLA ANNOTATSIYASI

Данная статья исследует применение искусственных нейронных сетей (ИНС) для диагностики неисправностей электродвигателей, используемых в локомотивах. ИНС являются мощным инструментом для обработки данных и распознавания паттернов, что делает их идеальным выбором для анализа и диагностики неисправностей в сложных системах, таких как электродвигатели. Путем обучения ИНС на основе предоставленных данных о состоянии электродвигателей, можно создать модель, способную предсказывать и распознавать определенные неисправности. Данная модель может быть использована для оперативной диагностики и мониторинга состояния электродвигателей на локомотивах, что позволит проводить предупредительное обслуживание и избежать возможных аварийных ситуаций. Результаты исследования показывают, что использование ИНС и топологических типов ИНС для диагностики неисправностей электродвигателей локомотивов является эффективным и перспективным подходом. Это позволяет улучшить надежность и безопасность работы локомотивов, а также снизить затраты на обслуживание и ремонт.

MUALIFLAR

Teglar

# winding# обмотка# short circuit# неисправность# fault# fully connected# multilayer and loosely connected# Jordan neural network structure# полносвязанные# многослойные и слабосвязные нейр# структура нейронной сети Джорда# короткая замыкание

Maqolani baholang

0

0 ta

Maqola idintifikatorlari

ROI:

https://eroi.uz/11.0206/A0524-0100

DOI:

Mavjud emas

Foydalanilgan adabiyotlar

1. Барсегян, А.А. Анализ данных и процессов / А.А. Барсегян, И.И. Холод, М.Д. Тесс, М.С. Куприянов, С.И. Елизаров. – СПб.: БХВ-Петербург, 2009. – 512 с.

2. Белинский, А.А. Принцип «Встроенное качество» в информационных системах локомотиворемонтного комплекса / А.А. Белинский, И.К. Лакин, А.А. Аболмасов // БРНИ. - 2015. - №3-4 – С. 16-17.

3. Бобровников Я. Ю. Диагностические комплексы электроподвижного состава: учеб. пособие / Я. Ю. Бобровников, А. Е. Стецюк // Хабаровск: Изд-во ДВГУПС. – 2012. – 94 с.

4. Богдан, К. Microsoft SQL Server 2008: Data mining – интеллектуальный анализ данных / Богдан Криват, Джеми Макленнен, Чжаохуэй Танг. - СПб.: БХВ- Петербург, 2009.

5. Браславский, И.Я. Цифровое прогнозирующее управление с использованием нейронных предсказателей / И.Я. Браславский, А.В. Костылев, Д.В. Мезеушева // Электротехника. – № 11. – 2007. – С. 43–47.

6. Хамидов, О. Р. Оценка технического состояния асинхронных тяговых электродвигателей электровозов серии «UZ-EL» средствами вибродиагностики / О. Р. Хамидов, О. Т. Касымов // Материалы конференций ГНИИ «Нацразвитие».: сб. избр. статей. – СПб, ГНИИ «Нацразвитие», 2017. – С. 13 – 19.

7. Хамидов, О. Р. Оценка технического состояния локомотивных асинхронных электродвигателей средствами вибродиагностики / О. Р. Хамидов // дисс. канд. техн. наук, ПГУПС. – СПб., 2014. – 149 с.

8. Хамидов, О. Р. Разработка методики комплексного диагностирования асинхронного тягового электродвигателя подвижного состава железнодорожного транспорта / О. Р. Хамидов, О. Т. Касымов // Материалы конференций ГНИИ «Нацразвитие»: сб. избр. статей. – СПб: ГНИИ «Нацразвитие», 2017. – С. 32–39.

9. Хамидов, О.Р. Исследование дефектов подшипников качения локомотивных асинхронных электродвигателей средствами вибродиагностики / О. Р. Хамидов, М. Э. Абдувахобов, А. К. Жураев // Материалы I Международной научно-практической конференции «Локомотивы. Газомоторное топливо», 2016. – С. 128 – 131.

10. Хамидов, О.Р. Методы диагностики асинхронных тяговых электродвигателей электровозов «UZ-EL» / О. Р. Хамидов // Сборник материалов VI Международной научно технической конференции «Локомотивы. Электрический транспорт. XXI век», 2018. – С. 106 – 111.

11. Хамидов, О.Р. Оценка технического состояния локомотивных асинхронных тяговых электродвигателей с использованием нейронных сетей / А.В. Грищенко, О.Р. Хамидов // Транспорт РФ. – 2018. - №6 (79). – С. 19-23.

12. Sun, W. Convolutional discriminative feature learning for induction motor fault diagnosis / W. Sun, R. Zhao, R. Yan, S. Shao, X. Chen // IEEE Trans. Industr. Inf. – 2017. – Vol. 13 (3) – P. 1350 – 1359.