Контроль технического состояния энергонасыщенных тракторов с использованием алгоритмов искусственного интеллекта
- Категория: Содержания журналов
- Просмотров: 36
Контроль технического состояния энергонасыщенных тракторов с использованием алгоритмов искусственного интеллекта
10.33267/2072-9642-2024-9-2-5
УДК 631.171:004.4
Е.В. Пестряков, мл. науч. сотр., Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Ю.В. Катаев, канд. техн. наук, вед. науч. сотр., Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
М.Н. Костомахин, канд. техн. наук, вед. науч. сотр., Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Н.А. Петрищев, канд. техн. наук, вед. науч. сотр., gosniti14@ mail.ru
А.С. Саяпин, мл. науч. сотр., Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра. (ФГБНУ ФНАЦ ВИМ)
Аннотация. Выполнен анализ и представлены предложения по повышению уровня технического обслуживания, улучшению контролепригодности и ресурсоопределяющих узлов отечественной энергонасыщенной техники с помощью алгоритмов искусственного интеллекта и новых диагностических устройств. Рассматривается растущая роль искусственного интеллекта в сельском хозяйстве, а именно в диагностировании состояния сельскохозяйственной техники, накоплении огромных банков данных и обработке больших массивов данных.
Ключевые слова: техническое состояние, диагностирование, нейронные сети, счётчик-индикатор, энергонасыщенная техника, контролепригодность.
Список использованных источников: : 1. Федоренко В.Ф., Таркивский В.Е. Цифровые беспроводные технологии для оценки показателей сельскохозяйственной техники // С.-х. машины и технологии. 2020. Т. 14. № 1. С. 10-15. DOI 10.22314/2073-7599-2020-14-1-10-15. EDN JCGGNG. 2. Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // С.-х. машины и технологии. 2021. Т. 15, № 4. С. 6-10. DOI 10.22314/2073-7599-2021-15-4-6-10. EDN YFRZDV. 3. Катаев Ю.В., Тишанинов И.А., Градов Е.А. Бесконтактная диагностика двигателя трактора через CAN-интерфейс // Техника и оборудование для села. 2023. № 8(314). С. 36-39. DOI 10.33267/2072-9642-2023-8-36-39. EDN SZBRRI. 4. Петрищев Н.А., Костомахин М.Н., Саяпин А.С., Макаркин И.М. и др. Оперативная оценка предельного состояния узлов и агрегатов тракторов с применением счетчиков индикаторов // Технический сервис машин. 2021. Т. 59. № 3(144). С. 12-21. DOI: 10.22314/2618-8287-2021-59-3-12-21. 5. Ерохин М.Н., Дорохов А.С., Катаев Ю.В. Интеллектуальная система диагностирования параметров технического состояния сельскохозяйственной техники // Агроинженерия. 2021. № 2(102). С. 45-50. DOI 10.26897/2687-1149-2021-2-45-50. EDN RYZKCV. 6. Костомахин М.Н., Пестряков Е.В. Программный комплекс для дистанционного контроля узлов и агрегатов // С.-х. машины и технологии. 2022. Т. 16, № 4 С. 19-25. DOI 10.22314/2073-7599-202216-4-19-25. EDN CLKZMK. 7. Таркивский В.Е., Трубицын Н.В., Воронин Е.С., Адуов М.А. Метод дистанционного контроля функциональных показателей сельскохозяйственной техники // Техника и оборудование для села. 2018. № 12. С. 22-25. 8. Башкирцев Ю.В., Голубев М.И., Голубев И.Г., Быков В.В. Цифровые решения в технологиях диагностирования машин. М.: РИАМА, 2020. 40 с. EDN QBGKRI. 9. Катаев Ю.В., Герасимов В.С., Тишанинов И.А. Использование систем бесконтактной диагностики при техническом обслуживании энергонасыщенной сельскохозяйственной техники // Технический сервис машин. 2022. № 2(147). С. 60-66. 10. Wanlu Jiang, Chenyang Wang, Jiayun Zou and Shuqing Zhang. Application of Deep Learning in Fault Diagnosis of Rotating Machinery. Processes. 2021. № 9. 919. 11. Jiang W., Wang C., Zou J., & Zhang S. Application of Deep Learning in Fault Diagnosis of Rotating Machinery. Processes. 2021. 9(6), 919. doi:10.3390/pr9060919.
Monitoring the Technical Condition of Energy-intensive Tractors Using Artificial Intelligence Algorithms
E.V. Pestryakov, Yu.V. Kataev, M.N. Kostomakhin, N.A. Petrishchev, A.S. Sayapin (FGBNU FNATS VIM)
Summary. The analysis is performed and proposals are presented to increase the level of technical maintenance, improve the testability and the crucial for functioning of the whole equipment parts of domestic energy-intensive machinery using artificial intelligence algorithms and new diagnostic devices. The growing role of artificial intelligence in diagnostics of the condition of agricultural equipment, accumulating huge data banks and processing large arrays of data in agriculture is considered.
Key words: technical condition, diagnostics, neural networks, counter-indicator, energy-intensive equipment, testability.