agroengineeringАгроинженерияAgricultural Engineering (Moscow)2687-11492687-1130РГАУ-МСХА10.26897/2687-1149-2023-4-52-59agroengineering-626Research ArticleТЕХНИКА И ТЕХНОЛОГИИ АПКFARM MACHINERY AND TECHNOLOGIESПрименение цифровых технологий при диагностировании двигателей энергонасыщенной сельскохозяйственной техникиUse of digital technologies in diagnosing engines of energy-saturated agricultural machineryhttps://orcid.org/0000-0003-0832-3608КатаевЮ. В.KataevYu. V.

Катаев Юрий Владимирович - канд. техн. наук, доцент, ведущий научный сотрудник

109428,  г. Москва, 1-й Институтский проезд, 5

Yuri V. Kataev - CSc (Eng), Associate Professor, Lead Research Engineer

5, 1st Institutskiy Proezd Str., Moscow,109428

ykataev@mail.ruhttps://orcid.org/0000-0002-7858-6561ТишаниновИ. А.TishaninovI. A.

Тишанинов Игорь Александрович - младший научный сотрудник

109428,  г. Москва, 1-й Институтский проезд, 5

Igor A. Tishaninov - Junior Research Engineer

5, 1st Institutskiy Proezd Str., Moscow,109428

tishaninov@yandex.ruФедеральный научный агроинженерный центр ВИМРоссияFederal Scientific Agroengineering Center VIMRussian Federation2023070920232545259Copyright © Катаев Ю.В., Тишанинов И.А., 20232023Катаев Ю.В., Тишанинов И.А.Kataev Y.V., Tishaninov I.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://agroengineering.timacad.ru/jour/article/view/626

Разработка цифровых технологий, позволяющих совершенствовать процесс диагностирования, повышать достоверность определения функциональных характеристик сельскохозяйственной техники в режиме реального времени, является важной и актуальной при техническом сопровождении энергонасыщенных машин. С целью разработки интеллектуальной системы удаленного диагностирования двигателей энергонасыщенной сельскохозяйственной техники применялся конструктор нейросетей с возможностью использования до 10 входных и выходных параметров. Разработаны алгоритм цифровой системы удаленной диагностики, схема модели прогнозирования отказов при онлайн-мониторинге и цифровая платформа по диагностированию энергонасыщенной сельскохозяйственной техники. Разработанная платформа позволяет получать диагностические параметры ДВС (расход топлива, температуру двигателя и частоту вращения вала двигателя), которые в виде зашифрованных данных удаленно передаются на сервер с помощью GPS-модема и оцифровываются в банке данных, где происходит структурирование и анализ полученных данных при помощи разработанной модели искусственной нейронной сети. Расшифрованные диагностические параметры ДВС направляются оператору, который видит графики параметров технического состояния сельскохозяйственной техники и отчеты по прогнозированию возможных отказов деталей ДВС. Представлен способ сбора и хранения диагностической информации, полученной в результате мониторинга технического состояния сельскохозяйственной техники, и с помощью математической модели нейронной сети проведена обработка этих данных. Применение цифровых технологий при диагностировании техники с помощью искусственного интеллекта позволяет значительно сократить трудоёмкость выполняемых операций, оценить эффективность работы машины в целом и прогнозировать наступление отказов её механизмов, производить своевременное техническое обслуживание и ремонт машин и сократить незапланированные простои энергонасыщенной сельскохозяйственной техники.

The development of digital technologies aimed at improving the diagnostic process, increasing the reliability of determining the functional characteristics of agricultural machinery in real time is important and relevant in the technical support of energy-saturated machines. To develop an intelligent system for remote diagnostics of the engines of energy-saturated agricultural machinery, the authors tested a neural network constructor with the ability to use up to ten input and output parameters. An algorithm for a digital system for remote diagnostics, a scheme for predicting failures in online monitoring, and a digital platform for diagnosing energy-saturated agricultural machinery have been developed. The developed platform makes it possible to obtain ICE diagnostic parameters (fuel consumption, engine temperature, and engine shaft speed), which are remotely transmitted in the form of encrypted data to the server using a GPS modem and digitized in the data bank. Then the received data are structured and analyzed using the developed artificial neural network models. The decrypted diagnostic parameters of the internal combustion engine are sent to the operator, who sees graphs of the parameters of the technical condition of agricultural machinery and reports on predicting possible failures of internal combustion engine parts. The article presents a method for collecting and storing diagnostic information obtained as a result of monitoring the technical condition of agricultural machinery. These data are processed using a mathematical model of a neural network. The use of digital technologies in diagnosing equipment with the help of artificial intelligence can significantly reduce the complexity of the operations performed, evaluate the efficiency of the machine as a whole and predict the onset of failures of its mechanisms, perform timely maintenance and repair of machines, and reduce unplanned downtime of energy-saturated agricultural machinery.

применение цифровых технологийконструктор нейросетейдиагностические параметры ДВСнаступление отказовтехническое обслуживание и ремонт машинapplication of digital technologiesneural network designerICE diagnostic parametersfailure occurrencemaintenance and repair of machinesReferencesКатаев Ю.В., Загоруйко М.Г., Тишанинов И.А., Гра- дов Е.А. Прогнозирование отказов в двигателях сельско- хозяйственной техники с применением цифровых техно- логий // Аграрный научный журнал. 2022. № 2. С. 79-82. https://doi.org/10.28983/asj.y2022i2pp79-82Kataev Yu.V., Zagoruiko M.G., Tishaninov I.A., Gradov E.A. Prediction of failures in agricultural machinery engines using digi- tal technologies. The Agrarian Scientifi c Journal. 2022;2:79-82. https://doi.org/10.28983/asj.y2022i2pp79-82 (In Rus.)Петрищев Н.А., Костомахин М.Н., Саяпин А.С., Ив- лева И.Б. Совершенствование мониторинга системы «Чело- век-Машина-Среда» и правил эксплуатации для повышения эксплуатационной надёжности тракторов // Технический сервис машин. 2020. № 3 (140). С. 12-20. EDN: XFGLUF.Petrishchev N.A., Kostomakhin M.N., Sayapin A.S., Iv- leva I.B. Improving the human-machine-environment monitoring system and operation rules for increasing operational tractor reliabil- ity. Machinery Technical Service. 2020;3(140):12-20. (In Rus.)Интеллектуальный программный комплекс диагно- стирования и прогнозирования технического состояния сельскохозяйственной техники: Свидетельство о государственной регистрации программы для ЭВМ RU2021681505 / А.С. Дорохов, Ю.В. Катаев, М.Н. Костомахин [и др.]; № 2021668436; заявл. 19.11.2021; опубл. 23.12.2021. EDN: FDJNZR.Dorokhov A.S., Kataev Yu.V., Kostomakhin M.N. Intelligent software package for diagnosing and predicting the technical condition of agricultural machinery: Certifi cate of state registration of the com- puter program RU2021681505; No. 2021668436;2021. (In Rus.)Семейкин В.А., Дорохов А.С. Теоретические предпосылки организации процесса входного контроля качества машиностроительной продукции // Вестник ФГОУ ВПО «МГАУ имени В.П. Горячкина». 2007. № 2 (22). С. 92-94. EDN: VYGHJB.Semeikin V.A., DorokhovA.S. Theoretical grounds for the organization of the process of input quality control of machine-building products. Vestnik of Moscow Goryachkin Agroengineering University. 2007;2(22):92-94. (In Rus.)Пестряков Е.В. Программное обеспечение для диагностирования и прогнозирования технического состояния сельскохозяйственных машин // Техника и оборудование для села. 2021. № 12 (294). С. 37-41. EDN: NUTMPU.Pestryakov E.V. Software for diagnosing and predicting the technical condition of agricultural machines. Machinery and equipment for rural area. 2021;12(294):37-41. (In Rus.)Костомахин М.Н., Воронов А.Н., Ковалев Л.И., Ковалев И.Л. Контроль параметров надежности сельскохозяйственной техники с использованием систем GPS/ГЛОНАСС // Труды ГОСНИТИ. 2015. Т. 118. С. 26-30. EDN: TODEWR.Kostomakhin M.N., VoronovA.N., Kovalev L.I., Kovalev I.L. Control of reliability parameters of agricultural machinery using GPS/GLONASS systems. Trudy GOSNITI. 2015;118:26-30. (In Rus.)Манжула В.Г., Федяшов Д.С. Нейронные сети Кохонена и нечёткие нейронные сети в интеллектуальном анализе данных // Фундаментальные исследования. 2011. № 4. С. 108-114. EDN: NDGTWB.Manzhula V.G., Fedyashov D.S. Kohonen neural networks and fuzzy neural networks in data mining. Fundamental Research. 2011;4:108-114. (In Rus.)Ерохин М.Н., Дорохов А.С., КатаевЮ.В. Интеллектуальная система диагностирования параметров технического состояния сельскохозяйственной техники // Агроинженерия. 2021. №2 (102). С. 45-50. https://doi.org/10.26897/2687-1149-2021-2-45-50Erokhin M.N. DorokhovA.S., Kataev Yu.V. Intelligent system for diagnosing the parameters of the technical condition of tractors. Agricultural Engineering. 2021;2(102):45-50. https://doi.org/10.26897/2687-1149-2021-2-45-50 (In Rus.)Erokhin M.N., Leonov O.A., Shkaruba N.Z., Kataev Yu.V., Vergazova Yu.G. Assessing the relative interchangeability in joints with preload. Russian Engineering Research.2020;40(6):469-472. https://doi.org/10.3103/S1068798X2006009XErokhin M.N., Leonov O.A., Shkaruba N.Z., Kataev Yu.V., Vergazova Yu.G. Assessing the relative interchangeability in joints with preload. Russian Engineering Research. 2020;40(6):469-472.Отказоустойчивая нейронная сеть, способ обнаружения отказов нейронной сети, способ обеспечения отказоустойчивости нейронной сети: Патент RU2760636 C2, МПК G06F 11/20, G06N3/02 / Н.В. Суханова, С.А. Шептунов; № 2018145179; заявл. 19.12.2018; опубл. 29.11.2021. EDN: HMNCEQSukhanova N.V., Sheptunov S.A. Fault-tolerant neural network, method for detecting neural network faults, method for ensuring fault tolerance of neural network: Patent RU2760636 C2, IPC G06F 11/20, G06N3/02. No. 2018145179, 2021. (In Rus.)Посягин А.И., Южаков А.А. Разработка двухслойной нейронной сети для самомаршрутизирующегося аналого-цифрового преобразователя на основе нейронной сети // Электротехника. 2013. № 11. С. 10-13. EDN: RERAAL.PosyaginA.I., YuzhakovA.A. Development of a two-layer neural network for a self-routing analog-to-digital converter based on a neural network. Elektrotekhnika. 2013;11:10-13. (In Rus.)Pestryakov E.V., SayapinA.S., Kostomakhin M.N., Petrishchev N.A. Analysis of the technical condition of agricultural machinery using neural networks. Lecture Notes on Data Engineering and Communications Technologies. 2022;121:92-101. https://doi.org/10.1007/978-3-030-97057-4_9Pestryakov E.V., SayapinA.S., Kostomakhin M.N., Petrishchev N.A. Analysis of the Technical Condition of Agricultural Machinery Using Neural Networks. Lecture Notes on Data Engineering and Communications Technologies. 2022 Vol. 121. P. 92-101. https://doi.org/10.1007/978-3-030-97057-4_9 (In Rus.)

The authors declare that there are no conflicts of interest present.