Prediction of failures in agricultural machinery engines using digital technologies

Authors

  • Yuriy Vladimirovich Kataev Federal Scientific Agroengineering Center VIM
  • Mikhail Gennadyevich Zagoruiko Federal Scientific Agroengineering Center VIM
  • Igor Aleksandrovich Tishaninov Federal Scientific Agroengineering Center VIM
  • Evgeniy Anatolievich Gradov Federal Scientific Agroengineering Center VIM

DOI:

https://doi.org/10.28983/asj.y2022i2pp79-82

Keywords:

agricultural machinery, internal combustion engine, digital technologies, diagnostics, forecasting, neural network

Abstract

The paper provides information on the causes of failures in agricultural machinery engines, provides a brief overview of the ways to identify malfunctions using digital technologies introduced into the diagnostic process, and ways to eliminate them. The introduction of forecasting as a separate stage in the process of diagnosing agricultural machinery using machine learning technologies in the form of neural networks is analyzed. The results of the study reflect that the neural network, analyzing a huge amount of data obtained during remote diagnostics, is able to more accurately predict failures in agricultural machinery engines.

Downloads

Download data is not yet available.

References

Галушкин А.И. Нейронные сети: основы теории. М., 2015. 496 c.

Дидманидзе О.Н., Дорохов А.С., Катаев Ю.В. Тенденции развития цифровых технологий диагностирования технического состояния тракторов // Техника и оборудование для села. 2020. № 11(281). С. 39-43.

Дидманидзе О.Н., Митягин Г.Е., Измайлов А.Ю. Технологические процессы диагностирования и технического обслуживания двигателей транспортных и транспортно-технологических машин. М., 2015. 109 с.

Дорохов А.С. Совершенствование входного контроля качества сельскохозяйственной техники на дилерских предприятиях // Вестник ФГОУ ВПО МГАУ. 2009. № 2(33). С. 73-75.

Дорохов А. С. Бесконтактный контроль качества запасных частей сельскохозяйственной техники // Вестник ФГОУ ВПО МГАУ. 2010. № 2(41). С. 73-75.

Дорохов А.С. Влияние размеров в поле допуска на ресурс изделий // Грузовик. 2013. № 8. С. 34–37.

Ерохин М.Н., Дорохов А.С., Катаев Ю.В. Интеллектуальная система диагностирования параметров технического состояния сельскохозяйственной техники // Агроинженерия. 2021. № 2(102). С. 45–50.

Измайлов А. Ю., Дидманидзе О. Н., Митягин Г. Е. Современные проблемы и направления технической эксплуатации транспортных и транспортно-технологических машин. М., 2015. 109 с.

Измайлов А. Ю., Хорошенков В. К., Лужнова Е. С. Управление сельскохозяйственными мобильными агрегатами с использованием навигационной системы ГЛОНАСС/GPS // Сельскохозяйственные машины и технологии. 2015. № 3. С. 15–20.

Кадурин А., Николенко С., Архангельская Е. Глубокое обучение. Погружение в мир нейронных сетей. СПб., 2018. 480 с.

Лянденбурский В.В., Тарасов А.А., Федосков А.В. и др. Анализ неисправностей топливных систем дизельных автомобилей // Мир транспорта и технологических машин. 2011. № 3. С. 3-11.

Яхъяева, Г.Э. Нечеткие множества и нейронные сети. М., 2012. 316 c.

Downloads

Published

2022-02-28

Issue

No. 2 (2022)

Section

Agroengineering

License

Copyright (c) 2022 The Agrarian Scientific Journal

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Most read articles by the same author(s)

1 2 3 > >>