Zintegrowany system wspomagania decyzji do diagnostyki akustycznej w badaniu stanu technicznego silnika spalinowego *

STRESZCZENIE: Przedstawiono przykład zastosowania systemu zintegrowanego jako narzędzia systemu wspomagania decyzji w diagnostyce akustycznej stanu technicznego silnika spalinowego. Obiektem badawczym był silnik spalinowy o zapłonie samoczynnym jednostki napędowej firmy Fiat, z systemem common rail. Materiały są wynikiem badań w obszarze projektowania i eksploatacji silników spalinowych, prowadzonych w Katedrze Inżynierii Pojazdów oraz Laboratorium Napędów Hydraulicznych i Wibroakustyki Maszyn przy Politechnice Wrocławskiej. Opracowano autorską metodę identyfikacji rodzaju uszkodzeń silnika z zastosowaniem grafów rozgrywających parametrycznie. Do testowania i identyfikacji własności akustycznych stworzono zintegrowany system decyzyjny, uwzględniający indukcyjny system uczenia maszynowego

SŁOWA KLUCZOWE: zintegrowany system wspomagania decyzji, diagnostyka akustyczna, silnik spalinowy, indukcyjne drzewa decyzyjne

ABSTRACT: Presented are possible applications of acoustic diagnostics in inspecting the technical condition of an internal combustion engine with autoignition on the example of the Fiat drive unit with common rail system. As a result of measuring the sound pressure level for specific faults and comparing the noise generated by the motor running smoothly, the detailed maps of changes in the acoustic spectrum are possible to generate. These results may be helpful in the future diagnostics of internal combustion engines. The results of scientific work in the area of research, design and operation of internal combustion engines, conducted at the Department of Automotive Engineering, in cooperation with the Laboratory of Hydraulic Drives & Vibroacoustics of Machines at the Wroclaw University of Technology are included. It has developed an authoritative method of identifying the type of engine damage using game-tree structures. An integrated decision system for induction machine learning was developed to test and identify acoustic properties.

KEYWORDS: game-tree structures, acoustic diagnostics, combustion engine, induction of decision trees

BIBLIOGRAFIA / BIBLIOGRAPHY:

• Zhen D., Wang T., Gu F., Tesfa B., Ball A. “Acoustic measurements fort the combustion diagnosis of diesel engine fuelled with biodiesels”. Meas. Sci. Technol. 24 (2013): 055005.
• Osiński P., Kollek W. “Assessment of energetistic measuring techniques and their application to diagnosis of acoustic condition of hydraulic machinery and equipment”. Archives of Civil and Mechanical Engineering. 13, 3 (2013): s. 313–321.
• Adaileh W.M. “Engine fault diagnosis using acoustic signals”. Applied Mechanics and Materials. 295–298 (2013): s. 2013–2020.
• Deptuła A., Kunderman D., Osiński P., Radziwanowska U., Włostowski R. ”Acoustic diagnostics applications in the study of technical condition of combustion engine”. Archives of Acoustics. 41, 2 (2016): s. 345–350.
• Deptuła A., Osiński P., Radziwanowska R. “Decision support system for identifying technical condition of combustion engine”. Archives of Acoustics. 41, 3 (2016): s. 449–460.
• Pieczyński A. „Reprezentacja wiedzy w diagnostycznym systemie ekspertowym”. Zielona Góra: Lubuskie Towarzystwo Naukowe w Zielonej Górze, 2003.
• Merthold M., Hand D. “Intelligent data analysis. An introduction”. Berlin: Springer Verlag, 1999.
• Quinlan J.R. “Induction of decision trees”. Machine Learning. 1 (1986): s. 81–10.
• Deptuła A. „Indukcyjne drzewa decyzyjne (entropia) jako odpowiednik zmodyfikowanych drzew logicznych w wyznaczaniu rangi ważności zmiennych decyzyjnych projektowanego układu”. XLIII Konf. Zast. Mat. Zakopane 2014. Warszawa: Inst. Mat. PAN.

DOI: https://doi.org/10.17814/mechanik.2017.7.77