Використання нечіткої логіки для контролю динамічних навантажень на елементи конструкції дорожньої машини
DOI:
https://doi.org/10.30977/BUL.2219-5548.2020.88.1.107Ключові слова:
дорожня машина, нечітка логіка, класифікація, функція належності, терммножина, нечітка множина, діагностикаАнотація
Анотація. Проблема. Аналіз бортових систем діагностування технічного стану дорожніх машин продемонстрував, що ці системи взагалі не враховують динамічні навантаження, які діють на раму та на робочі органи машин. Цей недолік можна усунути, якщо в режимі реального часу за даними поточних вимірювань критичних параметрів класифікувати динамічні навантаження та відповідні їм динамічні режими роботи й здійснити оцінку технічного стану машини. Одним з варіантів вирішення цього завдання є використання нечіткої логіки. Мета. Обґрунтування методики застосування нечіткої логіки для контролю динамічних навантаженнь на елементи конструкції дорожньої машини в процесі здійснення технологічних операцій. Методологія. Результати отримані на основі всебічного аналізу результатів експериментальних досліджень впливу критичних навантажень на елементи конструкції дорожньої машини в процесі здійснення технологічних операції на різних rрунтах. Завдання на дослідження полягає в розробці та всебічному аналізі нечітких алгоритмів вимірювань і контролю критичних динамічних навантажень на елементи рами автогрейдера. Результати. Проведені дослідження продемонстрували, що для середніх rрунтів (які покривають 70 % площі території України) поточна виміряна деформація рами автогрейдера становить 2654 мкм/м. Ця деформація відповідає чотирьом значенням коефіцієнта належності: «мала деформація» – 0; «середня деформація» – 0,9; «велика деформація» – 0; «критична деформація» – 0. За найбільшим значенням коефіцієнта належності виміряне значення деформації було класифіковано як»середня деформація». Необхідно зазначити, що рішення приймалось за усередненими даними датчиків. 5 датчиків були розташовані на рамі автогрейдера та 2 на робочому органі. Дослідження продемонстрували, що для проведення кластеризації динамічних навантажень дорожньої машини з достовірністю 0,95 необхідно використовувати не менше 10 датчиків на рамі, 7 на робочому органі та 6 на гідроциліндрах робочого органу автогрейдера. Якщо не дотримуватись цих вимог, то достовіність кластеризації знизиться до 0,73. Оригінальність. Вперше методологію нечітких множин було застосовано для контролю динамічних навантажень на елементи конструкції дорожньої машини в процесі здійснення технологічних операцій. Практичне значення. Отримані результати можуть бути використані для процесу розробляння інтелектуальних бортових систем діагностики технічного стану конструктивних елементів дорожньої машини.Посилання
Zadeh, L. A. (2013). Fuzzy logic. In Computational Complexity: Theory, Techniques, and Applications (Vol. 9781461418009, pp. 1177–1200). Springer New York. https://doi.org/10.1007/978- 1-4614-1800-9_73.
Lee, C. C. (1990). Fuzzy Logic in Control Systems: Fuzzy Logic Controller, Part II. IEEE Transactions on Systems, Man and Cybernetics, 20(2), 419-435. https://doi.org/10.1109/21.52552.
Williams, J. K. (2009). Introduction to fuzzy logic. In Artificial Intelligence Methods in the Environmental Sciences (pp. 127–151). Springer Netherlands. https://doi.org/10.1007/978-1-4020- 9119-3_. Вісник ХНАДУ, вип. 88, 2020, т. І 111
Suganthi, L., Iniyan, S., & Samuel, A. A. (2015, August 1). Applications of fuzzy logic in renewable energy systems - A review. Renewable and Sustainable Energy Reviews. Elsevier Ltd. https://doi.org/10.1016/j.rser.2015.04.037.
Bai, Y., & Wang, D. (2006). Fundamentals of fuzzy logic control – fuzzy sets, fuzzy rules and defuzzifications. In Advances in Industrial Control (pp. 17–36). Springer International Publishing. https://doi.org/10.1007/978-1-84628-469- 4_2.
McBratney, A. B., & Odeh, I. O. A. (1997). Application of fuzzy sets in soil science: Fuzzy logic, fuzzy measurements and fuzzy decisions. In Geoderma (Vol. 77, pp. 85–113). https://doi.org/10.1016/S0016-7061(97)00017-7.
Gadzhiev D. N., Tagiev E. G., Gadzhiev N. D., Shikhlinskaya R. Y. Application of fuzzy mathematical model of decision-making for the selection of optimal surgical tactics in patients with non-tumor obstructive jaundice. Kazan Med. J., 2018.
Klindtworth М. Elektronikeinsatz in der Rinderhaltung – Von der elektronischen Tierkennzeichnung zum Gesundheitsmanagement: Aktueller Stand und Entwicklungsperspektiven. VDI Berichte, 2004.
Park S. E., Moon W. M. Unsupervised classification of scattering mechanisms in polarimetrie SAR data using fuzzy logic in entropy and alpha plane,» in IEEE Transactions on Geoscience and Remote Sensing. 2007.
Herrmann H., Bucksch H. Fuzzi logic, in Dictionary Geotechnical Engineering/Wörterbuch GeoTechnik, 2014.
Afonso A. C. M., Maciel Netto A. C. M., de Vasconcelos W. E. Lógica fuzzi aplicada para modelar a dinâmica da água num latossolo na região nordeste do Brasil. Rev. Bras. Cienc. do Solo. 2014.
Xiong W. J., Xu Z. Q., Wang H. Privacy level evaluation of differential privacy for time series based on filtering theory. Tongxin Xuebao/ Journal Commun. 2017. Vol. 38/ No. 5. PP. 172– 181.
Zhang H., Roth E., Haeberlen A., Pierce B. C., Roth А. Fuzzi: a three-level logic for differential privacy. Proc. ACM Program. Lang. 2019.
Omana M., Rossi D., Fuzzi F., Metra C., Tirumurti C., Galivache R. Novel approach to reduce power droop during scan-based logic BIST in Proceedings. 2013. 18th IEEE European Test Symposium, ETS .
Biryulin V. I., Gorlov A. N., Kudelina D. V. Use of the Fuzzi Inference System for Evaluation of the Cable Lines Insulation State. 14th International Scientific-Technical Conference on Actual Problems of Electronic Instrument Engineering, APEIE 2018: Proceedings, 2018.
Cordero P., Enciso M., Mora Á., Pérez de Guzman I. A complete logic for fuzzy functional dependencies over t-norms. XV Congreso Español Sobre Tecnologías y Lógica Fuzzy. 2010, ESTYLF .
Gadzhiev D. N., Tagiev E. G., Gadzhiev N. D., Shikhlinskaya R. Y. Application of fuzzy mathematical model of decision-making for the selection of optimal surgical tactics in patients with non-tumor obstructive jaundice. Kazan Med. J. 2018.
Zhang H., Roth E., Haeberlen A., Pierce B. C., Roth A. Fuzzi: a three-level logic for differential privacy,» Proc. ACM Program. Lang., 2019.
El Yacoubi S. Mingarelli A. B. An algebraic characterization of fuzzy cellular automata,» J. Cell. Autom. 2011.
Brandão E. D. S., Dos Santos I., Lanzillotti R. S. Contribuições do cuidado de enfermagem na redução da dor em clientes com dermatoses imunobolhosas: avaliação pela lógica fuzzi. Online Brazilian J. Nurs. 2016.
Omana M., Rossi D., Fuzzi F., Metra C., Tirumurti C. C., Galivanche R. Scalable Approach for Power Droop Reduction during Scan-Based Logic BIST,» IEEE Trans. Very Large Scale Integr. Syst. 2017.
Пелевін Л. Є. Визначення працездатності робочих органів землерийних машин. Л, 2011. 213 с.
Ротштейн А. П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УНИВЕРСУМ, 1999. 320 с.
Митюшкин Ю. И. Soft-Computing: идентификация закономерностей нечеткими базами знаний. Винница: УНИВЕРСУМ. Винница, 2002. 145 с.
Яхъяева Г. Э. Нечеткие множества и нейронные сети: учеб. пособие Москва: ИнтернетУниверситет Информационных технологий; БИНОМ. Лаборатория знаний, 2006. 316 с.
Вікторова О. В. Методика побудови функцій приналежності інформативних параметрів динамічних режимів роботи дорожньої машини. Восточно-Европейский журнал передовых технологий. 2011. № 5/3(53). С.11–15.
