Měřící systém pro měření kompresních tlaků na bázi umělé neuronové sítě

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60162694%3AG43__%2F06%3A%230000154" target="_blank" >RIV/60162694:G43__/06:#0000154 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Compression Pressures Measurement System Based on ANN

Popis výsledku v původním jazyce

Compression pressure of the CI engine presents important diagnostic parameter which significantly influences the CI engine operational characteristics. There are procedures based on the instantaneous crankshaft angular velocity for relative compression pressures assessment inside of individual cylinders. Absolute pressure assessment methods based on the course of crankshaft angular velocity have difficulty in the reconstruction algorithms. A possible approach, how to overcome this difficulty, is introduction of pattern recognition techniques. The relation between measured crankshaft angular velocity and the values of compression pressures inside of individual cylinders can be established by suitable artificial neural network. Radial basis function (RBF) network has shown very good predictive performance of absolute compression pressures inside of individual cylinders.

Název v anglickém jazyce

Compression Pressures Measurement System Based on ANN

Popis výsledku anglicky

Compression pressure of the CI engine presents important diagnostic parameter which significantly influences the CI engine operational characteristics. There are procedures based on the instantaneous crankshaft angular velocity for relative compression pressures assessment inside of individual cylinders. Absolute pressure assessment methods based on the course of crankshaft angular velocity have difficulty in the reconstruction algorithms. A possible approach, how to overcome this difficulty, is introduction of pattern recognition techniques. The relation between measured crankshaft angular velocity and the values of compression pressures inside of individual cylinders can be established by suitable artificial neural network. Radial basis function (RBF) network has shown very good predictive performance of absolute compression pressures inside of individual cylinders.

Druh

D - Stať ve sborníku

CEP obor

JT - Pohon, motory a paliva

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2006

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

SPECIAL TECHNOLOGY 2006

ISBN

80-8075-128-5

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

153-158

Název nakladatele

Alexander Dubcek University of Trencin

Místo vydání

Trenčín

Místo konání akce

Bratislava

Datum konání akce

4. 5. 2006

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—