Дослідження методів обробки вимірювальної інформації в системах динамічного зважування. Розробка методів підвищення точності процесу зважування двоосних автомобілів. Розробка рекомендацій щодо реалізації інтелектуальної комплексної системи автоматизації.
Аннотация к работе
Підвищення якості динамічного зважування автомобілів в умовах, коли точність первинних перетворювачів досить висока, повязане з розробкою нових сучасних систем автоматизації процесу визначення маси. Головною стороною їх якості є точність, а її підвищення ускладнюється невизначеністю стану підвіски автомобіля, роботою його двигуна, зміною швидкості руху через вагоприймальний пристрій та станом автопокришок. Тому автоматизація процесу управління запасами на сільськогосподарському підприємстві є складною та актуальною задачею, якість рішення якої багато в чому залежить від наявності мобільних та точних засобів автоматичного оцінювання маси автомобіля у русі. Робота виконувалась згідно з планами наукової тематики Кіровоградського національного технічного університету за темою „Інтелектуальна комплексна система автоматизації поосного зважування автомобіля у русі” (ДР №0107U003145). доведено, що закон розподілу похибки оцінювання маси в інтелектуальній комплексній системі, що поєднує оптимальний багатовимірний фільтр та нейронну мережу, навчену на сигналах, які являють собою адитивну суміш регулярних та випадкових стаціонарних складових, наближається до нормального.Порівняльний аналіз методів обробки та характеру зміни сигналів, які виникають при динамічному зважуванні автомобілів, показав, що в реальних експлуатаційних умовах жоден з методів не гарантує досягнення найкращого результату. Це пояснюється тим, що вимірювання супроводжуються регулярними та випадковими перешкодами, а також здійснюються в умовах невизначеності про стан елементів автомобіля та швидкості його руху, тому одночасно зменшити вплив цих факторів на точність одним методом неможливо. Оскільки для сприйняття навантаження можуть бути використані декілька датчиків, а для зменшення впливу невизначеностей можливе застосування інтелектуальних систем, в дисертаційній роботі запропоновано для визначення маси автомобіля використовувати систему, яка поєднує оптимальну комплексну обробку вимірювальної інформації для виділення з мінімальною похибкою корисного регулярного сигналу ХР на фоні випадкових перешкод та нейронну мережу (НМ) для ідентифікації даного сигналу ХР з метою визначення маси в умовах невизначеності стану елементів автомобіля. У відповідності з рис.2 на вагоприймальний пристрій діє навантаження, яке має регулярні РР складові: статичну РСТ та динамічну РД, а також випадкову РА, яка повязана з коливаннями окремих механізмів автомобіля, неокруглою формою колеса тощо. Для цього необхідно: провести дослідження динамічних характеристик сигналів, які виникають при проїзді автомобіля через вагоприймальний пристрій; обрати архітектуру нейронної мережі, яка б давала найвищу точність оцінки маси автомобіля; визначити статистичні показники точності на ідеальних сигналах; визначити вплив випадкових перешкод на якість роботи нейронної мережі.Проаналізований вплив розрядності АЦП на якість роботи системи і встановлено, що достатнім є застосування 12-ти розрядів. Для перевірки якості роботи запропонованої схеми було проведене імітаційне моделювання. В результаті одержали, що абсолютна погрішність визначення маси цілого автомобіля не виходить за межі 30 кг, а відносна ЕМ <0.5 %. Господарські випробування проводились на базі Державного підприємства дослідного господарства „Червоний землероб” Кіровоградського інституту агропромислового виробництва УААН (Кіровоградська область, Бобринецький район, с. Задачею їх проведення була перевірка працездатності створеного макетного зразка інтелектуальної системи динамічного зважування та визначення статистичних показників якості оцінювання маси автомобіля.В результаті порівняльного аналізу сучасних методів обробки вимірювальної інформації в системах динамічного зважування і характеристик корисних сигналів та перешкод в реальних експлуатаційних умовах доведено, що досягнення мети дисертації необхідно шукати шляхом створення інтелектуальної комплексної системи автоматизації процесу поосного зважування автомобіля, яка складається з оптимального багатовимірного комплексного фільтра для виділення корисного сигналу на фоні перешкод та нейронної мережі для компенсації невизначеності про стан автомобіля. Дослідження динамічних характеристик регулярної складової навантаження, що виникає при проїзді автомобіля через вагоприймальний пристрій, виконане методом компютерного імітаційного моделювання, показало, що вони суттєво залежать не тільки від маси автомобіля, але й від його конструктивних параметрів. Аналіз поведінки нейронної мережі, яка містить 15 нейронів у вхідному шарі з радіально-базисною функцією активації, 20 нейронів у прихованому шарі з сигмоїдною функцією та 1 нейрон у вихідному шарі з сигмоїдною функцією, при дії на її вході регулярного корисного сигналу та джерел невизначеності, наведених у роботі, показав, що вона може забезпечити відносну похибку вимірювання маси, розподілену за нормальним законом з математичним сподіванням 0.002 % та середньоквадратичним відхиленням 0.036 % при швидкості руху автомобіля V = 5